Porównanie efektywności metod statystycznych tworzenia kolekcji podstawowej na przykładzie pszenicy jarej
Marcin Studnicki
marcin_studnicki@sggw.edu.plKatedra Doświadczalnictwa i Bioinformatyki, SGGW Warszawa (Poland)
Wiesław Mądry
Katedra Doświadczalnictwa i Bioinformatyki, SGGW Warszawa (Poland)
Tadeusz Śmiałowski
Instytut Hodowli i Aklimatyzacji Roślin, Zakład Roślin Zbożowych w Krakowie (Poland)
Abstrakt
Kolekcje podstawowe powstają z ograniczonej liczby obiektów zgromadzonych dotychczas w kolekcji zasobów genowych, wybranych tak aby reprezentowały zmienność całej kolekcji. Celem tworzenia kolekcji podstawowych jest efektywniejsze wykorzystanie aktualnie zgromadzonych zasobów genowych w programach hodowlanych roślin. Celem pracy było zaprezentowanie, a także ocena efektywności różnych metod wyboru obiektów, metod grupowania i wielkości kolekcji podstawowych. W pracy, kolekcje podstawowe, powstały w oparciu o kolekcję roboczą pszenicy jarej, zgromadzoną w Zakładzie Roślin Zbożowych Instytutu Hodowli i Aklimatyzacji Roślin w Krakowie. 196 obiektów pszenicy jarej było ocenionych pod względem 10 cech fenotypowych w latach 1996–2001. Kolekcja podstawowa pszenicy jarej powstała w wyniku trzyetapowego podejścia. W pierwszej kolejności przeprowadzono grupowanie 196 obiektów. Oceniono dwie metody analizy skupień — metodę Warda i metodę UPMGA (średniej odległości między obiektami w skupieniach). W drugim kroku wyznaczono liczbę obiektów wchodzących do kolekcji podstawowej z wcześniej wyznaczonych grup. W pracy zastosowano dwa podejścia metodę proporcjonalną i metodę logarytmiczną. W ostatnim etapie wybrano obiekty z kolekcji wyjściowej do tworzonej kolekcji podstawowej. Wielkość utworzonych kolekcji podstawowych wynosiła 10%, 15%, 20%, 25% i 30% kolekcji wyjściowej. Procent istotnie zróżnicowanych średnich oraz procent istotnie zróżnicowanych wariancji, zostały wykorzystane do wskazania najbardziej efektywnej metody wyboru obiektów, techniki grupowania i wielkości utworzonych kolekcji podstawowych.
Słowa kluczowe:
analiza skupień, kolekcje podstawowe, pszenica jara, zasoby genowe roślin uprawnychBibliografia
Balakrishnan R., Nair N., Sreenivasan T. 2000. A method for establishing a core collection of Saccharum officinarum L. germplasm based on quantitative-morphological data. Genetic Resources and Crop Evolution 47: 1 — 9.
Google Scholar
Brown A. H. D. 1989. Core collections: a practical approach to genetic resources management. Genome 31:818 — 824.
Google Scholar
Casler M. D., van Santen E. 2000. Patterns of variation in a collection of meadow fescue accessions. Crop Sci. 40: 248 — 255.
Google Scholar
Crossa J., Franco J. 2004. Statistical methods for classifying genotypes. Euphytica 153: 19 — 37.
Google Scholar
Crossa J., Franco J., Taba S., Shands H. 2005. A sampling strategy for conserving genetic diversity when forming core subsets. Crop Science 45: 1035 — 1044.
Google Scholar
Frankel O. H. 1984. Genetic perspectives of germplasm conservation. Genetic Manipulation: Impact on Man and Society. Cambridge University Press, Cambridge.
Google Scholar
Frankel O. H., Brown A.H.D. 1984. Plant genetic resources today: A critical appraisal. Crop Genetic Resources: Conservation and Evaluation. Allen and Unwin, Massachusetts.
Google Scholar
Ghamkhar K., Snowball R., Wintle B. J., Brown A. H. D. 2008. Strategies for developing a core collection of bladder clover (Trifolium spumosum L.) using ecological and agro-morphological data. Australian Journal of Agricultural Research 59: 1103 — 1112.
Google Scholar
Hartung K., Piepho H. P. 2005. A threshold model for multiyear genebank data based on different rating scales. Crop Sci. 45:1045 — 1051.
Google Scholar
Hu J., Zhu J., Xu H. 2000. Methods of constructing core collections by stepwise clustering with three sampling strategies based on the genotypic values of crops. Theoretical and Applied Genetics 101: 264 — 268.
Google Scholar
Krzanowski W.J. 1993. Principles of multivariate analysis, a user’s perspective. Clarendon Press, Oxford
Google Scholar
Li C. T., Shi C. H., Wu J. G., Xu H. M., Zhang H. Z., Ren Y. L. 2004. Methods of developing core collections based on the predicted genotypic value of rice (Oryza sativa L.). Theoretical and Applied Genetics 108: 1172 — 1176.
Google Scholar
Littell R. C., Milligan G. A., Stroup W. W., Wolfinger R. D., Schabenberger O. 2006. SAS for mixed models. SAS Institute Inc. Cary, NC.
Google Scholar
Mahalakshmi V., Ng Q., Atalobhor J., Ogunsola D., Lawson M., Ortiz R. 2007. Development of a West African yam Dioscorea spp. core collection. Genetic Resources and Crop Evolution 57: 1817 — 1825.
Google Scholar
Padilla G., Cartea M. E., Ordas A. 2007. Comparison of several clustering methods in grouping kale landraces. J. Amer. Soc. Hort. Sci. 132: 387 — 395.
Google Scholar
Piepho H. P., Möhring J. 2005. Best Linear Unbiased Prediction of cultivar effects for subdivided target regions. Crop Sci. 45:1151 — 1159.
Google Scholar
SAS Institute Inc. 2004. SAS OnlineDoc® 9.1.3 Cary, NC.
Google Scholar
Upadhyaya H., Dwivedi S., Gowda C., Singh S., 2007. Identification of diverse germplasm lines for agronomic traits in a chickpea (Cicer arietinum L.) core collection for use in crop improvement. Field Crops Research 100: 320 — 326.
Google Scholar
van Hintum T., Brown A., Spillane C., Hodgkin T. 2000. Core collections of plant genetic resources. PGRI Technical Bulletin No. 3. International Plant Genetic Resources Institute, Rome.
Google Scholar
Xu H., Mei Y., Hu J., Zhu J., Gong P. 2006. Sampling a core collection of Island cotton (Gossypium barbadense L.) based on the genotypic values of fiber traits. Genetic Resources and Crop Evolution 53: 515 — 521.
Google Scholar
Autorzy
Marcin Studnickimarcin_studnicki@sggw.edu.pl
Katedra Doświadczalnictwa i Bioinformatyki, SGGW Warszawa Poland
Autorzy
Wiesław MądryKatedra Doświadczalnictwa i Bioinformatyki, SGGW Warszawa Poland
Autorzy
Tadeusz ŚmiałowskiInstytut Hodowli i Aklimatyzacji Roślin, Zakład Roślin Zbożowych w Krakowie Poland
Statystyki
Abstract views: 149PDF downloads: 18
Licencja
Prawa autorskie (c) 2009 Marcin Studnicki, Wiesław Mądry, Tadeusz Śmiałowski
Utwór dostępny jest na licencji Creative Commons Uznanie autorstwa – Na tych samych warunkach 4.0 Miedzynarodowe.
Z chwilą przekazania artykułu, Autorzy udzielają Wydawcy niewyłącznej i nieodpłatnej licencji na korzystanie z artykułu przez czas nieokreślony na terytorium całego świata na następujących polach eksploatacji:
- Wytwarzanie i zwielokrotnianie określoną techniką egzemplarzy artykułu, w tym techniką drukarską oraz techniką cyfrową.
- Wprowadzanie do obrotu, użyczenie lub najem oryginału albo egzemplarzy artykułu.
- Publiczne wykonanie, wystawienie, wyświetlenie, odtworzenie oraz nadawanie i reemitowanie, a także publiczne udostępnianie artykułu w taki sposób, aby każdy mógł mieć do niego dostęp w miejscu i w czasie przez siebie wybranym.
- Włączenie artykułu w skład utworu zbiorowego.
- Wprowadzanie artykułu w postaci elektronicznej na platformy elektroniczne lub inne wprowadzanie artykułu w postaci elektronicznej do Internetu, lub innej sieci.
- Rozpowszechnianie artykułu w postaci elektronicznej w internecie lub innej sieci, w pracy zbiorowej jak również samodzielnie.
- Udostępnianie artykułu w wersji elektronicznej w taki sposób, by każdy mógł mieć do niego dostęp w miejscu i czasie przez siebie wybranym, w szczególności za pośrednictwem Internetu.
