دوره 13، شماره 40 - ( زمستان 1400 1400 )
جلد 13 شماره 40 صفحات 132-122 |
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:
Babaei H R. (2021). Evaluation of Allelic Diversity in Soybean Breeding lines (Glycine max, L) using Microsatellite markers (SSR). jcb. 13(40), 122-132. doi:10.52547/jcb.13.40.122
URL: http://jcb.sanru.ac.ir/article-1-1216-fa.html
URL: http://jcb.sanru.ac.ir/article-1-1216-fa.html
بابائی حمیدرضا. بررسی تنوع آللی در لاین‌های اصلاحی سویا(Glycin max, L) با استفاده از نشانگرهای ریزماهواره (SSR) پژوهشنامه اصلاح گیاهان زراعی 1400; 13 (40) :132-122 10.52547/jcb.13.40.122
استادیار پژوهش بخش تحقیقات علوم زراعی و باغی، مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی خراسان رضوی، سازمان تحقیقات، آموزش و ترویج کشاورزی، مشهد، ایران
چکیده: (1836 مشاهده)
چکیده مبسوط
مقدمه و هدف: به‌دلیل محدودیت صفات مورفولوژیکی متمایزکننده غیر وابسته به محیط و اشکال تظاهر آنها، تشخیص و گزینش در بین لاین‌های مشابه برای به‌نژادگران همراه با مشکلاتی خواهد بود. بدین سبب استفاده از نشانگرهای مولکولی به‌عنوان روش مکمل در کنار خصوصیات زراعی جهت تشخیص و گزینش لاین‌های برتر اصلاحی سودمند خواهد بود. این تحقیق با هدف بررسی تفاوت‌های ژنتیکی لاین‌های پیشرفته اصلاحی سویا جهت گزینش لاین‌های مطلوب و حذف لاین‌های تکراری انجام گردید.
مواد و روش‌ها: در سال 1392 در کرج 64 لاین نسل F7 سویا در گلخانه کشت و در زمان مناسب نمونه‌های برگی از گیاهچه لاین‌ها برداشت و DNA نمونه‌ها استخراج شد. محلول DNA حاصل پس از تعیین کمیت و کیفیت و تهیه غلظت مناسب برای واکنش زنجیره‌ای پلیمراز (PCR) توسط 20 نشانگر ریزماهواره مورد استفاده گرفت. پس از تعیین ژنوتیپ لاین‌ها بوسیله نشانگرهای چند شکل، امتیازدهی باندهای ژنتیکی، تجزیه آماری با استفاده از داده‌های ژنتیکی برای برآورد شاخص‌های تنوع ژنتیکی شامل تعداد آلل مشاهده شده و موثر، درصد هتروزیگوسیتی و هموزیگوسیتی، محتوی اطلاعات چندشکل و شاخص شانون انجام گرفت. همچنین برای گروه‌بندی لاین‌های مورد بررسی از تجزیه خوشه‌ای به روش اتصال همسایگی و ضریب تشابه تطابق ساده و از تجزیه به مختصات اصلی برای بررسی صحت نتایج تجزیه خوشه‌ای مورد استفاده قرار گرفت.
یافته‌ها: بر اساس نتایج حاصل از 20 نشانگر ریزماهواره مورد استفاده جهت تعیین تنوع ژنتیکی، 14 نشانگر چند شکلی نشان دادند. در مجموع 41 آلل برای مکان‌های ژنی شناسائی شد که میانگین تعداد آلل‌های مشاهده شده برای هر جایگاه ژنی 2/93 و میانگین تعداد الل‌های موثر 2/36 بود. دامنه شاخص شانون (I) از 0/29 تا 1/56 و دامنه محتوی اطلاعات چندشکلی (PIC) از 0/78 تا 0/16 متغیر بودند. بر اساس شاخص‌های تنوع ژنتیکی اندازه‌گیری شده، نشانگرهای Sat_218 و Sat_117 قدرت تمایز بالاتری داشتند. تجزیه خوشه‌ای لاین‌های اصلاحی را در چهار گروه و هشت زیر گروه قرار داد. سه مولفه نخستین تجزیه به مختصات اصلی در مجموع 6/36 درصد از واریانس کل تغییرات را توجیه نمودند. نمودار سه بعدی لاین‌های اصلاحی را در چهار گروه قرار داد که تطابق نسبتاً خوبی با گروه‌بندی حاصل از تجزیه خوشه‌ای داشت.
نتیجه‌گیری: به طور کلی نتایج تحقیق حاضر نشان داد که نشانگرهای مورد استفاده دارای چندشکلی قابل قبولی بودند و نشانگرهای Sat_218 و Sat_117 از قدرت تمایز بالاتری بین ژنوتیپ‌ها و تبیین تنوع آللی برخوردار بودند. بنابرین نشانگرهای مولکولی از کارائی لازم برای ارزیابی و گزینش لاین‌های اصلاحی برتر در نسل های پیشرفته برخوردار بودند.
مقدمه و هدف: به‌دلیل محدودیت صفات مورفولوژیکی متمایزکننده غیر وابسته به محیط و اشکال تظاهر آنها، تشخیص و گزینش در بین لاین‌های مشابه برای به‌نژادگران همراه با مشکلاتی خواهد بود. بدین سبب استفاده از نشانگرهای مولکولی به‌عنوان روش مکمل در کنار خصوصیات زراعی جهت تشخیص و گزینش لاین‌های برتر اصلاحی سودمند خواهد بود. این تحقیق با هدف بررسی تفاوت‌های ژنتیکی لاین‌های پیشرفته اصلاحی سویا جهت گزینش لاین‌های مطلوب و حذف لاین‌های تکراری انجام گردید.
مواد و روش‌ها: در سال 1392 در کرج 64 لاین نسل F7 سویا در گلخانه کشت و در زمان مناسب نمونه‌های برگی از گیاهچه لاین‌ها برداشت و DNA نمونه‌ها استخراج شد. محلول DNA حاصل پس از تعیین کمیت و کیفیت و تهیه غلظت مناسب برای واکنش زنجیره‌ای پلیمراز (PCR) توسط 20 نشانگر ریزماهواره مورد استفاده گرفت. پس از تعیین ژنوتیپ لاین‌ها بوسیله نشانگرهای چند شکل، امتیازدهی باندهای ژنتیکی، تجزیه آماری با استفاده از داده‌های ژنتیکی برای برآورد شاخص‌های تنوع ژنتیکی شامل تعداد آلل مشاهده شده و موثر، درصد هتروزیگوسیتی و هموزیگوسیتی، محتوی اطلاعات چندشکل و شاخص شانون انجام گرفت. همچنین برای گروه‌بندی لاین‌های مورد بررسی از تجزیه خوشه‌ای به روش اتصال همسایگی و ضریب تشابه تطابق ساده و از تجزیه به مختصات اصلی برای بررسی صحت نتایج تجزیه خوشه‌ای مورد استفاده قرار گرفت.
یافته‌ها: بر اساس نتایج حاصل از 20 نشانگر ریزماهواره مورد استفاده جهت تعیین تنوع ژنتیکی، 14 نشانگر چند شکلی نشان دادند. در مجموع 41 آلل برای مکان‌های ژنی شناسائی شد که میانگین تعداد آلل‌های مشاهده شده برای هر جایگاه ژنی 2/93 و میانگین تعداد الل‌های موثر 2/36 بود. دامنه شاخص شانون (I) از 0/29 تا 1/56 و دامنه محتوی اطلاعات چندشکلی (PIC) از 0/78 تا 0/16 متغیر بودند. بر اساس شاخص‌های تنوع ژنتیکی اندازه‌گیری شده، نشانگرهای Sat_218 و Sat_117 قدرت تمایز بالاتری داشتند. تجزیه خوشه‌ای لاین‌های اصلاحی را در چهار گروه و هشت زیر گروه قرار داد. سه مولفه نخستین تجزیه به مختصات اصلی در مجموع 6/36 درصد از واریانس کل تغییرات را توجیه نمودند. نمودار سه بعدی لاین‌های اصلاحی را در چهار گروه قرار داد که تطابق نسبتاً خوبی با گروه‌بندی حاصل از تجزیه خوشه‌ای داشت.
نتیجه‌گیری: به طور کلی نتایج تحقیق حاضر نشان داد که نشانگرهای مورد استفاده دارای چندشکلی قابل قبولی بودند و نشانگرهای Sat_218 و Sat_117 از قدرت تمایز بالاتری بین ژنوتیپ‌ها و تبیین تنوع آللی برخوردار بودند. بنابرین نشانگرهای مولکولی از کارائی لازم برای ارزیابی و گزینش لاین‌های اصلاحی برتر در نسل های پیشرفته برخوردار بودند.
واژه‌های کلیدی: تجزیه خوشه‌ای و تجزیه به مختصات اصلی، تعداد آلل موثر، شاخص شانون (I)، شاخص محتوی اطلاعات چندشکلی (PIC)
نوع مطالعه: پژوهشي |
موضوع مقاله:
اصلاح نباتات مولكولي
دریافت: 1399/11/25 | ویرایش نهایی: 1400/10/28 | پذیرش: 1400/9/1 | انتشار: 1400/10/26
دریافت: 1399/11/25 | ویرایش نهایی: 1400/10/28 | پذیرش: 1400/9/1 | انتشار: 1400/10/26
فهرست منابع
1. Babaei, H.R. 2016. Study of adaptability of new soybean purlines. Registered number: 55194- 97/12/15. Final report of research project. Seed and Plant Improvement Institute, [available] In Site: < https://www .acist.areeo.ac.ir/fa-IR/acist.areeo.ac/15589>.
