📄 agriculture

BLUP-Based Multi-Trait Analysis for Identifying Climate-Resilient and High-Performing Mango Ginger (Curcuma amada Roxb.) Ideotypes

यह अध्ययन तीन वर्षों और आठ वातावरणों में बीएलयूपी (BLUP)-आधारित बहु-गुण (multi-trait) विश्लेषण और वासबी (WAASBY) बायप्लॉट विधियों का उपयोग करते हुए दस आम अदरक (मैंगो जिंजर) जीनोटाइप का मूल्यांकन करता है ताकि ताजे प्रकंद उपज के लिए श्रेष्ठ, स्थिर आइडियोटाइप के रूप में Acc 265, IMG-1 और Acc 347 की पहचान की जा सके, जो *Curcuma amada* पर इन मॉडलों का पहला अनुप्रयोग है।

मूल लेखक: Shrikant Laxmikantrao Sawargaonkar, Ajit Kumar Singh, Sarita Agrawal, Jyoti Sahu, Parshuram Sial, Asim Kumar Mishra, Ritesh Patel, Najeeb Naduthodi, Anamica Debnath, Ramkrishna Sarkar, Veerendra Verma

प्रकाशित 2026-07-03

📖 5 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Shrikant Laxmikantrao Sawargaonkar, Ajit Kumar Singh, Sarita Agrawal, Jyoti Sahu, Parshuram Sial, Asim Kumar Mishra, Ritesh Patel, Najeeb Naduthodi, Anamica Debnath, Ramkrishna Sarkar, Veerendra Verma, M.B. Devi, Kuntugudu S. Krishnamurthy, Sharon Aravind, Souderarajan Aarthi, S. Mukesh Sankar, Duraisamy Prasath

मूल पेपर CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। ✨ नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें

एक बड़ी तस्वीर: "गोल्डिलॉक्स" (Goldilocks) मैंगो जिंजर की खोज

कल्पना कीजिए कि आप एक किसान हैं जो मैंगो जिंजर (एक तीखी जड़ वाली सब्जी जिसका स्वाद आम जैसा होता है) उगाने की कोशिश कर रहे हैं। आप एक ऐसा पौधा चाहते है जो भारी पैदावार दे, लेकिन समस्या यह है कि हर साल मौसम बदल जाता है और हर खेत की मिट्टी अलग होती है। एक पौधा जो ठंडे, पहाड़ी इलाकों में बेहतरीन तरीके से उगता है, वह गर्म और सूखे मैदानों में बुरी तरह विफल हो सकता है।

लंबे समय से, किसान एक ऐसे "सुपर-प्लांट" को खोजने के लिए संघर्ष कर रहे हैं जो हर जगह अच्छा प्रदर्शन कर सके। यह अध्ययन एक विशाल, हाई-टेक टैलेंट शो की तरह है जिसे एक आदर्श मैंगो जिंजर पौधे (जिसे "आइडियोटाइप" कहा जाता है) को खोजने के लिए डिज़ाइन किया गया है, जो भारी फसल देने के साथ-साथ विभिन्न जलवायु परिस्थितियों को भी झेल सके।

प्रतियोगी और निर्णायक (The Contestants and the Judges)

प्रतियोगी:
शोधकर्ताओं ने 10 अलग-अलग किस्मों के मैंगो जिंजर को इकट्ठा किया। इन्हें 10 अलग-अलग एथलीटों के रूप में समझें। एक "चेक" (एक मानक, ज्ञात किस्म जिसे अंबा कहा जाता है) है और अन्य नौ नए, प्रयोगात्मक एक्सेसियंस (जैसे Acc 265, IMG-1, आदि) हैं।

अखाड़ा (The Arena):
इन्हें निष्पक्ष रूप से परखने के लिए, उन्होंने इन्हें केवल एक बगीचे में नहीं लगाया। उन्होंने भारत के 8 अलग-अलग स्थानों (पूर्वोत्तर के पहाड़ों से लेकर दक्षिण के तटों तक) में 3 वर्षों तक इन्हें उगाया।

