بررسی تنوع ژنتیکی برخی از لاینهای گندم دوروم با استفاده از نشانگرهای ISSR
سال انتشار: 1391
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 713
متن کامل این مقاله منتشر نشده است و فقط به صورت چکیده یا چکیده مبسوط در پایگاه موجود می باشد.
توضیح: معمولا کلیه مقالاتی که کمتر از ۵ صفحه باشند در پایگاه سیویلیکا اصل مقاله (فول تکست) محسوب نمی شوند و فقط کاربران عضو بدون کسر اعتبار می توانند فایل آنها را دریافت نمایند.
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
AGRIBIOTECH03_322
تاریخ نمایه سازی: 27 تیر 1392
چکیده مقاله:
گندم دوروم با داشتن حدود 21 میلیون هکتار سطح زیر کشت در جهان بیش از ده درصد سطح زیر کشت گندم را به خود اختصاص داده است و یکی از محصولات مهم زراعی به حساب میآید. اطلاع از تنوع ژنتیکی ارقام و لاینهای مورد استفاده این گیاه در برنامههای اصلاحی حائز اهمیت میباشد. در این مطالعه 23 لاین گندم دوروم و ارقام زردک )دوروم( و سرداری )نان( به عنوان شاهد، با استفاده از 5 ترکیب آغازگری ISSR ارزیابی شدند. باندها برای تشکیل ماتریس جفتی یک و صفر بر مبنای حضور و عدم حضور، رتبهبندی شدند. نتایج حاصله توسط نرم افزار NTSYS-pc مورد تجزیه قرار گرفت و دندروگرام بر اساس الگوریتم Complete و ضریب دایس ترسیم شد. نتایج تجزیه خوشهای ارقام را در 3 گروه قرار داد. همچنین نشان داد که کمترین فاصله ژنتیکی بین ژنوتیپهای 11 و 14 با میزان تشابه 0/91 بیشترین فاصله بین ژنوتیپهای 1 و 13 با میزان تشابه 0/36 میباشد. ضریب همبستگی کوفنتیک نیز نشان داد که دندروگرام توجیه مناسبی از همبستگی است. نتایج حاصل از محتوای چند شکلی PIC نشان داد که IS3 با 0/34 دارای بالاترین مقدار PIC و IS1 با 0/22 دارای کمترین مقدار آن است، در این آزمایش میانگین PIC برابر 0/29 می باشد.
کلیدواژه ها:
نویسندگان
نگین کرمی
دانشگاه آزاد اسلامی واحد کرمانشاه، گروه اصلاح نباتات
علیرضا زبرجدی
دانشگاه رازی کرمانشاه، ، گروه زراعت و اصلاح نباتات-دانشگاه رازی کرمان
علیرضا اطمینان
دانشگاه آزاد اسلامی واحد کرمانشاه، گروه اصلاح نباتات
امیر کیوان کفاشی
مرکز تحقیقات کشاورزی و منابع طبیعی کرمانشاه
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 :