Створення баз даних фенотипових ознак та добір ліній соняшнику особливого призначення

Размещено на http://www.allbest.ru/

1 Інститут олійних культур Національної академії аграрних наук України 2Національний університет Запорізька політехніка

Створення баз даних фенотипових ознак та добір ліній соняшнику особливого призначення

Т. В. Махова1

С. Р. Ведмедєв2

О. І. Поляков 1

CREATION OF DATABASES OF PHENOTYPIC SIGNS AND ADDING LINES OF SPECIAL RECOGNITION

T. V. Makhova1, S. R. Vedmedev2, O. I. Polyakov 1

institute of Oilseed Crops of the National Academy of Agrarian Sciences of Ukraine 2National University of Zaporizhzhya Polytechnic

Genetic diversity of resources is mainly studied from four aspects: plant phenotypic diversity, cell diversity, biochemical diversity and molecular diversity. Modern science pays a lot of attention to phenotyping and, accordingly, phenotypic diversity. The appearance of new requests from users in the form of confectionery sunflowers or sunflowers for bird feed, and possibly other specific requests, poses the task of creating a suitable product. Genetic resources can provide these needs. But for their effective use, it is necessary to improve the methods and approaches of assessment and selection. Breeders require a large amount of qualities from the source breeding material, sometimes they are very diverse. Unfortunately, most of these signs are determined and described by the visual perception of observers. This is very little for a real assessment of linear material. The purpose of our research was to create a database of morphological features, establish the possibilities of the breeder's work with them and carry out selection according to the given characteristics.

The collections of the Institute of Oil Crops consist of 714 sunflower samples, of which 472 are samples of linear material. About 200 sunflower samples are grown annually on the experimental field. These samples are described according to the VOS and UPOV methods. But the existing descriptions in the course of the work need to be expanded and improved. During the existence of the laboratory of genetic resources, methods for determining the color of sunflower seeds and determining the color of marginal flowers were developed and patented. Improvements to the description of the sunflower were proposed and new features were included. Seed phenotyping methods are currently under development, new devices and programs for its evaluation are being created.

The selection was made based on the data of linear samples for 2019-2020. For this study, the information of the morphological visual description, the known information about the inheritance of traits and the software computer determination of some of the parameters were combined. Further sorting and statistical processing of the results took place in the Excel table editor. The selection was carried out according to the following characteristics: early maturity (from 90 to 150 cm), oil content from 35%, susceptibility to diseases, morphological dimensions and description of the phenotype of plants according to VOS. Among the samples included in the final list, the least affected lines were: APS 33, InK85, KP11B, L14B, I2K87 ZL169, on which only fomosis was observed. Among the research samples, some were not affected by any of the diseases, these include: I2K2003-1 and L13B.

The selected samples were examined in more detail according to the characteristics of the seeds: size, shape, weight, husk color. There are samples with a predominance of the area of light stripes, or vice versa. APS 33 has yellow stripes and a brown main background. This is not in the VOS test description options. The most valuable for comparing descriptions was the information on the inheritance of the color of the layers of the ovary. In particular, striation, dark or light color of the epidermis is controlled by three alleles. The presence of a carapace layer with one P gene, and three allelic states of the color of the hypodermis.

To analyze the images of seeds, we used a program for measuring the size and their configuration, which was developed in the Python programming language. Viewing one photo takes about two seconds. At that time, the description of one seed by a person is about two minutes. In particular, as it turned out, even the averaged RGB color indicators showed a fairly clear pattern. Not only the black and white seeds are distinguished, but also the striped ones are arranged in color.

The results of our research, as well as the publications of other scientists, show the need to involve modern accurate methods of measuring and analyzing information with the help of software. In terms of seed mass, the collection lines VIR130 and In18928 with white seeds and KP11B - selection line of confectionary sunflowers had really large seeds. Most of the stripers were of moderate weight. For small birds, samples I2K2003-2, I2K2o03-1, InK2238 and InK430, which had a weight of 1000 seeds from 29 to 41 g, will be optimal.

Selection of sunflower lines was carried out based on a set of database features. 13 sunflower lines were obtained, of which 4 selection lines with black seeds, 4 large-seeded lines with a weight of 1000 seeds of more than 62 g, one with white seeds, 8 striped lines. This set of lines, based on its qualities, will allow to create breeding material for special areas of use: confectionery and bird feed.

Key words: sunflower, line, database, morphological characteristics, genotype, phenotype, sustainability.

Створена база даних фенотипових ознак ліній соняшнику, яка включає опис за методикою ВОС, кількісні вимірювання рослин та їх органів, програмний аналіз зображень насіння, інформацію з успадкування окремих ознак. Проведено сортування ліній за комплексом морфологічних ознак колекцію ліній та відібрано 13 ліній з заданими якостями: розміром та кольором насіння, відносною стійкістю проти хвороб, ранньостиглістю, стабільністю ознак ВОС тесту, відповідним вмістом олії у насінні. Виділені лінії застосовані для отримання вихідного матеріалу соняшнику спеціального призначення для кондитерського, або кормового використання. Виявлено перевагу програмного визначення забарвлення насіння у порівнянні з ВОС тестом, та швидший результат у порівнянні зі створенням візуального опису. Розробка програм аналізу фотографій насіння та рослин або їх органів, створення за їх допомогою баз даних створить ґрунтовну та широку оцінку ліній соняшнику.

Ключові слова: соняшник, лінія, база даних, морфологічні ознаки, генотип, фенотип, стійкість

база фенотиповий морфологічний соняшник

Вступ

Генетичні ресурси соняшнику є основним матеріалом для виведення нових гібридів. Генетичне різноманіття ресурсів в основному вивчається з чотирьох аспектів: фенотипове різноманіття рослин, різноманітність клітин, біохімічне різноманіття та молекулярне різноманіття. Сучасна наука приділяє багато уваги фенотипуванню і відповідно фенотиповому різноманіттю (Feng et al., 2019) . Соняшник одна з головних і рентабельних культур України (Chekhova I., 2022). Але поява нових запитів від користувачів у вигляді кондитерського соняшнику, або соняшнику для пташиних кормів і інших специфічних запитів ставить завдання добору та створення відповідного продукту (Kayo et al., 2012). Для створення такого продукту потрібно мати вихідний матеріал з відповідними якостями. Генетичні ресурси можуть забезпечити ці потреби. Але для ефективного їх користування потрібно вдосконалювати методи і підходи оцінки та добору.

Так у дослідженнях Kholghi, Maryam з співавторами було вивчено колекцію з 36 популяцій кондитерського соняшнику що походять з різних регіонів Північно-Західного Ірану за допомогою кластерного аналізу 15 морфологічних ознак. Результати показали відсутність зв'язку між моделлю кластеризації та еколого-географічним розподілом генотипів, і дозволили прогнозувати найбільш відмінні зразки для прояву гетерозису гібридів (Kholghi et al., 2011). Комбінаційна здатність є однією з найважливіших якостей, які селекціонери використовують для ідентифікації кращих інбредних ліній на основі їх продуктивності в гібридних комбінаціях. Найкращою стратегією відбору є виявлення загальної комбінаційної здатності на ранніх стадіях інбридингу, та специфічної комбінаційної здатності для кількох унікальних комбінацій (Chigeza et al., 2014). Комбінаційну здатність, як і інші важливі вихідні параметри, потрібно вивчати на лінійному матеріалі.

