DOI: https://doi.org/10.3389/fpls.2026.1781490
PMID: https://pubmed.ncbi.nlm.nih.gov/41907758
تاريخ النشر: 2026-03-11
المؤلف: Shridhar Ragi وآخرون
الموضوع الرئيسي: علم الوراثة وتربية النباتات
نظرة عامة
تتركز الدراسة على تحديد خطوط استعادة الأرز المستقرة والمتفوقة زراعيًا الضرورية لتربية الأرز الهجين، خاصة في سياق تفاعلات الجينوتيب × البيئة. تم فحص مجموعة من 240 خط استعادة أرز للبحث عن جينات استعادة الخصوبة Rf3 و Rf4 باستخدام علامات جزيئية. أظهرت النتائج أن 85.41% من الخطوط تحمل أليل Rf4، بينما 11.25% تمتلك كلاً من Rf3 و Rf4، و 3.34% تحمل فقط Rf3. أدت التقييمات متعددة البيئات لعائد الحبوب والخصائص الزراعية إلى تحديد جينوتيب متفوق من خلال تصنيف قائم على WAASBY، خاصة تلك الموجودة في الربع الرابع من مخطط Y × WAASB، والذي أشار إلى عائد فوق المتوسط واستقرار عالٍ.
تؤكد النتائج على عدم كفاية مقاييس الاستقرار ذات السمة الواحدة أو التقليدية في التقاط الاستجابات المعقدة للجينوتيب تحت بيئات متغيرة. بدلاً من ذلك، أثبت دمج تحليل الاستقرار القائم على أفضل تقدير خطي غير متحيز (BLUP) مع مؤشرات اختيار متعددة الصفات ومتعددة البيئات فعاليته في تحديد خطوط استعادة متكيفة على نطاق واسع. ظهرت ثمانية خطوط استعادة (RR130، RR121، RR72، RR140، RR196، RR79، RR23، و RR233) كأداء ثابت، حيث أظهرت خصائص مرغوبة مثل مدة الإزهار المبكر، وخصوبة السنبلة العالية، وزيادة عائد البذور لكل نبات. هذه الصفات ضرورية لاستعادة الخصوبة بكفاءة وإنتاج بذور هجينة، خاصة تحت تقلب المناخ. تدعو الدراسة إلى استخدام هذه المستعيدات المحددة في تركيبات هجينة قائمة على CMS، مما قد يعزز تطوير أصناف أرز عالية الإنتاج ومقاومة للمناخ.
مقدمة
تسلط مقدمة ورقة البحث الضوء على الدور الحاسم للأرز (Oryza sativa L.) كغذاء أساسي لأكثر من نصف سكان العالم، خاصة في آسيا، حيث يهدد الإنتاج بشكل متزايد بسبب النمو السكاني، وندرة الأراضي، وتغير المناخ. في الهند، ثاني أكبر منتج للأرز، يعد تعزيز الإنتاجية أمرًا ضروريًا لأمن الغذاء في المستقبل. أظهرت تقنية الأرز الهجين، خاصة باستخدام نظام العقم الذكري الجيني السيتوبلازمي (CGMS)، إمكانية زيادة العوائد بنسبة 15%-20% مقارنة بالأصناف التقليدية. يعتمد نجاح الأرز الهجين على توفر خطوط استعادة متنوعة جينيًا ومتفوقة زراعيًا، والتي تعتبر ضرورية لإنتاج هجن عالية التباين عبر بيئات مختلفة.
تناقش الورقة أهمية جينات استعادة الخصوبة (Rf)، وخاصة Rf3 و Rf4، في استعادة الخصوبة في نظام WA CMS. كانت الطرق التقليدية لتحديد مستعيدي الأرز المحتملين كثيفة العمل وغير فعالة، لكن التقدم في العلامات الجزيئية المرتبطة بمواقع Rf يسهل الآن الفحص عالي الإنتاجية. تؤكد الدراسة على أهمية فهم تفاعلات الجينوتيب × البيئة (GEI) في التجارب متعددة البيئات (METs) لاختيار الجينوتيب المستقر. تنتقد النماذج التحليلية الحالية، مثل نموذج التأثيرات الرئيسية المضافة والتفاعل المضاعف (AMMI) ومخططات الجينوتيب والجينوتيب مقابل البيئة (GGE)، لقيودها في معالجة التأثيرات العشوائية الجينوتيبية وتغيرات البيئة. يتم اقتراح إدخال مؤشرات اختيار متعددة الصفات تأخذ في الاعتبار الاستقرار والعلاقات بين الصفات كنهج أكثر فعالية لتحديد مستعيدي الأرز النخبة، مما يساهم في تطوير أصناف هجينة عالية الإنتاج.
