Yield and Fertility of Rapeseed Hybrids Derived from R2000 × Male-Sterile Lines

Document Type : Research Paper

Authors

1 Department of Agronomy and Plant Breeding, Faculty of Agriculture, University College of Agriculture and Natural Resources, University of Tehran, Karaj, Iran.

2 Seed and Plant Improvement Institute, Agricultural Research, Education and Extension Organization, Karaj, Iran.

Abstract

Early vigor, stress resistance, uniformity, high yield, and breeder right protection have turned hybrid cultivar development into the most successful breeding strategy in rapeseed (Brassica napus L.). The goals of this research were to develop the first CMS based rapeseed hybrids in Iran and to evaluate their performance and fertility. The effect of different traits on yield increasing of hybrids was also studied. Seven CMS lines were crossed with R2000 (a restorer-line) and the seed yield of hybrids was tested using a randomized complete block design with three replications in 2019-2020 and 2020-2021. Three of hybrids with 4.64, 4.40, and 4.38 tons per hectare, showed considerable yield and were significantly different than Nilufar, Neptune, and Nima (3.44, 3.37, and 3.30 tons per hectare, respectively), as check cultivars. R2000×A8 demonstrated the highest heterosis (34.71%) to high-check cultivar. All hybrids obtained were normal in terms of fertility, having no male-sterile flowers. Based on the results of principal component analysis and cluster analysis, the simultaneous increase in the number of pods per plant and the thousand seed weight, together with crossing the more distant parents will lead to more high yielding hybrids. The promising hybrids with high yield and remarkable fertility could be released as new cultivars after passing adaptability and stability experiments.

Keywords

Main Subjects


1. مقدمه

کلزا به ­دلیل مصارف گسترده به ­عنوان روغن خوراکی، کنجاله دام و سوخت زیستی یکی از مهمترین گیاهان روغنی و دومین منبع تولید­کننده دانه‌های روغنی پس از سویا در جهان است (Luo et al., 2016; Tian et al., 2017). ارقام دو صفر کلزا که با عنوان کانولا (canola) نیز شناخته می‌شوند، در مقایسه با سایر گیاهان روغنی دارای مقادیر کمی ‌اسیدچرب‌های اشباع ­شده و غنی از اسیدچرب­های غیر اشباع می‌باشند که روغن حاصل از این گیاه را به یک روغن سالم و غنی از مواد مغذی تبدیل کرده است (Niedbała, 2019; Spasibionek et al., 2020). نزدیک به 90 درصد روغن خوراکی ایران وارداتی است. عملکرد بالای روغن در واحد سطح، کیفیت بالای روغن، کنجاله ارزشمند، سازگاری با شرایط مختلف آب و هوایی، ارزش تناوبی بالا، داشتن ارقام بهاره و پاییزه و دیگر برتری­های کلزا این محصول را در کانون توجه مدیران کشاورزی کشور در جهت نیل به خودکفایی نسبی قرار داده است (Mohammadi et al., 2018).

وجود هتروزیس، ژن­های نرعقیمی و بازگردان باروری و دگرگشنی در حدود 30 درصد موجب گسترش تولید ارقام هیبرید در کلزا شده است (Wolko et al., 2019). در صنعت بذر کلزا از سامانه سه لاینی جهت تولید ارقام هیبرید استفاده می­شود که در آن به وجود لاین­های نرعقیم (A line)، نگهدارنده (B line) و بازگردان باروری (R line) نیاز است. برای این منظور در ابتدا سامانه نرعقیمی ‌سیتوپلاسمی‌ پولیما (Polima) در چین توسعه یافت و برای تولید انواع هیبرید در چین، استرالیا و کانادا مورد استفاده قرار گرفت. هرچند که ناپایداری نرعقیمی در محیط­های مختلف کاربرد این سامانه را دشوار می ­ساخت
 (Abbadi & Leckband, 2011). با کشف نرعقیمی ‌سیتوپلاسمی ‌اگورا (Ogura) در ترب ژاپنی (Japanese radish) که عقیمی ‌آن پایدار و کامل بود؛ یک منبع بالقوه و مناسب نرعقیمی سیتوپلاسمی در کلزا ایجاد شد. نرعقیمی‌ سیستوپلاسمی ‌اگورا از طریق دورگ­گیری بین گونه­ای میان ترب ژاپنی و کلزا و چندین نسل تلاقی برگشتی با کلزا وارد این گیاه شد (Chen et al., 2022). اما در عمل تولید لاین‌های بازگردان باروری در کلزا که اولین بار در موسسه INRA واقع در فرانسه و با نام Ogu-INRA رخ داد با دشواری‌هایی روبرو بود؛ چراکه همراه با ژن‌ بازگردان باروری، بخش‌هایی اضافی از ژنوم ترب ژاپنی نیز به ژنوم کلزا وارد می‌شد که صفات نامطلوبی مانند افزایش سطح گلوکوزینولات (Glucosinolate) و کاهش عملکرد را به همراه داشت
 (Abbadi & Leckband, 2011; Wang et al., 2020). در سال 2000، موسسه INRA با استفاده از اشعه گاما و القای نوترکیبی، لاین بازگردان باروری R2000 را با محتوای گلوکوزینولات پایین و توانایی بازگرداندن باروری بالا تولید کرد
 (Chen et al., 2022).

اولین رقم هیبرید تجاری کلزا با نام هایولا40 در سال 1989 در کانادا تولید و به ثبت رسید (Shiranifar et al., 2021). عملکرد بالا، رشد سریع، باروری بالا، زیست­توده بیشتر، مقاومت به تنش‌های زیستی و غیر زیستی، یکنواختی و حفظ حق به­نژادگر از مزایای ارقام هیبرید نسبت به ارقام آزادگرده­افشان (Open-pollinated) است. پژوهش‌های مختلفی جهت ایجاد ارقام هیبرید در کلزا انجام و مقادیر متفاوتی هتروزیس گزارش شده است (Gul et al., 2019; Liton et al., 2017;
Ahmad & Quiros, 2011; Qian et al., 2007; Riaz et al., 2001). اما در مجموع گزارش­ها حاکی از آن است که عملکرد ارقام هیبرید تجاری کلزا در کانادا بین سال­های 2005 تا 2015، 11 درصد و در آلمان بین سال­های 1999 تا 2009، حدود 12 درصد بیشتر از ارقام تجاری آزادگرده­افشان بوده است (Banga et al., 2015; Abbadi & Leckband, 2011).

شناسایی والدین مناسب و همچنین هیبریدهای پرمحصول نیازمند انجام آزمایش­های عملکرد مزرعه ­ای است
 (Tian et al., 2017). اما به دلیل دشواری، هزینه بالا، زمان­بر بودن، وراثت­ پذیری پایین و عدم قابلیت اندازه­ گیری عملکرد در نسل ­های اولیه، به ­نژادگران همواره به دنبال شناسایی صفاتی بوده ­اند که بتوان از آن­ها در غربال غیر مستقیم مواد گیاهی استفاده کرد (Yoosefzadeh-Najafabadi et al., 2021). بنابراین شناسایی صفاتی که منجر به افزایش عملکرد هیبریدها نسبت به سایر ژنوتیپ ها می­شوند؛ می­تواند به انتخاب والدین مناسب برای تهیه هیبریدهای پرمحصول کمک کند. در پژوهشی به صفات تعداد خورجین در بوته، تعداد شاخه فرعی و طول گلدهی به­ عنوان صفات موثر بر عملکرد دانه در کلزا اشاره شده است
 (Rameeh, 2016b). صفات تعداد شاخه­های فرعی، تعداد روز تا گلدهی و رسیدن فیزیولوژیک نیز به­عنوان مهمترین صفات ثانویه موثر بر عملکرد دانه گزارش شده­اند (Aftab et al., 2020). همچنین همبستگی مثبت و معنی­دار بین عملکرد دانه در کلزا و صفات تعداد خورجین در بوته، ارتفاع بوته و مدت زمان پرشدن اولین خورجین تا رسیدن فیزیولوژیک مشاهده شده است (Marjanović-Jeromela et al., 2011).