उपमा (Analogy): कल्पना कीजिए कि आप एक ही समय में 8 अलग-अलग शहरों में, अलग-अलग रास्तों, तापमान और हवा की स्थितियों के साथ मैराथन दौड़ रहे हैं। यह सुनिश्चित करता है कि यदि कोई पौधा जीतता है, तो वह इसलिए जीता क्योंकि वह वास्तव में मजबूत है, न कि इसलिए कि उसे मौसम का साथ मिल गया।

निर्णायक (गणित):
केवल यह देखने के बजाय कि किसकी जड़ सबसे बड़ी उगी, वैज्ञानिकों ने BLUP (बेस्ट लीनियर अनबायस्ड प्रेडिक्शन) नामक एक परिष्कृत कंप्यूटर सिस्टम का उपयोग किया।

उपमा: कल्पना कीजिए कि एक स्पोर्ट्स कमेंटेटर केवल अंतिम स्कोर नहीं देखता। वह यह भी देखता है कि खिलाड़ी ने हवा, बारिश और विभिन्न विरोधियों के खिलाफ कैसा प्रदर्शन किया। वे एक जटिल एल्गोरिदम का उपयोग करते हैं ताकि यह भविष्यवाणी की जा सके कि यदि वे विभिन्न परिस्थितियों में 1,000 बार दौड़ लगाते, तो औसतन कौन जीतता। यह "किस्मत" के कारक को हटा देता है और वास्तव में निरंतर प्रदर्शन करने वालों को ढूंढ निकालता है।

मुख्य मानक: वे क्या माप रहे थे?

विजेता का निर्णय करने के लिए उन्होंने चार मुख्य चीजों को देखा:

फ्रेश राइजोम यील्ड (Fresh Rhizome Yield): उन्होंने कितनी जड़ की कटाई की? (मुख्य पुरस्कार)।
पौधे की ऊँचाई (Plant Height): पत्तियाँ कितनी ऊँची बढ़ीं?
टिलर्स की संख्या (Number of Tillers): एक गुच्छे से कितने तने निकले? (अधिक तने का मतलब आमतौर पर अधिक जड़ें होता है)।
गुच्छे का ताजा वजन (Fresh Weight of Clump): पूरे पौधे का वजन कितना था?

परिणाम: टैलेंट शो कौन जीता?

उन्नत स्थिरता मॉडलों (जैसे WAASB और MGIDI) का उपयोग करके डेटा का विश्लेषण करने के बाद, अध्ययन ने तीन "सुपर-एथलीटों" की पहचान की जो बाकी सबसे अलग थे:

Acc 265: यह किस्म समग्र चैंपियन थी। यह एक स्विस आर्मी नाइफ की तरह थी—लगातार प्रदर्शन करने वाली, उच्च उपज देने वाली और लगभग सभी स्थितियों में स्थिर।
इंदिरा मैंगो जिंजर-1 (IMG-1): दूसरे स्थान पर बहुत करीब से आई, जिसने अविश्वसनीय स्थिरता और उच्च प्रदर्शन दिखाया।
Acc 347: एक और शीर्ष प्रदर्शन करने वाला जो ऊँचाई और उपज जैसे विशिष्ट गुणों में उत्कृष्ट था।

हारने वाले:
कुछ किस्में, जैसे NVMG 9 और CAM 3, "वन-हिट वंडर्स" (एक बार चमकने वाले) थीं। वे एक विशिष्ट स्थान में बहुत अच्छा कर सकती थीं (जैसे एक धावक जो केवल गीले ट्रैक पर तेज दौड़ता है), लेकिन जब वातावरण बदला, तो वे लगातार प्रदर्शन करने में विफल रहीं। अध्ययन सुझाव देता है कि इन्हें ब्रीडिंग प्रोग्राम से हटा दिया जाना चाहिए।

"स्थिरता" का रहस्य (The "Stability" Secret)

सबसे महत्वपूर्ण खोज केवल यह नहीं थी कि किसने सबसे ज्यादा उगाया, बल्कि यह थी कि किसने सबसे विश्वसनीय रूप से उगाया।

