پیوندهای مفید
آمار
| تعداد نشریات | 33 |
| تعداد شماره‌ها | 886 |
| تعداد مقالات | 8,670 |
| تعداد مشاهده مقاله | 55,086,957 |
| تعداد دریافت فایل اصل مقاله | 10,358,411 |
کاربرد گزینش ژنومی در به‌نژادی غلات تحت تنش خشکی | ||
| تحقیقات غلات | ||
| مقالات آماده انتشار، پذیرفته شده، انتشار آنلاین از تاریخ 04 آبان 1405 | ||
| نوع مقاله: مقاله مروری | ||
| شناسه دیجیتال (DOI): 10.22124/cr.2026.34665.1928 | ||
| نویسنده | ||
| حمیدرضا نوریزدان* | ||
| گروه مهندسی تولید و ژنتیک گیاهی، دانشکده مهندسی کشاورزی، دانشگاه خلیج فارس، بوشهر، ایران | ||
| چکیده | ||
| چکیده مقدمه: تنش خشکی یکی از چالش‌های بنیادین در تولید پایدار غلات و تهدیدی جدی برای امنیت غذایی در عصر تغییر اقلیم است. از آنجا که تحمل به خشکی صفتی پیچیده، چندژنی و به‌شدت متأثر از محیط (G×E) است، روش‌های گزینش کلاسیک بر پایه فنوتیپ به تنهایی قادر به برآورده‌سازی نیازهای شتاب‌زده برنامه‌های به‌نژادی نیستند. هدف از این مطالعه مروری، تبیین جایگاه گزینش ژنومی (GS) به عنوان یک ابزار راهبردی در به‌نژادی غلات تحت تنش خشکی و تحلیل عوامل مؤثر بر دقت، پایداری و انتقال‌پذیری پیش‌بینی‌ها در محیط‌های هدف است. مواد و روش‌ها: این پژوهش به صورت یک مطالعه مروری ساختارمند و با تحلیل انتقادی مستندات، مقالات و منابع علمی معتبر تدوین شده است. در این فرآیند، مبانی نظری مدل‌های پیش‌بینی ژنومی شامل مدل‌های خطی پارامتری (GBLUP و rrBLUP)، مدل‌های بیزی (BayesA, B, Cπ) و مدل‌های مبتنی بر یادگیری ماشین بررسی شدند. همچنین رویکردهای مدیریت برهم‌کنش ژنوتیپ × محیط و نقش فناوری‌های نوین فنوتیپ‌نگاری پربازده (HTP) و انویرومیکس (Enviromics) در افزایش قدرت تفکیک و دقت پیش‌بینی مورد واکاوی قرار گرفتند. یافته‌های تحقیق: یافته‌ها نشان می‌دهند که گزینش ژنومی با جایگزینی ارزیابی‌های ژنومیک به جای فنوتیپ‌برداری‌های گسترده در نسل‌های اولیه، از طریق حذف زودهنگام لاین‌های نامطلوب و کاهش طول دوره به‌نژادی، سود ژنتیکی سالانه را بهبود می‌بخشد. کارایی این سامانه‌ها به متغیرهایی نظیر حجم و کیفیت جمعیت مرجع (TP)، میزان خویشاوندی با جمعیت هدف (VP)، تراکم نشانگرهای ژنتیکی و ساختار پیوستگی گسستگی (LD) وابسته است. استفاده از مدل‌های چندمحیطی که پارامترهای محیطی را به صورت کوواریات در مدل ادغام می‌کنند (انویرومیکس)، ضمن غلبه بر پیچیدگی‌های G×E، دقت پیش‌بینی عملکرد در محیط‌های دیم و تنش‌زا را به مراتب افزایش می‌دهد. همچنین مدل‌های یادگیری ماشین و یادگیری عمیق در صورت در دسترس بودن داده‌های حجیم (Big Data) و اعتبارسنجی مستقل، ظرفیت بالایی برای شناسایی روابط غیرخطی و مکمل‌سازی سیستم‌های پیش‌بینی دارند. نتیجه‌گیری: کاربرد موفق گزینش ژنومی در برنامه‌های به‌نژادی نیازمند گذار از مدل‌های صرفاً آماری به سمت مدل‌های علّی (Causal Models) است که بیولوژی صفت را نیز در بر بگیرند. راهبرد عملیاتی بهینه برای غلات تحت خشکی شامل استقرار رویکردی مرحله‌ای است که با استانداردسازی دقیق داده‌ها، توسعه جمعیت‌های مرجع پویا و بهره‌گیری از شبکه‌های ارزیابی چندمحیطی آغاز شده و در نهایت با ادغام داده‌های چنداُمیکس (Multi-omics) تکمیل می‌شود. این رویکرد پیش‌نیاز اصلی دست‌یابی به ارقام سازگار است. | ||
| کلیدواژه‌ها | ||
| انویرومیکس؛ پیش‌بینی چندمحیطی؛ سود ژنتیکی؛ فنوتیپ‌نگاری با کارایی بالا؛ یادگیری ماشین؛ غلات | ||
|
آمار تعداد مشاهده مقاله: 6 |
||