شناسائی QTLهای موثر در وزن هزار دانه جو با استفاده از نشانگرهای مولکولی
محل انتشار: فصلنامه بیوتکنولوژی کشاورزی، دوره: 9، شماره: 2
سال انتشار: 1396
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 438
فایل این مقاله در 16 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_JOAGK-9-2_002
تاریخ نمایه سازی: 20 خرداد 1398
چکیده مقاله:
این بررسی با هدف نقشه یابی نشانگرهای مولکولی پیوسته با ژن های مرتبط با وزن هزار دانه و عملکرد دانه در جو زراعی اجرا گردید. به منظور شناسایی QTLها، یک جمعیت شامل 148 هاپلوئید مضاعف (DH) برای صفات وزن هزار دانه و عملکرد دانه در طرح کاملا تصادفی با 3 تکرار در شرایط گلخانه ای مطالعه گردید. جمعیت هاپلوئید مضاعف حاصل تلاقی بین رقم اصلاح شده Clipper (با عملکرد بالا) و رقم محلی از الجزایر به نامSahara3771 (با عملکرد پایین) بود. در این تحقیق 30 نشانگر جدید ISSR به 466 جایگاه قبلی روی نقشه پیوستگی جمعیت اضافه گردید. نشانگرها در مجموع 1460 سانتیمورگان از ژنوم جو را پوشش داده و متوسط فاصله دو نشانگر مجاور 3 سانتیمورگان بود. تجزیه QTL منجر به شناسایی پنج QTL مرتبط با عملکرد دانه (بر روی کروموزومهای2H ,4H ,5H و 6H) شد که این مکان ها در مجموع 57 درصد از تنوع فنوتیپی عملکرد را توجیه میکردند. QTL واقع بر کروموزوم 2H با 20 درصد بزرگ اثرترین QTL بود. برای وزن هزار دانه نیز 3 عدد QTL شناسایی گردید که QTL واقع بر کروموزوم 2H با 69 درصد بزرگ اثرترین QTL بود. شناسایی QTLهای بزرگ اثر برای وزن هزار دانه و عملکرد، سودمندی استفاده از مارکرهای مولکولی در نقشهیابی ژنی برای صفات وزن دانه و عملکرد دانه را نشان میدهد که از این پتانسیل میتوان برای انتخاب به کمک نشانگر (MAS) در آیندهای نزدیک در برنامههای اصلاح برای بهبود عملکرد جو استفاده کرد.
کلیدواژه ها:
نویسندگان
زهرا پریخانی
دانش آموخته کارشناسی ارشد، دانشگاه آزاد اسلامی واحد مراغه، ایران.
بهزاد صادق زاده
دانشیار، موسسه تحقیقات کشاورزی دیم کشور، سازمان تحقیقات آموزش و ترویج کشاورزی، مراغه، ایران.
سید ابوالقاسم محمدی
استاد، گروه به نژادی و بیوتکنولوژی گیاهی، دانشکده کشاورزی، دانشگاه تبریز، 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 :