دوره 17، شماره 3 - ( پاییز 1404 )
جلد 17 شماره 3 صفحات 59-45 |
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:
Dogmechi Karimi G, Bernousi I, Amini A, Alipour H. (2025). Association Analysis for Main Seedling Characteristics in Wheat Advanced Varieties and Lines under Non-Stressed and Salt-Stressed Conditions. J Crop Breed. 17(3), 45-59. doi:10.61882/jcb.2024.1503
URL: http://jcb.sanru.ac.ir/article-1-1503-fa.html
URL: http://jcb.sanru.ac.ir/article-1-1503-fa.html
دوگمچی کریمی غزل، برنوسی ایرج، امینی اشکبوس، علی پور هادی.(1404). تجزیه ارتباطی صفات مهم گیاهچه ای در ارقام و لاین های پیشرفته گندم در شرایط بدون تنش و تنش شوری پژوهشنامه اصلاح گیاهان زراعی 17 (3) :59-45 10.61882/jcb.2024.1503
1- گروه مهندسی تولید و ژنتیک گیاهی، دانشگاه ارومیه، ارومیه، ایران
2- مؤسسه تحقیقات اصلاح و تهیه نهال و بذر، سازمان تحقیقات آموزش و ترویج کشاورزی، کرج، ایران
2- مؤسسه تحقیقات اصلاح و تهیه نهال و بذر، سازمان تحقیقات آموزش و ترویج کشاورزی، کرج، ایران
چکیده: (436 مشاهده)
چکیده مبسوط
مقدمه و هدف: گندم (L.Triticum aestivum ) به عنوان یک غله استراتژیک، نقش حیاتی در امنیت غذایی جهانی ایفا می‌کند و منبع اصلی تغذیه برای بیش از ۳۵ درصد از جمعیت جهان محسوب می‌شود. با این حال، تولید پایدار این محصول با چالش‌های متعددی از جمله تنش‌های غیر زیستی مواجه است. در میان این تنش‌ها، شوری یکی از مهمترین عوامل محدودکننده تولید گندم در بسیاری از مناطق جهان به شمار می‌رود. تنش شوری نه تنها بر جوانه‌زنی و استقرار گیاهچه تأثیر منفی می‌گذارد، بلکه مراحل مختلف رشد، عملکرد نهایی و حتی ویژگی‌های کیفی دانه را نیز به شدت تحت تأثیر قرار می‌دهد. با توجه به گسترش روزافزون خاک‌های شور و کاهش منابع آب با کیفیت، شناسایی و معرفی ارقام متحمل به شوری در برنامه‌های به‌نژادی گندم ضروری است. تحمل به شوری یک صفت کمی پیچیده است که توسط تعداد زیادی از ژن‌ها و شبکه‌های پیچیده فیزیولوژیکی و بیوشیمیایی کنترل می‌شود. از آنجا که این مکانیسم‌ها شامل ویژگی‌های فیزیولوژیک و مورفولوژیک متعددی می‌شوند، ارزیابی تنوع ژنتیکی و شناسایی نشانگرهای مولکولی مرتبط با صفات فیزیولوژیک و مورفولوژیک، گامی ضروری برای بهبود ژنتیکی این گیاه محسوب می‌شود. استفاده از نشانگرهای مولکولی، نظیر ریزماهواره‌ها (SSR) که با نواحی ژنی کنترل‌کننده تحمل به شوری ارتباط دارند، امکان گزینش دقیق‌تر و سریع‌تر ژنوتیپ‌های متحمل را در قالب گزینش به کمک نشانگر فراهم می‌کند. بر این اساس، پژوهش حاضر با هدف شناسایی تنوع ژنتیکی و نشانگرهای مهم مولکولی مرتبط با صفات مهم گیاهچه‌ای تحت شرایط بدون تنش و تنش شوری در ژنوتیپ‌های گندم اجرا شد.
