نقشه یابی صفات سنبله و دانه با استفاده از خانواده های F3 و F4 حاصل از تلاقی بیچر× کویر در جو
محل انتشار: فصلنامه بیوتکنولوژی کشاورزی، دوره: 8، شماره: 4
سال انتشار: 1395
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 398
فایل این مقاله در 22 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-8-4_003
تاریخ نمایه سازی: 20 خرداد 1398
چکیده مقاله:
جو پس از ذرت، گندم و برنج یکی از مهمترین غلات جهان میباشد. به منظور نقشهیابی صفات سنبله و دانه در دو نسل F3 و F4 حاصل از تلاقی ارقام بیچر× کویر جمعیتی شامل 103 خانواده F3 و F4 جو در قالب طرح بلوکهای کامل تصادفی طی دو سال زراعی 95-1393 در سه تکرار کشت شد. برای صفات مورد ارزیابی تفکیک متجاوز مشاهده شد که نشاندهنده وجود ترکیبات آللی متفاوت در والدین بود. نقشه پیوستگی با استفاده از نشانگرهای SSR، iPBS،IRAP و ISSR تهیه شد و 640 سانتی مورگان از ژنوم جو را پوشش داد. فاصلهی بین دو نشانگر 69/9 سانتی مورگان برآورد گردید. مکانیابی فاصلهای مرکب پانزده QTL در دو نسل مکانیابی نمود. برای صفات طول ریشک، قطر دانه و طول دانه در هر دو نسل F3 و F4 QTLهایی شناسایی شد. برای طول دانه و تعداد سنبلچه در نسل F4 به ترتیب QTLهای بزرگ اثر با ضریب تبیین 2/12 و 15، با درصد LOD 62/3 و 9/2 در فاصلهی 5/3 و 5/2 سانتیمورگان از نشانگر شناسایی شدند. صفات طول دانه و قطر دانه در نسل F3 با نشانگر iPBS2076-5 پیوسته و هممکان بودند. برای صفات طول ریشک، تعداد سنبلچه، طول دانه و قطر دانه نیز هممکانی شناسایی شد. شناسایی QTLهای کنترل کننده صفات میتواند در بهبود عملکرد موثر باشد. انتظار میرود بتوان پس از تعیین اعتبار در مکانها و جمعیتهای مختلف از QTLهای شناسایی شده در این بررسی در برنامههای انتخاب به کمک نشانگر و مکانیابی دقیق استفاده نمود.
نویسندگان
رباب دغاغله
دانشجوی کارشناسی ارشد رشته بیوتکنولوژی کشاورزی دانشگاه گنبدکاووس، ایران
حسین صبوری
دانشیار گروه تولیدات گیاهی دانشگاه گنبدکاووس، ایران
حسین حسینی مقدم۳
استادیار گروه تولیدات گیاهی دانشگاه گنبدکاووس، ایران
عیسی جرجانی
استادیار گروه زیست شناسی دانشگاه گنبد کاووس، 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 :