उपमा: दो धावकों की कल्पना करें। धावक A एक आदर्श ट्रैक पर 10 सेकंड में 100 मीटर दौड़ता है लेकिन बजरी पर लड़खड़ा जाता है। धावक B एक आदर्श ट्रैक पर 11 सेकंड में 100 मीटर दौड़ता है, लेकिन बजरी, कीचड़ और रेत पर भी 11 सेकंड ही लेता है। धावक B "स्थिर" (Stable) है।
अध्ययन में पाया गया कि Acc 265 और IMG-1 "धावक B" थे। उनके पास केवल उच्च उपज ही नहीं थी, बल्कि उच्च वंशानुगतता (High Heritability) भी थी, जिसका अर्थ है कि उनके अच्छे गुण उनके डीएनए में "हार्डवायर्ड" थे और मौसम बदलने से वे गायब नहीं होंगे।

निष्कर्ष: इसका क्या अर्थ है?

शोधकर्ताओं ने निष्कर्ष निकाला कि इन उन्नत गणितीय उपकरणों का उपयोग करके, वे सफलतापूर्वक "गोल्डिलॉक्स" मैंगो जिंजर किस्मों की पहचान करने में सफल रहे।

Acc 265, IMG-1, और Acc 347 को अब व्यापक रूप से किसानों द्वारा उगाने के लिए अनुशंसित किया गया है।
वे "आदर्श" पौधे हैं क्योंकि वे उच्च उत्पादन के साथ-साथ विभिन्न जलवायु परिस्थितियों में जीवित रहने की क्षमता को भी जोड़ते हैं।
यह पहली बार है जब इन विशिष्ट गणितीय मॉडलों (WAASB और MGIDI) का उपयोग मैंगो जिंजर पर किया गया है, जो यह सिद्ध करता है कि वे सर्वोत्तम फसलों को खोजने के लिए उत्कृष्ट उपकरण हैं।

संक्षेप में: वैज्ञानिकों ने मैंगो जिंजर के पौधों को खोजने के लिए एक विशाल, बहु-वर्षीय, बहु-स्थान परीक्षण चलाया जो मजबूत, सुसंगत और उच्च उपज देने वाले हों। उन्हें तीन विजेता मिले जो मौसम की परवाह किए बिना किसानों को बेहतर फसल प्राप्त करने में मदद करने के लिए पूरे भारत में रोपण के लिए तैयार हैं।

तकनीकी सारांश: जलवायु-लचीले और उच्च-प्रदर्शन वाले मैंगो जिंजर (आम अदरक) के आइडियोटाइप की पहचान के लिए BLUP-आधारित बहु-गुण लक्षण विश्लेषण

समस्या विवरण
मैंगो जिंजर (Curcuma amada Roxb.) एक कंदयुक्त मसाला फसल है जिसका महत्वपूर्ण औषधीय और औद्योगिक मूल्य है, जो एक विशिष्ट आम जैसी सुगंध और स्वाद के लिए जानी जाती है। इसके ताजे कंदों और बायोएक्टिव यौगिकों (जैसे $\beta$ -माय्रसीन और स्क्वैलीन) की मजबूत औद्योगिक मांग के बावजूद, बड़े पैमाने पर व्यावसायिक खेती को स्थिर, उच्च उपज वाली किस्मों के अभाव के कारण बाधित किया गया है। इसकी क्लोनल प्रवर्धन (clonal propagation) पारंपरिक प्रजनन को सीमित करती है, फिर भी कंद के रंग, स्वाद और रासायनिक संरचना जैसे लक्षणों में विभिन्न जीनोटाइप्स के बीच महत्वपूर्ण परिवर्तनशीलता मौजूद है। विविध कृषि-जलवायु परिस्थितियों में उच्च उपज और स्थिरता दोनों रखने वाले जीनोटाइप्स की पहचान करने में एक महत्वपूर्ण अंतर मौजूद है। पारंपरिक स्थिरता मॉडल (जैसे एबरहार्ट और रसेल) अक्सर रैखिक जीनोटाइप $\times$ पर्यावरण (GE) अंतःक्रियाओं को मानते हैं, जो जटिल, गैर-रैखिक स्थिरता पैटर्न को पकड़ने में विफल रहते हैं। फलस्वरूप, असंतुलित डेटा को संभालने और रैंडम प्रभावों को सटीक रूप से मॉडल करने के लिए आधुनिक सांख्यिकीय दृष्टिकोणों का उपयोग करके विविध जीनोटाइप्स का मूल्यांकन करने की आवश्यकता है ताकि जलवायु-लचीले आइडियोटाइप की पहचान की जा सके।

कार्यप्रणाली
इस अध्ययन में 10 मैंगो जिंजर जीनोटाइप का मूल्यांकन किया गया, जिसमें चेक किस्म 'अंबा' शामिल है, भारत के आठ विविध वातावरणों में तीन लगातार वर्षों (2020-2022) में 24 फील्ड ट्रायल किए गए। इन ट्रायल्स को तीन प्रतिकृति (replications) के साथ रैंडमाइज्ड कम्पलीट ब्लॉक डिजाइन (RCBD) का पालन करते हुए आयोजित किया गया। मापे गए प्रमुख लक्षणों में ताज़ा कंद उपज (FRY), पौधे की ऊँचाई (PH), प्रति क्लंप टिलर की संख्या (NTC), और क्लंप का ताजा वजन (FWC) शामिल थे।

विश्लेषण ने बेस्ट लीनियर अनबायस्ड प्रेडिक्शन (BLUP) पर आधारित एक व्यापक आधुनिक सांख्यिकीय उपकरणों के समूह का उपयोग किया:

विचरण घटक विश्लेषण (Variance Component Analysis): R के metan पैकेज का उपयोग करके जीनोटाइप्स और GE अंतःक्रियाओं को रैंडम प्रभाव के रूप में माना गया। महत्व का परीक्षण लाइकलीहुड रेशियो टेस्ट (LRT) के माध्यम से किया गया। आनुवंशिक मापदंडों, जिसमें ब्रॉड-सेंस हाइब्रिडिटी ( $h^2_g$ ), चयन सटीकता, और भिन्नता गुणांक शामिल हैं, का अनुमान लगाया गया।
स्थिरता सूचकांक (Stability Indices):
- WAASB (BLUP पर आधारित पूर्ण स्कोर का भारित औसत): स्थिरता का आकलन करने के लिए गणना की गई; कम मान उच्च स्थिरता का संकेत देते हैं।
- WAASBY: एक संयुक्त सूचकांक जो उपज प्रदर्शन (60% भार) और स्थिरता (40% भार) को जोड़कर जीनोटाइप्स को रैंक करता है।
- MGIDI (बहु-गुण जीनोटाइप-आइडियोटाइप दूरी सूचकांक): एक आदर्श बहु-गुण आइडियोटाइप के सबसे करीब के जीनोटाइप्स की पहचान करने के लिए उपयोग किया गया।
- MTSI (बहु-गुण स्थिरता सूचकांक) और FAI-BLUP: कारक विश्लेषण (factor analysis) के माध्यम से एकीकृत माध्य प्रदर्शन और स्थिरता को जोड़कर एक जीनोटाइप के आइडियोटाइप से मेल खाने की संभावना का अनुमान लगाया गया।
- स्मिथ-हेज़ल (SH) सूचकांक: तुलनात्मक उद्देश्यों के लिए उपयोग किया गया एक शास्त्रीय चयन सूचकांक।
चयन मेट्रिक्स (Selection Metrics): 20% चयन तीव्रता के आधार पर चयन अंतर (selection differentials) और आनुवंशिक लाभ की गणना की गई।

