دوره 15، شماره 48 - ( زمستان 1402 )                   جلد 15 شماره 48 صفحات 177-164 | برگشت به فهرست نسخه ها

XML English Abstract Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

Majidi-Mehr A, Pahlavani M, Zaynali-Nezhad K, Karimizadeh R, Börner A. (2023). Studying the Population Structure of Spring Wheat Genotypes and Analysis of Marker-Trait Association under Water Deficit Conditions. jcb. 15(48), 164-177.
URL: http://jcb.sanru.ac.ir/article-1-1457-fa.html
مجیدی مهر احمد، پهلوانی محمد هادی، زینلی نژاد خلیل، کریمی زاده رحمت الله، بورنر آندریاس. مطالعه ساختار جمعیت ژنوتیپ های گندم بهاره و تجزیه ارتباط نشانگر- صفت تحت شرایط کم آبی پژوهشنامه اصلاح گیاهان زراعی 1402; 15 (48) :177-164

URL: http://jcb.sanru.ac.ir/article-1-1457-fa.html


گروه اصلاح نباتات و بیوتکنولوژی، دانشگاه علوم کشاورزی و منابع طبیعی گرگان، گرگان، ایران
چکیده:   (358 مشاهده)
مقدمه و هدف: تنش کم‌آبی یک تهدید جدی برای امنیت غذایی در سراسر جهان است. نقشه­ یابی ارتباطی روش مناسبی جهت شناسایی جایگاه صفات کمی بر اساس عدم تعادل پیوستگی است که در تشریح نحوه توارث صفات پیچیده ژنتیکی کارآیی بالایی دارد. هدف از این مطالعه ارزیابی ساختار جمعیت و تجزیه ارتباط نشانگرهای SNP با صفات مورفولوژیکی ژنوتیپ­های گندم بهاره در شرایط تنش کم‌آبی بود.
مواد و روش­ ها: در این پژوهش نقشه ­یابی ارتباطی در سطح ژنوم برای 111 ژنوتیپ گندم بهاره انجام شد. ارزیابی فنوتایپینگ در قالب طرح لاتیس ساده با دو تکرار در سال زراعی 1400-1399 در ایستگاه تحقیقات کشاورزی دیم گچساران تحت دو شرایط عدم تنش و تنش کم­ آبی صورت گرفت. ژنوتایپینگ نمونه­ ها با استفاده از نشانگرهای SNP (15 K SNP array) در شرکت TraitGenetic در کشور آلمان صورت گرفت. هر ژنوتیپ با استفاده از 15 هزار نشانگر SNP مورد ارزیابی قرار گرفت. داده­ های SNP به دست آمده از نظر شاخص­هایMAF و داده ­های از دست رفته (Missing data >10%) فیلتر شدند. از هر یک از 21 جفت کروموزوم همولوگ گندم نان، هفت نشانگر SNP فاقد داده گم‌شده و با توزیع مناسب انتخاب (147 نشانگر در مجموع) شد. حصول ماتریس Q و تعیین تعداد گروه‌ها (K) با استفاده از نرم‌افزار STRUCTURE 2.3 صورت گرفت. صفات مورد مطالعه سطح برگ پرچم، تعداد گره، طول اولین میان­ گره، تعداد پنجه در بوته، تعداد پنجه بارور در بوته، تعداد پنجه نابارور در بوته و وزن سنبله اندازه ­گیری شد. برای نقشه­یابی ارتباطی در سطح ژنوم با استفاده از نرم­افزار TASSEL 5.0 و روش­ مدل خطی عمومی (GLM) همراه با ماتریس Q و تجزیه به مؤلفه‌های اصلی با توجیه بیش از 80 درصد (PCA) با 52 مؤلفه استفاده گردید.
یافته­ ها: نتایج تجزیه واریانس نشان داد که از نظر کلیه صفات مورد مطالعه تنوع ژنتیکی قابل قبولی وجود داشت و همچنین واکنش ژنوتیپ­ها در مواجهه با تنش کم ­آبی متفاوت بود. در شرایط عدم تنش آبی کروموزوم 2A با 39 عدد بیشترین ارتباط معنی­دار و کروموزوم 5A با چهار عدد کمترین ارتباط نشانگر با صفت را به خود اختصاص دادند. در شرایط تنش کم‌آبی ژنوم­­ های سه­ گانه گندم نان (A، B و D) به­ ترتیب هر یک 53، 36 و 11 درصد فراوانی ارتباط نشانگر با صفت را به خود اختصاص دادند. ژنوم ­هایA و D گندم نان در شرایط تنش کم  ­آبی نسبت به شرایط عدم تنش نقش بارزتری را برای صفات مورد بررسی به خود اختصاص دادند. در مجموع در شرایط عدم تنش و تنش کم­آبی به‌ترتیب 180 و 111 ارتباط نشانگر با صفت (MTA) شناسایی شد. در شرایط تنش کم­آبی تعداد ارتباط با نشانگر برای صفات سطح برگ پرچم، طول اولین میان­گره، تعداد پنجه در بوته و وزن سنبله به­ ترتیب 17، 24، 10 و 19 بود. در شرایط تنش کم­ آبی فراوانی ارتباط معنی­ دار نشانگر بیشتری نسبت به شرایط عدم تنش آبی برای صفات طول اولین میان­گره و تعداد پنجه بارور در بوته مشاهده گردید. ژنوم ­های سه ­گانه گندم نان از نظر تعداد ارتباط نشانگر با صفت (MTA) شناسایی شده، سهم نابرابری را برای صفات مورد مطالعه نشان دادند. همچنین ژنوم A با برخورداری از 74 درصد از ارتباطات معنی‌دار نشانگر با صفت وزن سنبله، سهم بسزایی در عملکرد دانه تحت شرایط تنش کم‌آبی داشت.
نتیجه­ گیری: در نهایت MTAهای شناسایی شده در مطالعه حاضر می ­تواند در توسعه برنامه­ های به ­نژادی گندم در شرایط 
تنش کم‌آبی به ­ویژه هرمی ساختن ژن‌ها و یا انتخاب به کمک نشانگر مورد استفاده قرار بگیرند.
متن کامل [PDF 2341 kb]   (57 دریافت)    
نوع مطالعه: پژوهشي | موضوع مقاله: اصلاح نباتات مولكولي
دریافت: 1401/11/23 | ویرایش نهایی: 1402/11/3 | پذیرش: 1402/3/13 | انتشار: 1402/11/3

