استفاده ازنشانگرهای ریزماهواره به منظور صفات تکمیلی آزمونهای تمایز یکنواختی و پایداری DUS درارقام رایج برنج ایران
Publish place: 11th Iranian Crop Sciences Congress
Publish Year: 1391
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 576
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
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
NABATAT12_0489
تاریخ نمایه سازی: 3 آذر 1392
Abstract:
درحال حاضرارزیابی تمایز یکنواختی و پایداری DUS به منظورثبت ارقام گیاهی برپایه مجموعه ای ازصفات مورفولوژیک انجام میگردد محدودیت درتعداداین صفات و اثرمتقابل آنها با محیط باعث ایجادمشکل درارزیابی میگردد این مطالعه به منظور ارزیابی پتانسیل نشانگرهای ریزماهواره درشناسایی ارقام برنج درمقایسه با ازمونهای مورفولوژیکی تمایز یکنواختی و پایداری انجام گردید بدین منظور از12 نشانگرریزماهواره درتمایز 40رقم برنج رایج کشوراستفاده گردید درمجموع 89 آلل با میانگین 7/41 آلل درهرجایگاه ژنی بدست امد درمیان نشانگرها نشانگرRM316 دارای بیشترین تعدادآلل 13آلل و نشانگرهای RM161,RM133 دارای کمترین تعداد آللچهارالل بودند همچنین میانگین PIC نیز 0/73 براورد شد نتایج حاصل ازتجزیه خوشه ای که توسط ضریب تشابه دایس و الگوریتم UPGMA بدست امد نشان دهنده تفکیک مناسب ارقام توسط این نشانگرها بود باتوجه به تمایز ارقام توسط این نشانگرها و مستقل بودن ازتاثیر محیط میتوان ازآنها به عنوان ابزاری مفید جهت تکمیل ازمونهای مورفولوژیک استفاده نمود و درارزیابی ارقام مورد تقاضا برای ثبت کمک گرفت نشانگرهای استفاده شده دراین تحقیق بهعنوان کلید شناسایی این ارقام برنج معرفی شدند
Keywords:
Authors
محمدرضا جزایری نوش آبادی
عضو هیئت علمی موسسه تحقیقات ثبت وگواهی بذرونهال
احسان پورعابد
دانشجوی سابق کارشناسی ارشد
سیدحسین جمالی
عضو هیئت علمی موسسه تحقیقات ثبت وگواهی بذرونهال
عباس زارعیان
عضو هیئت علمی موسسه تحقیقات ثبت وگواهی بذرونهال
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 :