عنوان پایان‌نامه

« نقشه یابی ارتباطی صفات مهم زراعی در گندم نان »



    دانشجو در تاریخ ۰۵ مرداد ۱۳۹۵ ، به راهنمایی ، پایان نامه با عنوان "« نقشه یابی ارتباطی صفات مهم زراعی در گندم نان »" را دفاع نموده است.


    رشته تحصیلی
    علوم ‌مرتع‌
    مقطع تحصیلی
    دکتری تخصصی PhD
    محل دفاع
    کتابخانه مرکزی پردیس کشاورزی و منابع طبیعی شماره ثبت: 6965;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 75621;کتابخانه مرکزی پردیس کشاورزی و منابع طبیعی شماره ثبت: 6965;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 75621
    تاریخ دفاع
    ۰۵ مرداد ۱۳۹۵
    دانشجو
    هادی علی پور
    استاد راهنما
    محمدرضا بی همتا, ولی اله محمدی
    چکیده
    لینک فایل چکیده
    نقشه¬یابی ارتباطی یکی از روش¬هایی است که برای شناسایی مکان‌های ژنی کنترل کننده صفات کمی مورد استفاده قرار می‌گیرد. به منظور ارزیابی تنوع ژنتیکی موجود در کلکسیون گندم‌های بومی و ارقام زراعی ایران و تعیین ارتباط صفات زراعی با عملکرد دانه، تعداد 313 ژنوتیپ شامل 203 شماره از توده‌های بومی ایران (جمع‌آوری شده از سال 1318 تا 1347) و 110 رقم زراعی کشور از گذشته تا کنون (معرفی شده از سال 1321 تا 1393) در قالب طرح آگمنت با سه بار تکرار آزمایش آگمنت، در سال زراعی 94-1393 در مزرع? تحقیقاتی گروه زراعت و اصلاح نباتات دانشگاه تهران-کرج کشت شدند. صفات مهم زراعی شامل ارتفاع بوته، طول سنبله، تعداد دانه در سنبله، وزن سنبله، تعداد دانه در بوته، وزن هزار دانه و عملکرد دانه اندازه‌گیری شدند. با توجه به نتایج آمار توصیفی از نظر تمامی صفات، توده‌های بومی نسبت به ارقام زراعی ضریب تغییرات بالاتری را نشان دادند که بیانگر وجود تنوع فنوتیپی بالاتر در توده‌های بومی می‌باشد. براساس نتایج تجزیه همبستگی، رگرسیون گام به گام و تجزیه علیت صفات تعداد دانه در سنبله، وزن هزار دانه و وزن سنبله به عنوان صفات مهم و تأثیر گذار بر عملکرد دانه شناخته شدند. براساس تجزیه کلاستر و تجزیه تابع تشخیص کانونی، ژنوتیپ‌های مورد بررسی در سه گروه متمایز طبقه‌بندی شدند، به طوری غالباً گروه اول و سوم شامل توده‌های بومی و گروه دوم شامل ارقام زراعی می‌شد. پس از ژنوتیپ‌سنجی بوسیله توالی‌یابی با تکنولوژی Ion Torrent و حذف SNPهایی با بیش از 20 درصد داده گمشده و فراوانی آلل جزئی کمتر از 5 درصد، براساس داده‌های اصلی، داده‌های جانهی شده با استفاده از ژنوم جو، داده‌های CSSS و داده‌های W7984 به ترتیب 10938، 19178، 33630 و 46877 عدد SNP بدست آمد که از آنها برای نقشه‌یابی ارتباطی صفات مورد بررسی استفاده شد. براساس داده‌های اصلی ژنوتیپ‌های مورد بررسی پس از حذف نمونه‌های تتراپلوئید با استفاده از نرم‌افزار Structure و روش آماری بیس در سه زیر جمعیت گروه‌بندی شدند. براساس روش مدل خطی عمومی (GLM) و مدل خطی مختلط (MLM)، به ترتیب در رابطه با داده‌های اصلی در مجموع 196 و 119 نشانگر، در رابطه با داده‌های جانهی شده براساس ژنوم جو به ترتیب 373 و 205 نشانگر، در رابطه با داده‌های جانهی شده براساس داده‌های CSSS به ترتیب 756 و 379 نشانگر و در رابطه
    Abstract
    Association mapping is one of the approaches to detect quantitative trait loci (QTLs) controlling complex traits. In order to evaluate the genetic variability of Iranian wheat landraces and cultivars and to determine the relationship between grain yield and agronomic traits, 313 Iranian wheat genotypes including 203 Iranian landraces (collected between 1939 to 1968) and 110 Iranian cultivars (released between 1942 to 2014) were planted in three separated augmented designs in 2014 in the research field of Agronomy and Plant Breeding Department of the University of Tehran. Plant height, spike length, number of kernels/spike, spike weight, number of kernels/plant, thousand kernels weight and grain yield were measured. Based on the results of descriptive statistics, having higher coefficient of variation, the landraces showed a greater variability compared to the released cultivars. Correlations coefficient, stepwise regression, path analysis, demonstrated that the number of kernels/spike, thousand kernels weight and spike weight were the most important components of yield. Based on cluster and canonical discriminant analysis, the genotypes were grouped into three clusters. The first and third clusters being mostly landraces while the second cluster being cultivars. After genotyping by sequencing using Ion Torrent technology, SNPs with heterozygotes and a minor allele frequency less than 5% were discarded to reduce the false positive results and SNPs with missing data less than 20% were used for association mapping. Totally, based on the main data, data imputed by barley genome, CSSS and W7984 assemblies, 10938, 19178, 33630 and 46877 SNPs were observed, respectively. Based on the main data, genotypes were grouped into three subpopulations using Structure software and Bayesian statistical method after excluding tetraploid genotypes. Association mapping was performed using both general linear model (GLM) and mixed linear model (MLM) methods. Association mapping using G