بررسی تنوع ژنتیکی ارقام گندم نان (Triticum aestivum L.) با استفاده از نشانگرهای ریزماهواره
Publish place: Journal of Crop Breeding، Vol: 11، Issue: 29
Publish Year: 1397
Type: Journal paper
Language: Persian
View: 299
This Paper With 8 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_JCB-11-29_002
Index date: 9 October 2021
بررسی تنوع ژنتیکی ارقام گندم نان (Triticum aestivum L.) با استفاده از نشانگرهای ریزماهواره abstract
تعیین سطح تنوع ژنتیکی و روابط ژنتیکی بین ارقام اساس شناسایی والدین مناسب برای اهداف اصلاحی مختلف به شمار می رود. در پژوهش حاضر، جهت بررسی تنوع ژنتیکی ۲۲ رقم گندم نان از ۲۲ جفت آغازگر ریزماهواره استفاده شد که از مجموع ۲۲ آلل شناسایی شده ۱۱ جفت توانستند چند شکلی مطلوبی را نشان دهند. تعداد آلل های تولید شده با میانگین ۱۸/۲ آلل در هر مکان ژنی از ۲ تا ۳ آلل متغیر بود. میانگین محتوای اطلاعات چندشکلی، ۵۷۳/۰ به دست آمد که از بین نشانگرها Xgwm۶۰ به دلیل داشتن بیشترین شاخص چندشکلی، می تواند نشانگر مناسبی برای بررسی تنوع ژنتیکی باشد. ماتریس تشابه با استفاده از ضریب تشابه دایس تشکیل داده شد و سپس ارقام با استفاده از روش تجزیه خوشه ای و با الگوریتم همبستگی متوسط گروه بندی شده و در ۴ گروه قرار گرفتند. تجزیه به مختصات اصلی نیز تا حد زیادی الگوی تنوع ژنتیکی حاصل از روش تجزیه خوشه ای را تایید نمود. نتایج این پژوهش محدوده وسیعی از تنوع ژنتیکی را در بین ارقام گندم نشان می دهد که امکان استفاده از آنها را در برنامه های بهنژادی مقدور می سازد.
بررسی تنوع ژنتیکی ارقام گندم نان (Triticum aestivum L.) با استفاده از نشانگرهای ریزماهواره Keywords:
Cluster analysis , Genetic diversity , Microsatellite markers , Wheat , گندم , تنوع ژنتیکی , نشانگر ریزماهواره , تجزیه خوشه ای
بررسی تنوع ژنتیکی ارقام گندم نان (Triticum aestivum L.) با استفاده از نشانگرهای ریزماهواره authors
نسرین قاسمی
Tarbiat Modares University
رضا قلی میرفخرایی
Tarbiat Modares University
علیرضا عباسی
University of Tehran
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 :