प्रमुख परिणाम

आनुवंशिक परिवर्तनशीलता और हाइब्रिडिटी: सभी लक्षणों के लिए जीनोटाइप, वातावरण और GE अंतःक्रियाओं के लिए अत्यधिक महत्वपूर्ण अंतर देखे गए ( $P < 0.001$ )। हाइब्रिडिटी अनुमान अलग-अलग थे, जिसमें पौधे की ऊँचाई (PH) ने उच्चतम माध्य हाइब्रिडिटी (0.826%) और चयन सटीकता दिखाई, जबकि प्रति क्लंप टिलर की संख्या (NTC) ने सबसे कम (0.423%) दिखाई।
स्थिरता और प्रदर्शन:
- WAASB/WAASBY: Acc 265, इंदिरा मैंगो जिंजर-1 (IMG-1), और Acc 347 उत्कृष्ट जीनोटाइप के रूप में उभरे, जो उच्च उपज और स्थिरता प्रदर्शित करते हैं। विशेष रूप से, WAASBY विश्लेषण में Acc 265 ने FRY और FWC के लिए प्रथम स्थान प्राप्त किया।
- MGIDI: Acc 265 ने सबसे कम MGIDI स्कोर (रैंक 1) प्राप्त किया, जो बहु-गुण आइडियोटाइप के साथ निकटतम संरेखण को दर्शाता है, इसके बाद IMG-1 और NVMG 2 का स्थान है।
- MTSI: IMG-1 पहले स्थान पर रहा, उसके बाद Acc 265 और Acc 347, जो उनकी समग्र स्थिरता की पुष्टि करता है।
- स्मिथ-हेज़ल: Acc 347, Acc 265, और IMG-1 ने शीर्ष तीन रैंक हासिल की, जो उनकी अनुकूलन क्षमता को प्रमाणित करती है।
आनुवंशिक सहसंबंध (Genetic Correlations): FRY और FWC ( $r = 0.68$ ), PH ( $r = 0.64$ ), और NTC के बीच मजबूत सकारात्मक सहसंबंध पाए गए।
चयन लाभ (Selection Gain): अध्ययन ने सभी लक्षणों के लिए सकारात्मक चयन अंतर की भविष्यवाणी की। उच्चतम आनुवंशिक लाभ क्लंप के ताजे वजन (5.51%) के लिए अनुमानित था, उसके बाद पौधे की ऊँचाई (3.62%) का स्थान रहा।
कारक विश्लेषण (Factor Analysis): एक एकल कारक (FA1) ने कुल भिन्नता का 76.76% समझाया, जिसमें सभी लक्षणों के लिए उच्च कम्युनैलिटीज (>0.50) देखी गईं, जो यह सुझाव देती है कि एक सघन, अधिक टिलरिंग वाले, उच्च उपज वाले पौधे के प्रकार के लिए चयन करने से कई लक्षण एक साथ सुधरेंगे।

महत्व और दावे
लेखक दावा करते हैं कि यह Curcuma amada में GE अंतःक्रियाओं और स्थिरता का विश्लेषण करने के लिए WAASB, WAASBY और बहु-गुण स्थिरता मॉडल (MGIDI, MTSI, FAI-BLUP) को लागू करने वाला पहला अध्ययन है। यह अध्ययन प्रदर्शित करता है कि BLUP-आधारित दृष्टिकोण श्रेष्ठ जीनोटाइप की पहचान करने के लिए एक मजबूत सांख्यिकीय आधार प्रदान करते हैं, जो पारंपरिक रैखिक मॉडलों की सीमाओं को दूर करते हैं।

इन सूचकांकों के माध्यम से माध्य प्रदर्शन और स्थिरता के एकीकरण ने सफलतापूर्वक Acc 265, इंदिरा मैंगो जिंजर-1 (IMG-1), और Acc 347 को आदर्श आइडियोटाइप के रूप में पहचाना। इन जीनोटाइप्स की व्यापक खेती के लिए सिफारिश की जाती है क्योंकि वे विविध सांख्यिकीय मॉडलों में निरंतर श्रेष्ठता और जलवायु-लचीली, उच्च उपज वाली किस्मों के प्रजनन के लिए पैतृक लाइनों के रूप में कार्य करने की क्षमता रखते हैं। इसके विपरीत, NVMG 9, CAM 3, और RH 408 जैसे जीनोटाइप को सभी सूचकांकों में खराब प्रदर्शन करने वाला पाया गया और उन्हें प्रजनन कार्यक्रमों से बाहर रखने का सुझाव दिया गया है। निष्कर्ष इस बात पर जोर देते हैं कि हालांकि उपज के लिए प्लॉट-स्तरीय हाइब्रिडिटी कम हो सकती है, फिर भी पर्यावरणीय माध्य के आधार पर चयन प्रभावी रहता है, विशेष रूप से उन लक्षणों के लिए जिनमें अवशिष्ट भिन्नता (residual variation) की तुलना में उच्च जीनोटाइपिक गुणांक भिन्नता होती है।