حدود 80 درصد سطح زیر کشت کلزا در کشور به کشت ارقام هییرید اختصاص دارد. از سوی دیگر همه ارقام هیبرید کلزای کشور وارداتی هستند و مستقیما بذر یا والدین پدری و مادری آن­ها هر ساله با پرداخت مبالغ کلان ازکشورهای خارجی وارد می­شوند (Ghodrati et al., 2021). مرور منابع علمی نشان می­دهد که با وجود تلاش به ­نژادگران، تاکنون گزارشی مبنی بر تولید رقم هیبرید کلزا در کشور به چاپ نرسیده است. در همین راستا، پژوهش حاضر کوششی برای تهیه نخستین رقم هیبرید کلزا در کشور بود.. اهداف این پژوهش عبارت بودند از: الف) تولید رقم هیبرید کلزا از طریق نرعقیمی سیتوپلاسمی و ژن­های بازگردان باروری در ایران، ب) بررسی عملکرد و باروری هیبریدهای حاصل، و ج) بررسی تاثیر صفات موثر بر عملکرد دانه بر افزایش عملکرد هیبریدهای تولید­شده.

 

  1. روششناسی پژوهش

در پژوهش حاضر، از هفت لاین نرعقیم (A لاین‌) زمستانه کلزا که در بخش دانه­ های روغنی موسسه اصلاح نهال و بذر به­وسیله تلاقی برگشتی ایجاد شده بودند، استفاده شد. هر یک از A لاین‌ها، از طریق تلاقی با B لاین متناظر تکثیر شد. بذرهای R2000 به­ عنوان لاین بازگردان باروری (R لاین) از موسسه INRA فرانسه دریافت و در اتاقک‌های رشد گروه زراعت و اصلاح نباتات دانشگاه تهران جهت تکثیر کشت شد. تمامی آزمایش­های مزرعه­ ای در مزرعه تحقیقاتی موسسه اصلاح نهال و بذر (کرج، استان البرز) انجام شد. لاین‌های A و B در سال زراعی 1398-1397 در مزرعه کشت شدند. قبل از شروع گلدهی، بوته­ های R لاین‌ از اتاقک‌های رشد به ­همراه گلدان به مزرعه تحقیقاتی منتقل شدند. تعدادی بوته از هرکدام از A لاین‌ها انتخاب و قبل از آغاز گلدهی عملیات پاکت­ گذاری روی گل ­آذین آن‌ها صورت گرفت و تا اتمام عملیات تلاقی و تشکیل خورجین‌ها و اطمینان از عدم وجود گل بارور، پاکت‌ها روی گل­ آذین‌ها حفظ شدند. همچنین جهت جلوگیری از اختلاط دانه گرده R لاین‌ با سایر ژنوتیپ‌های موجود در مزرعه تحقیقاتی، بوته­های این لاین‌ در تمام مدت عملیات تلاقی زیر توری نگهداری شدند. عملیات تلاقی از طریق تماس مستقیم گل­ های R2000 به­ عنوان R لاین و لاین ­های نرعقیم به ­مدت 40 روز انجام پذیرفت. در سال زراعی بعد (1398-1399) بذور 7 هیبرید حاصل از تلاقی به­همراه R2000 و B لاین‌های متناظر با هر یک از A لاین‌ها و همچنین 5 رقم کلزا شامل نیلوفر، اوکاپی، نفیس و نیما (ارقام آزادگرده­ افشان) و نپتون (رقم هیبرید) به ­عنوان شاهد در قالب یک طرح بلوک کامل تصادفی با سه تکرار کشت شدند. همچنین جهت تکثیر بذور هیبرید، هر A لاین‌ به­صورت جداگانه به­ همراه R2000 زیر قفس‌های توری در کنار هم کشت شدند. آزمایش مقایسه عملکرد در سال زراعی 1399-1400 نیز تکرار شد با این تفاوت که به ­دلیل کمبود بذر، آزمایش بدون B لاین شماره 4 (B4) انجام گرفت. کرت‌های آزمایش­های مقایسه عملکرد در هر دوسال شامل 4 خط 4 متری بودند؛ به­طوری­که فاصله بوته‌ها روی خط 5 سانتی­متر، فاصله خطوط 30 سانتی­متر و فاصله دو کرت 60 سانتی­متر بود. مراقبت‌های زراعی لازم در طول دوره رشد گیاهان در هر دو سال انجام گرفت. در پایان فصل زراعی، وزن دانه‌های برداشت­ شده از بوته‌های موجود در یک کرت به­ عنوان عملکرد دانه (کیلوگرم در کرت) ثبت شد. همچینین صفات وابسته به عملکرد شامل ارتفاع بوته (سانتی متر)، تعداد خورجین در شاخه اصلی، تعداد خورجین در شاخه­های فرعی، تعداد خورجین در بوته، تعداد شاخه فرعی، طول ساقه اصلی (سانتی­متر)، تعداد دانه در خورجین، ارتفاع اولین خورجین از سطح زمین (سانتی­متر)، قطر ساقه (میلی­متر)، طول خورجین (سانتی­متر)، تعداد روز تا شروع گلدهی، تعداد روز تا پایان گلدهی، طول دوره گلدهی، تعداد روز تا رسیدن فیزیولوژیک و وزن هزار دانه (گرم) با استفاده از 10 بوته­ی به تصادف انتخاب­شده از دو خط میانی کرت‌ها اندازه ­گیری و یا شمارش شدند و میانگین آن‌ها به­ عنوان مقادیر نهایی در محاسبات منظور شد. در سال دوم درصد روغن ژنوتیپ­ های مورد بررسی به ­روش سوکسله اندازه ­گیری شد. هتروزیس بر اساس میانگین والدین، والد برتر و رقم شاهد برتر محاسبه شد
 (Channa et al., 2018). تجزیه واریانس صفات اندازه­ گیری­شده و مقایسه میانگین‌ها (طبق روش چنددامنه ای دانکن) با­استفاده­از نرم­افزار SAS صورت پذیرفت. از نرم ­افزار R جهت بررسی نرمال­ بودن داده‌ها (پکیج stats)، نرمال ­سازی داده‌ها (پکیج bestNormalize)، تجزیه به مولفه‌های اصلی (پکیج base)، تجزیه خوشه‌ای (پکیج cluster) و نقشه حرارتی (پکیج ComplexHeatmap) استفاده شد.

 

  1. یافته­ های پژوهش و بحث

3-1. عملکرد هیبریدها و هتروزیس

نتایج تجزیه واریانس در سال اول نشان داد که بین ژنوتیپ‌های مورد بررسی برای صفت عملکرد دانه در سطح احتمال یک درصد اختلاف معنی‌داری وجود دارد (جدول 1). در سال دوم نیز اختلاف بین ژنوتیپ ­ها از لحاظ عملکرد دانه و درصد روغن به­ ترتیب در سطح احتمال پنج و یک درصد معنی‌دار بود (جدول 2). جهت بررسی همگن­ بودن واریانس‌ها بین داده‌های سال اول و دوم از آزمون بارتلت استفاده شد که با­توجه ­به معنی‌دار­نبودن مقدار کای­ اسکوئر محاسبه ­شده در این روش، تجزیه واریانس مرکب انجام شد. نتایج حاصل از تجزیه مرکب داده‌های سال اول و دوم نشان داد صفت عملکرد دانه در سطح احتمال یک درصد دارای اختلاف معنی‌دار بین ژنوتیپ‌های مورد بررسی است (جدول 3). منبع تغییر سال برای صفت عملکرد در سطح احتمال یک درصد معنی‌دار بود که نشان­دهنده اختلاف عملکرد دانه بین دو سال است. اگرچه معنی‌دار­نبودن اثر متقابل ژنوتیپ در سال نشان می‌دهد که ترتیب ژنوتیپ‌ها به لحاظ عملکرد دانه بین دو سال تغییر معنی‌داری نداشته است و اختلاف معنی‌دار عملکرد دانه بین دو سال مربوط به مجموع عملکرد ژنوتیپ‌ها است. مقایسه میانگین عملکرد دانه بین ژنوتیپ­ ها در سال اول، دوم و میانگین دو سال و همچنین درصد روغن در شکل 1 نمایش داده شده است. بر اساس مقایسه میانگین عملکرد دانه در مجموع دو سال (شکل c1)، هیبرید R2000×A8 بالاترین عملکرد دانه را از خود نشان داد و با سایر ژنوتیپ‌ها به غیر از دو هیبرید R2000×A5 و R2000×A7 اختلاف عملکرد معنی‌داری داشت. پس از آن، هیبریدهای R2000×A5 وR2000×A7 بالاترین عملکرد دانه را ثبت کردند و با تمامی ژنوتیپ‌ها بجز لاین B9، تفاوت عملکرد معنی‌داری داشتند. بنابراین سه هیبرید A8، A7، R2000×A5 به­عنوان برترین هیبریدهای تولید­شده و امیدبخش در پژوهش حاضر انتخاب شدند. پژوهش‌های مختلفی جهت ایجاد ارقام هیبرید در کلزا و بررسی میزان عملکرد آن‌ها انجام شده است. در آزمایشی از 9 لاین ساختگی (Resynthesized line) و سه لاین بهاره به ­عنوان لاین­های پدری و 2 لاین نرعقیم به ­عنوان لاین­های مادری جهت تولید هیبرید استفاده شد و نتایج نشان داد که عملکرد برترین هیبریدها به­ترتیب 72/3 و 68/3 تن در هکتار بود و با عملکرد ارقام شاهد (3/3 و 36/3 تن در هکتار) تفاوت معنی­ داری داشت (Seyis et al., 2006). در پژوهش دیگری، بررسی 41 هیبرید حاصل از تلاقی 12 ژنوتیپ کلزا نشان داد که میانگین عملکرد دانه هیبریدها و والدین به­ترتیب 3/2 و 4/1 تن در هکتار و تفاوت بین آن­ها معنی­ دار بود (Cuthbert et al., 2009). در یک آزمایش دی­آلل 8×8 میانگین عملکرد تک­بوته در هیبریدها و والدین به­ترتیب با 8/45 و 8/35 گرم تفاوت معنی­داری داشت
 (Gul et al., 2018). نتایج یک آزمایش دی­آلل 5×5 نیز نشان داد که عملکرد تک­بوته در برترین هیبرید (114 گرم) از برترین لاین والدی (109 گرم) بیشتر بود (Shah et al., 2021). جهت ارزیابی قابلیت لاین R2000 در بازگردانندگی باروری به هیبریدهای F1، تمامی‌هیبریدها در هر دو سال از نظر موقعیت کیسه‌های گرده نسبت به سطح مادگی، طول میله‌های پرچم، وجود گرده و تعداد بوته‌های نرعقیم بررسی شدند و هیچ موردی از نرعقیمی مشاهده نشد. با­توجه­به توانایی R2000 به­عنوان لاین پدری در ایجاد هیبریدهای با عملکرد بالا و نربارور، می‌توان از این لاین در سایر برنامه‌های تولید بذر هیبرید کلزا و همچنین انتقال ژن‌های بازگردان باروری به لاین‌های امید­بخش استفاده کرد.

محاسبه هتروزیس بر اساس میانگین عملکرد دانه در دو سال نشان داد که هیبرید‌های R2000×A7 و R2000×A8 دارای بیشترین مقدار هتروزیس به­ترتیب نسبت به والد برتر (48/42 درصد) و رقم نیلوفر به­عنوان شاهد برتر (71/34 درصد) بودند (جدول 4). در پژوهش‌های مختلفی پدیده هتروزیس برای عملکرد دانه در کلزا گزارش شده است. در آزمایشی مشاهده شد که در بهترین حالت، عملکرد نسبت به والد برتر و میانگین والدین به­ترتیب 09/17 و 99/35 درصد افزایش پیدا کرده است
 (Liton et al., 2017). در تحقیقی دیگر، 82 و 62 درصد افزایش عملکرد به­ترتیب نسبت به میانگین والدین و والد برتر در هیبرید‌های برتر مشاهده شد (Luo et al., 2016). در برخی از تحقیقات مقادیر بسیار بالای هتروزیس در کلزا گزارش شده است. به­طور مثال، هیبریدی با 154، 125 و 21 درصد افزایش عملکرد به­ترتیب نسبت به میانگین والدین، والد برتر و رقم شاهد گزارش شده است (Channa et al., 2018). همچنین Gul et al. (2019) مقادیر 97 و 133 درصد هتروزیس به­ترتیب نسبت به رقم شاهد و والد برتر مشاهده کردند. یکی از دلایل بروز هتروزیس در پژوهش حاضر و سایر تحقیقات ذکرشده را می‌توان به نوع روابط ژن­های موثر در عملکرد دانه در کلزا مربوط دانست. هتروزیس در گیاهان، ناشی از عمل غیر افزایشی ژن­هاست. بنابراین صفاتی که به­صورت غیر افزایشی کنترل می‌شوند از احتمال بالاتری برای بروز هتروزیس برخوردارند (Begna, 2021). تحقیقات متعدد نشان می‌دهند که هم عمل افزایشی و هم عمل غیر افزایشی ژن­ها (غلبه و اپیستازی) در کنترل عملکرد دانه کلزا نقش دارند (Channa et al., 2018; Gul et al., 2019; Sincik et al., 2011). در نتیجه، در صورت وجود تنوع کافی بین لاین‌های والدی می‌توان انتظار افزایش عملکرد دانه هیبریدها نسبت به والدین را داشت.

