دوره 11، شماره 30 - ( تابستان 1398 )
جلد 11 شماره 30 صفحات 67-58 |
برگشت به فهرست نسخه ها
Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
feizi M, solouki M, sadeghzadeh B, fakheri B, mohammadi A. (2019). QTL Mapping for Higher Seed Zn Concentration and Content in Baley using SSR Markers. jcb. 11(30), 58-67. doi:10.29252/jcb.11.30.58
URL: http://jcb.sanru.ac.ir/article-1-977-fa.html
URL: http://jcb.sanru.ac.ir/article-1-977-fa.html
فیضی مهدی، سلوکی محمود، صادق زاده بهزاد، فاخری براتعلی، محمدی ابوالقاسم. شناسائی QTLهای موثر در افزایش غلظت و محتوای عنصر روی در دانه جو با استفاده از نشانگرهای ریزماهواره پژوهشنامه اصلاح گیاهان زراعی 1398; 11 (30) :67-58 10.29252/jcb.11.30.58
دانشگاه زابل
چکیده: (2367 مشاهده)
با توجه به اطلاعات محدود در ارتباط با نواحی کروموزومی مرتبط با تجمع عنصر روی در بذر جو تحقیقی برای مکان‌یابی QTL های کنترل کننده غلظت و محتوای روی (Zn) روی 121 ژنوتیپ جو مشتمل بر ارقام محلی، اصلاح شده و لاین‌های بومی جو دریافتی از بانک ژن تحت شرایط مزرعه‌ای انجام گردید. آزمایش در قالب طرح لاتیس مربع با 2 تکرار در سالهای زراعی 95-1394 و 96-1395 در موسسه تحقیقات دیم کشور (ایستگاه مراغه) اجرا شد. جهت ارزیابی ساختار جمعیت و تجزیه ارتباط، از تعداد 149 مارکر ریزماهواره استفاده گردید. بر اساس نتایج تجزیه واریانس، بین ژنوتیپ‌ها برای صفات غلظت و محتوی روی در بذر اختلاف آماری معنی‌دار وجود داشت. ضمناً دامنه تغییرات این صفات بسیار زیاد بود که نشانگر وجود تنوع ژنتیکی بسیار خوب بین ژنوتیپ‌ها می‌باشد. در ارتباط با صفت غلظت عنصر روی در بذر جو، 5 عدد QTL روی کروموزومهای H2، H3، H4 و H5 شناسایی شدند که در مجموع 81 درصد از واریانس فنوتیپی غلظت روی در بذر را تبیین کردند. در بین این نشانگرها، نشانگر ریزماهواره BMAG0720 بیشترین میزان (25%) ضریب تبیین واریانس فنوتیپی صفت غلظت روی و همچنین 23 درصد از تغییرات فنوتیپی صفت محتوای روی در بذر را تبیین می‌کرد. پنج نشانگر ریزماهواره بر روی کروموزم‌های 2، 3 و 4 با صفت محتوای روی در بذر ارتباط معنی دار نشان دادند. بطور خلاصه میتوان گفت که شناساییQTLهای بزرگ اثر برای صفات غلظت و محتوای روی در بذر جو، سودمندی استفاده از نشانگرهای مولکولی در نقشه یابی ژنی برای این قبیل صفات را نشان میدهد که از این پتانسیل میتوان برای انتخاب به کمک نشانگر (MAS) در آینده ای نزدیک در برنامه های اصلاح برای بهبود ارزش تغذیه‌ای جو استفاده کرد.
نوع مطالعه: پژوهشي |
موضوع مقاله:
اصلاح نباتات
دریافت: 1397/3/20 | ویرایش نهایی: 1398/6/9 | پذیرش: 1397/8/19 | انتشار: 1398/6/20
دریافت: 1397/3/20 | ویرایش نهایی: 1398/6/9 | پذیرش: 1397/8/19 | انتشار: 1398/6/20
فهرست منابع
1. Agricultural Statistics. 2017. Deputy Minister of Planning and Economics of Ministry of Agriculture, Volume 1, (Crop and Gardening).
