تخمین میزان هتروزیس در پنبه با استفاده از فاصله ژنتیکی والدین بر مبنای نشانگر ISSR
Publish place: The Second National Congress for the Development and Promotion of Agricultural Engineering and Soil Science of Iran
Publish Year: 1395
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 702
This Paper With 7 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ISCONF02_213
تاریخ نمایه سازی: 11 آبان 1395
Abstract:
اگرچه پنبه یکی از قدیمی ترین و مهمترین گیاهان لیفی و روغنی از محسوب میگردد ولی در سالیان اخیر، با کاهش سطح کشت و تولید مواجه بوده است. یکی از روشهای اصلاح پنبه برای افزایش تولید، ایجاد ارقام هیبرید میباشد که ویژگی همه این نوع ارقام هتروزیس بالا میباشد. این مطالعه که در دانشگاه علوم کشاورزی و منابع طبیعی گرگان با هدف تخمین میزان هتروزیس صفات ارتفاع بوته، تعداد قوزه های باز شده و عملکرد وش تلاقی های F1 با استفاده از فاصله ژنتیکی والدین هر تلاقی بر مبنای نشانگر ISSR انجام شد. نتایج به دست آمده از جدول ماتریس تفاوت هفت رقم پنبه بر اساس نشانگرهای ISSR نشان داد که بیشترین فاصله ژنتیکی بین ارقام ساحل با بختگان B557 با گلستان B557 با سپید و گلستان با سپید و کمترین فاصله ژنتیکی بین ارقام B557 و ساحل مشاهده گردید. در بین 3 خصوصیت مورد بررسی، ضریب همبستگی فاصله ژنتیکی والدین با میزان هتروزیس مثبت معنیدار بود. نتایج این مطالعه نشان میدهد که پیش بینی و برآورد میزان هتروزیس در تلاقی های پنبه براحتی توسط فاصله ژنتیکی والدین هر تلاقی بر مبنای نشانگرهای ISSR امکان پذیر است. این امر زمان مورد نیاز پروژههای تولید ارقام هیبرید پنبه را کاهش میدهد و کارایی اصلاح نیز بدلیل اعتبار و تکرارپذیری نشانگرهای مولکولی افزایش مییابد
Keywords:
Authors
سیده رعنا حسینی
دانشجوی کارشناسی ارشد اصلاح نباتات دانشگاه علوم کشاورزی و منابع طبیعی گرگان
محمد هادی پهلوانی
عضو هیئت علمی گروه اصلاح نباتات وبیوتکنولوژی دانشگاه علوم کشاورزی و منابع طبیعی گرگان
خلیل زینلی نژاد
عضو هیئت علمی گروه اصلاح نباتات وبیوتکنولوژی دانشگاه علوم کشاورزی و منابع طبیعی گرگان
عمران عالیشاه
عضو هیئت علمی موسسه تحقیقات پنبه کشور
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 :