شناسایی QTLهای مرتبط با تعدادی از خصوصیات مورفولوژیکی ژنوتیپ های برنج تحت تنش کمبود نیتروژن
سال انتشار: 1397
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 207
فایل این مقاله در 9 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JCB-10-27_019
تاریخ نمایه سازی: 17 مهر 1400
چکیده مقاله:
نیتروژن مهمترین عنصر غذایی پرمصرف می باشد که در ساختمان مولکول های پروتئینی گوناگون، آنزیم ها، کوآنزیم ها، اسیدهای نوکلئیک و سیتوکروم ها نقش دارد. به منظور مکانیابی QTLهای مرتبط با تحمل به کمبود نیتروژن در مرحله گیاهچه ای ۹۶ لاین که از نسل هشتم تلاقی ارقام اهلمی طارم و ندا به دست آمده بودند در آزمایشگاههای گیاه شناسی و ژنتیک دانشگاه گنبدکاووس در سال ۱۳۹۳ مورد مطالعه قرار گرفتند. برای تهیه نقشه ژنتیکی از ۳۰ نشانگر SSR و ۱۵ نشانگر ISSRاستفاده شد. نقشه پیوستگی ۳/۱۴۱۱ سانتیمورگان ژنوم برنج را با متوسط فاصله بین دو نشانگر مجاور برابر با ۳۴/۱۵ سانتیمورگان پوشش داد. در مجموع ۳۸ QTL برای صفات مورد مطالعه مکان یابی شد. در شرایط کمبود نیتروژن qRV-۱۰ ۴/۱۱ درصد از تغییرات فنوتیپی حجم ریشه را تبیین نمود. برای میزان ازت در شرایط کمبود نیتروژن یکQTL روی کروموزوم ۲ شناسایی شد که ۷/۱۳ درصد از واریانس فنوتیپی این صفت راکنترل نمود. QTLهای کنترل کننده تعداد ریشه (qRN-۳ و qRN-۶b)، و وزن ریشه (qRW-۵b و qRW-۵c) در شرایط نرمال بزرگ اثر تشخیص داده شدند که این QTLها توجیه بالای ۲۰ درصد از تغییرات فنوتیپی را به خود اختصاص دادند. از نشانگرهای پیوسته به این QTLها پس از تعیین اعتبار به عنوان نشانگر پیوسته به صفات جهت انتخاب به کمک نشانگر در برنامه های به نژادی مورد استفاده قرار گیرد.
کلیدواژه ها:
Nitrogen deficiency ، Quantitative Traits Loci ، Rice ، Seedling stage ، برنج ، مرحله گیاهچه ای ، کمبود نیتروژن ، مکان یابی صفات کمی
نویسندگان
شریفه محمدالق
gonbad kavous university
حسین صبوری
gonbad kavous university
علی ستاریان
gonbad kavous university
عباس بیابانی
gonbad kavous university
عبدالطیف قلی زاده
gonbad kavous university
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 :