ارزیابی تنوع ژنتیکی در ژنوتیپ های چغندرقند (Beta vulgaris L.) با استفاده از نشانگر ISSR
محل انتشار: فصلنامه بیوتکنولوژی کشاورزی، دوره: 9، شماره: 2
سال انتشار: 1396
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 423
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_JOAGK-9-2_007
تاریخ نمایه سازی: 20 خرداد 1398
چکیده مقاله:
چغندرقند یکی از مهمترین گیاهانی است که در تامین غذای مردم جهان نقش کلیدی دارد و از نظر ارزش غذایی در ردیف برنج، ذرت، گندم، سیبزمینی و حبوبات قرار دارد. تعیین میزان تنوع ژنتیکی در مواد گیاهی گام اولیه برای شناسایی، حفظ و نگهداری ذخایر توارثی و طراحی برنامه های اصلاحی میباشد. بهمنظور بررسی تنوع ژنتیکی در 20 ژنوتیپ چغندرقند، از 20 آغازگر ISSR استفاده گردید. بعد از استخراج DNA و تکثیر قطعات با استفاده از آغازگرهای ISSR، نوارهای حاصله امتیازبندی شدند و تجزیههای آماری صورت گرفت. شاخصهای تنوع ژنتیکی بهدست آمده در ژنوتیپهای چغندرقند مورد مطالعه نشان داد که بیشترین میزان محتوای اطلاعات چند شکلی (PIC) مربوط به مکان UBC853 (38/0) و کمترین میزان PIC مربوط به مکان UBC847 (13/0) بود. همچنین بیشترین میزان شاخص شانون که نشان دهنده تنوع بین جمعیتی است، مربوط به مکانUBC830 (32/4) در حالی که مکان ژنی UBC847 دارای کمترین میزان شاخص شانون (58/0) بود. تجزیه خوشهای براساس دادههای مولکولی با استفاده از ضریب تشابه جاکارد و روش UPGMA، ارقام را در 4 گروه اصلی قرار داد. براساس نتایج حاصل از تجزیه به مولفههای اصلی، سه مولفه اول به ترتیب 67/72، 99/5 و 05/4 درصد از واریانس کل را توجیه کردند. گروهبندی حاصل از مولفههای اصلی، نتایج تجزیه خوشهای را تا حدی تایید کرد. از نتایج حاصل از این مطالعه میتوان در برنامههای بهنژادی چغندرقند استفاده نمود.
کلیدواژه ها:
نویسندگان
حمیده کیخسروی
دانشجوی کارشناسی ارشد اصلاح نباتات، دانشکده کشاورزی، دانشگاه یاسوج، ایران.
مسعود دهداری
دانشیار گروه زراعت و اصلاح نباتات، دانشکده کشاورزی، دانشگاه یاسوج، ایران.
اسد معصومی اصل
استادیار گروه زراعت و اصلاح نباتات، دانشکده کشاورزی، دانشگاه یاسوج، 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 :