تجزیه همبستگی صفات کیفی الیاف و نشانگر AFLP در هیبرید پنبه
Publish place: 3rd Iranian Agricultural Biotechnology Conference
Publish Year: 1391
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 621
متن کامل این Paper منتشر نشده است و فقط به صورت چکیده یا چکیده مبسوط در پایگاه موجود می باشد.
توضیح: معمولا کلیه مقالاتی که کمتر از ۵ صفحه باشند در پایگاه سیویلیکا اصل Paper (فول تکست) محسوب نمی شوند و فقط کاربران عضو بدون کسر اعتبار می توانند فایل آنها را دریافت نمایند.
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
AGRIBIOTECH03_404
تاریخ نمایه سازی: 27 تیر 1392
Abstract:
از آنجائیکه در پروژههای اصلاحی هدف گزینش گیاهان مطلوب از نظر صفت مورد نظر است، اصلاحگر میتواند به جای انتخاب گیاه بر اساس یک صفت، انتخاب را بر پایه یک نشانگر مولکولی انجام دهد شناسایی نشانگرهای مولکولی مرتبط با صفات کمی، انتخاب این صفات را در برنامه های اصلاحی آسان می کند. به منظور شناسایی رابطه نشانگرهای مولکولی AFLP با صفات کیفی الیاف در گیاه پنبه از جمعیت نسل F4 حاصل از تلاقی دو گونه G.barbadense G.hirusutu استفاده گردید. گیاهان در شرایط مرزعه کشت و 5 صفت کیفی الیاف اندازه گیری شدند. نتایج حاصل از تجزیه همبستگی نشانگرهای AFLP و این صفات نشان داد، 19 نشانگر با صفات کیفی الیاف دارای رابطه معنی دار مثبت ومنفی می باشند. نشانگرهایی که به طور معنیدار با یک صفت خاص مرتبط بودند در تجزیه رگرسیون مورد استفاده قرار گرفتند. بیشترین تغییرات تبیین شده توسط نشانگرها، مربوط به طول الیاف 2/5% (43%) وکمترین میزان تغییرات تبیین شده توسط نشانگرها 6/2% ضریب میکرونر بود که دارای یک نشانگر با رابطه معنیدار در مدل مربوطه بودند. با توجه به ضرایب رگرسیون معنیداری که این نشانگرها با صفات مورد نظر در تحقیق حاضر داشتند میتوان از این نشانگرها در پیشبینی و انتخاب گیاه در برنامههای اصلاحی پنبه استفاده نمود.
Keywords:
Authors
وحیده کاردوان قابل
کارشناس ارشد، دانشگاه گلستان، دانشکده علوم، گروه زیست شناسی
محمد باقر باقریه نجار
کارشناس ارشد، دانشگاه گلستان، دانشکده علوم، گروه زیست شناسی
عمران عالیشاه
دانشیار، ،موسسه تحقیقات پنبه گرگان
حسن سلطانلو
استادیار، دانشگاه منابع طبیعی و علوم کشاورزی، دانشکده تولیدات گیاهی،
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 :