بررسی تنوع ژنتیکی در ارقام برنج (Oryza sativa L.) موجود در ایران با استفاده از نشانگرهای SSR
Publish place: Journal of Crop Breeding، Vol: 8، Issue: 20
Publish Year: 1395
نوع سند: مقاله ژورنالی
زبان: Persian
View: 284
This Paper With 9 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-8-20_012
تاریخ نمایه سازی: 17 مهر 1400
Abstract:
به منظور بررسی تنوع ژنتیکی در ژنوتیپ های برنج موجود در ایران، تنوع موجود در ۳۸ رقم برنج با استفاده از ۱۴ نشانگر SSR بررسی شد. آزمایش در قالب طرح بلوک های کامل تصادفی در مزرعه تحقیقاتی واقع در شهرستان آزادشهر در سال ۱۳۹۲ انجام شد نمونه های گیاهی در مرحله پنجه زنی در اوایل صبح از ژنوتیپ های مختلف جمعآوری شد. DNA از نمونه های گیاهی استخراج و جداسازی با استفاده ازژل پلی آکریل آمید بر روی آنها انجام شد. فواصل ژنتیکی زیاد بین ارقام تنوع بالایی را بین ژنوتیپ های برنج ایرانی نشان داد. تجزیه به مولفه های اصلی ۶۲ درصد از تغییرات را توجیه کرد. بیشترین فراوانی آللی مربوط به مکان RM۳۰۲ (۶۲/۰) و کمترین فراوانی آللی مربوط به مکان ژنی RM۲۶۲ (۲۱/۰) می باشد. میانگین فراوانی آللی ۳۹/۰ بود. بیشترین محتوای اطلاعات چند شکل در RM۲۶۲ (۸۱/۰) و کمترین در RM۲۴۱ (۳۳/۰) ثبت شد و میانگین PIC، ۵۱/۰ بود. میانگین شاخص شانون ۳۳/۰ بود از میان نشانگرهای ریزماهواره بهکار رفته در این مطالعه نشانگرهای RM۳۴۱، RM۲۵۵، RM۱۴۲ و RM۲۶۲ قدرت تمایز بالایی داشتند. بیشترین تعداد نشانگر مثبت در صفت ارتفاع دیده شد. تجزیه خوشه ای به روش وارد ژنوتیپ ها را در سه گروه قرار داد. در کل می توان گفت ارقام موجود در ایران از تنوع بالایی برخوردارند و می توان در برنامه های به نژادی از تنوع موجود در آنها بهره جست. نشانگرهای بهکار رفته در این مطالعه به دلیل رنج بالای تنوع در آنها، در مطالعات بعدی و یا کارهای اصلاحی سودمند خواهد بود.
Keywords:
Authors
مهرنسا قره خانی
دانشگاه علوم کشاورزی و منابع طبیعی گرگان
سعید نواب پور
دانشگاه علوم کشاورزی و منابع طبیعی گرگان
حسین صبوری
دانشگاه گنبدکاووس
ساناز رمضانپور
دانشگاه علوم کشاورزی و منابع طبیعی گرگان
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 :