مواد و روشها: در بخش ارزیابی فنوتیپی، تعداد ۳۷ ژنوتیپ گندم در قالب طرح بلوکهای کامل تصادفی با سه تکرار در دو شرایط بدون تنش و تنش شوری در سال ۱۳۹۹ در گلخانه تحقیقات شوری بخش تحقیقات غلات موسسه اصلاح و تهیه نهال و بذر کرج در محیط کشت هوگلند مطالعه شدند. در تیمار شاهد (بدون تنش) محلول غذایی هوگلند و در تیمار تنش شوری محلول غذایی هوگلند حاوی NaCl با شوری ۱۲ دسیزیمنس بر متر استفاده شدند. پس از دوره رشد شش هفته‌ای، صفات فیزیولوژیک و مورفولوژیک مهمی شامل میزان کلروفیل برگ، طول، عرض و سطح برگ پرچم، بیوماس کل، میزان یون‌های سدیم و پتاسیم و نسبت پتاسیم به سدیم اندازه‌گیری شدند. در بخش مولکولی، استخراج DNA به روش CTAB از برگهای جوان و عاری از بیماری انجام گرفت. سپس DNA استخراجشده از نظر خصوصیات کیفی و کمی، شامل غلظت و خلوص آن، توسط دستگاه اسپکتروفتومتری و الکتروفورز ژل آگارز یک درصد بررسی گردید. تمامی ژنوتیپ‌های مورد بررسی با استفاده از 27 نشانگر SSR که با نواحی گزارش شده QTLهای تحمل به شوری در گندم مرتبط بودند، مورد ارزیابی قرار گرفتند. در بخش ارزیابی مورفولوژی، تجزیه وایانس داده ها با استفاده از نرم افزارهای SPSS v.21 و در بخش مولکولی تعیین ساختار جمعیت با استفاده از روش بیزین در نرم‌افزار Structure v.2.3.4، محاسبه شاخص های تنوع و تجزیه واریانس مولکولی با استفاده از نرم افزار GenAlEx v.6.501، تجزیه به مختصات اصلی و تجزیه خوشه ای با استفاده از الگوریتم UPGMA در نرم افزار DARwin v.6 و تجزیه ارتباطی براساس مدل MLM در نرم‌افزار TASSEL v.4 انجام شدند.
یافته ها: نتایج تجزیه واریانس در دو شرایط نشان دادند که بین ژنوتیپ‌های مورد مطالعه از نظر صفات میزان کلروفیل برگ، طول و عرض برگ پرچم، سطح برگ پرچم، بیوماس کل، میزان سدیم، میزان پتاسیم و نسبت میزان پتاسیم به سدیم برگ تفاوت های آماری معنیداری وجود داشتند (0.01<p) ، که بیانگر تنوع ژنتیکی بالا بین ژنوتیپ‌های مورد بررسی است. در تجزیه ساختار جمعیت، ژنوتیپ‌های مورد بررسی براساس حداکثر مقدار ∆K در دو زیر گروه احتمالی (۲=K) طبقهبندی شدند، به طوریکه در زیر گروه اول ۱۸ ژنوتیپ و در زیر گروه دوم ۱۹ ژنوتیپ قرار گرفتند. در زیرگروه اول شامل چهار رقم تجاری و ۱۴ لاین امیدبخش و زیرجمعیت دوم ۱۰ رقم تجاری و ۹ لاین امیدبخش گروه بندی شدند. بر اساس شاخص های تنوع، زیرگروه دوم در مقایسه با زیرگروه اول تنوع بسیار بیشتری نشان داد. بر اساس تجزیه واریانس مولکولی، بین دو زیرگروه تمایز ژنتیکی معنی داری مشاهده شد. با توجه به نتایج تجزیه ارتباطی با روش مدل خطی مخلوط (MLM)، در شرایط بدون تنش تعداد ۲۹ و در شرایط تنش شوری تعداد ۳۰ ارتباط معنیدار (0.01<p ) نشانگر-صفت مشاهده شدند. در شرایط تنش شوری، نشانگرهای gwm108 و gwm47 با صفات میزان سدیم و نسبت میزان پتاسیم به سدیم ارتباط بالایی نشان دادند که میتوانند در شناسایی نمونه های متحمل به تنش شوری مورد استفاده قرار گیرند.
نتیجه گیری: نتایج این پژوهش اطلاعات ارزشمندی را در ارتباط با تنوع ژنتیکی ژنوتیپ‌های مورد بررسی و مبنای ژنتیکی صفات مورد مطالعه فراهم می نماید. شناسایی نشانگرهای مرتبط با صفات مهم فیزیولوژیک و مورفولوژیک تحت شرایط تنش شوری، امکان گزینش به کمک نشانگر را برای بهبود تحمل به شوری در گندم فراهم می‌کند. این یافته‌ها را می‌توان در پیشبرد برنامه‌های به‌نژادی و گزینش و تولید ژنوتیپ‌های مطلوب با تحمل به شوری مورد استفاده قرار داد. نشانگرهای شناسایی شده به ویژه gwm108 و gwm47 را می‌توان به عنوان ابزارهای مولکولی ارزشمندی در برنامه‌های به‌نژادی گندم برای مناطق تحت تأثیر شوری به کار گرفت.