Колекції ліній соняшнику створено у кожній установі де займаються селекцією соняшнику. На сьогоднішній день найбільш вивчені у світі колекції соняшнику належать INTA (Аргентина), INRA (Франція) та USDA-UBC (Сполучені Штати Америки-Канада). У більшості робіт оцінка різноманітності колекцій, як і добір відбувається за молекулярними маркерами (Filippi, Carla 2020). Колекції зародкової плазми соняшнику є цінними ресурсами для розширення генетичної бази комерційних гібридів і зниження ризику кліматичних явищ. В описах колекцій використовують ознаки з високою успадковуваністю: висоту рослини (83,25 %), масу 1000 насінин (69,33 %), діаметром кошику (56,89 %). Значно меншу успадковуваність у 46,53 % має ознака врожайності насіння з рослини (Jockovic et al., 2019).

Селекціонери вимагають від вихідного селекційного матеріалу великий обсяг якостей, іноді вони дуже різнопланові. Зокрема при доборі ліній соняшнику для вихідного матеріалу селекції кондитерського напряму, або для створення пташиних кормів це такі ознаки як: крупність насіння, забарвлення насіння, довжина вегетаційного періоду, стійкість проти хвороб та шкідників, олійність насіння, морфометричні показники, стійкість до абіотичних умов, тощо. На жаль більшість з цих ознак визначають та описують за зоровим сприйняттям спостерігачів. Цього дуже мало для дійсної оцінки лінійного матеріалу. Таке спостереження містить багато помилок і щоб їх уникнути треба переходити до більш сучасних методів оцінки. Для кожної селекційної мети використовують свій набір ознак (Radanovic et al., 2018). Це ознаки зі встановленим успадкуванням, або знайденими генами за допомогою молекулярних маркерів. Визначення кола цих ознак та способів їх виділення головне завдання селекціонера. Від вирішення цього завдання залежить якість отриманого результату та успіх селекції.

Метою нашого дослідження було створення баз даних морфологичних ознак, встановлення можливостей роботи селекціонера з ними та проведення добору за заданими характеристиками.

Матеріали та методи досліджень

Колекції Інституту олійних культур складають 714 зразків соняшнику з яких 472 зразки лінійного матеріалу. Щорічно вирощується близько 200 зразків соняшнику на дослідному полі. Технологія обробітку ґрунту класична (Polyakov et al., 2022). Посів ручними саджалками з міжряддям 70 см і густиною стояння рослин 40 тис. рослин на гектарі. Кожен зразок вирощується на ділянці площею не менше 14 м2. Вимірювання ознак відбувається не менш ніж у п'яти повтореннях. Ці зразки щорічно описують згідно з методиками ВОС ("Методика проведення експертизи сортів рослин групи олійних на відмінність, однорідність і стабільність," 2003) та UPOV (UPOV, 2018). Але наявні описи у ході роботи потребують розширення та вдосконалення. За час існування лабораторії генетичних ресурсів було розроблено та запатентовано способи визначення забарвлення насіння соняшнику (Vedmedeva K.V., 2016) та визначення забарвлення крайових квіток (Vedmedeva, K.V, 2014). Було запропоновано вдосконалення опису соняшнику і залучено нові ознаки. Зараз знаходяться у стадії розробки методи фенотипування насіння, створюються нові прилади та програми для його оцінки.

Добір здійснювали за створеними базами даних лінійних зразків за 20192020 рр. Статистична обробка результатів проведена у вигляді середніх значень і похибок (Schmuller, 2021).

Результати досліджень та їхнє обговорення

Для цього дослідження було поєднано морфологічний візуальний опис, відому інформацію що до успадкування ознак та програмне комп'ютерне визначення частини параметрів. Усі лінії які висівають у лабораторії з 2019 р. ми намагаємось описати та внести у базу даних параметри визначені по фото насіння (Aliev E.B. and Vedmedeva K.V., 2023) та по фото квіток, встановлені гени та їх алельний стан. На основі усіх визначених ознак було створено бази даних ознак. Подальше сортування та статистична обробка результатів відбувалась у табличному редакторі Exel.

