Preview

Вестник НГАУ (Новосибирский государственный аграрный университет)

Расширенный поиск

Прогнозирование и подбор исходного материала в селекции сахарного сорго на основе кластеризации

https://doi.org/10.31677/2072-6724-2024-73-4-54-61

Аннотация

В селекции сельскохозяйственных культур кластеризация образцов по минимуму евклидового расстояния обуславливает объединение совокупности множества признаков (морфологических, биохимических, фенологических, хозяйственных и др.) в кластеры по мере их объективного сходства. В последнее время селекционеры широко используют этот метод для оценки исходного материала и формирования коллекций для целенаправленного ведения селекции. Целью исследований являлось проведение кластеризации рабочей коллекции образцов сахарного сорго по комплексу признаков с последующим подбором наиболее ценных генотипов для целенаправленной дальнейшей селекции гибридов с высоким выходом сахаров с единицы площади. В представленной работе в качестве объектов исследований выступали 47 генотипов сахарного сорго, которые выращивали на опытном поле ФГБНУ РосНИИСК «Россорго» в период с 2021 по 2023 гг. Условия вегетации культуры можно охарактеризовать как засушливые: гидротермический коэффициент изменялся от 0,62 до 0,75. Рассматриваемая коллекция включала генотипы с вариабельностью изучаемых признаков от 6,9 до 47,4 %. На 42-м шаге итерации образцы сгруппировались в шесть кластеров, достоверно различающихся по всем признакам, за исключением высоты растений. Первый кластер состоит из восьми образцов, второй – двадцати восьми, третий – четырех, четвертый – четырех, пятый – одного, шестой – двух. Наиболее перспективными оказались 34 образца из 2, 3 и 6-го кластеров, отличающихся высокорослостью (188,9–198,8 см), продуктивностью (семян – 2,50–2,57 т/га, надземной биомассы – 20,09-31,53 т/га), высоким содержанием сахаров в соке стебля (16,4–17,0 %) и мощным листовым аппаратом (площадь наибольшего листа – 207,9–312,8 см2, флагового – 65,2–156,8 см2). Вовлечение подобранных образцов в программу скрещиваний будет способствовать созданию гибридов первого поколения сорго с высоким выходом сахаров с гектара посевов.

Об авторах

О. П. Кибальник
Российский научно-исследовательский и проектно-технологический институт сорго и кукурузы «Россорго»
Россия

Кандидат биологических наук, главный научный сотрудник

Саратов



С. В. Кибальник
Российский научно-исследовательский и проектно-технологический институт сорго и кукурузы «Россорго»
Россия

Младший научный сотрудник

Саратов



Список литературы

1. Перевязка Д.С., Перевязка Н.И., Супрунов А.И. Кластерный анализ нового исходного материала для создания раннеспелых и среднеранних гибридов кукурузы // Рисоводство. – 2021. – № 4 (53). – С. 30–35. – DOI: 10.33775/1664-2464-2021-53-4-30-35.

2. Гречишкина О.С., Хутамбирдина Р.Д., Мордвинцев М.П. Изучение генофонда рабочей коллекции яровой мягкой пшеницы по урожайности и структурным элементам урожая с использованием кластерного анализа // Известия Оренбургского аграрного университета. – 2021. – № 6 (92). – С. 24–30.

3. Плешаков А.А., Цаценко Л.В., Савиченко Д.Л. Кластеризация коллекционных сортообразцов озимой пшеницы по элементам продуктивности колоса // Научный журнал КубГАУ. – 2021. – № 168 (04). – С. 195–207. – DOI: 10.21515/1990-4665-168-014.

4. Применение многомерных методов для разделения сортов риса по реакции на изменение условий среды / Е.М. Харитонов, Ю.К. Гончарова, Н.А. Очкас [и др.] // Сельскохозяйственная биология. – 2017. – Т. 52, № 1. – С. 152–160.

5. Применение кластерного анализа для определения селекционной ценности нута (Cecer arietinum L.) / С.П. Кузьмина, Н.Г. Казыдуб, С.В. Булынцев [и др.] // Вестник Омского государственного аграрного университета. – 2022. – № 2 (46). – C. 13–21. – DOI: 10.48136/2222-0364_2022_2_13.

6. Sinha S., Kumaravadivel N. Understanding Genetic Diversity of Sorghum Using Quantitative Traits // Scientifica (Cairo). – 2016. – Vol. 2016. – е. 3075023. – DOI: 10.1155/2016/3075023.

7. Кибальник О.П., Ларина Т.В., Каменева О.Б. Селекционная ценность засухоустойчивых стерильных линий сорго // Аграрная наука Евро-Северо-Востока. – 2023. – Т. 24, № 2. – С. 187–193. – DOI: 10.30766/2072-9081.2023.24.2.187-193.

8. Куколева С.С. Использование кластерного анализа в селекции суданской травы // Международный научноисследовательский журнал. – 2021. – № 12–1 (114). – С. 129–133. – DOI: 10.23670/IRJ.2021.114.12.020.

9. Umakanth A.V., Nikhil B.S.K., Tonapi V.A. Genetic diversity studies in sorghum [Sorghum bicolor (L.) Moench], a candidate crop for biofuel production // Forage Research. – 2019. – Vol. 45(1). – P. 28–32.

10. Методика государственного сортоиспытания сельскохозяйственных культур. Вып. 2. – М.: Агропромиздат, 1989. – 194 с.

11. Чирков Ю.И. Определение площади листьев расчетным методом. – М., 1961. – С. 5–6.


Рецензия

Для цитирования:


Кибальник О.П., Кибальник С.В. Прогнозирование и подбор исходного материала в селекции сахарного сорго на основе кластеризации. Вестник НГАУ (Новосибирский государственный аграрный университет). 2024;(4):54-61. https://doi.org/10.31677/2072-6724-2024-73-4-54-61

For citation:


Kibalnik O.P., Kibalnik S.V. Forecasting and choice of the starting material in the selection of sugar sorghum based on clustering. Bulletin of NSAU (Novosibirsk State Agrarian University). 2024;(4):54-61. (In Russ.) https://doi.org/10.31677/2072-6724-2024-73-4-54-61

Просмотров: 62


Creative Commons License
Контент доступен под лицензией Creative Commons Attribution 4.0 License.


ISSN 2072-6724 (Print)