ردیابی ژن عامل طول دانه برنج (GS۳) در جمعیتهای تلاقی مرکب با استفاده از نشانگرهای مولکولی
Publish place: Journal of agricultural biotechnology، Vol: 5، Issue: 1
Publish Year: 1392
Type: Journal paper
Language: Persian
View: 236
This Paper With 11 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
Export:
Document National Code:
JR_JOAGK-5-1_012
Index date: 4 October 2021
ردیابی ژن عامل طول دانه برنج (GS۳) در جمعیتهای تلاقی مرکب با استفاده از نشانگرهای مولکولی abstract
کیفیت ظاهری دانه برنج عمدتا شامل طول دانه و نسبت طول به عرض میباشد و سهم به سزایی در بازارپسندی محصول دارد. با توجه به اینکه تعیین فنوتیپ شکل دانه در مراحل اولیه رشد گیاه میسر نمیباشد انتخاب به کمک نشانگرهای مولکولی گامی اساسی در جهت بهبود صفات کمی و کیفی برنج میباشد. در این تحقیق به منظور ترمیم صفات کمی و کیفی رقم جدید قائم، از دو رقم محلی شصتک و دمسیاه و دو رقم اصلاح شده فجر و نعمت به عنوان والد در تلاقیها استفاده گردید. جهت اجرای MAS در لاینهای حاصل از تلاقیهای مرکب، ابتدا کارایی نشانگر GS۳ به کمک مطالعات بیوانفورماتیکی (In silico) و بررسی همبستگی الگوی باندی با فنوتیپ والدین تایید گردید. بدین نحو که رقم شصتک با خصوصیات دانه گرد، نسبت به سایر والدین الگوی باندی منحصر به فردی ایجاد نمود. از الگوی باندی نشانگر GS۳ در تلاقیهای مرکب شماره ۱ (فجر / قائم// شصتک / قائم)، تلاقی شماره ۳ (نعمت / قائم// شصتک / قائم) و تلاقی شماره ۴ (شصتک / قائم // دمسیاه/ قائم) جهت تمایز بوتههای هتروزیگوس دارای آلل شصتک (نامطلوب) از سایر بوتهها (دانه کشیده) استفاده گردید. شایان ذکر است برای دستیابی به لاینهای خالص، بوتههای دانه بلند انتخابی میبایست در نسلهای پیشرفتهتر مورد بررسی قرار گیرند. نتایج این تحقیق نشان میدهد که از نشانگر مکان ژنی GS۳ میتوان به عنوان روشی سریع و کم هزینه جهت بهبود کیفیت طول دانه استفاده نمود.
ردیابی ژن عامل طول دانه برنج (GS۳) در جمعیتهای تلاقی مرکب با استفاده از نشانگرهای مولکولی Keywords:
ردیابی ژن عامل طول دانه برنج (GS۳) در جمعیتهای تلاقی مرکب با استفاده از نشانگرهای مولکولی authors
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 :