2. Bradbury, P.J., Z. Zhang, D.E. Kroon, T.M. Casstevens, Y. Ramdoss and E.S. Buckler. 2007. TASSEL: software for association mapping of complex traits in diverse samples. Bioinformatics, 23: 2633-2635. [DOI:10.1093/bioinformatics/btm308]
3. Cakmak, I. 2000. Possible roles of zinc in protecting plant cells from damage by reactive oxygen species. The New Phytologist 146: 185-205. [DOI:10.1046/j.1469-8137.2000.00630.x]
4. Cakmak, I. and H. Marschner. 1988. Enhanced superoxide radical production in roots of zinc-deficient plants. Journal of Experimental Botany 39: 1449-1460. [DOI:10.1093/jxb/39.10.1449]
5. Cakmak, I., R. Graham and R.M. Welch. 2002. Agricultural and molecular genetic approaches to improving nutrition and preventing micronutrient malnutrition globally, in: I. Cakmak and R. M. Welch, (eds.) Encyclopedia of Life Support Systems, 1075-1099. Eolss Publishers, Oxford, 1075-1099 pp.
6. Chen, W.R., Z.L. He, X.E. Yang and Y. Feng. 2009. Zinc Efficiency is correlated with Root Morphology, Ultrastructure, and Antioxidative Enzymes in Rice. Journal of Plant Nutrition, 32: 287-305. [DOI:10.1080/01904160802608627]
7. Erkan, H., S. Celik, B. Bilgi and H. Koksel. 2006. A new approach for the utilization of barley in food products: Barley tarhana. Food Chemistry, 97: 12-18. [DOI:10.1016/j.foodchem.2005.03.018]
8. Feiziasl, W. and Gh. Valizadeh. 2003. Effect of time and nitrogen consumption on wheat crop performance. Journal of Soil and Water, 17(1): 29-38.
9. Food and Agriculture Organization of the United States. FAOSTAT [Internet]. 2018 [cited 2018 October 3]. Available from: http://www.fao.org/faostat/en/#data/QC/visualize
10. Graham, R.D. and R.M. Welch. 1996. Breeding for staple-food crops with high micronutrient density Working Papers on Agricultural Strategies for Micronutrients, No. 3. International Food Policy Research Institute, Washington, D.C.
11. Guzman-Maldonado, S.H., O. Martinez, J.A. Scosta-Gallegos, F. Guevara-Lara and O. Paredes-Lopez. 2003. Putative quantitative trait loci for physical and chemical components of common bean. Crop Sciense, 43: 1029-1035. [DOI:10.2135/cropsci2003.1029]
12. Hatami-Maleki, H., N. Abdi, R. Darvishzadeh and M. Jafari. 2017. Mapping QTLs Controlling Drought Tolerance Indices in Sunflower (Helianthus annus L.). jcb, 8(20): 235-228.
13. Lakew, B., R.J. Henry, S. Ceccarelli, S. Grando, J. Eglinton and M. Baum. 2013. Genetic analysis and phenotypic associations for drought tolerance in Hordeum spontaneum introgression lines using SSR and SNP markers. Euphytica, 189: 9-29. [DOI:10.1007/s10681-012-0674-4]
14. Li, J.Z., T.G. Sjakste, M.S. Roder and M.W. Ganal. 2003. Development and genetic mapping of 127 new microsatellite markers in barley. Theoretical and Applied Genetics, 107: 1021-1027. [DOI:10.1007/s00122-003-1345-6]
15. Liu, J., J. Yang, R. Li, L. Shi, Ch. Zhang, Y. Long, F. Xu and J. Meng. 2009. Analysis of genetic factors that control shoot mineral concentration in rapeseed (Brassica napus) in different boron environments.Plant and Soil, 320: 255-266. [DOI:10.1007/s11104-009-9891-6]
16. Liu, Z.W., R.M. Biyashev and M.A. Saghai Maroof. 1996. Development of simple sequence repeat DNA markers and their integration into a barley linkage map. Theoretical and Applied Genetics, 93: 869-876. [DOI:10.1007/BF00224088]
17. Lorieux, M. 2012. MapDisto: fast and efficiency computation of genetic linkage map Mol. Breed, 30: 1231-1235. [DOI:10.1007/s11032-012-9706-y]
