Национальный цифровой ресурс Руконт - межотраслевая электронная библиотека (ЭБС) на базе технологии Контекстум (всего произведений: 634938)
Контекстум
Руконтекст антиплагиат система
Сельскохозяйственная биология  / №1 2017

ПРИМЕНЕНИЕ МНОГОМЕРНЫХ МЕТОДОВ ДЛЯ РАЗДЕЛЕНИЯ СОРТОВ РИСА ПО РЕАКЦИИ НА ИЗМЕНЕНИЕ УСЛОВИЙ СРЕДЫ (150,00 руб.)

0   0
Первый авторХаритонов
АвторыГончарова Ю.К., Очкас Н.А., Шелег В.А., Болянова С.В.
Страниц9
ID579626
АннотацияБольшую часть посевных площадей под рисом в настоящее время занимает ограниченное число сортов. Для расширения их генетического разнообразия необходимо повысить эффективность оценки и отбора уникальных генотипов, определения экологической адресности каждого сорта. Кроме того, сложившаяся система не предусматривает детального изучения образцов, передаваемых на конкурсное сортоиспытание. Изучение продуктивности созданных сортов проводят на одном фоне минерального питания, что приводит к браковке высокопродуктивных образцов, для которых он не оптимален. В настоящей работе на основе синтеза ранее предложенных методов мы разработали систему оценки селекционного материала, включающую контрастные сроки посева, различные фоны минерального питания, стрессовые фоны. В многофакторном лизиметрическом опыте с 19 вариантами исследовали продуктивность 24 сортов риса (Oryza sativa L.) российской селекции. Растения выращивали на оптимальном (N120P60K60) и повышенном (N240P120K120) фонах минерального питания; при разреженном (200 растений на 1 м2) и загущенном (300 растений на 1 м2) посеве; контрастных сроках сева (15 апреля, 15 мая, 15 июня); засолении (создавалось искусственно в фазу кущения посредством внесения в почву NaCl до концентрации 0,35 %), недостатке поливной воды (полив прекращали в фазу выметывания). Обработку данных проводили с использованием кластерного и дискриминантного анализов. Применение многомерных методов для обработки результатов повысило информативность данных. Сорта были кластеризованы на группы с наиболее близкими характеристиками при воздействии различных факторов; выделены условия среды, которые позволяют максимально точно дифференцировать образцы с минимальными затратами на проведение эксперимента. Установлено, что стандартные условия выращивания в меньшей степени дифференцируют образцы. Корректно сравнить образцы позволяют условия среды, благоприятные для реализации потенциала продуктивности. Создание стресса на фоне других благоприятных факторов расширяет варьирование признаков и увеличивает дисперсию в опыте, что делает разделение сортов на группы более достоверным. В рамках модуля дискриминантного анализа «пошаговый анализ назад» решается задача максимального сокращения числа вариантов опыта (или изучаемых признаков) при сохранении точности выделения характерных представителей кластера. Установлено, что даже два выделенных варианта опыта (высокий фон минерального питания и недостаток влаги) обеспечивают верную классификацию 88 % образцов, что приемлемо для генетических исследований, где необходимо отобрать наиболее характерных представителей группы. В наших экспериментах при сокращении числа вариантов до двух образцы первой и третьей групп из четырех, выделившихся по разной реакции на изучаемые факторы окружающей среды, были классифицированы правильно, и только три сорта из второй группы попали в другой кластер. Дискриминантный анализ также показывает расстояние каждого сорта от центроида группы. Образцы с минимальным расстоянием от него — наиболее характерные представители группы, которые могут использоваться как источники генов по изучаемому признаку, контрастные формы при подборе пар для гибридизации или молекулярном маркировании и локализации генов количественных признаков (QTL). У риса максимальный вклад в разделение групп сортов по реакции на условия среды вносили варианты с ранним посевом, загущением, повышенным фоном минерального питания, недостатком влаги. Модель идеального сорта кластеризовалась с сортом Курчанка. Сорта первой группы были близки к модельному сорту по реакции на условия среды. Несмотря на высокую продуктивность представителей третьего класса (сорт Курчанка и модельный сорт), дисперсия в этой группе более чем в 3 раза превышала таковую в других. Следовательно, представители этой группы характеризовались меньшей стабильностью, чем образцы первого и второго кластеров.
УДК633.18:631.522/.524:575
ПРИМЕНЕНИЕ МНОГОМЕРНЫХ МЕТОДОВ ДЛЯ РАЗДЕЛЕНИЯ СОРТОВ РИСА ПО РЕАКЦИИ НА ИЗМЕНЕНИЕ УСЛОВИЙ СРЕДЫ / Е.М. Харитонов [и др.] // Сельскохозяйственная биология .— 2017 .— №1 .— С. 154-162 .— URL: https://rucont.ru/efd/579626 (дата обращения: 02.05.2024)

Предпросмотр (выдержки из произведения)

2017.1.152rus ПРИМЕНЕНИЕ МНОГОМЕРНЫХ МЕТОДОВ ДЛЯ РАЗДЕЛЕНИЯ СОРТОВ РИСА ПО РЕАКЦИИ НА ИЗМЕНЕНИЕ УСЛОВИЙ СРЕДЫ Е.М. ХАРИТОНОВ, Ю.К. ГОНЧАРОВА, Н.А. ОЧКАС, В.А. ШЕЛЕГ, С.В. БОЛЯНОВА Большую часть посевных площадей под рисом в настоящее время занимает ограниченное число сортов. <...> Для расширения их генетического разнообразия необходимо повысить эффективность оценки и отбора уникальных генотипов, определения экологической адресности каждого сорта. <...> Кроме того, сложившаяся система не предусматривает детального изучения образцов, передаваемых на конкурсное сортоиспытание. <...> Изучение продуктивности созданных сортов проводят на одном фоне минерального питания, что приводит к браковке высокопродуктивных образцов, для которых он не оптимален. <...> В настоящей работе на основе синтеза ранее предложенных методов мы разработали систему оценки селекционного материала, включающую контрастные сроки посева, различные фоны минерального питания, стрессовые фоны. <...> В многофакторном лизиметрическом опыте с 19 вариантами исследовали продуктивность 24 сортов риса (Oryza sativa L.) российской селекции. <...> Растения выращивали на оптимальном (N120P60K60) и повышенном (N240P120K120) фонах минерального питания; при разреженном (200 растений на 1 м2) и загущенном (300 растений на 1 м2) посеве; контрастных сроках сева (15 апреля, 15 мая, 15 июня); засолении (создавалось искусственно в фазу кущения посредством внесения в почву NaCl до концентрации 0,35 %), недостатке поливной воды (полив прекращали в фазу выметывания). <...> Обработку данных проводили с использованием кластерного и дискриминантного анализов. <...> Применение многомерных методов для обработки результатов повысило информативность данных. <...> Создание стресса на фоне других благоприятных факторов расширяет варьирование признаков и увеличивает дисперсию в опыте, что делает разделение сортов на группы более достоверным. <...> В рамках модуля дискриминантного анализа «пошаговый анализ назад» решается задача максимального <...>

Облако ключевых слов *


* - вычисляется автоматически
Антиплагиат система на базе ИИ