فهرست منابع
1. Abou-Elwafa, S. F. and T. Shehzad. 2021. Genetic diversity, GWAS and prediction for drought and terminal heat stress tolerance in bread wheat (Triticum aestivum L.). Genetic Resources and Crop Evolution, 68(2):711-728. ‌ [DOI:10.1007/s10722-020-01018-y]
2. Agricultural Statistics, 2019. Annual Report. Ministry of Agriculture Press. https://www.maj.ir/Index.aspx. (In Persian).
3. Ahmed, H. G. M. D., M. Naeem, Y. Zeng, M. A. R. Rashid, A. Ullah, A. Saeed and A. Qadeer. 2022. Genome-wide association mapping for high temperature tolerance in wheat through 90k SNP array using physiological and yield traits. Plos one, 17(1), e0262569. ‌ [DOI:10.1371/journal.pone.0262569]
4. Ahmed, H.G.M-D., M.N. Iqbal, M.A. Iqbal, Y. Zeng, A. Ullah, M. Iqbal, H. Reza, M.M. Yar, N. Sarwar, M. Imran and S. Hussain. 2021. Genome-wide association mapping for stomata and yield indices in bread wheat under water limited conditions. Agronomy, 11,1646. Doi.org/10.339/agronomy11081646. [DOI:10.3390/agronomy11081646]
5. Anjum, S.A., U. Ashraf, A. Zohaib, M. Tanveer, M. Naeem, I. Ali, T. Tabassum and U. Nazir. 2017. Growth and developmental responses of crop plants under drought stress: a review, Zemdirbyste-Agriculture, 104 (3): 267-276. [DOI:10.13080/z-a.2017.104.034]
6. Bilgrami, S.S. 2018. Association mapping of yield characteristics in Iranian wheat
7. genotypes under drought stress. PhD Thesis. Zabol University. Zabol. Iran, 216 pp. (In Persian).
8. Buckler, ES and J.M. Thornsberry. 2002. Plant molecular diversity and applications to genomics. Current Opinion in Plant Biology, 5: ‌107-111. [DOI:10.1016/S1369-5266(02)00238-8]
9. Chowdhury, J.A., M.A. Karim, Q.A. Khaliq, A.U. Ahmed and M.S.A. Khan. 2016. Effect of drought stress on gas exchange characteristics of four soybean genotypes. Bangladesh Journal of Agricultural Research, 41(2):195-205. [DOI:10.3329/bjar.v41i2.28215]
10. Daryanto, S., L. Wang and P.A. Jacinthe. 2016. Global synthesis of drought effects on maize and wheat production. PloS One, 11(5):1-15. [DOI:10.1371/journal.pone.0156362]
11. Ding, J., Z. Huang, M. Zhu, C. Li, X. Zhu and W. Guo. 2018. Does cyclic water stress damage wheat yield more than a single stress? PloS one, 13(4): 1-15. [DOI:10.1371/journal.pone.0195535]
12. Elshire, R.J., J.C. Glaubitz, Q. Sun, J.A. Poland, K. Kawamoto, E.S. Buckler and S.E. Mitchell. 2011. A robust, simple genotyping-by-sequencing (GBS) approach for high diversity species. PloS One, 6(5): 1-10. [DOI:10.1371/journal.pone.0019379]
13. Falush, D., M. Stephens and J.K. Pritchard. 2003. Inference of population structure using multi-locus genotype data: linked loci and correlated allele frequencies. Genetics, 164(4): 1567-1587. [DOI:10.1093/genetics/164.4.1567]
14. FAOSTAT, 2021. http://www.fao.org/faostat/en/#home.
15. Flint‐Garcia, S.A., A.C. Thuillet, J. Yu, G. Pressoir, S.M. Romero, S.E. Mitchell, J. Doebley, S. Kresovich, M.M. Goodman and E.S. Buckler. 2005. Maize association population: a high‐resolution platform for quantitative trait locus dissection. The Plant Journal. 44(6): 1054-1064. [DOI:10.1111/j.1365-313X.2005.02591.x]
16. Hussain, M., S. Farooq, W. Hasan, S. Ul-Allah, M. Tanveer, M. Farooq and A. Nawaz. 2018. Drought stress in sunflower: Physiological effects and its management through breeding and agronomic alternatives. Agricultural Water Management, 201:152-166. [DOI:10.1016/j.agwat.2018.01.028]
17. IPCC .2013. "Summary for policymakers", in Climate Change 2013: The Physical Science Basis. Contribution of Working Group I to the Fifth Assessment Report of the International Panel on Climate Change. Eds. Stocker, T. Qin, D., Plattner, G. Tignor, M. Allen, S. Boschung, J. (Cambridge, United Kingdom and New York, NY, USA: Cambridge University Press). Available at: https://www.ipcc.ch/report/ar5/wg1/.4.
18. Li, F., W. Wen, J. Liu, Y. Zhang, S. Cao, Z. He, A. Rasheed, H. Jin, C. Zhang, J. Yan, P. Zhang, Y. Wan and X. Xia. 2018.Genome-wide linkage mapping of yield-related traits in three Chinese bread wheat populations using high-density SNP markers. Theoretical and Applied Genetics, 131(9):1903-1924. ‌ [DOI:10.1007/s00122-018-3122-6]
19. Li, F., W. Wen, J. Liu, Y. Zhang, S. Cao, Z. He, A. Rasheed, H. Jin, C. Zhang, J. Yan, P. Y. Zhang, Wan and X. Xia. 2019a. Genetic architecture of grain yield in bread wheat based on genome-wide association studies. BMC Plant Biology, 19(1): 1-19. ‌ [DOI:10.1186/s12870-019-1781-3]
20. Li, H., Y. Zhou, W. Xin, Y. Wei, J. Zhang and L. Guo. 2019b. Wheat breeding in northern China: achievements and technical advances. The Crop Journal, 7(6): 718-729. ‌ [DOI:10.1016/j.cj.2019.09.003]
21. Liu, L., L. Wang, J. Yao, Y. Zheng and C. Zhao. 2010. Association mapping of six agronomic traits on chromosome 4A of wheat (Triticum aestivum L.). Molecular Plant Breeding, 1(5):1-10. [DOI:10.5376/mpb.2010.01.0005]
22. Liu, Y., Z. He, R. Appels and X. Xia. 2012. Functional markers in wheat: current status and future prospects. Theoretical and Applied Genetics, 125(1):1-10. ‌ [DOI:10.1007/s00122-012-1829-3]
23. Lucas, H. 2012. Breakout session P1.1 National Food Security-the wheat initiative-an international research initiative for wheat improvement. In Second Global Conference Agricultural Research for Development, 1-3.pp. Uruguay.
24. Mirmohammad-Meibodi, S.A.M., M. Golabadi and P. Golkar. 2015. Plant breeding for tolerance drought stress. Academic Jihad of Isfahan Industrial Unit. 232 pp. (In Persian).
25. Mohammadi, V., M.R. Ghanadha, A.A. Zali. B. Yazdi-Samadi and P. Byrne. 2005. Mapping QTLs for morphological traits in wheat. Iranian Journal Agriculture Science, 36(1):145-157. (In Persian).
26. Mohseni, M., S.M.M. Mortazavi, H.A. Ramshini and B. Foghi. 2016. Evaluation of bread wheat genotype under normal and post-anthesis drought stress conditions for agronomic traits. Journal of Crop Breeding, 8(18):16-29. [DOI:10.29252/jcb.8.18.16]
27. Muller, J. 1991. Determining leaf water surface area by means of linear measurement in wheat and triticale. Novernytermuless, 40: 141-152
28. Nadeem, M., J. Li, M. Yahya, M. Wang, A. Ali, A. Cheng, X. Wang and C. Ma. 2019. Grain legumes and fear of salt stress: Focus on mechanisms and management strategies. International Journal of Molecular Sciences, 20(4), p.799. [DOI:10.3390/ijms20040799]
29. Nadolska-Orczyk, A., I. K. Rajchel, W. Orczyk and S. Gasparis. 2017. Major genes determining yield-related traits in wheat and barley. Theoretical and Applied Genetics, 130(6):1081-1098. ‌ [DOI:10.1007/s00122-017-2880-x]
30. Pritchard, J.K., M. Stephens and P. Donnelly. 2000. Inference of population structure using multilocus genotype data. Genetics, 155(2): 945-959. [DOI:10.1093/genetics/155.2.945]
31. Qaseem, M.F., R. Qureshi, Q.H. Muqaddasi, H. Shaheen. R. Kousar. M. Röder. 2018. Genome-wide association mapping in bread wheat subjected to independent and combined high temperature and drought stress. PLoS One, 13, e0199121 [DOI:10.1371/journal.pone.0199121]
32. Quarrie , S A., A. Steed, C. Calestani, A. Semikhodskii, C. Lebreton, C. Chinoy, N. Steele, D. Pljevljakusić, E. Waterman, J. Weyen, J. Schondelmaier, D. Z. Habash, P. Farmer, L. Saker, D.T. Clarkson, A. Abugalieva, M. Yessimbekova, Y. Turuspekov, S. Abugalieva, R. Tuberosa, M.C. Sanguineti, P.A. Hollington, R. Aragués, A. Royo, D. Dodig. 2005. A high-density genetic map of hexaploid wheat (Triticum aestivum L.) from the cross Chinese Spring× SQ1 and its use to compare QTLs for grain yield across a range of environments. Theoretical and Applied Genetics, 110(5): 865-880.‌ [DOI:10.1007/s00122-004-1902-7]
33. Quraishi, U.M., F. Murat, M. Abrouk, C. Pont, C. Confolent, F.X. Oury, J. Ward, D. Boros, K. Gebruers, J.A. Delcour and C.M. Courtin. 2011. Combined meta-genomics analyses unravel candidate genes for the grain dietary fiber content in bread wheat (Triticum aestivum L.). Functional and Integrative Genomics, 11(1):71-83. [DOI:10.1007/s10142-010-0183-2]
34. Rasheed, A., W. Wen, F. Gao, S. Zhai, H. Jin, J. Liu, Q. Guo, Y. Zhang, S. Dreisigacker, X. Xia and Z. He. 2016. Development and validation of KASP assays for genes underpinning key economic traits in bread wheat. Theoretical and Applied Genetics, 129(10):1843-1860. ‌ [DOI:10.1007/s00122-016-2743-x]
35. Rizza, F., F. W. Badeck, L. Cattivelli, O. Lidestri, N. Di Fonzo and A. M. Stanca. 2004. Use of a water stress index to identify barley genotypes adapted to rainfed and irrigated conditions. Crop Science, 44(6), 2127-2137.‌ [DOI:10.2135/cropsci2004.2127]
36. Saeidi, M. and M. Abdoli. 2015. Effect of drought stress during grain filling on yield and its components, gas exchange variables, and some physiological traits of wheat cultivars. Journal of Agricultural Science and Technology, 17(4): 885-898.
37. Sallam, A., S. Eltaher, A. M. Alqudah, V. Belamkar and P. S. Baenziger. 2022. Combined GWAS and QTL mapping revealed candidate genes and SNP network controlling recovery and tolerance traits associated with drought tolerance in seedling winter wheat. Genomics, 114(3):110358.‌ [DOI:10.1016/j.ygeno.2022.110358]
38. Sallam, M., H. Benhajali, S. Savoia, D. J. de Koning and E. Strandberg. 2022. Across-countries genomic prediction using national breeding values or multitrait across-countries evaluation breeding values. Journal of Dairy Science, 105(4): 3282-3295.‌ [DOI:10.3168/jds.2021-20877]
39. Sarto, M.V.M., J.R.W. Sarto, L. Rampim, J.S. Rosset, D. Bassegio, da P.F. Costa and A.M. Inagaki. 2017. Wheat phenology and yield under drought: a review. Australian Journal of Crop Science, 11(8): 941-946. [DOI:10.21475/ajcs.17.11.08.pne351]
40. SAS (Statistical Analysis System) Institute, 2002-2010. The SAS software for windows, version 9.3, INC, Cary, NC, USA.
41. Scherer, A. and G. B. Christensen. 2016. Concepts and relevance of genome-wide association studies. Science Progress, 99(1), 59-67.‌ [DOI:10.3184/003685016X14558068452913]
42. Schneekloth, J., T. Bauder and N. Hansen. 2009. Limited irrigation management: principles and practices. Crop series. Irrigation, no. 4.720.‌
43. Shokat, S., D. Sehgal, F. Liu and S. Singh. 2020. GWAS analysis of wheat pre-breeding germplasm for terminal drought stress using next generation sequencing technology.‌ [DOI:10.20944/preprints202002.0272.v1]
44. Sivamani, E., A. Bahieldin, J. M. Wraith, T. Al-Niemi, W. E. Dyer, T. H. D. Ho and R. Qu. 2000. Improved biomass productivity and water use efficiency under water deficit conditions in transgenic wheat constitutively expressing the barley HVA1 gene. Plant science, 155(1): 1-9.‌ [DOI:10.1016/S0168-9452(99)00247-2]
45. Spataro, G., B. Tiranti, P. Arcaleni, E. Bellucci, G. Attene, R. Papa, P. Spagnoletti Zeuli and V. Negri. 2011. Genetic diversity and structure of a worldwide collection of Phaseolus coccineus L. Theoretical and applied genetics, 122, 1281-1291.‌ [DOI:10.1007/s00122-011-1530-y]