18. Majd, A.N., M. Fazel and S. Lak. 2015. The effect of foliar application of zinc (Zn) on yield and yield components of irrigated wheat cultivars in Ahvaz weather conditions. Int J Biosci, 6(3): 370-377. [DOI:10.12692/ijb/6.3.370-377]
19. Marschner, H. 1998. Role of root growth, arbuscular mycorrhiza, and root exudates for the efficiency in nutrient acquisition. Field Crops Research, 56: 203-207. [DOI:10.1016/S0378-4290(97)00131-7]
20. Martínez, M., M. Motilva, J. delas M. Hazas, C.L. Romero, M.P.K.Vaculova and I.A. Ludwig. 2018. Phytochemical composition and β-glucan content of barley genotypes from two different geographic origins for human health food production. Food chem, 245: 61-70. [DOI:10.1016/j.foodchem.2017.09.026]
21. Mikołajczak, K., P. Ogrodowicz, K. Gudyś, K. Krystkowiak, A. Sawikowska, W. Frohmberg, A. Górny, A. Kędziora, J. Jankowiak and D. Józefczyk. 2016: Quantitative trait loci for yield and yield-related traits in spring barley populations derived from crosses between European and Syrian cultivars. PLoS One 11, e0155938. doi:10.1371/journal.pone.0155938. [DOI:10.1371/journal.pone.0155938]
22. Peleg, Z., I. Cakmak and I. Ozturk. 2009. Quantitative trait loci conferring grain mineral nutrient concentration in durum wheat × wild emmer wheat RIL Population . Theoretical and Applied Genetics, 119: 353-369. [DOI:10.1007/s00122-009-1044-z]
23. Ramsay, L., M. Macaulay, D.S. Ivanissevich, K. MacLean, L. Cardle, J. Fuller, K.J. Edwards, S. Tuvesson, M. Morgante, A. Massari, E. Maestri, N. Marmiroli, T. Sjakste, M. Ganal, W. Powell and R. Waugh. 2000. A simple sequence repeat-based linkage map of barley. Genetics, 156: 1997-2005.
24. Ramsay, L., J. Russell, M. Macaulay, A. Booth, W.T.B. Thomas and R. Waugh. 2004. Variation shown by molecular markers in barley: Genomic and genetic constraints. Aspects of Applied Biology, 72: 147-154.
25. Rollins, J.A., B. Drosse, M.A. Mulki, S. Grando, M. Baum, M. Singh, S. Ceccarelli and M. von Korff, 2013. Variation at the vernalisation genes Vrn-H1 and Vrn-H2 determines growth and yield stability in barley (Hordeum vulgare) grown under dryland conditions in Syria. Theoretical and Applied Genetics, 126: 2803-2824. [DOI:10.1007/s00122-013-2173-y]
26. Rostoks, N., S. Mudie, L. Cardle, J. Russell, L. Ramsay, A. Booth, J.T. Svensson, S.I. Wanamaker, H. Walia, E.M. Rodriguez, P.E. Hedley, H. Liu, J. Morris, T.J. Close, D.F. Marshall and R. Waugh, 2005. Genome-wide SNP discovery and linkage analysis in barley based on genes responsive to abiotic stress. Molecular Genetics and Genomics, 274: 515-527. [DOI:10.1007/s00438-005-0046-z]
27. Sadeghzadeh, B. 2013. A review of zinc nutrition and plant breeding. Journal of Soil Science and Plant Nutrition, 13: 905-927. [DOI:10.4067/S0718-95162013005000072]
28. Sadeghzadeh, B. and G. Valizadeh. 2016. Soil-zinc application alleviates drought stress to improve bread and durum wheat production under cold rainfed conditions 15th International Cereal and Bread Congress, 18-21 Apr. 2016, Istanbul, Turkey, 241.
29. Sadeghzadeh, B., N. Sadeghzadeh and E. Sepehr. 2016. Barley genotypes differing in zinc efficiency when grown in various soil types. International Journal of Plant & Soil Science, 12: 1-13. [DOI:10.9734/IJPSS/2016/27713]
30. Sadeghzadeh, B., Z. Rengel and C. Li. 2008. Mapping of chromosome regions associated with seed Zn accumulation in barley, PhD Thesis, The University of Western Australia, Perth.
