شناسایی جایگاه های ژنی مقاومت به بیماری اسکالد جو (Rhynchosporium secalis) در مرحله گیاهچه ای
سال انتشار: 1393
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 543
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
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
NABATAT13_1448
تاریخ نمایه سازی: 4 آذر 1393
چکیده مقاله:
بیماری اسکالد یکی از مهمترین بیماری های جو در دنیاست که انتشار جهانی دارد و در بعضی از مناطق مهم تولید جو در ایران نیز حائز اهمیت است. استفاده از ارقام مقاوم به بیماری به عنوان موثرترین و از نظر زیست محیطی بی خطرترین روش کنترل این بیماری شناخته می شود. این تحقیق به منظور ارزیابی، شناسایی منابع مقاومت به اسکالد و نقشه یابی جایگاه های ژنی مرتبط مقاومت به اسکالد در یک جمعیت جو بهاره به روش نقشه یابی ارتباط انجام شد. تعداد 148 رقم پیشرفته جو بهاره دو ردیفه که بوسیله 407 نشانگر مولکولی SSR و AFLP ژنوتیپینگ شده اند از نظر مقاومت به اسکالد در مرحله گیاهچه ای مورد بررسی قرار گرفتند. به منظور تجزیه آماری ارتباط بین نشانگر های مولکولی و داده های فنوتیپی از نرم افزار Graphical Genotypes (GGT.2) استفاده شد. بر اساس نتایج تعداد قابل توجهی از ارقام( 51 درصد) سطح بالایی از مقاومت به بیماری اسکالد نشان دادند. نتایج تجزیه آماری داده های فنوتیپی با نشانگر های مولکولی نشان داد که دو نشانگر مولکولی AFLP شامل E45M55-86 و E38M54-260 به ترتیب با لگاریتم احتمال همبستگی 3/1 و 2/9 همبستگی بالایی با مقاومت به بیماری اسکالد در مرحله گیاهچه ای نشان دادند. نتایج این بررسی می تواند در برنامه های به نژادی تهیه و تولید ارقام مقاوم به بیماری مورد استفاده قرار گیرند.
کلیدواژه ها:
نویسندگان
فاطمه جوان
دانشجوی کارشناسی ارشد، دانشگاه پیام نور، مشهد
رضا اقنوم
استادیار پژوهش، مرکز تحقیقات کشاورزی و منابع طبیعی خراسان رضوی، مشهد
محمود ولی زاده
استادیار گروه کشاورزی، دانشگاه پیام نور، تهران
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 :