مکانیابیQTLهای موثر در وزن دانه و عملکرد در جمعیت دابلدهاپلویید جو با استفاده از نشانگرهایSSR و ISSR
سال انتشار: 1393
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 539
فایل این مقاله در 5 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:
CIGS13_0751
تاریخ نمایه سازی: 7 بهمن 1393
چکیده مقاله:
بسیاری از صفات مهم زراعی و اقتصادی نظیر عملکرد دانه جزو صفات کمی بوده و توسط چندین ناحیه ژنومی کنترل میشوند. برای مطالعه چنین صفاتی استفاده از تجزیهQTLمی تواند در شناسایی نواحی ژنومی کنترل کننده چنین صفاتی مفید باشد. از اینرو این تحقیق به منظور شناسایی نشانگرهای مولکولی پیوسته با ژنهای مرتبط با وزن دانه و عملکرد در جو اجرا گردید. به منظور شناسایی QTLها، یکجمعیت شامل 148 دابلدهاپلوئیدDHبرای وزن دانه و عملکرد در طرح کاملا تصادفی با 3 تکرار در شرایط گلخانهای مطالعه گردید جمعیت دابلدهاپلوئید حاصل تلاقی بین رقم اصلاح شدهClipperبا عملکرد خوب) و رقم محلی از الجزایر به نام 3771Saharaباعملکرد کم) بود. در این تحقیق 30 نشانگر جدیدISSRبه 466 جایگاه قبلی روی نقشه پیوستگی جمعیت اضافه گردید. نشانگرها درمجموع 1460 سانتیمورگان را پوشش داده و متوسط فاصله دو نشانگر مجاور 3 سانتیمورگان بود. تجزیهQTL منجر به شناسایی پنجQTLمرتبط با عملکرد دانه شد که 57 درصد از تنوع فنوتیپی را توجیه میکرد؛ که بر روی کروموزومهای 6H 2 و H ,4H ,5H واقع شدهاند. کهQTLواقع بر کروموزوم2Hبا 20 درصد بزرگ اثر ترینQTLبود. برای وزن دانه نیز 3QTLشناسایی گردید کهQTLواقع برکروموزوم2Hبا 69 درصد بزرگ اثرترینQTLبود. شناساییQTLهای بزرگ اثر در وزن دانه و عملکرد، سودمندی استفاده از مارکرهای مولکولی در نقشهیابی ژنی برای عملکرد دانه را نشان میدهد که از این پتانسیل میتوان برای انتخاب به کمک نشانگرMAS در آیندهای نزدیک در برنامه های اصلاح برای بهبود عملکرد جو استفاده کرد
کلیدواژه ها:
نویسندگان
زهرا پریخانی
دانشجوی کارشناسی ارشد دانشگاه آزاد اسلامی واحد مراغه
بهزاد صادق زاده
استادیار موسسه تحقیقات کشاورزی دیم کشور، مراغه، ایران
سیدابوالقاسم محمدی
استاد گروه زراعت و اصلاح نباتات، دانشکده کشاورزی، دانشگاه تبریز
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 :