31. Sadeghzadeh, B., Z. Rengel and C. Li. 2009. Differential zinc efficiency of barley genotypes grown in soil and chelator-buffered nutrient solution. Journal of Plant Nutrition, 32: 1744 - 1767. [DOI:10.1080/01904160903150974]
32. Sadeghzadeh, B., Z. Rengel and C. Li. 2015. Quantitative Trait Loci (QTL) of Seed Zn Accumulation in Barley Population Clipper X Sahara. Journal of Plant Nutrition, 38: 1672-1684. [DOI:10.1080/01904167.2014.991036]
33. Sadeghzadeh, B., Z. Rengel, C. Li and H. Yang, 2010. Molecular marker linked to a chromosome region regulating seed Zn accumulation in barley. Molecular Breeding, 25: 167-177. [DOI:10.1007/s11032-009-9317-4]
34. Saghai, M., A. Maroof, K. Soliman, R.A. Tprgensen, R.W. Allard. 1984. Ribosomal DNA Spacer Lenth polymorphism in barley: Mendelian inheritance, chromosomal loCation and population dynamics. Proc .Natl. ACad. Sci. USA. 81: 8014-8018. [DOI:10.1073/pnas.81.24.8014]
35. Struss, P. and J. Plieske. 1998. The use of microsatellite markers for detection of genetic diversity in barley populations. Theoretical and Applied Genetics, 97: 308-315. [DOI:10.1007/s001220050900]
36. Sun, C., Y. Fu, L. Tan, A. Luisa and Garcia-Oliveira. 2009. Genetic identification of quantitative trait loci for contents of mineral nutrients in rice grain. Plant Biology, 51: 84-92. [DOI:10.1111/j.1744-7909.2008.00730.x]
37. Thiel, T., W. Michalek, R.K. Varshney and A. Graner. 2003. Exploiting EST databases for the development of cDNA derived microsatellite markers in barley (Hordeum vulgare L.). Theoretical and Applied Genetics, 106: 411-422. [DOI:10.1007/s00122-002-1031-0]
38. Trimigno, A., B. Khakimov, J.L.C. Mejia, M.S. Mikkelsen, M. Kristensen, B.M. Jespersen and S.B. Engelsen. 2017. Identification of weak and gender specific effects in a short 3 weeks intervention study using barley and oat mixed linkage β-glucan dietary supplements: a human fecal metabolome study by GC-MS. Metabolomics, 13(10): 108. [DOI:10.1007/s11306-017-1247-2]
39. Van Ooijen, J.W. 2006. JoinMap4, Software for the calculation of genetic linkage map in experimental populations. Kyazma B.V., Wageningen, Netherlands.
40. Varshney, R.K., I. Grosse, U. Hauhnel, R. Siefken, M. Prasad, N. Stein, P. Langridge, L. Altschmied, and A. Graner. 2006. Genetic mapping and BAC assignment of EST-derived SSR markers proves non-uniform distribution of genes in the barley genome. Theoretical and Applied Genetics, 113: 239-250. [DOI:10.1007/s00122-006-0289-z]
41. Wang, M., N. Jiang, T. Jia, L. Leach, J. Cockram, R. Waugh, L. Ramsay, B. Thomas and Z. Luo. 2012. Genome-wide association mapping of agronomic and morphologic traits in highly structured populations of barley cultivars Theor. Appl. Genet, 124: 233-246. [DOI:10.1007/s00122-011-1697-2]
42. Wenzl, P., H. Li, J. Carling, M. Zhou, H. Raman, E. Paul, P. Hearnden, C. Maier, L. Xia and V. Caig. 2006. A high-density consensus map of barley linking DArT markers to SSR, RFLP and STS loci and agricultural traits. BMC Genom, 7 pp. [DOI:10.1186/1471-2164-7-206]
43. Yu, J.M., G. Pressoir, W.H. Briggs, I.V. Bi, M. Yamasaki, J.F. Doebley, M.D. McMullen, B.S. Gaut, D.M. Nielsen and J.B. Holland. 2006. A unified mixed-model method for association mapping that accounts for multiple levels of relatedness. Nat. Genet, 38: 203-208. [DOI:10.1038/ng1702]
44. Zali, H., O. Sofalian, M. Zeinalabedini, T. hasanloo, A. asgharii and B. Alizadeh. 2018. Assessment of Variability and Genetic Structure of Canola cultivars and Lines using SSR Markers Related on Drought Tolerance QTLs, 10(26): 65-75.
ارسال پیام به نویسنده مسئول
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |
