تجزیه ارتباط صفات ریخت شناختی با نشانگرهای ISSR در گوجه فرنگی
محل انتشار: فصلنامه علوم باغبانی ایران، دوره: 49، شماره: 1
سال انتشار: 1397
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 307
فایل این مقاله در 11 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JHS-49-1_015
تاریخ نمایه سازی: 22 فروردین 1399
چکیده مقاله:
گوجه فرنگی از لحاظ اقتصادی یکی از مهم ترین محصولات سبزی و صیفی در بیشتر نقاط جهان است. بهبود عملکرد و دیگر صفات اساسی گوجهفرنگی مورد توجه بسیاری از اصلاحگران قرار گرفته است. مکانیابی ژنهای کنترل کننده صفات در تسریع روند اصلاح گیاهان بسیار سودمند است. در این پژوهش به منظور شناسایی نشانگرهای مرتبط با برخی صفات کمی و کیفی گوجهفرنگی، در 93 رقم محلی و سه رقم تجاری از دو استان آذربایجانغربی و اغدر- ترکیه از نشانگرهای ISSR استفاده شد. تجزیه ارتباط به روش مدل خطی مخلوط (MLM) نشان داد، 74 نشانگر ISSR با 12 صفت کیفی مورد بررسی ارتباط معنیداری (05/0p<) دارد. یکنواختی اندازه میوه با چهار نشانگر کمترین و شدت تورفتگی در انتهای دم میوه با 10 نشانگر بیشترین شمار نشانگر مرتبط را داشتند. در کل 93 نشانگر با 20 صفت کمی مورد بررسی در سطح احتمال 02/0 پیوستگی داشتند. در بین صفات کمی، عرض برگ لپهای با یک نشانگر کمترین و صفات طول و pH میوه هرکدام با 9 نشانگر بیشترین شمار نشانگرهای مرتبط را داشتند. برخی از نشانگرهای پیوسته با صفات کمی در هر دو سال ارتباط معنیداری با این صفات نشان دادند. شماری از نشانگرها با بیش از یک صفت ارتباط معنیدار داشتند که در صورت تایید، میتوان از آن ها در برنامههای اصلاحی گوجهفرنگی برای گزینش همزمان چندین صفت استفاده کرد.
کلیدواژه ها:
نویسندگان
مشهید هناره
مربی پژوهشی، بخش تحقیقات اصلاح و تهیه نهال و بذر، مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی استان آذربایجان غربی، سازمان تحقیقات، آموزش و ترویج کشاورزی، ارومیه، ایران
بابک عبدالهی مندولکانی
دانشیار، گروه اصلاح و بیوتکنولوژی گیاهی، دانشکده کشاورزی، دانشگاه ارومیه، ارومیه، ایران
آتیلا دورسون
استاد، گروه باغبانی، دانشکده کشاورزی، دانشگاه آتاتورک ترکیه، ارزروم
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 :