تعیین تنوع ژنتیکی لاین های امید بخش برنج از نظر تحمل به شوری با استفاده از نشانگر SSR مولکولی
محل انتشار: هفتمین همایش بیوتکنولوژی جمهوری اسلامی ایران
سال انتشار: 1390
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 623
فایل این مقاله در 6 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
NBCI07_0957
تاریخ نمایه سازی: 29 شهریور 1394
چکیده مقاله:
جهت بررسی تنوع ژنتیکی میان 89 ژنوتیپ امیدبخش برنج و 2 رقم پوکالی (شاهد SSR در این تحقیق 7 نشانگر مولکولی شاهد حساس) استفاده گردید.این نشانگرها بین والدین و ارقام شاهد چندشکلی نشان داده و قادر به تفکیک ) IR متحمل) و 29(0/375) RM 0/360 ) و 315 ) RM به ترتیب در نشانگرهای 261 (PIC) ژنوتیپ ها بودند. حداقل و حداکثر درجه چند شکلی RM 0) به تریتب در نشانگرهای 5 / دیده شد. هم چنین کم ترین میزان هتروزیگوسی مکان ژنی (صفر) و حداکثر میزان آن ( 23 انجام گرفت و بر اساس دندروگرام UPGMA به روش SM تعیین گردید. تجزیه کلاستر با استفاده از ضریب تشابه RM و 493 حاصل نشان داد که ژنوتیپ ها در 2 گروه قرار گرفتند. گروه اول 40 درصد ژنوتیپ ها را به همراه شاهد متحمل (پوکالی) دربر گرفت و گروه دیگر سایر ژنوتیپ ها و شاهد حساس را در یک گروه قرار داد که بیان می کند این 2 گروه از نظر ژنتیکی با و در تجزیه خوشه ای (با (MAS) هم متفاوت می باشند. ژنوتیپ طارم نوک سیاه در گزینش توسط نشانگرهای مولکولیبا شاهد متحمل) به عنوان ژنوتیپ متحمل به شوری شناخته شد. پیشنهاد می گردد که (SI = 1/ بیشترین شاخص تشابه ( 00 ،(PIC = 0/ با میزان بالای هتروزیگوسی و کارایی تفکیک ژنوتیپ ها و نیز میزان بالای درجه چند شکلی( 370 RM نشانگر 493جهت ارزیابی تنوع ژنتیکی تحمل به شوری در لاین ها و ارقام امید بخش برنج به عنوان نشانگری ممتاز قابل استفاده می باشد.
کلیدواژه ها:
نویسندگان
زینت بریمانی
دانشگاه پیام نور، دانشکده علوم پایه و کشاورزی، تهران
نادعلی بابائیان جلودار
دانشگاه علوم کشاورزی و منابع طبیعی، ساری.
نادعلی باقری
دانشگاه علوم کشاورزی و منابع طبیعی، ساری.
غلامرضا بخشی خانیکی
دانشگاه پیام نور، دانشکده علوم پایه و کشاورزی، تهران
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله 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 مقاله لینک شده اند :