2. Bisen, A., D. Khare, P. Nair and N. Tripathi. 2015. SSR analysis of 38 genotypes of soybean (Glycine Max (L.) Merr.) Genetic diversity in India. Physiology Molecular Biology Plants. 21: 109-115. [DOI:10.1007/s12298-014-0269-8]
3. Chotiyarnwong. O., P. Chatwachirawong, S. Chanprame and P. Srinives. 2007. Evaluation of genetic diversity in Thailand indigenous and recommended soybean varieties by SSR markers. Thailand Journal of Agricultural Science, 40(3): 119-126.
4. Dadras, A.R., H. Samizadeh and H. Sabouri. 2015. Validation of candidate markers drought tolerance in soybean genotypes under normal and drought stress condition. Journal of Crop Breeding, 9(22): 1-13 (In Persian). [DOI:10.29252/jcb.9.22.1]
5. Francis, C.Y. and R. Cai Yang. 1999. Popgene version 1.31. A joint project development by
6. University of Alberta and Tim Boyle, Centre for International. Available at < http://ftp
7. microsoft.com/Softlib/Mslfiles>.
8. He, C., V. Poysa and K. Yu. 2003. Development and characterization of simple sequence repeat (SSR) markers and their use in determining relationships among Lycopersicon esculentum cultivars. Theoretical and Applied Genetics, 106: 363-373. [DOI:10.1007/s00122-002-1076-0]
9. Hipparagi, Y., R. Singh, D.R. Choudhury and V. Gupta. 2017. Genetic diversity and population structure analysis of Kala bhat (Glycine max (L.) Merrill) genotypes using SSR markers. Hereditas. 154(9): 1-11. [DOI:10.1186/s41065-017-0030-8]
10. Hisano, H., S. Sato and S. Isobe. 2007. Characterisation of soybean genome using EST-derived microsatellite markers. DNA Research, 14: 271-281. [DOI:10.1093/dnares/dsm025]
11. Hwang, T.Y., B.S. Gwak, J. Sung and H.S. Kim. 2020. Genetic diversity patterns and discrimination of 172 Korean soybeans (Glycine max (L.) Merrill) varieties based on SSR analysis. Agriculture. Open access. [available] In Site: https://www.mdpi.com/2077-0472/10/3/77/pdf. [DOI:10.3390/agriculture10030077]
12. Hwang, T.Y., Y. Nakamoto, I. Kono, H. Enoki, H. Funatsuki, K. Kitamura and M. Ishimoto. 2008. Gentic diversity of cultivated and wild soybesn including Japanese elite cultivars as revealed by length potymorphism of SSR markers. Breeding Science. (58): 315-323. [DOI:10.1270/jsbbs.58.315]
13. Jamali, S.H., L. Sadghi and S.Y. Sadeghian-Motahhar. 2011. Identification and distinction of soybean commercial cultivars using morphological and microsatellite markers. Iranian Journal of Crop Sciences, 13(1): 131-145 (In Persian).
14. Khatun, M.K., M.A. Haque, M.A. Malek, M.H. Rashid, S. Islam and M.M. Haque. 2021. Genetic diversity analysis of soybean [Glycine max (L.) Merrill.] germplasms in Bangladesh using SSR markers. Journal of Agricultural Science, 13(2): 1-10. [DOI:10.5539/jas.v13n2p1]
15. Kim, K.S., A. Chirumamilla, C.B. Hill, G.L. Hartman and B.W. Diers. 2014. Identification and molecular mapping of two soybean aphid resistance genes in soybean PI 587732. Theoretical and Applied Genetics. 127: 1251-1259. [DOI:10.1007/s00122-014-2296-9]
16. Kimura, M. and J.F. Crow. 1964. The number of alleles that can be maintained in a finite population. [DOI:10.1093/genetics/49.4.725]
17. Genetics. 49: 25-38.
18. Kwon, S.J. 2002. Relationship between genetic divergence and hybrid performance in japonica rice
19. grown in a cold water-irrigated field. Euphytica, 28: 389-396.
20. Li, Y. H., J. M., Smulders, R.Z. Chang, and L.J. Qiu. 2011. Genetic diversity and association mapping in a collection of selected Chinese soybean accessions based on SSR marker analysis. Conservation Genetics, 12: 1145-1157 [DOI:10.1007/s10592-011-0216-y]
21. Mahjoob, B., H. NajafiZarini and S.H.R. Hashemi. 2014. Assessment of Genetic Relationships among 36 Brassica Genotypes using ISSR Molecular Markers. Journal of Crop Breeding, 6(14): 96-106 (In Persian).
22. Marsan, P.A., P. Castiglioni, F. Fusari, M. Kuiper and M. Motto. 2004. Genetic diversity and its relationship to hybrid performance in maize as reveled by RFLP and AFLP markers. Theoretical and Applied Genetics, 96(2): 219-227. [DOI:10.1007/s001220050730]
23. Mukuze, C., P. Tukamuhabwa, M. Maphosa, S. Dari, I.O. Dramadri, T. Obua, H.M. Kongai and P. Rubaihayo. 2020. Genetic diversity analysis among soybean genotypes using SSR markers in Uganda. African Journal of Biotechnology, 19(7): 439-448. [DOI:10.5897/AJB2020.17152]
24. Mulato, B.M., M. Moller, M.I. Zucchi, V. Quecini and J.B. Pinheiro. 2010. Genetic diversity in soybean germplasm identified by SSR and EST-SSR markers. Pesquisa Agropecu aria Brasileria, 45: 276-283. [DOI:10.1590/S0100-204X2010000300007]
25. Munir, A., S. Armghan, M. Iqbal, M. Asif and A.H. Hirani. 2013. Morphological and molecular genetic variation in wheat for salinity tolerance at germination and early seedling stage. Australian Journal of Crop Science, 7(1): 66-74.
26. Naghavi, M.R., B. Ghareyazi and G. Hosseni Salekdeh. 2005. Molecular Marker. 320 pp. University of Tehran Press, Iran (In Persian).
27. Qiu, L.J. and R.Z. Chang. 2009. The Origin and History of Soybean. In: Sing, G. (ed) The Soybean: Botany, Production and Uses. 1-23 pp. CAB International. London, UK. [DOI:10.1079/9781845936440.0001]
28. Reif, J. 2004. Assessing the genetic diversity in crops with molecular markers: theory and experimental results with CIMMYT wheat and maize elite germplasm and genetic resources. PhD. thesis. The University of Hohenheim, Stuttgart, Germany, 81 pp.
29. Saghai-Maroof, M.A., K.M. Soliman, R.A. Jorgensen and R.W. Allard. 1984. Ribosomal DNA spacer-length polymorphisms in barley: Mendelian inheritance, chromosomal location, and population dynamics. Proceedings of the National Academy of Sciences of the United States of America, 81: 8014-8018. [DOI:10.1073/pnas.81.24.8014]
30. Shannon, C. E., and W. Weaver. 1949. The mathematical theory of communication. University of Illinois Press, Urbana, IL, USA.
31. Ssendege, G., T. Obua, R. Kawuki, M. Maphosa and T.P. Tukamuhabwa. 2015. Soybean genetic diversity and resistance to soybean rust disease in Uganda. Agricultural Journal, 10(3-6): 17-23.
32. Sun, B., C. Fu, C. Yang, Q. Ma, D. Pan and H. Nian. 2013. Genetic diversity of wild soybeans from some regions of southern china based on SSR and SRAP markers. American Journal of Plant Sciences, 4: 257-268. [DOI:10.4236/ajps.2013.42034]
33. Tantasawat, P., J. Trongchuen, T. Prajongjai, S. Jenweerawat and W. Chaowiset. 2011. SSR analysis of soybean (Glycine max (L.) Merr.) Genetic relationship and variety identification in Thailand. Australian Journal of Crop Science. 5(3): 283-290.
34. Tommasini, L., J. Batley, G.M. Arnold, R.J. Cooke, P. Donini, D. Lee, J.R. Law, C. Lowe, C. Moule, M. Trick and K.J. Edwards. 2003. The development of multiplex simple sequence repeats (SSR) markers to complement distinctness, uniformity and stability testing of rape (Brassica napus L.) varieties. Theoretical and Applied Genetics, 106: 1091-1101. [DOI:10.1007/s00122-002-1125-8]
35. Wang, M., R.Z. Li, W.M. Yang and W.J. Du. 2010. Assessing the genetic diversity of cultivars and wild soybeans using SSR markers. African Journal of Biotechnology, 9: 4857-4866.
36. Zhang, G. W., S. C. Xu, W. H. Mao, Q. Z. Hu, and Y. M. Gong. 2013. Determination of the genetic diversity of vegetable soybean [Glycine max (L.) Merr.] using EST-SSR markers. Journal of Zhejiang University Science, 4: 279-288. [DOI:10.1631/jzus.B1200243]
37. Zulj Mihaljevic, M., H. Sarcevic, A. Lovric, Z. Andrijanic, A. Sudaric, G. Jukic and I. Pejic. 2020. Genetic diversity of European commercial soybean [Glycine max (L.) Merr.] germplasm revealed by SSR markers. Genetic Resources and Crop Evolution, 67: 1587-1600. [DOI:10.1007/s10722-020-00934-3]
ارسال پیام به نویسنده مسئول
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |
