بررسی تجزیه خوشهای لاینهای امید بخش موتانتM 6 برنج حاصل از پرتودهی اشعه گاما
Publish Year: 1394
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 584
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:
ICOAC01_231
تاریخ نمایه سازی: 9 مرداد 1395
Abstract:
متخصصان اصلاح نباتات از تنوع ژنتیکی موجود جهت استفاده در برنامههای اصلاحی و همچنین ا انتقال ژنهای مطلوب به ارقام دیگر استفاده مینمایند از این رو جهشهای القایی یکی از راههای افزایش تنوع در جوامع اصلاحی محسوب میشود. در حدفاصل سالهای 0990- 0911 با استفاده از اصلاح موتاسیونی 87 واریته در کشور چین ایجاد شده است. معروفترین عامل موتاسیونزا اشعه گاما است و بیشترین صفاتی که از این طریق القاء شدهاند، شامل برخی صفات کیفی مثل مقاومت به آفات و صفت کیفیت دانه است. در این تحقیق از 11 لاین امیدبخش موتانت برنج در نسلM6 حاصل از پرتودهی اشعهی گاما و در قالب طرح بلوکهای کامل تصادفی در سه تکرار استفاده گردید. صفات اندازهگیری شده شامل: صفات عملکرد تک بوته gr تعداد پنجههای بارور، تعداد کل دانه در خوشه، تعداد دانه پر در خوشه، طول خوشهcm وزن هزار دانه gr و ارتفاع گیاه cm 50درصد گلدهی است. تجزیه واریانس لاینهای مورد مطالعه براساس صفات اندازهگیری شده، نشان داد که تفاوت بسیار معنیداری بین لاینها وجود دارد لذا این لاینها از تنوع ژنتیکی کافی برخوردارند. مقایسه میانگین با استفاده از آزمون دانکن در محیط نرم افزار SPSS ver 16مشخص نمود لاینهایM6-N- و 37 M6-N-16 از بیشترین و لاینM6-T.H-9 از کمترین عملکرد برخورداربودند،
Keywords:
Authors
رضا وجدان
دانشجوی کارشناسی ارشد بیوتکنولوژی کشاورزی، دانشگاه علوم کشاورزی و منابع طبیعی ساری
قربانعلی نعمت زاده
استاد گروه اصلاح نباتات و بیوتکنولوژی دانشگاه علوم کشاورزی و منابع طبیعی ساری، پژوهشکده ژنتیک و زیست فناوری کشاورزی طبرستان
غفار کیانی
استادیار گروه اصلاح نباتات و بیوتکنولوژی دانشگاه علوم کشاورزی و منابع طبیعی ساری
مرتضی اولادی
کارشناس ارشد اصلاح نباتات پژوهشکده ژنتیک و زیست فناوری کشاورزی طبرستان، دانشگاه علوم کشاورزی و منابع طبیعی ساری
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 :