БЛОК-ЭФФЕКТ, ВЛИЯЮЩИЙ НА ГЕНЕТИЧЕСКИЕ ПАРАМЕТРЫ, НА ПРИМЕРЕ ИССЛЕДОВАНИЯ 23-ЛЕТНЕГО ПОТОМСТВА PINUS BRUTIA

Альпер Ахмет Озбей, Неби Билир

Скачать

№ 2 (46)

Естественные науки и лес

Аннотация: 

Многие экологические и биологические факторы могут быть эффективными при оценке генетических параметров в исследованиях потомства. Количество блоков (также называемых репликами) является одним из наиболее важных факторов окружающей среды в этих оценках. Влияние блочных сценариев на генетические параметры было исследовано на основе высоты и диаметра на высоте груди 23-летнего потомства, созданного с помощью 4 блоков семенного стенда и саженцев турецкой красной сосны (Pinus Brutia Ten.). Средние значения составили 14,14 м для высоты дерева и 17,69 см для диаметра на высоте груди в исследованных образцах. В результате дисперсионного анализа были обнаружены общезначимые (р < 0,05) различия между блоками и отличительными родственными признаками. Хотя дисперсия ошибок была одинаковой для обоих признаков, были отмечены большие различия между другими компонентами сценариев. Индивидуальная наследуемость, фенотипический коэффициент вариации, генетический коэффициент вариации и генетический прирост варьировались для отличительных признаков и сценариев блоков. Результаты исследования подчеркивают влияние количества блоков на генетические параметры.

 

Ключевые слова: 

разведение, прирост, генетика, рост, наследуемость, изменчивость

 

Для цитирования: 

Альпер Ахмет Озбей, Блок-эффект, влияющий на генетические параметры, на примере исследования 23-летнего потомства Pinus Brutia / Альпер Ахмет Озбей, Неби Билир// Лесотехнический журнал. – 2022. – Т. 12. – № 2 (46). – С. 5–13. – Библиогр.: с. 11–13 (26 назв.). – DOI: https://doi.org/10.34220/issn.2222-7962/2022.2/1.

 

Литература: 

1. Koski V, Antola J. National tree breeding and seed production programme for Turkey 1994-2003. Ankara, 1993; 52 p. URL: www.ortohum.gov.tr

2. Forest inventory of Turkey. General Directorate of Forestry of Turkey, Ankara, 2021. URL: https://www.ogm.gov.tr (acess: 07.07.2021) (in Turkish).

3. Brownie C., Bowman D. T., Burton J. W. Estimating spatial variation in analysis of data from yield trials: a comparison of methods. Agronomy Journal. 1993; (85):1244-1253. DOI:10.2134/agronj1993.00021962008500060028x

4. Neter J., Kutner M., Wasserman W., Nachtsheim C. Applied linear statistical models (4th ed.). New York: 1996. 1408 p. ISBN 978-0256117363.

5. Costa e Silva J., Dutkowski G. W., Gilmour A. R. Analysis of early tree height in forest genetic trials is enhanced by including a spatially correlated residual. Canadian Journal of Forest Research. 2001; (31):1887-1893. https://doi.org/10.1139/x01-123

6. Cargnelutti Filho A., Storck L., Dal'Col Lúcio A. Ajustes de quadrado médio do erro em ensaios de competição de cultivares de milho pelo método de Papadakis. Pesquisa Agropecuária Brasileira. 2003; (38):467-473.  https://doi.org/10.1590/S0100-204X2003000400004 

7. Zas R. Iterative kriging for removing spatial autocorrelation in analysis of forest genetic trials. Tree genetics & genomes. 2006; (2):177-185. https://doi.org/10.1007/s11295-006-0042-4

8. Gezan S. A., Huber D. A., White T. L. Post hoc blocking to improve heritability and precision of best linear unbiased genetic predictions. Canadian journal of forest research. 2006; (36): 2141-2147. https://doi.org/10.1139/x06-112

9. White T. L., Adams W. T., Neale D. B. Forest Genetics. Cabi. Athens. 2007: 702 p. ISBN 9789608002524.

10. Welham S. J., Gezan S. A., Clark S. J., Mead A. Statistical methods in biology: design and analysis of experiments and regression. CRC Press, Boca Raton. 2014; 24-27. ISBN 9780429112980.

11. Silva F. H., Muñoz P. R., Vincent C. I., Viana A. P. Generating relevant information for breeding Passiflora edulis: genetic parameters and population structure. Euphytica. 2016; (208): 609-619. https://doi.org/10.1007/s10681-015-1616-8

12. Ozbey A. A. Investigation on plot error in provenance and progeny trials of Turkish red pine. Graduate School, Isparta Universityof Applied Sciences, PhD. Thesis, Isparta. 2022. 137 p. URL: www.yok.gov.tr (in Turkish).

13. SAS. Statistical analysis system. SAS Institute, Inc. Cary., N.C.: 2004.

14. Zobel B., Talbert J. Applied forest tree improvement. John Wiley & Sons. 1984: 505 p. ISBN 9780471096825.

15. Isik F., Holland J., Maltecca C. Genetic data analysis for plant and animal breeding (Vol. 400). Cham, Switzerland: 2017.

16. Sun O. Statistical methods. Forest Research Institute, Ankara. 1980: 376 p. URL: https://www.ogm.gov.tr (in Turkish).

17. Rohlf F. J., Sokal R. R. Statistical tables. Macmillan: 1995. 28 p. ISBN 9780716706649.

18. Falconer D. S. Introduction to quantitative genetics. Harlow Longman Sci Tech. 1898: 438 p. ISBN 0 470 21162 8.

19. Calikoglu M., Sabuncu R., Alan M., Cosgun S., Yolcu H. I. Genetic gain in seed orchards of Turkish red pine. South-Western Anatolia Forest Research Institute, Antalya. 2011. (41): 29 p. URL: www.baoram.ogm.gov.tr (in Turkish).

20. Ozturk H., Siklar S., Alan M. (et al.) 8th year results of in progeny trial of Turkish red pine in Mediterranean region. The Research Directorate of Forest Tree Seeds and Tree Breeding, Ankara. 2008. (18): 122 p. URL: www.ortohum.gov.tr (in Turkish).

21. Ozbey A. A., Calikoglu M., Cobanoglu A., Erpulat M. (2020). Final report projects of selection age in progeny and progeny trial of Turkish red pine. The South-Western Anatolia Forest Research Institute, Antalya. 2020. URL: www.baoram.ogm.gov.tr (in Turkish).

22. Ozyalcin, K. (2021). Estimation of breeding value of some wood characters for superior Turkish red pine (Pinus brutia Ten.) families in breeding zone (200-600 m) of Marmara region. Graduate School, Ankara Universityof Applied Sciences, PhD. Thesis, Ankara. 2021. 266 p. URL: www.yok.gov.tr (in Turkish).

23. Xing L., Gezan S., Kenworthy K., Unruh J. B., Munoz P. Improved genetic parameter estimations in zoysiagrass by implementing post hoc blocking. Euphytica. 2017; (213): 1-10. https://doi.org/10.1007/s10681-017-1984-3.

24. Bian L., Zheng R., Su S. (et al.) Spatial analysis increases efficiency of progeny testing of Chinese fir. Journal of Forestry Research. 2017; (283): 445-452. https://doi.org/10.1007/s11676-016-0341-z.

25. Dutkowski G. W., Silva J. C. E., Gilmour A. R., Lopez G. A. Spatial analysis methods for forest genetic trials. Canadian Journal of Forest Research. 2002; (32): 2201-2214.  https://doi.org/10.1139/x02-111.

26. Ozyalcin K., Ezen T., Sabuncu R. (et al.) Final report projects of progeny trial in Turkish red pine:20th year results. The Research Directorate of Forest Tree Seeds and Tree Breeding, Ankara. 2021. URL: www.ortohum.gov.tr (in Turkish).