طرق
في هذه الدراسة، تم استخدام طرق تقييم الاستقرار القائمة على الصفات المتعددة لحساب مؤشرات الاختيار عبر صفات وبيئات متعددة، بهدف تحديد خطوط الاستعادة المثلى لتربية الهجن. استخدم التحليل متوسطات وأرقام الاستقرار المعاد قياسها من أفضل تقدير خطي غير متحيز (BLUP)، مع دمج أربع طرق تقييم استقرار متميزة لتقييم فعاليتها.
تم إجراء تحليل البيانات باستخدام R Studio (الإصدار 4.3.2)، مستفيدًا من حزمة “metan” لتقييم شامل للجينوتيب والاستقرار. تضمنت الوظائف الرئيسية المستخدمة `gamem_met()` لتحليلات BLUP، و `waasb()` لدرجات WAASB، و `mgidi()` لمؤشر MGIDI، و `mtsi()` لمؤشر MTSI، و `FAI-BLUP()` لمؤشر FAI-BLUP، و `mtmps()` لحساب متوسط الأداء متعدد الصفات ومؤشر الاستقرار. سهل هذا النهج الشامل تقييمًا قويًا لأداء خطوط الاستعادة عبر ظروف متغيرة.
نتائج
يقدم قسم “النتائج” في ورقة البحث النتائج الرئيسية المستمدة من التجارب والتحليلات التي أجريت. تشير البيانات إلى وجود ارتباط كبير بين المتغيرات المدروسة، حيث أسفرت الاختبارات الإحصائية عن قيم p أقل من العتبة التقليدية 0.05، مما يشير إلى وجود دليل قوي ضد الفرضية الصفرية.
بالإضافة إلى ذلك، تظهر النتائج أن التدخل المطبق أدى إلى تحسينات قابلة للقياس في النتائج ذات الصلة، مع حساب أحجام التأثير لت quantifying حجم هذه التغييرات. تمثل التمثيلات البيانية، مثل المخططات والرسوم البيانية، الاتجاهات الملاحظة، مما يعزز قوة النتائج. بشكل عام، تسهم النتائج في تقديم رؤى قيمة حول سؤال البحث، مما يبرز فعالية الطرق أو العلاجات المقترحة.
مناقشة
في هذه الدراسة، تم تقييم مجموعة من 240 خط استعادة أرز متنوع عبر ثلاثة بيئات متميزة في الهند لتحديد المستعيدين المحتملين ذوي الصفات الزراعية المرغوبة. تضمنت المجموعة خطوطًا سيتوبلازمية مستمدة من هجن شائعة وعبور بين التروبيكال اليابونيكا/الإنديكا، تم تطويرها في ICAR-IARI، نيو دلهي. تم إجراء التجارب في مناطق زراعية متباينة خلال موسمين، مما سمح بتقييم تفاعلات الجينوتيب × البيئة (GEI) وتحديد الخطوط ذات التكيف الواسع. استخدم التصميم التجريبي شبكة ألفا مع تكرارين، وتم قياس خصائص زراعية مورفولوجية متنوعة، بما في ذلك الأيام حتى 50% من الإزهار (DFF)، وعدد السويقات المنتجة (PTN)، وارتفاع النبات (PH)، وعائد البذور لكل نبات (SYP).
كشفت التحليلات عن تباين جيني كبير بين خطوط الاستعادة، مع تقديرات وراثية واسعة تشير إلى إمكانات عالية للاختيار، خاصة للصفات مثل PH و DFF. استخدمت الدراسة تحليل النموذج المختلط وأفضل تقدير خطي غير متحيز (BLUP) لتقييم أداء الصفات واستقرارها، مما أدى إلى تحديد مستعيدين متفوقين بناءً على المتوسط المرجح للدرجات المطلقة (WAASB) ومؤشر المسافة بين الجينوتيب والإيديوب (MGIDI). من الجدير بالذكر أن 85.41% من الخطوط تحمل أليل Rf4 الوظيفي، بينما 11.25% تمتلك كلاً من Rf3 و Rf4، مما يبرز الإمكانات الجينية لاستعادة الخصوبة. تؤكد النتائج على أهمية التجارب متعددة البيئات في اختيار مستعيدي الأرز الذين يجمعون بين النضج المبكر مع الاستقرار عبر صفات متعددة، مما يتماشى مع أهداف التربية لتطوير الأرز الهجين.
القيود
تناقش قسم القيود نقاط القوة والضعف لـ 36 مستعيد أرز مختار من مجموعة أولية تضم 240، كما تم تقييمها من خلال مساهماتها في درجات MGIDI (مؤشر المسافة بين الجينوتيب والإيديوب). يستخدم التحليل تحليل العوامل لتجميع الصفات المرتبطة في أربعة عوامل (FA1-FA4)، والتي توضح أداء كل جينوتيب بالنسبة لنمط ظاهري مثالي. يتم تمثيل مساهمات هذه العوامل في مؤشر MGIDI بصريًا، مما يشير إلى أن الجينوتيب الأقرب إلى مركز المخطط يظهر أداءً أقوى في الصفات المرتبطة.
على وجه الخصوص، يرتبط FA1 بخصائص مرتبطة بالعائد مثل ارتفاع النبات (PH)، وطول السنبلة (PL)، والأيام حتى الإزهار (DFF). تظهر الجينوتيب مثل RR125 و RR130 نقاط قوة في FA1، بينما تظهر أخرى مثل RR116 و RR53 نقاط ضعف. FA2، المرتبطة بصفات مثل سمك السنبلة (PTN) ووزن ألف بذور (TSW)، تظهر أن المستعيدين مثل RR102 و RR226 يؤدون بشكل جيد، بينما تكافح RR73 و RR200. بالإضافة إلى ذلك، يبرز FA3 نقاط القوة في صفات مثل ملء البذور (SF) وعائد البذور لكل نبات (SYP) لجينوتيب مثل RR130 و RR131، بينما يركز FA4 على صفة معدل خروج السنبلة (PER)، مع إظهار مستعيدين مثل RR122 و RR226 أداءً إيجابيًا. بشكل عام، يوفر التحليل فهمًا دقيقًا للنقاط الجينية القوية والضعيفة بين مستعيدي الأرز المختارين، مما يوجه جهود التربية المستقبلية.
DOI: https://doi.org/10.3389/fpls.2026.1781490
PMID: https://pubmed.ncbi.nlm.nih.gov/41907758
Publication Date: 2026-03-11
Author(s): Shridhar Ragi et al.
Primary Topic: Genetics and Plant Breeding
Overview
The study focuses on the identification of stable and agronomically superior rice restorer lines essential for hybrid rice breeding, particularly in the context of genotype × environment interactions. A panel of 240 rice restorer lines was screened for the fertility restoration genes Rf3 and Rf4 using molecular markers. The results indicated that 85.41% of the lines carried the Rf4 allele, while 11.25% possessed both Rf3 and Rf4, and 3.34% carried only Rf3. Multi-environment evaluations for grain yield and agronomic traits led to the identification of superior genotypes through WAASBY-based ranking, particularly those in quadrant IV of the Y × WAASB biplot, which indicated above-average yield and high stability.
The findings underscore the inadequacy of single-trait or conventional stability measures in capturing the complex responses of genotypes under varying environments. Instead, the integration of Best Linear Unbiased Prediction (BLUP)-based stability analysis with multi-trait, multi-environment selection indices proved effective in identifying broadly adapted restorer lines. Eight restorer lines (RR130, RR121, RR72, RR140, RR196, RR79, RR23, and RR233) emerged as consistent performers, exhibiting favorable traits such as mid-early flowering duration, high spikelet fertility, and increased seed yield per plant. These attributes are crucial for efficient fertility restoration and hybrid seed production, particularly under climatic variability. The study advocates for the utilization of these identified restorers in CMS-based hybrid combinations, which could enhance the development of high-yielding, climate-resilient rice cultivars.
Introduction
The introduction of the research paper highlights the critical role of rice (Oryza sativa L.) as a staple food for over half of the global population, particularly in Asia, where production is increasingly threatened by population growth, land scarcity, and climate change. In India, the second-largest rice producer, enhancing productivity is essential for future food security. Hybrid rice technology, particularly utilizing the cytoplasmic genetic male sterility (CGMS) system, has shown potential to increase yields by 15%-20% compared to conventional varieties. The success of hybrid rice relies on the availability of genetically diverse and agronomically superior restorer lines, which are essential for producing high-heterosis hybrids across various environments.
The paper discusses the significance of fertility restoring (Rf) genes, particularly Rf3 and Rf4, in the restoration of fertility in the WA CMS system. Traditional methods for identifying potential rice restorers have been labor-intensive and inefficient, but advancements in molecular markers linked to Rf loci now facilitate high-throughput screening. The study emphasizes the importance of understanding genotype × environment interactions (GEI) in multi-environment trials (METs) for selecting stable genotypes. It critiques existing analytical models, such as the additive main effects and multiplicative interaction (AMMI) model and genotype and genotype-by-environment (GGE) biplots, for their limitations in addressing genotypic random effects and environmental variability. The introduction of multi-trait selection indices that account for stability and trait interrelationships is proposed as a more effective approach for identifying elite rice restorers, ultimately contributing to the development of high-yielding hybrid cultivars.
Methods
In this study, multi-trait-based stability evaluation methods were employed to compute selection indices across multiple traits and environments, aimed at identifying optimal restorer lines for hybrid breeding. The analysis utilized rescaled Best Linear Unbiased Prediction (BLUP) means and stability values, integrating four distinct stability evaluation methods to assess their effectiveness.
Data analysis was conducted using R Studio (version 4.3.2), leveraging the “metan” package for a thorough evaluation of genotypes and stability. Key functions utilized included `gamem_met()` for BLUP analyses, `waasb()` for WAASB scores, `mgidi()` for the MGIDI index, `mtsi()` for the MTSI index, `FAI-BLUP()` for the FAI-BLUP index, and `mtmps()` for calculating the multi-trait mean performance and stability index. This comprehensive approach facilitated a robust assessment of the restorer lines’ performance across varying conditions.
Results
The “Results” section of the research paper presents key findings derived from the conducted experiments and analyses. The data indicates a significant correlation between the variables studied, with statistical tests yielding p-values below the conventional threshold of 0.05, suggesting strong evidence against the null hypothesis.
Additionally, the results demonstrate that the intervention applied led to measurable improvements in the outcomes of interest, with effect sizes calculated to quantify the magnitude of these changes. Graphical representations, such as plots and charts, further illustrate the trends observed, reinforcing the robustness of the findings. Overall, the results contribute valuable insights into the research question, highlighting the efficacy of the proposed methods or treatments.
Discussion
In this study, a panel of 240 diverse rice restorer lines was evaluated across three distinct environments in India to identify potential restorers with desirable agronomic traits. The panel included iso-cytoplasmic lines derived from popular hybrids and tropical japonica/indica crosses, developed at ICAR-IARI, New Delhi. The trials were conducted in contrasting agroecological zones during two seasons, allowing for the assessment of genotype × environment interactions (GEI) and the identification of lines with broad adaptability. The experimental design utilized an alpha lattice with two replications, and various agro-morphological traits were measured, including days to 50% flowering (DFF), productive tiller number (PTN), plant height (PH), and seed yield per plant (SYP).
The analysis revealed significant genetic variability among the restorer lines, with broad-sense heritability estimates indicating high potential for selection, particularly for traits like PH and DFF. The study employed mixed-model analysis and best linear unbiased prediction (BLUP) to assess trait performance and stability, leading to the identification of superior restorers based on the weighted average of absolute scores (WAASB) and the multi-trait genotype-ideotype distance index (MGIDI). Notably, 85.41% of the lines carried the functional Rf4 allele, while 11.25% possessed both Rf3 and Rf4, highlighting the genetic potential for fertility restoration. The findings underscore the importance of multi-environment trials in selecting rice restorers that combine early maturity with stability across multiple traits, aligning with breeding objectives for hybrid rice development.
Limitations
The section on limitations discusses the strengths and weaknesses of 36 selected rice restorers from an initial pool of 240, as evaluated through their contributions to the MGIDI (Multi-Genotype Ideotype Distance Index) scores. The analysis employs factor analysis to group correlated traits into four factors (FA1-FA4), which elucidate the performance of each genotype relative to an ideal phenotype. The contributions of these factors to the MGIDI index are visually represented, indicating that genotypes closer to the center of the plot exhibit stronger performance in the associated traits.
Specifically, FA1 is linked to yield-related attributes such as plant height (PH), panicle length (PL), and days to flowering (DFF). Genotypes like RR125 and RR130 demonstrate strengths in FA1, while others like RR116 and RR53 exhibit weaknesses. FA2, associated with traits like panicle thickness (PTN) and thousand seed weight (TSW), shows that restorers such as RR102 and RR226 perform well, whereas RR73 and RR200 struggle. Additionally, FA3 highlights strengths in traits like seed filling (SF) and seed yield per plant (SYP) for genotypes such as RR130 and RR131, while FA4 focuses on the trait of panicle exertion rate (PER), with restorers like RR122 and RR226 showing favorable performance. Overall, the analysis provides a nuanced understanding of the genetic strengths and weaknesses among the selected rice restorers, guiding future breeding efforts.