3-2. صفات موثر بر عملکرد دانه

جهت شناخت صفات موثر در افزایش عملکرد هیبریدها از تجزیه به مولفه­های اصلی و تجزیه خوشه­ای استفاده شد. بر اساس نتایج حاصل از تجزیه به مولفه‌های اصلی، پنج مولفه با مقادیر ویژه بزرگتر از یک انتخاب شدند (شکل 2). دو مولفه اول و دوم در مجموع 79/60 درصد از تغییرات داده‌ها را توجیه کردند و غیر از صفت ارتفاع بوته سایر صفات موثر بر عملکرد دانه و همچنین خود صفت عملکرد دانه در این دو مولفه حضور داشتند. این داده­ها نشان می‌دهد که انتخاب ژنوتیپ‌ها بر اساس این دو مولفه بیشترین اثر مثبت را روی عملکرد دانه خواهد داشت. غیر از صفت ارتفاع اولین خورجین از سطح زمین، تمام صفات موثر در مولفه اول دارای مقادیر منفی هستند. در نتیجه، در انتخاب بر اساس این مولفه، ژنوتیپ‌های با مقادیر منفی بیشتر را بایستی در اولویت قرار داد. بای­پلات حاصل از تجزیه به مولفه‌های اصلی نیز این مورد را اثبات می‌کند و نشان می‌دهد که سه هیبرید پرعملکرد (A8، A7، R2000×A5) از لحاظ مولفه اول دارای مقادیر منفی بزرگتری بودند (شکل 2). همچنین شکل 3 نشان می­دهد که این سه هیبرید پر عملکرد، از نظر صفات حاضر در مولفه اول مقادیر بالاتری نسبت به سایر ژنوتیپ‌ها داشتند.

در پژوهش‌های مختلفی اثر مثبت و مستقیم صفات تعداد خورجین در بوته (Chen et al., 2014; Kumar et al., 2021;
Marjanović-Jeromela et al., 2011; Rameeh, 2016a; Tariq et al., 2020) و تعداد شاخه‌های اولیه و ثانویه
 (Tariq et al., 2020) بر عملکرد کلزا گزارش شده است. همچنین مشاهده شده است که خورجین در کلزا یک اندام نسبتا حفاظت‌شده است و گیاه ترجیح می‌دهد برای افزایش عملکرد، به­جای افزایش تعداد یا وزن دانه‌ها در یک خورجین، در تولید خورجین‌های بیشتر در هر بوته سرمایه‌گذاری کند (Bennett et al., 2017). برای گیاه هنگامی‌که یک بذر حاوی حداقل منابع لازم برای جوانه­زنی باشد، هیچ مزیتی در ذخیره­سازی بیشتر منابع در یک بذر منفرد وجود ندارد؛ بلکه راهبرد بهتر برای بقا، تولید بذرهای بیشتر در خورجین‌های مختلف است. این مورد در مطالعات مختلفی در مورد تخصیص منابع در گیاهان، از جمله در آرابیدوپسیس گزارش شده است (Bennett et al., 2012). همچنین نتایج برخی پژوهش­ها نشان­دهنده آن است که افزایش میزان نیتروژن در دسترس کلزا، منجر به بهبود عملکرد آن از طریق افزایش تعداد خورجین در بوته (و نه افزایش تعداد یا وزن دانه‌ها) شده است (Allen & Morgan, 1972; Bennett et al., 2017).

 

 

 

 

 

جدول 1. تجزیه واریانس صفات مورد بررسی در هیبریدها، لاین­های والدی و ارقام شاهد کلزا در سال اول.

Sources of variance

df

Mean Squares

Plant height

Number of pods per main branch

Number of pods per axillary branches

Number of pods per plant

Number of branches per plant

Main branch length

First pod height from the ground

Pod length

Days to start of flowering

Days to end of flowering

Days to physiological maturity

Flowering period

Thousand seed weight

Number of seeds per pod

Stem diameter

Seed yield

Replication

2

1.62*

0.29*

170.84**

158.28**

0.21ns

356.45*

126.04ns

0.46ns

32.71ns

75.61ns

48.71ns

8.86ns

0.60*

21.28ns

31.17**

1.16**

Genotype

19

0.75*

0.40**

53.77*

54.08*

0.37**

130.11ns

279.80ns

0.30ns

42.54*

34.43ns

30.75ns

16.26ns

0.28*

9.76ns

7.83*

0.74**

Error

38

0.39

0.07

27.10

23.15

0.14

74.04

260.40

0.40

21.61

25.86

31.62

17.37

0.15

22.11

3.35

0.18

Coefficient of Variation (%)

-

5.40

4.83

26.25

22.63

11.08

19.10

21.57

11.85

2.37

2.34

2.17

19.55

10.33

18.45

15.25

17.63

**، *، و ns: به­ترتیب معنی‌دار در سطح احتمال یک و پنج درصد و غیر معنی‌دار.

 

جدول 2. تجزیه واریانس صفات مورد بررسی در هیبریدها، لاین‌های والدی و ارقام شاهد کلزا در سال دوم.

Sources of variance

df

Mean Squares

Plant height

Number of pods per main branch

Number of pods per axillary branches

Number of pods per plant

Number of branches per plant

Main branch length

First pod height from the ground

Pod length

Days to start of flowering

Days to end of flowering

Days to physiological maturity

Flowering period

Thousand seed weight

Number of seeds per pod

Stem diameter

Seed yield

Oil percent

Replication

2

368.63

ns

0.81ns

1.01ns

0.51ns

0.05ns

23.61ns

213.93ns

0.03ns

0.22ns

0.64ns

1.33ns

1.63ns

0.19ns

7.43ns

1.64ns

0.14ns

1.70ns

Genotype

18

128.78

ns

0.38ns

1.42**

0.94**

0.21*

77.82ns

179.71ns

0.23ns

4.15ns

4.89ns

4.97ns

2.90ns

0.11ns

11.66ns

5.72**

0.25*

2.89**

Error

36

205.77

0.84

0.41

0.30

0.09

45.07

152.79

0.16

2.80

3.72

6.22

3.44

0.10

18.49

1.92

0.13

0.83

Coefficient of Variation (%)

-

12.95

13.57

8.56

6.98

9.22

17.20

18.37

7.28

0.87

0.91

0.99

8.9

7.9

16.04

14.22

22.5

2.34

**، *، و ns: به­ترتیب معنی‌دار در سطح احتمال یک و پنج درصد و غیر معنی‌دار.

 

 

 

 

 

 

 

جدول 3. تجزیه واریانس مرکب صفات مورد بررسی در هیبریدها، لاین‌های والدی و ارقام شاهد کلزا در سال­های اول و دوم.

Sources of variance

df

Mean Squares

Plant height

Number of pods per main branch

Number of pods per axillary branches

Number of pods per plant

Number of branches per plant

Main branch length

First pod height from the ground

Pod length

Days to start of flowering

Days to end of flowering

Days to physiological maturity

Flowering period

Thousand seed weight

Number of seeds per pod

Stem diameter

Seed yield

Year

1

19322.32

**

1.95*

24.40*

18.65*

0.24ns

1144.80ns

1686.92*

1.09ns

668.21**

742.81*

1246.74**

0.01ns

3.26ns

46.10ns

2.37*

19.36**

Replication (Year)

4

472.06

ns

0.19ns

1.93*

1.39*

0.11ns

221.80**

188.01ns

0.33ns

15.38ns

45.17*

27.85ns

0.11ns

0.47**

11.58ns

0.23**

0.47*

Genotype

18

183.43

ns

0.28ns

2.59**

1.93**

9.82**

138.98ns

211.53ns

0.24ns

19.34ns

21.85ns

16.85ns

0.10ns

0.20ns

10.75ns

0.17**

0.92**

Genotype×

Year

18

338.97

ns

0.20ns

0.14ns

0.10ns

0.06ns

70.32ns

261.41ns

0.30ns

25.67*

19.27ns

20.57ns

0.09ns

0.19ns

11.12ns

0.04ns

0.11ns

Error

72

196.89

0.12

0.56

0.40

0.10

57.23

203.38

0.28

12.80

14.36

19.61

0.11

0.12

20.61

0.05

0.15

Coefficient of Variation (%)

-

11.34

6.17

9.42

7.68

9.92

17.93

20.04

9.80

1.85

1.76

1.73

7.48

8.97

17.35

6.66

19.19

**، *، و ns: به­ترتیب معنی‌دار در سطح احتمال یک و پنج درصد و غیر معنی‌دار.

 

 

جدول 4. درصد هتروزیس مشاهده­شده در هیبریدهای کلزا بر اساس میانگین والدین، والد برتر و رقم شاهد برتر در سال اول، دوم و میانگین دو سال.

 

R2000×A2

 

R2000×A3

 

R2000×A4

 

R2000×A5

 

R2000×A7

 

R2000×A8

 

R2000×A9

 

Y1

Y2

MY

 

Y1

Y2

MY

 

Y1

Y2

MY

 

Y1

Y2

MY

 

Y1

Y2

MY

 

Y1

Y2

MY

 

Y1

Y2

MY

MP

28.16

22.36

25.75

 

44.71

68.65

53.97

 

45.41

-

-

 

93.40

68.43

83.03

 

97.25

72.04

87.09

 

88.53

59.37

76.29

 

31.29

34.83

32.81

HP

-6.09

-2.27

-4.59

 

6.39

46.30

20.29

 

4.92

-

-

 

40.47

32.93

37.47

 

43.68

40.50

42.48

 

32.26

19.19

26.97

 

-7.75

-0.01

-4.80

HCH

-12.14

-17.51

-13.82

 

-1.51

0.38

-0.05

 

3.09

-

-

 

35.12

15.88

27.91

 

36.94

11.86

27.28

 

42.88

21.24

34.71

 

-0.90

6.12

2.72

Y1: سال اول، Y2: سال دوم، MY: میانگین دو سال، MP: میانگین والدین، HP: والد برتر، HCH: رقم شاهد برتر.

 

 

 

 

 

 

شکل 1. عملکرد دانه در سال اول (a)، سال دوم (b)، میانگین دو سال (c) و درصد روغن (d) در هیبریدها، لاین‌های والدینی و ارقام شاهد کلزا. میانگین‌های دارای حداقل یک حرف مشترک، بر اساس آزمون دانکن اختلاف معنی‌داری در سطح احتمال پنج درصد ندارند.

 

در مولفه دوم انتخاب ژنوتیپ‌ها باید به گونه­ای باشد که یا مقادیر این مولفه برای صفات تعداد روز تا شروع گلدهی، تعداد روز تا رسیدن فیزیولوژیک و تعداد دانه در خورجین مثبت باشد و یا برای صفت وزن هزار دانه دارای مقدار منفی. از سه هیبرید پرعملکرد در پژوهش حاضر، در مولفه دوم، دو هیبرید A7، R2000×A5 دارای مقادیر مثبت و هیبرید R2000×A8 دارای مقدار منفی بودند. این مورد با­مراجعه­به شکل واضح­تر خواهد شد؛ جایی که از منظر صفات موجود در مولفه دوم بین سه هیبرید پرعملکرد تا حدود زیادی اختلاف وجود دارد؛ به گونه­ای که هیبرید R2000×A8 دارای وزن هزار دانه بالاتر و تعداد روز تا شروع گلدهی، تعداد روز تا رسیدن فیزیولوژیک و تعداد دانه در خورجین کمتر می‌باشد؛ در­حالی­که در دو هیبرید A7، R2000×A5 برعکس آن مشاهده می­شود. این مورد نشان می­دهد که هیبرید R2000×A8 علاوه­بر تولید تعداد خورجین بالا به­عنوان مهمترین صفت موثر بر عملکرد، به­صورت هم­زمان توانایی ایجاد دانه‌های با وزن بالاتر را نیز داراست و همین مساله موجب شده است که بالاترین عملکرد را در میان ژنوتیپ‌ها از خود نشان دهد. نتایج تجزیه به مولفه‌های اصلی در ژنوتیپ‌های کلزا در پژوهش
 Chen et al. (2014) نیز نشان داد که صفات وزن خشک، ارتفاع گیاه، تعداد دانه در خورجین، شاخص برداشت، ارتفاع اولین شاخه، تعداد شاخه فرعی و تعداد خورجین در بوته دارای بیشترین مقادیر در مولفه اول بودند که تا حدود زیادی با نتایج ما مطابقت دارد.

 

 

 

شکل 2. بای­پلات حاصل از تجزیه به مولفه­های اصلی برای هیبریدها، لاین‌های والدی، ارقام شاهد و صفات مورد مطالعه. PH: ارتفاع بوته، PMB: تعداد خورجین در شاخه اصلی، PAB: تعداد خورجین در شاخه­های فرعی، PP: تعداد خورجین در بوته، BP: تعداد شاخه فرعی، MBL: طول ساقه اصلی، FPH: ارتفاع اولین خورجین از سطح زمین، PL: طول خورجین، DSF: تعداد روز تا شروع گلدهی، DEF: تعداد روز تا پایان گلدهی، DPM: تعداد روز تا رسیدن فیزیولوژیک، FP: طول دوره گلدهی، TSW: وزن هزار دانه، SP: تعداد دانه در خورجین، SD: قطر ساقه، SY: عملکرد دانه.

 

تجزیه خوشه‌ای با­استفاده­از فاصله اقلیدسی و روش Ward جهت گروه­بندی ژنوتیپ­ها و همچنین صفات مورد بررسی انجام شد (شکل 3). بر اساس نتایج حاصل از تجزیه خوشه‌ای، ژنوتیپ‌ها در ابتدا به دو گروه تقسیم شدند؛ به شکلی که سه هیبرید با عملکرد بالا (A8، A7، R2000×A5) در یک خوشه و مابقی ژنوتیپ‌ها همگی در خوشه دیگر جای گرفتند. بر اساس ماتریس فاصله اقلیدسی، کمترین فاصله بین دو ژنوتیپ B7 و R15 (11/2) و بیشترین فاصله بین R2000 و هیبرید R2000×A8 (58/11) مشاهده شد. نکته حائز اهمیت در نتایج تجزیه خوشه‌ای، فاصله بیشتر لاین R2000 با لاین‌های مادری تولیدکننده هیبرید‌های دارای عملکرد بالاتر بود؛ به­طوری­که لاین B8 که بیشترین فاصله را نسبت به سایر لاین‌های مادری با R2000 از خود نشان داد، لاین مادری پرمحصول­ترین هیبرید (R2000×A8) بود. پس از B8، بیشترین فاصله بین R2000 و لاین‌های مادری، به­ترتیب مربوط به سه لاین B9، B7، و B5 بود که هیبریدهای حاصل از آنان بعد از هیبرید R2000×A8 بالاترین عملکرد را از خود نشان داده بودند. این موضوع نشان می‌دهد که انتخاب لاین‌های والدی دارای فاصله بیشتر می‌تواند به تولید هیبریدهای پرمحصول کمک کند. مطالعات پیشین نیز نشان داده اند که تبادلات ژنتیکی در کلزا می‌تواند تنوع ژنتیکی را افزایش دهد و در نتیجه منجر به هتروزیس بالا برای توده زیستی و عملکرد دانه شود (Qian et al., 2007). ارتباط میان فاصله ژنتیکی بر اساس صفات مورفولوژیک و هتروزیس در میان گیاهان جنس براسیکا از جمله کلزا، B.rapa، B.juncea و B.carinata گزارش شده است
 (Ali et al., 1995; Lefort-Buson et al., 1986; Falk et al., 1994; Pradhan et al., 1993; Teklewold & Becker, 2006). برای درک بهتر تفاوت بین ژنوتیپ‌های مورد بررسی از نظر صفات اندازه­گیری­شده علاوه­بر تجزیه خوشه­ای، از نقشه حرارتی (Heatmap) نیز استفاده شد (شکل 3). بر اساس نتایج خوشه­بندی صفات، بارزترین تفاوت بین هیبریدهای پرعملکرد (A8، A7، R2000×A5) و سایر ژنوتیپ‌ها در خوشه اول مشاهده شد؛ جایی­که این هیبریدها علاوه­بر عملکرد دانه بالاتر از نظر تعداد شاخه‌ فرعی، تعداد خورجین روی شاخه‌­های فرعی، قطر ساقه و تعداد خورجین در بوته مقادیر بیشتری را نسبت به سایر ژنوتیپ­ها ثبت کردند.

 

 

شکل 3. نقشه حرارتی و دندروگرام حاصل از تجزیه خوشه‌ای برای صفات مورد مطالعه و ژنوتیپ‌های کلزا. PH: ارتفاع بوته، PMB: تعداد خورجین در شاخه اصلی، PAB: تعداد خورجین در شاخه­های فرعی، PP: تعداد خورجین در بوته، BP: تعداد شاخه فرعی، MBL: طول ساقه اصلی، FPH: ارتفاع اولین خورجین از سطح زمین، PL: طول خورجین، DSF: تعداد روز تا شروع گلدهی، DEF: تعداد روز تا پایان گلدهی، DPM: تعداد روز تا رسیدن فیزیولوژیک، FP: طول دوره گلدهی، TSW: وزن هزار دانه، SP: تعداد دانه در خورجین، SD: قطر ساقه، SY: عملکرد دانه

 

  1. نتیجه­گیری

در این پژوهش از لاین R2000 به­عنوان یکی از برترین لاین­های بازگردان باروری جهت تلاقی با A لاین‌های موسسه اصلاح نهال و بذر و تولید اولین هیبرید کلزا در ایران استفاده شد. نتایج دو­ساله نشان داد که سه هیبرید A8، A7، R2000×A5 به­ترتیب با متوسط عملکرد 40/4، 38/4 و 64/4 تن در هکتار نسبت به لاین‌های والدی و ارقام شاهد عملکرد بیشتری دارند. همچنین تمامی هیبریدهای تولید­شده به­صورت کامل بارور بودند. سه هیبرید امید­بخش (A8، A7، R2000×A5) می­توانند پس از آزمایش­های سازگاری و پایداری، مراحل آزادسازی به­عنوان رقم جدید را طی کرده و در کنار ارقام خارجی به کشاورزان معرفی شوند. نتایج تجزیه­ به مولفه­های اصلی نشان داد عامل اصلی عملکرد بالاتر هیبرید R2000×A8 نسبت به سایر ژنوتیپ­ها، توانایی آن در افزایش هم­زمان تعداد خورجین در بوته و وزن هزار دانه بود. همچنین بر اساس تجزیه خوشه­ای، انتخاب لاین‌های والدینی دارای فاصله بیشتر منجر به تولید هیبریدهای پرمحصول­تر خواهد شد.

 

  1. منابع

Abbadi, A., & Leckband, G. (2011). Rapeseed breeding for oil content, quality, and sustainability. European Journal of Lipid Science and Technology, 113(10), 1198-1206.

Aftab, M., Fatima, S., Qamar, H., Hassan, M., Zubair, M., Arshad, A., Mahmood, T., Ali, S., Shahazad, S., & Khurshid, M.R. (2020). Study of morphological characters give an insight into the genetic variation present in Brassica napus L. germplasm. Life Science Journal 17(3), 56-61.

Ahmad, R., & Quiros, C.F. (2011). Inter-and intra-cluster heterosis in spring type oilseed rape (Brassica napus L.) hybrids and prediction of heterosis using SRAP molecular markers. SABRAO Journal of Breeding & Genetics, 43(1).

Allen, E., & Morgan, D. (1972). A quantitative analysis of the effects of nitrogen on the growth, development and yield of oilseed rape. The Journal of Agricultural Science, 78(2), 315-324.

Banga, S., Kumar, P., Bhajan, R., Singh, D., & Banga, S. (2015). Genetics and breeding. In Brassica oilseeds: breeding and management (pp. 11-41): CABI Wallingford UK.

Begna, T. (2021). Combining ability and heterosis in plant improvement. Open Journal of Plant Science, 6(1), 108-117.

Bennett, E., Roberts, J.A., & Wagstaff, C. (2012). Manipulating resource allocation in plants. Journal of Experimental Botany, 63(9), 3391-3400.

Bennett, E.J., Brignell, C.J., Carion, P.W., Cook, S.M., Eastmond, P.J., Teakle, G.R., Hammond, J.P., Love, C., King, G.J., & Roberts, J.A. (2017). Development of a statistical crop model to explain the relationship between seed yield and phenotypic diversity within the Brassica napus genepool. Agronomy, 7(2), 31.

Channa, S.A., Tian, H., Mohammed, M.I., Zhang, R., Faisal, S., Guo, Y., Klima, M., Stamm, M., & Hu, S. (2018). Heterosis and combining ability analysis in Chinese semi-winter× exotic accessions of rapeseed (Brassica napus L.). Euphytica, 214(8), 1-19.

Chen, B., Xu, K., Li, J., Li, F., Qiao, J., Li, H., Gao, G., Yan, G., & Wu, X. (2014). Evaluation of yield and agronomic traits and their genetic variation in 488 global collections of Brassica napus L. Genetic Resources and Crop Evolution, 61(5), 979-999.

Chen, J., Li, J., Ma, M., Li, B., Zhou, Y., Pan, Y., Fan, Y., Yi, B., & Tu, J. (2022). Improvement of resistance to clubroot disease in the Ogura CMS restorer line R2163 of Brassica napus. Plants, 11(18), 2413.

Cuthbert, R., Crow, G., & McVetty, P. (2009). Assessment of agronomic performance and heterosis for agronomic traits in hybrid high erucic acid rapeseed (HEAR). Canadian Journal of Plant Science, 89(2), 227-237.

Ghodrati, G., Mohammadi, V., Zainali Khanghah, H., & Shafeinia, A.R. (2021). Fertility restoring potential of rapeseed (Brassica napus) genotypes in Ogura and Polima CMS systems. Iranian Journal of Field Crop Science, 52(1), 87-99. (In Persian).

Gul, S., Uddin, R., Khan, N., Arif, M., Goher, R., & Zakaria, M. (2018). Inheritance studies through combining ability for morphological and yield traits in F1 populations of Brassica napus L. Journal of Animal and Plant Sciences, 28(4), 1094-1102.

Gul, S., Uddin, R., Khan, N.U., Khan, S.U., Ali, S., Ali, N., Khan, M.S., Ibrahim, M., Goher, R., & Saeed, M. (2019). Heterotic response and combining ability analysis in F1 diallel populations of Brassica napus L. Pakistan Journal of Botany, 51(6), 2129-2141.