Autorzy poprzez przesłanie wniosku o publikację:
- Wyrażają zgodę na publikację artykułu w czasopiśmie,
- Wyrażają zgodę na nadanie publikacji DOI (Digital Object Identifier),
- Zobowiązują się do przestrzegania kodeksu etycznego wydawnictwa zgodnego z wytycznymi Komitetu do spraw Etyki Publikacyjnej COPE (ang. Committee on Publication Ethics), (http://ihar.edu.pl/biblioteka_i_wydawnictwa.php),
- Wyrażają zgodę na udostępniane artykułu w formie elektronicznej na mocy licencji CC BY-SA 4.0, w otwartym dostępie (open access),
- Wyrażają zgodę na wysyłanie metadanych artykułu do komercyjnych i niekomercyjnych baz danych indeksujących czasopisma.
Inne teksty tego samego autora
- Wiesław Mądry, Dariusz Gozdowski, Historia rozwoju statystycznych metod planowania i analizy doświadczeń rolniczych na świecie oraz w Polsce , Biuletyn Instytutu Hodowli i Aklimatyzacji Roślin: Nr 288 (2020): Wydanie regularne
- Joanna Ukalska, Krzysztof Ukalski, Tadeusz Śmiałowski, Wiesław Mądry, Badanie zmienności i współzależności cech użytkowych w kolekcji roboczej pszenicy ozimej (Triticum aestivum L.) za pomocą metod wielowymiarowych. Część II. Analiza składowych głównych na podstawie macierzy korelacji fenotypowych i genotypowych , Biuletyn Instytutu Hodowli i Aklimatyzacji Roślin: Nr 249 (2008): Wydanie regularne
- Dariusz Gozdowski, Wiesław Mądry, Zdzisław Wyszyński, Analiza korelacji i współczynników ścieżek w ocenie współzależności plonu ziarna i jego składowych u dwóch odmian jęczmienia jarego , Biuletyn Instytutu Hodowli i Aklimatyzacji Roślin: Nr 248 (2008): Wydanie regularne
- Krzysztof Ukalski, Joanna Ukalska, Tadeusz Śmiałowski, Wiesław Mądry, Badanie zmienności i współzależności cech użytkowych w kolekcji roboczej pszenicy ozimej (Triticum aestivum L.) za pomocą metod wielowymiarowych. Część I. Korelacje fenotypowe i genotypowe , Biuletyn Instytutu Hodowli i Aklimatyzacji Roślin: Nr 249 (2008): Wydanie regularne
- Marcin Studnicki, Wiesław Mądry, Tadeusz Śmiałowski, Wielocechowa analiza różnorodności fenotypowej w kolekcji roboczej pszenicy jarej , Biuletyn Instytutu Hodowli i Aklimatyzacji Roślin: Nr 252 (2009): Wydanie regularne
- Adriana Derejko, Wiesław Mądry, Dariusz Gozdowski, Jan Rozbicki, Jan Golba, Mariusz Piechociński, Marcin Studnicki, Wpływ odmian, miejscowości i intensywności uprawy oraz ich interakcji na plon pszenicy ozimej w doświadczeniach PDO , Biuletyn Instytutu Hodowli i Aklimatyzacji Roślin: Nr 259 (2011): Wydanie regularne
- Tadeusz Śmiałowski, Stanisław Węgrzyn, Maria Stachowicz, Analiza zmienności i korelacji ważnych cech technologicznych rodów i odmian pszenicy ozimej , Biuletyn Instytutu Hodowli i Aklimatyzacji Roślin: Nr 249 (2008): Wydanie regularne
- Anna Rajfura, Wiesław Mądry, Tadeusz Drzazga, Marzena Iwańska, Wydzielanie grup miejscowości na podstawie serii doświadczeń wielokrotnych ze zmiennym składem odmian w latach przy użyciu pakietu SEQRET. Część II. Przykład dla plonu ziarna z doświadczeń przedrejestrowych z pszenicą ozimą , Biuletyn Instytutu Hodowli i Aklimatyzacji Roślin: Nr 250 (2008): Wydanie regularne
- Dariusz Gozdowski, Wiesław Mądry, Charakterystyka i empiryczne porównanie prostej oraz złożonej analizy ścieżek w ocenie determinacji plonu roślin przez ich cechy plonotwórcze. Część I. Prezentacja stosowanych metod , Biuletyn Instytutu Hodowli i Aklimatyzacji Roślin: Nr 249 (2008): Wydanie regularne
- Stanisław Pluta, Wiesław Mądry, Edward Żurawicz, Marcin Kozak, Analiza statystyczna zależności plonu owoców u porzeczki czarnej (Ribes nigrum L.) od dwóch składowych multiplikatywnych , Biuletyn Instytutu Hodowli i Aklimatyzacji Roślin: Nr 249 (2008): Wydanie regularne