Перша ознака добору ранньостиглість. У зоні Півдня України посушливі умови вегетації зумовлюють втрату, або зменшення врожаю насіння ліній, які починають цвітіння пізніше. Практично початок цвітіння у соняшнику спостерігається від 26 червня до початку серпня. Як оптимально можливий строк було обрано середину 12 липня. З загальної кількості 400 зразків відібрано 220 зразків з строком початку цвітіння раніше ніж 12 липня. Далі сортували за висотою рослин. Для лінії яку використовують у селекції гібридів є неприйнятним наявність високо рослості (більше 150 см) та дійсних генів карликовості (менше 90 см). Ліній з такими ознаками не так і багато, тому після добору залишилось 187 ліній. Одна з дуже важливих селекційних ознак для олійних культур це вміст олії. Ця ознака добре успадковується і контролюється рецесивним станом генів. Для пташиних кормів насіння соняшнику з дуже високими показниками вмісту олії не бажані. А ось кондитерське використання крупноплідного соняшнику на нашому українському ринку потребує солодкого насіння, що досягається наявністю олії близько 45 %. Тому наступним етапом проведено добір на олійність. Відповідно з бази даних відібрано зразки з олійністю від 35 % і вище. Цей етап зменшив кількість ліній до 48.

За описом якісних ознак представлених у таблиці 1 можна з'ясувати і виділити лінії які мали різний опис у різні роки. Наявність відмінних градацій, особливо у більш ніж одній ознаці показує генетичні домішки, або не стабільність ліній чи ознак. Добір за цими ознаками включав лише виявлення нестабільних ліній. Таких було виявлено 12 ліній. Ця частина інформації на нашу думку найбільш витратна і складна у виконанні збирання інформації. З нашими минулими дослідженнями встановлено що досить не велика кількість з представлених у ВОС ознак може бути використана у оцінці генетичного потенціалу ( Vedmedeva K. V.et al., 2022).

Кількісні вимірювання ліній представлені у таблиці 2. Розмір листка та черешку іноді вказує на порушення густоти посіву, або як що це генетично обумовлений факт, то він контролюється рецесивним станом генів і занадто велика листова поверхня в умовах посухи виявляється дуже невигідною. Тому, при проведені фільтрації зразків було відкинуто ще 2 зразки. За ознакою гілкування не було запиту про проведення фільтрації, тому до відібраних зразків потрапили лінії з наявним гілкуванням та без нього. Важлива ознака кількості

Якісні ознаки ліній соняшнику за методикою BQC (2019--2020)

Примітка: знаки градації використані з методики ВОС

Таблиця 2

Кількісні вимірювання ліній соняшнику (2019 2020)

Примітка: Після знаку ± надано .значення похибки

Забарвлення насіння соняшнику за різними варіантами опису (2019-2020)

Примітка: Сім'янка: смужки на краях: 1 - відсутні або дуже слабко виражені, 2 - слабко виражені 3- сильно виражені Сім'янка: смужки між краями 1 - відсутні або дуже слабко виражені, 2 - слабко виражені 3- сильно виражені

Далі враховували показники враження хворобами на колекційних лініях. Усі лінії які мали ураження кожного року за трьома з виявлених хвороб (фомоз, альтернаріоз, септоріоз, їржа) були відібрані як не придатні. Це фактично складало половину з виділених ліній 13. Зі зразків, які увійшли у кінцевий список найменш враженими виявились лінії: APS 33, InK85, КП11Б, Л14Б, I2K87 ЗЛ169, на яких спостерігали лише фомоз. Дослідні зразки I2K2003-1 та Л13Б не мали ураження жодною з хвороб.

Залишок зразків ми розглянули більш детально за ознаками насіння, а саме його розмір, форма, маса, забарвлення лушпиння. Так добір за цими ознаками важливий, однак не може бути таким однозначним, тому що шукали лінії з смугастим забарвленням для пташиних кормів, які будуть мати досить невеликі розміри насіння, та великонасіннєві соняшники для кондитерських гібридів з можливими варіантами різних забарвлень насіння. Виділені 13 ліній оцінені візуально за ознаками ВОС тесту (3-5 стовпчики таблиці 3).

