Comparison of Results from AMMI and REML/BLUP Methods in Assessing the Adaptability and Stability of Wheat Genotypes Yield
تُثبت هذه الدراسة أن دمج طريقتي AMMI وREML/BLUP يوفر إطاراً أكثر شمولاً وموثوقية من طريقة AMMI التقليدية وحدها لتقييم استقرار وإنتاجية أصناف قمح الخبز وقدرتها على التكيف عبر بيئات متنوعة في إيران، لا سيما عندما يتوزع تباين التفاعل عبر مكونات رئيسية متعددة.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل
في عالم الزراعة، غالبًا ما يكون التحدي الأكبر للمزارع هو الطقس. فصنف من القمح قد ينتج محصولًا وفيرًا في وادٍ ما، لكنه قد يفشل تمامًا في الوادي التالي، لمجرد أن التربة أو الأمطار أو درجات الحرارة تختلف قليلًا. تُعرف هذه العلاقة غير المتوقعة بين التركيبة الجينية للنبات ومحيطه باسم "التفاعل بين التركيبة الجينية والبيئة". وبالنسبة لمربي النباتات، لا يقتصر الهدف على إيجاد القمح الذي ينمو بشكل أطول أو أسرع فحسب، بل يكمن في إيجاد الأصناف التي تتسم بالإنتاجية والموثوقية معًا. إنهم بحاجة إلى بذور تعمل بشكل جيد سواء كان الموسم جافًا أو رطبًا، حارًا أو باردًا. ولتحقيق ذلك، يجري العلماء تجارب متعددة البيئات، حيث يزرعون نفس البذور في مواقع وسنوات مختلفة لمعرفة مدى صمودها. ومع ذلك، فإن تحليل جبال البيانات التي تنتجها هذه التجارب أمر صعب؛ إذ تعتمد الطرق التقليدية غالبًا على النظر في الأنماط الأولى للبيانات لاتخاذ قرار، ولكن إذا كانت الظروف البيئية معقدة، فقد لا تخبر تلك الأنماط الأولى القصة بأكملها.
لقد سعى فريق من الباحثين من المنظمة الإيرانية للبحوث والتعليم والإرشاد الزراعي لحل هذا اللغز من خلال مقارنة طريقتين مختلفتين لتحليل أداء القمح. قاموا بزراعة عشرين نوعًا مختلفًا من قمح الخبز عبر تسعة محطات بحثية في المناطق الباردة والمروية في إيران على مدار موسمين زراعيين. شملت هذه المواقع مدنًا مثل كرج ومشهد وزنجان، حيث يقدم كل منها مجموعة فريدة من الظروف البيئية. زرع الفريق القمح في نمط شبكي قياسي مع ثلاث مكررات في كل موقع لضمان الدقة، وعالجوا البذور بمبيد فطري وأداروا الأعشاب الضارة بعناية للحفاظ على التركيز حصريًا على كيفية تفاعل النباتات مع بيئتها. وبمجرد نضوج القمح، حصدوا الحبوب وقاسوا المحصول لكل قطعة أرض على حدة.
قام الباحثون بعد ذلك بتغذية هذه البيانات في نموذجين إحصائيين مختلفين. تمثلت الطريقة الأولى في منهج راسخ يسمى (AMMI)، والذي يفكك بيانات المحصول لفصل تأثير الموقع، وصنف القمح المحدد، والتفاعل بينهما. أما النهج الثاني، فهو تقنية أكثر حداثة تسمى (REMLS/BLUP)، والتي تستخدم إطار نموذج مختلط للتنبؤ بالإمكانات الجينية للقمح مع مراعاة الضوضاء البيئية العشوائية. ووجد الفريق أن البيئة نفسها كانت العامل الأكبر، حيث فسرت 61 بالمائة من التباين في كمية القمح المنتجة، بينما فسر التفاعل بين صنف القمح المحدد والبيئة 18.4 بالمائة أخرى، في حين أن الاختلافات الجينية بين خطوط القمح نفسها لم تشكل سوى 3 بالمائة. وقد أشار هذا المساهمة الجينية الصغيرة إلى أن خطوط القمح كانت متشابهة للغاية، حيث خضعت لجولات عديدة من الانتخاب، مما يجعل من الصعب التمييز بينها دون أداة حساسة للغاية.
وعندما نظر الباحثون في النتائج باستخدام طريقة (AMMI) التقليدية، لاحظوا وجود قصور؛ إذ أوضح النمطان الأولان اللذان حددهما النموذج أقل من نصف إجمالي التفاعل بين القمح والبيئة. وهذا يعني أن قدرًا كبيرًا من المعلومات حول سلوك القمح كان مخفيًا في الأنماط اللاحقة الأكثر تعقيدًا التي يتجاهلها المنهج التقليدي غالبًا. وللحصول على صورة أوضح، لجأ الفريق إلى نهج (REML/BLUP)، الذي سمح لهم بدمج جميع أنماط التفاعل الهامة، وليس فقط الأنما تط الأول. واستخدموا مؤشر استقرار جديدًا يسمى (WAASB)، والذي يعمل كبطاقة أداء شاملة، تلخص مدى تقلب صنف معين من القمح عبر جميع مواقع الاختبار المختلفة.
وكشفت المقارنة أن الطريقة التقليدية، رغم فائدتها، يمكن أن تكون مضللة عندما تكون التفاعلات البيئية معقدة. فمن خلال تجاهل الأنماط اللاحقة، كانت تخاطر بتبسيط واقع أداء القمح بشكل مفرط. أما النهج الجديد، الذي أخذ التعقيد الكامل للبيانات في الاعتبار، فقد قدم تصنيفًا أكثر قوة وموثوقية للأصناف. وعندما دمج الباحثون البيانات المتعلقة بإنتاجية الحبوب مع درجات الاستقرار، حددوا أربعة أصناف محددة — تحمل الرموز G9 وG3 وG15 وG18 — كأكثر الأصناف واعدة. فقد أنتجت هذه الأصناف محاصيل عالية باستمرار مع الحفاظ على الاستقرار عبر البيئات المتنوعة. لم تكن هي الأعلى إنتاجًا في كل موقع بمفرده، لكنها كانت الأكثر موثوقية، حيث قدمت توازنًا بين الإنتاجية والمرونة وهو أمر بالغ الأهمية للمزارعين.
وخلصت الدراسة إلى أنه بينما يكون للتحليل التقليدي مكانته، فإن الاعتماد عليه وحده عندما تكون التفاعلات البيئية معقدة يمكن أن يؤدي إلى استنتاجات غير مكتملة. ووجد الباحثون أن دمج نهج النموذج المختلط الحديث مع الطريقة التقليدية يوفر إطارًا متفوقًا لاختيار القمح. لقد سمحت هذه الاستراتيجية المدمجة برؤية الصورة الكاملة لكيفية تفاعل النباتات مع محيطها، مما يضمن أن الأصناف المختارة للزراعة المستقبلية متكيفة حقًا مع الظروف الصعبة في المنطقة. ويؤكد هذا العمل أن السعي وراء محاصيل أفضل يتطلب أدوات تحليل بيانات لا تقل أهمية عن البذور نفسها، وأحيانًا، النظر بعمق أكبر في البيانات يكشف عن المسار الأفضل للمضي قدمًا.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.