مقدمه و هدف: گندم (L.Triticum aestivum ) به عنوان یک غله استراتژیک، نقش حیاتی در امنیت غذایی جهانی ایفا می‌کند و منبع اصلی تغذیه برای بیش از ۳۵ درصد از جمعیت جهان محسوب می‌شود. با این حال، تولید پایدار این محصول با چالش‌های متعددی از جمله تنش‌های غیر زیستی مواجه است. در میان این تنش‌ها، شوری یکی از مهمترین عوامل محدودکننده تولید گندم در بسیاری از مناطق جهان به شمار می‌رود. تنش شوری نه تنها بر جوانه‌زنی و استقرار گیاهچه تأثیر منفی می‌گذارد، بلکه مراحل مختلف رشد، عملکرد نهایی و حتی ویژگی‌های کیفی دانه را نیز به شدت تحت تأثیر قرار می‌دهد. با توجه به گسترش روزافزون خاک‌های شور و کاهش منابع آب با کیفیت، شناسایی و معرفی ارقام متحمل به شوری در برنامه‌های به‌نژادی گندم ضروری است. تحمل به شوری یک صفت کمی پیچیده است که توسط تعداد زیادی از ژن‌ها و شبکه‌های پیچیده فیزیولوژیکی و بیوشیمیایی کنترل می‌شود. از آنجا که این مکانیسم‌ها شامل ویژگی‌های فیزیولوژیک و مورفولوژیک متعددی می‌شوند، ارزیابی تنوع ژنتیکی و شناسایی نشانگرهای مولکولی مرتبط با صفات فیزیولوژیک و مورفولوژیک، گامی ضروری برای بهبود ژنتیکی این گیاه محسوب می‌شود. استفاده از نشانگرهای مولکولی، نظیر ریزماهواره‌ها (SSR) که با نواحی ژنی کنترل‌کننده تحمل به شوری ارتباط دارند، امکان گزینش دقیق‌تر و سریع‌تر ژنوتیپ‌های متحمل را در قالب گزینش به کمک نشانگر فراهم می‌کند. بر این اساس، پژوهش حاضر با هدف شناسایی تنوع ژنتیکی و نشانگرهای مهم مولکولی مرتبط با صفات مهم گیاهچه‌ای تحت شرایط بدون تنش و تنش شوری در ژنوتیپ‌های گندم اجرا شد.
مواد و روشها: در بخش ارزیابی فنوتیپی، تعداد ۳۷ ژنوتیپ گندم در قالب طرح بلوکهای کامل تصادفی با سه تکرار در دو شرایط بدون تنش و تنش شوری در سال ۱۳۹۹ در گلخانه تحقیقات شوری بخش تحقیقات غلات موسسه اصلاح و تهیه نهال و بذر کرج در محیط کشت هوگلند مطالعه شدند. در تیمار شاهد (بدون تنش) محلول غذایی هوگلند و در تیمار تنش شوری محلول غذایی هوگلند حاوی NaCl با شوری ۱۲ دسیزیمنس بر متر استفاده شدند. پس از دوره رشد شش هفته‌ای، صفات فیزیولوژیک و مورفولوژیک مهمی شامل میزان کلروفیل برگ، طول، عرض و سطح برگ پرچم، بیوماس کل، میزان یون‌های سدیم و پتاسیم و نسبت پتاسیم به سدیم اندازه‌گیری شدند. در بخش مولکولی، استخراج DNA به روش CTAB از برگهای جوان و عاری از بیماری انجام گرفت. سپس DNA استخراجشده از نظر خصوصیات کیفی و کمی، شامل غلظت و خلوص آن، توسط دستگاه اسپکتروفتومتری و الکتروفورز ژل آگارز یک درصد بررسی گردید. تمامی ژنوتیپ‌های مورد بررسی با استفاده از 27 نشانگر SSR که با نواحی گزارش شده QTLهای تحمل به شوری در گندم مرتبط بودند، مورد ارزیابی قرار گرفتند. در بخش ارزیابی مورفولوژی، تجزیه وایانس داده ها با استفاده از نرم افزارهای SPSS v.21 و در بخش مولکولی تعیین ساختار جمعیت با استفاده از روش بیزین در نرم‌افزار Structure v.2.3.4، محاسبه شاخص های تنوع و تجزیه واریانس مولکولی با استفاده از نرم افزار GenAlEx v.6.501، تجزیه به مختصات اصلی و تجزیه خوشه ای با استفاده از الگوریتم UPGMA در نرم افزار DARwin v.6 و تجزیه ارتباطی براساس مدل MLM در نرم‌افزار TASSEL v.4 انجام شدند.
یافته ها: نتایج تجزیه واریانس در دو شرایط نشان دادند که بین ژنوتیپ‌های مورد مطالعه از نظر صفات میزان کلروفیل برگ، طول و عرض برگ پرچم، سطح برگ پرچم، بیوماس کل، میزان سدیم، میزان پتاسیم و نسبت میزان پتاسیم به سدیم برگ تفاوت های آماری معنیداری وجود داشتند (0.01<p) ، که بیانگر تنوع ژنتیکی بالا بین ژنوتیپ‌های مورد بررسی است. در تجزیه ساختار جمعیت، ژنوتیپ‌های مورد بررسی براساس حداکثر مقدار ∆K در دو زیر گروه احتمالی (۲=K) طبقهبندی شدند، به طوریکه در زیر گروه اول ۱۸ ژنوتیپ و در زیر گروه دوم ۱۹ ژنوتیپ قرار گرفتند. در زیرگروه اول شامل چهار رقم تجاری و ۱۴ لاین امیدبخش و زیرجمعیت دوم ۱۰ رقم تجاری و ۹ لاین امیدبخش گروه بندی شدند. بر اساس شاخص های تنوع، زیرگروه دوم در مقایسه با زیرگروه اول تنوع بسیار بیشتری نشان داد. بر اساس تجزیه واریانس مولکولی، بین دو زیرگروه تمایز ژنتیکی معنی داری مشاهده شد. با توجه به نتایج تجزیه ارتباطی با روش مدل خطی مخلوط (MLM)، در شرایط بدون تنش تعداد ۲۹ و در شرایط تنش شوری تعداد ۳۰ ارتباط معنیدار (0.01<p ) نشانگر-صفت مشاهده شدند. در شرایط تنش شوری، نشانگرهای gwm108 و gwm47 با صفات میزان سدیم و نسبت میزان پتاسیم به سدیم ارتباط بالایی نشان دادند که میتوانند در شناسایی نمونه های متحمل به تنش شوری مورد استفاده قرار گیرند.
نتیجه گیری: نتایج این پژوهش اطلاعات ارزشمندی را در ارتباط با تنوع ژنتیکی ژنوتیپ‌های مورد بررسی و مبنای ژنتیکی صفات مورد مطالعه فراهم می نماید. شناسایی نشانگرهای مرتبط با صفات مهم فیزیولوژیک و مورفولوژیک تحت شرایط تنش شوری، امکان گزینش به کمک نشانگر را برای بهبود تحمل به شوری در گندم فراهم می‌کند. این یافته‌ها را می‌توان در پیشبرد برنامه‌های به‌نژادی و گزینش و تولید ژنوتیپ‌های مطلوب با تحمل به شوری مورد استفاده قرار داد. نشانگرهای شناسایی شده به ویژه gwm108 و gwm47 را می‌توان به عنوان ابزارهای مولکولی ارزشمندی در برنامه‌های به‌نژادی گندم برای مناطق تحت تأثیر شوری به کار گرفت.
فهرست منابع
1. Aghaali, Z., Darvishzadeh, R., & Goodarzi, F. (2016). Association analysis of morphological traits in castor (Ricinus communis L.) by using ISSR markers. Iranian Journal of Rangelands and Forests Plant Breeding and Genetic Research, 24(1), 79-91.
2. Akbarpour, O., & Dehghani, H. (2017). Genetic dissection of grain yield and some morphological traits in Iranian bread wheat under field normal and salt stress conditions using JinksHayman approach. Cereal Research, 7(2), 155-169. [In Persian]
3. Alipour, H., Bihamta, M.R., Mohammadi, V., Peyghambari, S.A., Bai, G., & Zhang, G. (2017). Genotyping-by-sequencing (GBS) revealed molecular genetic diversity of Iranian wheat landraces and cultivars. Frontiers in Plant Science, 8, 1293. [DOI:10.3389/fpls.2017.01293]
4. Al-Maskri, A.Y., Sajjad, M., & S.H. Khan, S.H. (2012). Association Mapping: A Step Forward to Discovering New Alleles for Crop Improvement. International Journal of Agriculture & Biology, 14(1).
5. Breseghello, F., & M.E. Sorrells, M.E. (2006). Association mapping of kernel size and milling quality in wheat (Triticum aestivum L.) cultivars. Genetics, 172(2), 1165-1177 [DOI:10.1534/genetics.105.044586]
6. Chambers, G.K., & MacAvoy, E.S. (2002). Microsatellites: consensus and controversy. Comparative Biochemistry & Physiology. 126, 455-476. [DOI:10.1016/S0305-0491(00)00233-9]
7. El-Hendawy, S.E., Hu, Y., Yakout, G.M., Awad, A.M., Hafiz, S.E., & Schmidhalter, U. (2005). Evaluating salt tolerance of wheat genotypes using multiple parameters. European Journal of Agronomy, 22(3), 243-253. [DOI:10.1016/j.eja.2004.03.002]
8. Genc, Y., Oldach, K., Verbyla, A.P., & Lott, G. (2010). Sodium exclusion QTL associated with improved seedling growth in bread wheat under salinity stress. Theoretical and Applied Genetics, 121, 877-894. [DOI:10.1007/s00122-010-1357-y]
9. Ghaedrahmati, M., Mardi, M., Naghavi, M.R., Majidi Haravan, E., Nakhoda, B., Azadi, A., & Kazemi, M. (2018). Mapping QTLs associated with salt tolerance related traits in seedling stage of wheat (Triticum aestivum L.). Journal of Agricultural Science and Technology, 16, 1413-1428.
10. Gougerdchi, V., Dezhsetan, S., Izadi Dogonchi, M., Ebrahimi, M.A., Asghari, A., & Sadeghzadeh, B. (2017). Assessment of genetic diversity and association analysis for phonological traits related to drought escape in barley lines using microsatellite markers. Journal of Crop Breeding, 8(20), 69-60. [In Persian]
11. Gupta, P., Balyan, H. S., Edwards, K. J., Isaac, P., Korzun, V., Röder, M. S., ... & Leroy, P. (2002). Genetic mapping of 66 new microsatellite (SSR) loci in bread wheat. Theoretical and Applied Genetics, 105, 413-422. [DOI:10.1007/s00122-002-0865-9]
12. Guyomarc'h, H., Sourdille, P., Charmet, G., Edwards, K. J. K. J., & Bernard, M. (2002). Characterisation of polymorphic microsatellite markers from Aegilops tauschii and transferability to the D-genome of bread wheat. Theoretical and Applied Genetics, 104, 1164-1172. [DOI:10.1007/s00122-001-0827-7]
13. Hoshyardel, F., Darvishzadeh, R., Basirnia, A., & Hatami-Maleki, H. (2014). Association Mapping of Agronomic Traits in Oriental Tobacc (Nicotiana tabacum L.) Genotypes. Journal of Plant Breeding, 8, 134-143. [DOI:10.29252/jcb.8.18.134]
14. Ilyas, N., Amjid, M.W., Saleem, M.A., Khan, W., Wattoo, F.M., Rana, R.M., Maqsood, R.H., Zahid, A., Shah, G.A., Anwar, A., & Ahmad, M.Q. (2020). Quantitative trait loci (QTL) mapping for physiological and biochemical attributes in a Pasban90/Frontana recombinant inbred lines (RILs) population of wheat (Triticum aestivum) under salt stress condition. Saudi Journal of Biological Sciences, 27(1), 341-351. [DOI:10.1016/j.sjbs.2019.10.003]
15. Lindsay, M.P., Lagudah, E.S., Hare, R.A., & Munns, R. (2004). A locus for sodium exclusion (Nax1), a trait for salt tolerance, mapped in durum wheat. Functional Plant Biology, 31(11), 1105-1114. [DOI:10.1071/FP04111]
16. Maluszynski, M., & Kasha, K.J. (2002). Mutations in vitro and molecular techniques for environmentally sustainable crop improvement. Kluwer Academic Publishers. [DOI:10.1007/978-94-015-9996-2]
17. Pestsova, E., Korzun, V., Goncharov, N. P., Hammer, K., Ganal, M. W., & Röder, M. S. (2000). Microsatellite analysis of Aegilops tauschii germplasm. Theoretical and Applied Genetics, 101, 100-106. [DOI:10.1007/s001220051456]
18. Rahimi Jarihani, L., & Abdollahi Mandoulakani, B. (2021). Expression pattern of catalase, ascorbate peroxidase and polyphenol oxidase encoding genes under soil Zn deficiency in bread wheat. Cellular and Molecular Research (Iranian Journal of Biology), 34(1), 40-51. [In Persian]
19. Röder, M. S., Korzun, V., Wendehake, K., Plaschke, J., Tixier, M. H., Leroy, P., & Ganal, M. W. (1998). A microsatellite map of wheat. Genetics, 149(4), 2007-2023. [DOI:10.1093/genetics/149.4.2007]
20. Saghai-Maroof, M.A., Soliman, K.M., Jorgensen, R.A., & Allard, R.W.L. (1984). Ribosomal DNA spacer-length polymorphisms in barley: Mendelian inheritance, chromosomal location, and population dynamics. Proceedings of the National Academy of Sciences, 81(24), 8014-8018. [DOI:10.1073/pnas.81.24.8014]
21. Sardouie-Nasab S., Mohammadi-Nejad, Gh., & Nakhoda. B. (2013). Assessing genetic diversity of promising wheat (Triticum aestivum L.) lines using microsatellite markers linked with salinity tolerance. Journal of Plant Molecular Breeding, 1(2), 28-39.
22. Sofalian, O., Salmani-Samadi, R., Asghari, A., Shokrpoor, M., Sedghi, M., Firoozi, B., & Ahmadpoor, F. (2013). Evaluation of salinity tolerance in wheat varieties and its relation with Molecular markers. Applied Crop Breeding, 1(2), 161-174. [In Persian]
23. Song, Q. J., Fickus, E. W., & Cregan, P. B. (2002). Characterization of trinucleotide SSR motifs in wheat. Theoretical and Applied Genetics, 104, 286-293. [DOI:10.1007/s001220100698]
24. Song, Q. J., Shi, J. R., Singh, S., Fickus, E. W., Costa, J. M., Lewis, J., Gill, B. S., Ward, R. & Cregan, P. (2005). Development and mapping of microsatellite (SSR) markers in wheat. Theoretical and applied genetics, 110, 550-560. [DOI:10.1007/s00122-004-1871-x]
25. Sourdille, P., Cadalen, T., Guyomarc'h, H., Snape, J. W. J. W., Perretant, M. R. M. R., Charmet, G., … & Bernard, M. (2003). An update of the Courtot× Chinese Spring intervarietal molecular marker linkage map for the QTL detection of agronomic traits in wheat. Theoretical and Applied Genetics, 106, 530-538. [DOI:10.1007/s00122-002-1044-8]
26. Tuberosa, R., Gill, B.S., & Quarrie, S.A. (2002). Cereal genomics: Ushering in a brave new world. Plant Molecular Biology, 48(5), 445-449. [DOI:10.1023/A:1014818417927]
27. Pritchard, J.K., & Donnelly, P. (2001). Case-control studies of association in structured or admixed populations. Theoretical Population Biology, 60(3), 227-23. [DOI:10.1006/tpbi.2001.1543]
28. Yao, J., Wang, L., Liu, L., Zhao, C., & Zheng, Y. (2009). Association mapping of agronomic traits on chromosome 2A of wheat. Genetica, 137(1), 67-75. [DOI:10.1007/s10709-009-9351-5]
29. Zare Kohan, M., Babaeian Jelodar, N., Aghnoum, R., Tabatabaee, S.A., & Kazemi Tabar, S.K. (2018). Association mapping of some phenological traits in barley under salt stress. Journal of Crop Breeding, 10(26), 12-21. [In Persian] [DOI:10.29252/jcb.10.26.12]
30. Zhang, Z.B., Xu, P., Jia, J.Z., & Zhou. R.H. (2010). Quantitative Trait Loci for Leaf Chlorophyll Fluorescence Traits in Wheat. Australian Journal of Crop Science, 4, 571-579.
ارسال پیام به نویسنده مسئول
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |
