کاربرد روش اصلاح موتاسیونی جهت ارزیابی لاین های موتانت برنج (Oryza sativa L.) متحمل به شوری
Publish place: Environmental Stresses in Crop Sciences، Vol: 9، Issue: 4
Publish Year: 1395
نوع سند: مقاله ژورنالی
زبان: Persian
View: 338
This Paper With 8 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_ESCS-9-4_007
تاریخ نمایه سازی: 9 تیر 1399
Abstract:
اصلاح ارقام برنج مقاوم به شوری یکی از بهترین راهها برای بهره برداری از خاکهای شور است. استفاده از اصلاح موتاسیونی با ایجاد تنوع ژنتیکی فراوان میتواند به انتخاب ارقام جدید برای بهبود برخی از صفات مهم اقتصادی کمک کند. بدین منظور بذور برنج رقم طارم محلی را تحت تیمار دو موتاژن شیمیایی اتیل متان سولفونات و تیمار ترکیبی متیل نیتروز اوره+سدیم آزید قرار داده و در نسل دوم بوته هایی که ازنظر صفات مهم اقتصادی مطلوب بودند انتخاب و در نسل سوم تحت استرس شوری قرار داده شدند. این آزمایش به منظور ارزیابی واکنش لاین های موتانت در برابر شوری در مرحله گیاهچه ای انجام گرفت. آزمایش به صورت فاکتوریل در قالب طرح کاملا تصادفی در سه تکرار، در محیط هیدروپونیک در سطوح شوری صفر و 12 دسی زیمنس بر متر اجرا شد. بنا بر نتایج به دست آمده، دو لاین موتانت حاصل از تیمار اتیل متان سولفانات با دارا بودن میزان زیست توده بالا و نسبت سدیم به پتاسیم کم به همراه رقم نونابوکرا در گروه متحمل قرار گرفتند. این گیاهان در مقایسه با طارم محلی (غیر موتاژن) در تنش شوری تحمل بالاتری داشتند. دو لاین حساس به شوری نیز تحت تیمار این موتاژن مشاهده شدند، درحالی که اکثر لاینهای موتانت حاصل از تیمار متیل نیتروز اوره+ سدیم آزید به تنش شوری حساسیت نشان دادند.
Keywords:
Authors
زهرا مجیدی
دانشجوی کارشناسی ارشد اصلاح نباتات، دانشگاه علوم کشاورزی و منابع طبیعی ساری
غلامعلی رنجبر
دانشیار گروه بیوتکنولوژی و اصلاح نباتات، دانشگاه علوم کشاورزی و منابع طبیعی ساری
نادعلی بابائیان جلودار
استاد گروه بیوتکنولوژی و اصلاح نباتات، دانشگاه علوم کشاورزی و منابع طبیعی ساری
نادعلی باقری
استادیار گروه بیوتکنولوژی و اصلاح نباتات، دانشگاه علوم کشاورزی و منابع طبیعی ساری
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper 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 Paper لینک شده اند :