مکان یابی دو ژن مستقل کنترل کننده مقاومت به زنگ سیاه گندم (Triticum aestivum L.) با استفاده از روش تجزیه هاپلوتایپی و مدل سازی ژنتیکی
محل انتشار: فصلنامه علوم زراعی ایران، دوره: 19، شماره: 4
سال انتشار: 1396
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 164
فایل این مقاله در 15 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_AGRO-19-4_005
تاریخ نمایه سازی: 5 تیر 1401
چکیده مقاله:
با وجود روشهای متعدد برای مکانیابی ژن ها/QTLهای کنترلکننده صفات کمی، تا کنون روش جامعی جهت ترسیم نقشه ژنتیکی دو ژن کنترلکننده یک صفت کیفی که بطور مستقل روی فنوتیپ گیاه اثر می گذارند، ارائه نشده است. در این تحقیق جمعیت پایه F۲ گندم حاصل از تلاقی دو لاین RL۶۰۷۱ (حساس) و Tr۱۲۹ (مقاوم) با اسپور قارچ عامل بیماری زنگ سیاه (Puccinia graminis Pers.) تلقیح و جمعیت به دو گروه مقاوم و حساس تفکیک شد. نتایج ارزیابی فنوتیپی جمعیتهای F۲ و F۲:۳ نشاندهنده تفرق ۱۵:۱ جمعیت برای مقاومت به زنگ سیاه و وجود دو ژن غالب و مستقل بود. با استفاده از ۴۲۲ نشانگر مولکولی ریزماهواره که پوشش خوبی برای تمامی نواحی کروموزومی ۲۱ کروموزوم گندم نان داشتند، مشابهت بین آللهای بالکهای DNA لاینهای حساس و والدین حساس و مقاوم مورد ارزیابی قرار گرفت. از نشانگرهایی که تطابق آللی مناسبی بین بالک های حساس و والد حساس نشان دادند، برای بررسی تطابق آللی لاین حساس RL۶۰۷۱ با ۱۶۱ لاین F۲ استفاده شد. با استفاده از تفرق نشانگرهای ریزماهواره در جمعیت F۲ و مدلسازی ژنتیکی، حضور دو ژن غالب و مستقل برای کنترل مقاومت به زنگ سیاه در لاین Tr۱۲۹ مورد تایید قرار گرفت. بر مبنای نتایج حاصل از تجزیه ژنتیکی و تجزیه هاپلوتایپی، نشانگرهای مولکولی پیوسته با دو ژن، مکان قرار گرفتن این ژن ها روی کروموزومهای ۶A و ۲B گندم لاین Tr۱۲۹ ترسیم شد.
کلیدواژه ها:
Haplotype analysis ، Genetic modeling ، Stem rust of wheat ، SSR markers and Genetic maps ، تطابق آللی ، زنگ سیاه گندم ، نشانگرهای ریزماهواره و نقشه های کروموزومی
نویسندگان
حبیب اله قزوینی
موسسه تحقیقات اصلاح و تهیه نهال و بذر، سازمان تحقیقات آموزش و ترویج کشاورزی، کرج، ایران
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :