ارزیابی صفات مرفولوژیکی مقاومت به زنگ زرد در لاین های پیشرفتهگندم فلات
Publish place: The first national congress for the development and promotion of agricultural engineering and soil sciences in Iran
Publish Year: 1394
Type: Conference paper
Language: Persian
View: 621
This Paper With 7 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
Export:
Document National Code:
ISCONF01_053
Index date: 2 July 2016
ارزیابی صفات مرفولوژیکی مقاومت به زنگ زرد در لاین های پیشرفتهگندم فلات abstract
زنگ گندم یکی از بیماری های قارچی و بسیار خطرناک گندم است. یکی از راه های مبارزه با عوامل بیماری زا، به منظور جلوگیری از کاهش عملکرد، استفاده از ژن های مقاومت به زنگ می باشد. ژن Lr34 در گندم بیش از 100 سال ایجاد مقاومت در برابر عوامل بیماری زا می کند تجزیه وتحلیل هشت جهش مستقل نشان داد همان ژن است که درواقع مسئول مقاومت به زنگ زرد و زنگ برگ می باشد. در این تحقیق بیش از سیصد بوته گندم رقم فلات با جمعیت فرونتانا که حاوی ژن Lr34 می باشد به مدت سه سال تلاقی برگشتی داد. شدند (فلات به محنوان والد تکرار شوند و فرونتانا به عنوان والد غیر تکرارشونده ) سپس بوته ها بر اساس صفت نکروزه شدن انتم های برگ انتخاب شدند و به منظور شناسایی بوته های دارای ژن Lr34 ارزیابی های فنوتیپی انجام شد. سطح زیر منحنی پیشرفت آلودگی (AUDPC )برای این جمعیت ترسیم شد. سپس گروه بندی ارقام با استفاده از تجزیه خوشه ای (کلاستر) به روشUPGMA و فاصله اقلیدسی به عنوان معیار تشابه انجام گرفت .
ارزیابی صفات مرفولوژیکی مقاومت به زنگ زرد در لاین های پیشرفتهگندم فلات Keywords:
ارزیابی صفات مرفولوژیکی مقاومت به زنگ زرد در لاین های پیشرفتهگندم فلات authors
نیما راد
دانشجوی کارشناسی ارشد اصلاح نباتات دانشگاه علوم کشاورزی و منابع طبیعی گرگان
حسن سلطانلو
دانشیار گروه اصلاح نباتات و بیوتکنولوژی دانشگاه علوم کشاورزی و منابع طبیعی گرگان
ساناز رمضانپور
دانشیار گروه اصلاح نباتات و بیوتکنولوژی دانشگاه علوم کشاورزی و منابع طبیعی گرگان
خلیل زینلی نژاد
استادیار گروه اصلاح نباتات و بیوتکنولوژی 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 :