Наявність смужок по краях насінини виявлена в 9 лініях, в шести з них спостерігались смужки і на основному фоні - між краями. За класифікацією ВОС можливі смужки білого, сірого, чорного та коричневого кольору. У відібраних зразках спостерігали білий та сірий. Але у цих градаціях площа смужок ні як не визначається.

Однак фактично є зразки з переважанням площі світлих смуг, або навпаки. APS 33 взагалі має жовті смуги та коричневий основний фон, чого немає у варіантах опису тесту ВОС, тому у таблиці представлено і варіант звичайного опису насіння на вигляд, який частково колись використовували у класифікаторах. Найбільш цінним у відібраних зразках виявили наявність інформації з успадкування забарвлення шарів оплодню. Зокрема смугастість, темне або світле забарвлення епідермісу контролюється трьома алелями. Наявність панцирного шару одним геном Р, та три алельних стани забарвлення гіподерми.

Для аналізу зображень насіння використали програму вимірювання розмірів та їх конфігурації, яка розроблена на мові програмування Pyton (Vedmedeva K.V., 2022). Розгляд одного фото займає близько двох секунд. В той час опис однієї насінини людиною близько двох хвилин. Зокрема як з'ясувалась навіть усереднені показники кольору RGB показали досить чітку закономірність за якою лінії і розташували у таблиці 3. Як видно з неї сучасні методи аналізу виглядають більш точно ніж опис за методикою ВОС. А саме чітко виділили не лише чорні та білі насінини, але й розташували за кольором смугасті. Стало зрозуміло що панцирність у смугастих насінин відносить їх до більш темнозабарвлених. Крім того такий метод опосередковано показує наявність більшої площі у білих смуг. Можливість застосування цієї ознаки в такому вимірі виявилось досить достовірним у порівнянні з генотиповим описом. Тому цю ознаку можливо використовувати вже на великих обсягах і у самому початку добору у майбутньому. Але наступною нашою задачею буде розробка програми, яка зможе виділити та визначити смугастість і окремо колір смуг. Тоді можна бути повністю виключити візуальний опис забарвлення для опису та контролю колекцій.

У таблицю 4 включили визначені програмою розміри насіння у пікселях і масу насіння у перерахунку на масу 1000 насінин.

Кількісні показники фенотипу насіння (2019-2020)

Таблиця 4

За масою насіння крупне насіння мали колекційні лінії ВИР130 і In18928 з білим насінням та КП11Б - селекційна лінія кондитерського соняшнику. Більшість смугастих ліній мали помірну вагу. Для маленьких пташок оптимальними будуть зразки I2K2003-2, I2K2003-1, InK2238 та !пК430, які мали масу 1000 насінин від 29 до 41 г. Програмний варіант визначення розміру насіння виявився досить мінливим для ширини насіння, що пов'язано з недоліками програми, яка вимірює середину малюнка без врахування форми. Цей досвід допоможе вдосконалити програму і знайти більш точний спосіб вимірювання ширини. Однак довжина та товщина насіння виявились значно стабільнішими. Довжина насінини в цьому досліді мала коефіцієнт кореляції з масою 1000 насінин 0,48. У деяких наших попередніх дослідженнях, де розмір вимірювався для окремих зон кошику, коефіцієнт кореляції між тими ж ознаками сягав 0,69 ( Vedmedeva K.V, et al., 2023). Це свідчить про ще один з методів покращення інформації що до опису насіння: необхідність чіткого визначення розташування вимірюваних насінин у окремій зоні кошику.

Аналіз історичної зміни морфології насіння соняшнику та його кількості показує що перехід на одно кошикові форми призвів до зниження пластичності кількості насіння та збільшення мінливості розміру насіння та його чутливості до ресурсів у порівнянні з їхніми дикими предками (Sadras, 2007). Розуміння процесу одомашнення та оцінка поточної ситуації щодо доступних генотипових варіацій є важливими для того, щоб селекціонери могли вирішувати нові завдання. Для їх вирішення використовують сучасні методи: кластеризацію, бази даних, програмну обробку та отримання вимірювань фенотипового, біохімічного та молекулярного аналізу (Radanovic et al., 2018). Результати наших досліджень як і публікації інших вчених (Rojas-Barros et al., 2008) показують необхідність залучення сучасних точних способів вимірювання та аналізу інформації за допомогою програмного забезпечення.

Висновки

Створено фенотипові бази даних ознак ліній соняшнику, які включають ознаки за ВОС тестом, кількісні вимірювані ознаки насіння та рослин, кількісні вимірювання програмного продукту за фото насіння.

Проведено добір ліній соняшнику ліній за комплексом ознак баз даних. Отримано 13 ліній соняшнику з яких 4 селекційні лінії з чорним насінням, 4 крупнонасіннєві лінії з масою 1000 насінин більше 62 г, одна з білим насінням, 8 смугастих ліній. Цей набір ліній по свої якостях дозволить створити селекційний матеріал для спеціальних напрямів використання: кондитерського та пташиних кормів.

Виявлено перевагу програмного визначення забарвлення насіння у порівнянні з ВОС тестом, та швидший результат у порівнянні зі створенням візуального опису. Розробка програм аналізу фотографій насіння та рослин або їх органів, створення за їх допомогою баз даних створить ґрунтовну та широку оцінку ліній соняшнику.

References

Aliyev E. B., & Vedmedyeva K.V. (2023). Matematychna model' rozmishchennya nasinnya sonyashnyku u koshyku. Naukovo-tekhnichnyy byuleten' Instytutu oliynykh kul'tur NAAN, 34, 15-23

Chekhova I. (2022) Osoblyvosti funktsionuvannya rynku oliynykh kul'tur v Ukrayini. Scientific & Technical Bulletin of the Institute of Oilseed Crops NAAS. № 32

Chigeza, G., Mashingaidze, K., & Shanahan, P. (2014). Advanced cycle pedigree breeding in sunflower. II: combining ability for oil yield and its components. Euphytica, 195(2), 183-195. doi:10.1007/s10681-013-0985-0

Guidelines for the conduct of tests for distinctness, uniformity and stability Sunflower (Helianthus annuus L.) (2020) Sunflower

https://www.upov.int/edocs/mdocs/upov/en/twa_47/tg_81_7_proj_1.pdf, p. 44 TG/81/7

Feng, B., Wei, Z., Yang, H., Li, H., & Lin, T. (2019). Research Progress on Genetic Diversity of Sunflower Germplasm Resources. Molecular Plant Breeding, 17(19), 6558-6562

Jockovic, M., Jocic, S., Prodanovic, S., Cvejic, S., Jockovic, J., Radanovic, A., et al. (2019). Genetic advance and regression analysis in sunflower. Genetika- Belgrade, 51(3), 1075-1087. doi:10.2298/gensr1903075j

Kayo, Y., Jocic, S., & Miladinovic, D. (2012). Sunflower. Technological Innovations in Major World Oil Crops, Vol 1: Breeding, 85-129. doi:10.1007/978-1- 4614-0356-2_4

Kholghi, M., Bernousi, I., Darvishzadeh, R., & Pirzad, A. (2011). Correlation and path-cofficient analysis of seed yield and yield related trait in Iranian confectionery sunflower populations. African Journal of Biotechnology, 10(61), 13058-13063

Metodyka provedennia ekspertyzy sortiv roslyn hrupy oliinykh na vidminnist,odnoridnist i stabilnist (2020) Zatverdzheno nakazom Ministerstva ahrarnoi polityky ta prodovolstva Ukrainy vid 16 hrudnia 2016 roku No 547 (zi zminamy ta dopovnenniamy vnesenym nakaz o m: Minekonomiky vid 27 zhovtnia № 2162 - 20)

Pat. 107096 Ukrayina, MPK A01S 1/00 Sposib vyznachennya zabarvlennya sim"yanok sonyashnyku / Vedmedyeva K. V., Polyakova N. A.; zayavnyk i patentovlasnyk : Instytut oliynykh kul'tur NAAN - № u2015 10357; zayavl. 23.10.2015 ; opubl. 15.05.2016. Byul. № 10.- Rezhym dostupu:

http://uapatents.com/5-107096-sposib-viznachennya-zabarvlennya-simyanok- sonyashniku.html

Pat. 87462 Ukraina, MPK A01G 7/00 Sposib vyznachennia zabarvlennia kraiovykh kvitiv soniashnyku / Vedmedieva K.V.; zaiavnyk y patentovlasnyk : Instytut oliinykh kultur NAAN - № u2013 09730; zaiavl. 05.08.2013; opubl. 10.02.2014. Biul.№3. Ssilka na dokument http://uapatents.com/4-87462-sposib-viznachennya- zabarvlennya-krajjovikh-kvitiv-sonyashniku.html

Polyakov O.I., Nikitenko O.V., Litoshko S.V. (2020) Improved technology for growing sunflower hybrids in the conditions of the southern Steppe of Ukraine / Institute of oil crops of the National Academy of Sciences - Zaporizhzhia,. - 12 p.

Polyakov, O., Nikitenko, O., & Soroka, A. (2022). Productivity of sunflower hybrids depending on the density of plant standing at different sowing times. Scientific & Technical Bulletin of the Institute of Oilseed Crops NAAS, (32).

Radanovic, A., Miladinovic, D., Cvejic, S., Jockovic, M., & Jocic, S. (2018). Sunflower Genetics from Ancestors to Modern Hybrids-A Review. Genes, 9(11). doi:10.3390/genes9110528

Rojas-Barros, P., Hu, J. G., & Jan, C. C. (2008). Molecular mapping of an apical branching gene of cultivated sunflower (Helianthus annuus L.). Theoretical and Applied Genetics, 117(1), 19-28. doi:10.1007/s00122-008-0748-9

Ryabchun, V. K., Kuz'myshyna, N. V., Bohuslavs'kyy, R. L., Bondarenko, V.

M., Muzafarova, V. A., Kholod, S. M., ... & Kurdin, O. O. (2014). Shlyakhy zbahachennya Natsional'noho henbanku roslyn Ukrayiny. Henetychni resursy roslyn, (14), 5-21

Sadras, V. O. (2007). Evolutionary aspects of the trade-off between seed size and number in crops. Field Crops Research, 100(2-3), 125-138.

doi :10.1016/j .fcr.2006.07.004

Schmuller, J. (2021). Statistical analysis with Excel for dummies. John Wiley

& Sons

Vedmedev S. R., Tereshchenko E. V. (2022). Stvorennya tsyfrovoyi modeli sonyashnyka. Suchasni problemy i dosyahnennya v haluzi radiotekhniky, telekomunikatsiy ta informatsiynykh tekhnolohiy: Tezy dopovidey KHI

Mizhnarodnoyi naukovo-praktychnoyi konferentsiyi (12-14 hrudnya 2022 r., m. Zaporizhzhya). [Elektronnyy resurs] / Elektron. dani. -Zaporizhzhya: NU «Zaporiz'ka politekhnika». 136-137

Vedmedeva, K., Nosal, O., Poliakova, I., & Machova, T. (2023). Correlations of confectionary seed traits in different head zones sunflower. doi:doi:10.1515/helia- 2023-0012

Vedmedeva, K. V., Makhova, T. V., & Yakubenko, O. V. (2022). Grounding with ocremis of identification sign to the sonia for the methods of the description of UPOV and VOS. Scientific and Technical Bulletin of the Institute of Oilseed Crops NAAS, 2(33)

Размещено на Allbest.ru/