شناسایی QTL های صفات زراعی جو در شرایط تنش خشکی
Publish place: 13 Iranian Crop Sciences Congress & 3rd Iranian Seed Science and Technology Conference
Publish Year: 1393
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 679
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:
NABATAT13_0345
تاریخ نمایه سازی: 4 آذر 1393
Abstract:
به منظور بررسی تنوع و تعیین نواحی ژنومی کنترل کننده صفات زراعی و مورفولوژیکی جو، آزمایشی در سال زراعی 1391-1390 با استفاده از 72 لاین هاپلوئید و والدین آنها (استپتو و مورکس) در دو مزرعه تحقیقاتی دانشگاه مهاباد و ایستگاه میاندوآب در قالب طرح لاتیس متعادل ساده با دو تکرار اجرا گردید. صفات ارتفاع بوته، روز تا سنبله دهی، طول سنبله، تعداد دانه درسنبله، طول پدانکل، وزن هزار دانه، عملکرد دانه و شاخص برداشت دانه مورد اندازه گیری قرار گرفتند. تجزیه QTL به روش نقشه یابی فاصله ای مرکب (CIM) برای هر صفت در میانگین دو مکان انجام گردید برای تحقیق حاضر، در مجموع 25 QTL شناسایی گردید. واریانس ژنتیکی کل توجیه شده بوسیله این QTLها از 27/37 (روز تا سنبله دهی) تا 73/6 (عملکرد دانه) درصد متغیر بود. بیشترین QTLهای صفات زراعی جو روی کروموزوم های H4 ،3H ،2H ،1H و 6H مکان یابی گردیدند. تعداد سه اثر اپیستازی افزایشی × افزایشی بین QTLها شناسایی شدند. نتایج نشان داد که تنش کمبود آب در مقایسه با مکان، نقش بسزایی در شدت تظاهر صفات داشت. همچنین، می توان از QTLهای پایدار و خوشه ای شناسایی شده برای صفات مهم زراعی جو در برنامه گزینش به کمک نشانگر (MAS)، استفاده نمود.
Keywords:
Authors
معروف خلیلی
استادیار دانشگاه پیام نور
سعید اهری زاد
استاد دانشکده کشاورزی دانشگاه تبریز
محمود تورچی
استاد دانشکده کشاورزی دانشگاه تبریز
محمد مقدم
استاد دانشکده کشاورزی دانشگاه تبریز
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 :