Bread wheat lines for grain yield stability using AMMI and GGE biplot analysis

Líneas de trigo harinero para la estabilidad del rendimiento de grano mediante los análisis biplot AMMI y GGE

The study focused on assessing the stability of 55 F_5:8 bread wheat genotypes across multiple locations in Khyber Pakhtunkhwa, Pakistan. Using an alpha lattice design over two years during 2014 and 2015, researchers analyzed the genotype × environment (GE) interaction and its impact on grain yield. Results from the additive main effect and multiplicative interaction (AMMI) analysis highlighted significant GE interactions influencing grain yield variability. Genotypes, environments, and their interaction contributed 9.0 %, 35.1 %, and 28.9 %, respectively, to total explainable phenotypic variation, respectively. Certain genotypes, such as G17, G45, and G40 showed average yield at well across different environments, while G58, G53 and G1 excelled in specific environments. GGE biplot analysis identified stable genotypes (e.g., G51, G36, and G53) and grouped environments into mega-environments based on yield performance. The AMMI and GGE biplot analyses explained similar proportions of the genotype × environment interaction (56.1 % and 55.5 %, respectively). Because the two methods have complementary objectives, AMMI was used to investigate GE interaction patterns, whereas GGE biplot facilitated genotype evaluation, mega-environment identification, and visualization of genotype performance, the two methods should be regarded as complementary rather than competing tools for evaluating genotype performance across environments.

El estudio se centró en evaluar la estabilidad de 55 genotipos de trigo panificable F_5:8 en diversas localidades de Khyber Pakhtunkhwa, Pakistán. Mediante un diseño de alfa látice durante los años 2014/15 y 2015/16, se analizó la interacción genotipo × ambiente (G×A) y su impacto en el rendimiento de grano. Los resultados del análisis de efectos principales aditivos e interacción multiplicativa (AMMI) destacaron interacciones G×A significativas que influyeron en la variabilidad del rendimiento de grano. Los genotipos, los ambientes y su interacción contribuyeron con un 9,0 %, un 35,1 % y un 28,9 % a la variación fenotípica total explicable, respectivamente. Algunos genotipos, como G17, G45 y G40, mostraron un desempeño promedio, constante en diferentes ambientes, mientras que G8, G53 y G1 sobresalieron en ambientes específicos. El análisis biplot G×A identificó genotipos estables (p. ej., G51, G36 y G53) y agrupó los ambientes en megaambientes según su rendimiento. Los modelos AMMI y GGE explicaron proporciones similares de la interacción G×A (56,1 % y 55,5 %, respectivamente), una diferencia demasiado pequeña como para indicar la superioridad de un modelo sobre el otro. Dado que el biplot GGE, a diferencia de AMMI, permite una interpretación válida, ambiente por ambiente mediante el producto interno de la matriz del biplot, ambos métodos deben considerarse herramientas complementarias, y no competidoras, para evaluar el desempeño genotípico en distintos ambientes.