بررسی تحمل به شوری در برخی ارقام کلزا با استفاده از صفات مورفوفیزیولوژیک و نشانگرهای ISSR
Publish place: Journal of Crop Breeding، Vol: 9، Issue: 24
Publish Year: 1396
نوع سند: مقاله ژورنالی
زبان: Persian
View: 112
This Paper With 13 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_JCB-9-24_019
تاریخ نمایه سازی: 17 مهر 1400
Abstract:
کلزا (Brassica napus L.) یکی از مهمترین گیاهان روغنی جهان محسوب میشود. از طرفی خاکهای شور و شوری آب آبیاری از مهمترین عوامل تنشزای محیطی در تولید کلزا میباشند. بهمنظور بررسی تحمل به شوری ارقام کلزا در مرحله گیاهچه از لحاظ صفات مورفوفیزیولوژیک و بررسی ارتباط این صفات با نشانگرهای ISSR، ۱۵ رقم کلزا در دو سطح تنش شوری ۱۵۰ میلیمولار و ۲۵۰ میلیمولار و شرایط بدون تنش بهصورت آب کشت در شرایط گلخانهای مورد بررسی قرار گرفتند. در این مطالعه تنش شوری موجب کاهش اکثر صفات مورد ارزیابی در ارقام کلزا بهجز محتوای سدیم و نسبت سدیم به پتاسیم شد. نتایج مقایسه میانگین و تجزیه خوشهای نشانداد که رقمهای SLMO۴۶ و PF از نظر اکثر صفات در شرایط مختلف مورد بررسی نسبت به بقیه ارقام برتر بوده در حالیکه، ارقام Hayola۶۰ و Licord کمترین مقدار را بهخود اختصاص دادند. در بررسی مولکولی با استفاده از ۱۱ آغازگر ISSR، ۴۵ نوار چندشکل در ارقام مورد مطالعه کلزا تولید شد. میانگین محتوای اطلاع چندشکلی و شاخص نشانگری برای کلیه آغازگرها بهترتیب ۲۸۲/۰ و ۱۰۸/۱ بهدست آمد. در تجزیه خوشهای با استفاده از دادههای ISSR و فاصله ژنتیکی نی، ارقام کلزا به سه گروه تقسیم شدند. کمترین فاصله ژنتیکی بین دو رقم Zarfam و Jewel (۰۷۹/۰) و بیشترین فاصله بین ارقام Quantum و Hyola۶۰ با SLMO۴۶ (۳۲/۰) به دست آمد.
Keywords:
Canola , Molecular Markers , morphophysiological trait , salinity , Stres , تنش , شوری , کلزا , صفات مورفولوژیک , نشانگر مولکول
Authors
علی اصغری
Faculty of Agricultural Sciences, University of Mohaghegh Ardabil
شیوا محمدنیا
Faculty of Agricultural Sciences, University of Mohaghegh Ardabil
هاجر فلاحی
Faculty of Agricultural Sciences, University of Mohaghegh Ardabil
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 :