Kumar, S., Ali, B., Khaldun, A., Islam, S.S., Uddin, M.S., Akanda, M.L., & Miah, M.S. (2021). Genetic diversity, correlations and path coefficient analysis among the F5 populations of Brassica Species. Asian Journal of Advances in Agricultural Research, 16(2), 20-31.

Liton, M., Bhuiyan, M.S.R., Zeba, N., & Rashid, M.H. (2017). Estimation of heterosis for yield and its attributes in Brassica rapa L. Asian Research Journal of Agriculture, 4(4), 1-13.

Luo, X., Ma, C., Yi, B., Tu, J., Shen, J., & Fu, T. (2016). Genetic distance revealed by genomic single nucleotide polymorphisms and their relationships with harvest index heterotic traits in rapeseed (Brassica napus L.). Euphytica, 209(1), 41-47.

Marjanović-Jeromela, A., Marinković, R., Ivanovska, S., Jankulovska, M., Mijić, A., & Hristov, N. (2011). Variability of yield determining components in winter rapeseed (Brassica napus L.) and their correlation with seed yield. Genetika-Belgrade, 43(1), 51-66.

Mohammadi, V., Fathi-Hafshejani, H., Maali-Amiri, R., & Alizadeh, H. (2018). Screening of rapeseed (Brassiac napus L.) genotypes for tolerance to terminal heat stress by plastic greenhouse. Iranian Journal of Field Crop Science, 49(2), 161-170. (In Persian).

Niedbała, G. (2019). Application of artificial neural networks for multi-criteria yield prediction of winter rapeseed. Sustainability, 11(2), 533.

Qian, W., Sass, O., Meng, J., Li, M., Frauen, M., & Jung, C. (2007). Heterotic patterns in rapeseed (Brassica napus L.): I. Crosses between spring and Chinese semi-winter lines. Theoretical and Applied Genetics, 115(1), 27-34.

Rameeh, V. (2016a). Correlation and path analysis in advanced lines of rapeseed (Brassica napus) for yield components. Journal of Oilseed Brassica, 1(2), 56-60.

Rameeh, V. (2016b). Multivariate analysis of some important quantitative traits in rapeseed (Brassica napus) advanced lines. Journal of Oilseed Brassica, 1(2), 162-169.

Riaz, A., Li, G., Quresh, Z., Swati, M., & Quiros, C. (2001). Genetic diversity of oilseed Brassica napus inbred lines based on sequence‐related amplified polymorphism and its relation to hybrid performance. Plant Breeding, 120(5), 411-415.

Seyis, F., Friedt, W., & Lühs, W. (2006). Yield of Brassica napus L. hybrids developed using resynthesized rapeseed material sown at different locations. Field Crops Research, 96(1), 176-180.

Shah, M.A., Rehman, F., Mehmood, A., Ullah, F., Shah, S.I., & Rasheed, S.M. (2021). Combining ability, heritability and gene action assessment in rapeseed (Brassica napus L.) for yield and yield attributes. Sarhad Journal of Agriculture, 37(1), 104-109.

Shiranifar, B., Hobson, N., Kebede, B., Yang, R.C., & Rahman, H. (2021). Potential of rutabaga (Brassica napus var. napobrassica) gene pool for use in the breeding of hybrid spring Brassica napus canola. Plant Breeding, 140(2), 305-319.

Sincik, M., Goksoy, A.T., & Turan, M.Z. (2011). The heterosis and combining ability of diallel crosses of rapeseed inbred lines. Notulae Botanicae Horti Agrobotanici Cluj-Napoca, 39(2), 242-248.

Spasibionek, S., Mikołajczyk, K., Ćwiek–Kupczyńska, H., Piętka, T., Krótka, K., Matuszczak, M., Nowakowska, J., Michalski, K., & Bartkowiak-Broda, I. (2020). Marker assisted selection of new high oleic and low linolenic winter oilseed rape (Brassica napus L.) inbred lines revealing good agricultural value. PloS One, 15(6), e0233959.

Tariq, H., Tanveer, S.K., Qamar, M., Javaid, R.A., Vaseer, S.G., Jhanzab, H.M., Hassan, M.J., & Iqbal, H. (2020). Correlation and path analysis of Brassica napus genotypes for yield related traits. Life Science Journal, 17(8), 22-34.

Tian, H.Y., Channa, S.A., & Hu, S.W. (2017). Relationships between genetic distance, combining ability and heterosis in rapeseed (Brassica napus L.). Euphytica, 213(1), 1-11.

Wang, T., Guo, Y., Wu, Z., Xia, S., Hua, S., Tu, J., Li, M., & Chen, W. (2020). Genetic characterization of a new radish introgression line carrying the restorer gene for Ogura CMS in Brassica napus. PloS One, 15(7), e0236273.

Wolko, J., Dobrzycka, A., Bocianowski, J., & Bartkowiak-Broda, I. (2019). Estimation of heterosis for yield-related traits for single cross and three-way cross hybrids of oilseed rape (Brassica napus L.). Euphytica, 215(10), 1-17.

Yoosefzadeh-Najafabadi, M., Earl, H.J., Tulpan, D., Sulik, J., & Eskandari, M. (2021). Application of machine learning algorithms in plant breeding: predicting yield from hyperspectral reflectance in soybean. Frontiers in Plant Science, 11, 624273.

References:
Abbadi, A., & Leckband, G. (2011). Rapeseed breeding for oil content, quality, and sustainability. European Journal of Lipid Science and Technology, 113(10), 1198-1206.
Aftab, M., Fatima, S., Qamar, H., Hassan, M., Zubair, M., Arshad, A., Mahmood, T., Ali, S., Shahazad, S., & Khurshid, M.R. (2020). Study of morphological characters give an insight into the genetic variation present in Brassica napus L. germplasm. Life Science Journal 17(3), 56-61.
Ahmad, R., & Quiros, C.F. (2011). Inter-and intra-cluster heterosis in spring type oilseed rape (Brassica napus L.) hybrids and prediction of heterosis using SRAP molecular markers. SABRAO Journal of Breeding & Genetics, 43(1).
Allen, E., & Morgan, D. (1972). A quantitative analysis of the effects of nitrogen on the growth, development and yield of oilseed rape. The Journal of Agricultural Science, 78(2), 315-324.
Banga, S., Kumar, P., Bhajan, R., Singh, D., & Banga, S. (2015). Genetics and breeding. In Brassica oilseeds: breeding and management (pp. 11-41): CABI Wallingford UK.
Begna, T. (2021). Combining ability and heterosis in plant improvement. Open Journal of Plant Science, 6(1), 108-117.
Bennett, E., Roberts, J.A., & Wagstaff, C. (2012). Manipulating resource allocation in plants. Journal of Experimental Botany, 63(9), 3391-3400.
Bennett, E.J., Brignell, C.J., Carion, P.W., Cook, S.M., Eastmond, P.J., Teakle, G.R., Hammond, J.P., Love, C., King, G.J., & Roberts, J.A. (2017). Development of a statistical crop model to explain the relationship between seed yield and phenotypic diversity within the Brassica napus genepool. Agronomy, 7(2), 31.
Channa, S.A., Tian, H., Mohammed, M.I., Zhang, R., Faisal, S., Guo, Y., Klima, M., Stamm, M., & Hu, S. (2018). Heterosis and combining ability analysis in Chinese semi-winter× exotic accessions of rapeseed (Brassica napus L.). Euphytica, 214(8), 1-19.
Chen, B., Xu, K., Li, J., Li, F., Qiao, J., Li, H., Gao, G., Yan, G., & Wu, X. (2014). Evaluation of yield and agronomic traits and their genetic variation in 488 global collections of Brassica napus L. Genetic Resources and Crop Evolution, 61(5), 979-999.
Chen, J., Li, J., Ma, M., Li, B., Zhou, Y., Pan, Y., Fan, Y., Yi, B., & Tu, J. (2022). Improvement of resistance to clubroot disease in the Ogura CMS restorer line R2163 of Brassica napus. Plants, 11(18), 2413.
Cuthbert, R., Crow, G., & McVetty, P. (2009). Assessment of agronomic performance and heterosis for agronomic traits in hybrid high erucic acid rapeseed (HEAR). Canadian Journal of Plant Science, 89(2), 227-237.
Ghodrati, G., Mohammadi, V., Zainali Khanghah, H., & Shafeinia, A.R. (2021). Fertility restoring potential of rapeseed (Brassica napus) genotypes in Ogura and Polima CMS systems. Iranian Journal of Field Crop Science, 52(1), 87-99. (In Persian).
Gul, S., Uddin, R., Khan, N., Arif, M., Goher, R., & Zakaria, M. (2018). Inheritance studies through combining ability for morphological and yield traits in F1 populations of Brassica napus L. Journal of Animal and Plant Sciences, 28(4), 1094-1102.
Gul, S., Uddin, R., Khan, N.U., Khan, S.U., Ali, S., Ali, N., Khan, M.S., Ibrahim, M., Goher, R., & Saeed, M. (2019). Heterotic response and combining ability analysis in F1 diallel populations of Brassica napus L. Pakistan Journal of Botany, 51(6), 2129-2141.
Kumar, S., Ali, B., Khaldun, A., Islam, S.S., Uddin, M.S., Akanda, M.L., & Miah, M.S. (2021). Genetic diversity, correlations and path coefficient analysis among the F5 populations of Brassica Species. Asian Journal of Advances in Agricultural Research, 16(2), 20-31.
Liton, M., Bhuiyan, M.S.R., Zeba, N., & Rashid, M.H. (2017). Estimation of heterosis for yield and its attributes in Brassica rapa L. Asian Research Journal of Agriculture, 4(4), 1-13.
Luo, X., Ma, C., Yi, B., Tu, J., Shen, J., & Fu, T. (2016). Genetic distance revealed by genomic single nucleotide polymorphisms and their relationships with harvest index heterotic traits in rapeseed (Brassica napus L.). Euphytica, 209(1), 41-47.
Marjanović-Jeromela, A., Marinković, R., Ivanovska, S., Jankulovska, M., Mijić, A., & Hristov, N. (2011). Variability of yield determining components in winter rapeseed (Brassica napus L.) and their correlation with seed yield. Genetika-Belgrade, 43(1), 51-66.
Mohammadi, V., Fathi-Hafshejani, H., Maali-Amiri, R., & Alizadeh, H. (2018). Screening of rapeseed (Brassiac napus L.) genotypes for tolerance to terminal heat stress by plastic greenhouse. Iranian Journal of Field Crop Science, 49(2), 161-170. (In Persian).
Niedbała, G. (2019). Application of artificial neural networks for multi-criteria yield prediction of winter rapeseed. Sustainability, 11(2), 533.
Qian, W., Sass, O., Meng, J., Li, M., Frauen, M., & Jung, C. (2007). Heterotic patterns in rapeseed (Brassica napus L.): I. Crosses between spring and Chinese semi-winter lines. Theoretical and Applied Genetics, 115(1), 27-34.
Rameeh, V. (2016a). Correlation and path analysis in advanced lines of rapeseed (Brassica napus) for yield components. Journal of Oilseed Brassica, 1(2), 56-60.
Rameeh, V. (2016b). Multivariate analysis of some important quantitative traits in rapeseed (Brassica napus) advanced lines. Journal of Oilseed Brassica, 1(2), 162-169.
Riaz, A., Li, G., Quresh, Z., Swati, M., & Quiros, C. (2001). Genetic diversity of oilseed Brassica napus inbred lines based on sequence‐related amplified polymorphism and its relation to hybrid performance. Plant Breeding, 120(5), 411-415.
Seyis, F., Friedt, W., & Lühs, W. (2006). Yield of Brassica napus L. hybrids developed using resynthesized rapeseed material sown at different locations. Field Crops Research, 96(1), 176-180.
Shah, M.A., Rehman, F., Mehmood, A., Ullah, F., Shah, S.I., & Rasheed, S.M. (2021). Combining ability, heritability and gene action assessment in rapeseed (Brassica napus L.) for yield and yield attributes. Sarhad Journal of Agriculture, 37(1), 104-109.
Shiranifar, B., Hobson, N., Kebede, B., Yang, R.C., & Rahman, H. (2021). Potential of rutabaga (Brassica napus var. napobrassica) gene pool for use in the breeding of hybrid spring Brassica napus canola. Plant Breeding, 140(2), 305-319.
Sincik, M., Goksoy, A.T., & Turan, M.Z. (2011). The heterosis and combining ability of diallel crosses of rapeseed inbred lines. Notulae Botanicae Horti Agrobotanici Cluj-Napoca, 39(2), 242-248.
Spasibionek, S., Mikołajczyk, K., Ćwiek–Kupczyńska, H., Piętka, T., Krótka, K., Matuszczak, M., Nowakowska, J., Michalski, K., & Bartkowiak-Broda, I. (2020). Marker assisted selection of new high oleic and low linolenic winter oilseed rape (Brassica napus L.) inbred lines revealing good agricultural value. PloS One, 15(6), e0233959.
Tariq, H., Tanveer, S.K., Qamar, M., Javaid, R.A., Vaseer, S.G., Jhanzab, H.M., Hassan, M.J., & Iqbal, H. (2020). Correlation and path analysis of Brassica napus genotypes for yield related traits. Life Science Journal, 17(8), 22-34.
Tian, H.Y., Channa, S.A., & Hu, S.W. (2017). Relationships between genetic distance, combining ability and heterosis in rapeseed (Brassica napus L.). Euphytica, 213(1), 1-11.
Wang, T., Guo, Y., Wu, Z., Xia, S., Hua, S., Tu, J., Li, M., & Chen, W. (2020). Genetic characterization of a new radish introgression line carrying the restorer gene for Ogura CMS in Brassica napus. PloS One, 15(7), e0236273.
Wolko, J., Dobrzycka, A., Bocianowski, J., & Bartkowiak-Broda, I. (2019). Estimation of heterosis for yield-related traits for single cross and three-way cross hybrids of oilseed rape (Brassica napus L.). Euphytica, 215(10), 1-17.
Yoosefzadeh-Najafabadi, M., Earl, H.J., Tulpan, D., Sulik, J., & Eskandari, M. (2021). Application of machine learning algorithms in plant breeding: predicting yield from hyperspectral reflectance in soybean. Frontiers in Plant Science, 11, 624273.
 
Volume 54, Issue 3
October 2023
Pages 135-148
  • Receive Date: 05 February 2023
  • Revise Date: 26 April 2023
  • Accept Date: 30 April 2023
  • Publish Date: 23 September 2023