46. Su, J., F. Zhang, X. Chong, A. Song, Z. Guan, W. Fang, F. Chen, 2019. Genome-wide association study identifies favorable SNP alleles and candidate genes for water logging tolerance in chrysanthemums. Horticulture Research, 6: 1-13. [DOI:10.1038/s41438-018-0101-7]
47. Sukumaran, S. and J. Yu. 2014. Association mapping of genetic resources: achievements and future perspectives. In Genomics of Plant Genetic Resources (pp. 207-235). Springer, Dordrecht. [DOI:10.1007/978-94-007-7572-5_9]
48. Sukumaran, S., M. P. Reynolds and C. Sansaloni. 2018. Genome-wide association analyses identify QTL hotspots for yield and component traits in durum wheat grown under yield potential, drought, and heat stress environments. Frontiers in plant science, 9:1-16.‌ [DOI:10.3389/fpls.2018.00081]
49. Todaka, D., Y. Zhao, T. Yoshida, M. Kudo, S. Kidokoro, J. Mizoi, K.S. Kodaira, Y. Takebayashi, M. Kojima, H. Sakakibara and K. Toyooka, 2017. Temporal and spatial changes in gene expression, metabolite accumulation and phytohormone content in rice seedlings grown under drought stress conditions. The Plant Journal. 90(1):61-78. [DOI:10.1111/tpj.13468]
50. Tuberosa, R. and S. Salvi, 2006. Genomics-based approaches to improve drought tolerance of crops. Trends in Plant Science, 11(8): 405-412.‌ [DOI:10.1016/j.tplants.2006.06.003]
51. United Nations. 2019. World Population Prospects 2019: Highlights (ST/ESA/SER.A/423) (United Nations: Department of Economic and Social Affairs, Population Division). Available at: http://www.ncbi.nlm.nih.gov/pubmed/12283219.
52. Wang, S., D. Wong, K. Forrest, A. Allen, S. Chao, B.E. Huang, M. Maccaferri, S. Salvi, S.G. Milner, L. Cattivelli and A.M. Mastrangelo. 2014. Characterization of polyploid wheat genomic diversity using a high‐density 90 000 single nucleotide polymorphism array. Plant Biotechnology Journal, 12(6):787-796. [DOI:10.1111/pbi.12183]
53. Wang, X., M. Vignjevic, F. Liu, S. Jacobsen, D. Jiang and B. Wollenweber. 2015. Drought priming at vegetative growth stages improves tolerance to drought and heat stresses occurring during grain filling in spring wheat. Plant Growth Regulation. 75(3), 677-687. [DOI:10.1007/s10725-014-9969-x]
54. Zadoks, J.C., T.T. Chang and C.F. Konzak. 1974. A decimal code for the growth stages of cereals. Weed Research, 14(6): 415-421. [DOI:10.1111/j.1365-3180.1974.tb01084.x]
55. Zare-Kohan, M., N. Babaeian Jelodar, R. Aghnoum, S.A. Tabatabaee, S.K. Kazemi Tabar. 2018. Association mapping of some phenological traits in barley under salt stress. Journal of Crop Breeding. 10(26), 12-21. [DOI:10.29252/jcb.10.26.12]
56. Zhao, C., Y. Bao, X. Wang, H. Yu, A. Ding, C. Guan, J. Cui, Y. Wu, H. Sun, X. Li and D. Zhai. 2018. QTL for flag leaf size and their influence on yield-related traits in wheat. Euphytica, 214(11):1-15. [DOI:10.1007/s10681-018-2288-y]
57. Zhu, C., M. Gore, E.S. Buckler and J. Yu. 2008. Status and prospects of association mapping in plants. The Plant Genome, 1(1):5-20. [DOI:10.3835/plantgenome2008.02.0089]
58. Zhu, J.K. 2002. Salt and drought stress signal transduction in plants. Annual Review of Plant Biology. 53, p.247.

ارسال نظر درباره این مقاله : نام کاربری یا پست الکترونیک شما:
CAPTCHA

ارسال پیام به نویسنده مسئول


بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.

کلیه حقوق این وب سایت متعلق به پژوهشنامه اصلاح گیاهان زراعی می باشد.

طراحی و برنامه نویسی : یکتاوب افزار شرق

© 2024 CC BY-NC 4.0 | Journal of Crop Breeding

Designed & Developed by : Yektaweb