Molecular analysis of rice vegetative growth traits

Document Type : Research Paper

Authors

Abstract

Leaf growth and development characteristics are important factor for grain yield. In order to genetic analysis of Leaf growth and development characteristics of rice, a linkage map provided from F2 rice mapping population  caused Gharib × Khazar and 111 microsatellite markers. Total number leaf, Days to flag leaf, leaf emergence rate, grain weight, grain number, length and width of flag leaf and branches number were mapped. qGW-1b, qFG-1b and qWFL-7 were identified as major effect on chromosome 1 and 7 and explained  14.30, 13.70 and 20.32% of total variation of grain weight, filled grain and width of flag leaf, respectively. The most of variation of total leaf number explained by 2 QTLs (over than 20%). According to these result, we can produced rice lines that have low vegetative growth periods and high total leaf number. 

Keywords


تجزیه مولکولی صفات مرتبط با رشد رویشی برنج

 

حسین صبوری*1، قاسم محمدی­نژاد2، عاطفه صبوری3، سعید نواب­پور4

 

1 استادیار گروه تولیدات گیاهی، دانشکده کشاورزی و منابع طبیعی، دانشگاه گنبد کاووس

2 استادیار گروه زراعت و اصلاح نباتات، دانشکده کشاورزی، دانشگاه شهید باهنر کرمان

3 استادیار گروه زراعت و اصلاح نباتات، دانشکده کشاورزی، دانشگاه گیلان

4 استادیار گروه اصلاح نباتات و بیوتکنولوژی، دانشکده کشاورزی، دانشگاه علوم کشاورزی و منابع طبیعی گرگان

 

تاریخ دریافت: 22/10/1390، تاریخ پذیرش: 19/4/1392

 

چکیده

خصوصیات مرتبط با رشد و توسعه برگ­ها و خوشه از عوامل تعیین کننده عملکرد نهایی برنج می­باشند. به منظور تجزیه ژنتیکی صفات مرتبط با توسعه برگ­ها و خوشه، از نقشه ژنتیکی حاصل از جمعیت F2 تلاقی یافته از ارقام برنج غریب × خزر و 111 جفت نشانگر ریزماهواره چند شکل استفاده شد. در این بررسی صفات تعداد کل برگ­ها، تعداد روز تا ظهور برگ پرچم، سرعت ظهور برگ، وزن دانه، تعداد دانه، طول و عرض برگ پرچم و تعداد خوشچه مکان­یابی شدند. از بین بیست QTL مکان­یابی شده برای صفات مذکور QTLهای qGW-1b برای وزن دانه و qFG-1b برای تعداد دانه روی کروموزوم 1 و qWFL-7 برای عرض برگ پرچم روی کروموزوم 7 توانستند به ترتیب با 30/14، 70/13 و 32/20 درصد میزان نسبتا بزرگی از تغییرات را توجیه نمایند. دو QTL مرتبط با تعداد کل برگ­ها مجموعا با اثر افزایشی بیش از 20 درصد توانستند میزان قابل توجهی از تغییرات فنوتیپی آنرا کنترل نمایند. با استفاده از اطلاعات فوق می­توان لاین­هایی از برنج را تولید نمود که  دوره رشدی کوتاهتر، تعداد کل برگ­های بیشتر  و وزن دانه بیشتر داشته باشند.

واژه­های کلیدی: برنج، برگ، خوشه، QTL، مکان­یابی.

 

 

مقدمه

روند رشد و توسعه برگ­ها در برنج نه تنها چگونگی رشد رویشی گیاه را تعیین می­کند بلکه تعیین کننده عملکرد دانه در این گیاه نیز می­باشد چون برگ­ها مهمترین منبع تعیین کننده برای وزن نهایی دانه ها می­باشند. عموما در کنار طول، عرض و سطح برگ، تعداد کل برگ­های گیاه، تعداد روز تا ظهور برگ پرچم و سرعت ظهور برگ سه صفت مهم تعیین کننده رشد و توسعه برگ­ها هستند. علاوه بر خصوصیات تعیین کننده رشد و توسعه برگ، صفات مرتبط با خوشه نیز از مهمترین عوامل تعیین کننده عملکرد نهایی در برنج می­باشند. در سال­های اخیر تجزیه ژنتیکی صفات مختلفی از برگ در برنج انجام شده است. امروزه مشخص شده است که صفاتی مانند افتادگی برگ، لوله شدن برگ، کرکدار بودن یا نبودن برگ، وجود و عدم وجود گوشوارک صفاتی هستند که بوسیله ژن­های مغلوب یا ژن­های مضاعف شده کنترل می­گردند (Yamagata, 1997). صفات مذکور ارزش چندانی در اصلاح واریته­های برنج ندارند و استفاده از آنها تنها درصورتیکه از نشانگرهای مولکولی استفاده شود، مقرون به صرفه خواهد بود. اما علاوه بر این محققان متعددی وجود دارند که روی صفات کمی کار می­کنند و گزارش نمودند که طول، عرض و پهنک برگ از جمله صفات کمی هستند (Yamagata, 1997). تا قبل از اینکه نشانگرهای مولکولی توسعه یابند، اطلاعات محدودی را در مورد ژن­های کنترل کننده صفات کمی تاثیر گذار روی صفات برگ در اختیار داشتیم  اما پیشرفت­های شگفت انگیزی که امروزه در توسعه نشانگرهای مولکولی حاصل شده است، منجر به تولید نقشه­های ژنتیکی با ارزشی شده است که با استفاده از آن­ها می­توان تک ژن­های مرتبط با صفات کمی را مکان­یابی نمود. با استفاده از نقشه ژنتیکی حاصل از نشانگرهای مولکولی، QTLهای کنترل کننده مرفولوژی برگ مانند طول و عرض برگ (Yan et al. 1998) و زاویه برگ (Li et al, 1999; Yan et al., 1999) مکان­یابی شده­اند. بهرحال، اطلاعات ما در مورد تجزیه QTLهای کنترل کننده رفتارهای رشدی  برگ بسیار محدود است. در مورد خصوصیات خوشه نیز مطالعات چندی صورت گرفت است. Xiao et al., 1999 با استفاده از 141 نشانگر RFLP و 194 رگه خویش آمیخته نوترکیب (8F)، صفات تعداد دانه در خوشه وزن هزار دانه را ردیابی نمودند. Zhu et al., 1996 از یک جمعیت 133 رگه ای هاپلوئیدهای دوگانه (DH) برای مکان یابی QTLهای کنترل کننده شش صفت کمی در برنج با استفاده از 167 نشانگر RFLP استفاده نمودند. آنها با استفاده از تجزیه فاصله‌ای QTL برای صفات وزن هزار دانه، تعداد کل دانه ها (پر و پوک) در خوشه، تعداد دانه های پر در خوشه و درصد تشکیل دانه در خوشه شناسایی نمودند. اساس ژنتیکی سه جزء عملکرد یعنی وزن هزار دانه، تعداد دانه در خوشه و وزن دانه در خوشه، به وسیله et al., 1996 Li مورد مطالعه قرار گرفتند. با استفاده از یک جمعیت 4F و 114 نشانگر RFLP، در مجموع شانزده QTL برای سه صفت فوق شناسایی نمودند که بر روی هفت کروموزوم از دوازده کروموزوم برنج قرار داشتند. از شانزده QTL ردیابی شده، هشت QTL وزن هزار دانه،‌ شش QTL تعداد دانه در خوشه و دو QTL وزن دانه در خوشه را کنترل می‌کردند.  Wu et al., 1996 نیز از یک جمعیت 231 فردی 2F برای ردیابی QTLهای کنترل کننده شش صفت کمی در برنج با استفاده از 104 نشانگر RFLP سود جستند. برای تعداد خوشه های فرعی اولیه در هر خوشه اصلی و وزن هزار دانه، QTLها به ترتیب بر روی کروموزوم های 4 و1 مکان یابی شدند. در پژوهشی Zhuang et al., 1997 برای ردیابی QTLهای کنترل کننده عملکرد و صفات مرتبط با آن از یک جمعیت 2F و دو جمعیت 3F استفاده نمودند. از بین QTLهای ردیابی شده، هفت QTL وزن هزار دانه، شش QTL تعداد کل دانه های پر و پوک در خوشه، پنج QTL صفات تعداد دانه های پر در خوشه و وزن دانه در بوته را کنترل می‌کردند.

از اهداف این مطالعه تشخیص QTLها، تعیین ساختار ژنتیکی و برآورد نوع عمل ژن در صفات مرتبط با رفتارهای رشدی برگ برنج و خوشه با استفاده از جمعیت F2:4جمعیت برنج ایرانی بود. ردیابی QTLهای مرتبط با رفتارهای رشدی برگ برنج اطلاعات پایه­ای برای استفاده از روش­هایی مانند انتخاب به کمک نشانگر برای اصلاح لاین­های برتر  که تولید رویشی بالایی را در دوره زمانی کوتاهی قبل از گلدهی داشته باشند، فراهم خواهد نمود. اگرچه مطالعات متعددی در جهان برای مکان یابی صفات خوشه وجود دارد اما برای جمعیت های ایرانی گزارش­ها بسیار محدود است.

 

مواد و روش­ها

تهیه جمعیت

برای مکان یابی ژن­های کنترل کننده صفات مرتبط با رشد برگ و خوشه در جمعیت­ برنج ایرانی، ارقام غریب با خزر تلاقی داده شده و جمعیت­­های در حال تفرق آنها در موسسه تحقیقات برنج کشور و مطابق استانداردهای موسسه بین المللی برنج در سال­های 1383 تا 1386 تهیه شد. نمونه های برگی از 192 بوته به تصادف انتخاب و DNA ژنومی آنها استخراج گردید و در نهایت کیفیت و کمیت DNA استخراج شده تعیین شد. اندازه­گیری های فنوتیپی بر روی فامیل­های F4  انجام گرفت، بدین ترتیب که در بهار 1387 پس از اینکه نمونه­های بذر به منظور شکسته شدن خواب، به مدت 3 روز در دمای 50 درجه سانتیگراد قرار داده شدند از هر 192 فامیل F4 (حاصل از 192 بوته F2اولیه)، 20 بذر انتخاب گردید و در ردیف­های مجزا در مزرعه تحقیقاتی مجتمع آموزش عالی گنبد کاووس کشت گردید.

تهیه نقشه ژنتیکی

آغازگرهای SSR مورد استفاده (365 جفت) در این تحقیق با استفاده از نقشه های SSR ارایه شده به وسیله Chen et al., 1997، Temnykh et al., 2000 و McCouch et al., 2002 طوری انتخاب شدند که توزیع یکنواختی بر روی 12 کروموزوم برنج داشته و فاصله بین هر دو نشانگر مجاور بیشتر از 10 سانتی مورگان نباشد. واکنش زنجیره­ای پلیمراز (PCR) در ابتدا تنها برای نمونه­های DNA والدینی (غریب و خزر) با استفاده از کلیه 365 جفت آغازگر SSR انجام شد. هدف از انجام این آزمایش تشخیص چندشکلی آغازگرهای موجود برای دو والد بود. فرآورده­های PCR کلیه آغازگرها برای دو نمونه DNA والدینی (غریب و خزر) بر روی ژل پلی­اکریلامید واسرشته­ساز[1] 6 درصد الکتروفورز شدند. از بین 365 آغازگر 111 نشانگر چندشکلی نشان دادند. در مرحله بعد، نمونه­های DNA افراد 2F با استفاده از 111 جفت آغازگر فوق تکثیر شدند و فرآورده­های حاصل به منظور تعیین ژنوتیپ افراد الکتروفورز شدند.  روش تعیین ژنوتیپ برای نشانگرهای همبارز SSR در افراد جمعیت 2F به این صورت بود که افرادی که تنها یک نوار را نشان دادند، با حروف A یا B مشخص شدند. اما افرادی که دارای هر دو نوار مشابه با هر دو والد بودند، هتروزیگوت بوده و با حرف H مشخص شدند. بر این اساس، ژنوتیپ تمامی افراد با حروف A، B یا H تعیین شد. این روش برای تمامی نشانگرهای مورد مطالعه انجام شد و نهایتاً ماتریس داده های ژنوتیپی به ابعاد 192×111 بدست آمد که از آن برای تهیه نقشه پیوستگی جمعیت استفاده شد.

گروههای پیوستگی اولیه با استفاده از نرم افزارهایMap Manager  (Manly  and Olson, 1999) تشکیل شدند. برای تخصیص هر یک از نشانگرها به کروموزوم­های مربوط، گروه­های پیوستگی بدست آمده با نقشه­های ژنتیکی ارایه شده توسط Chen et al., 1997، Temnykh et al., 2000 و McCouch et al., 2002  مقایسه شدند. برای تبدیل نسبت های نوترکیبی بین نشانگرها به واحد نقشه (سانتی مورگان) از تابع تهیه نقشه Kosambi 1944 استفاده گردید.

 

صفات مورد بررسی

تعداد کل برگ­ها (TNL) در مرحله حداکثر پنجه زنی شمارش گردید. تعداد روز تا ظهور برگ پرچم (DEF) که برای ثبت آن خوشه اصلی هر بوته ملاک قرار گرفت. سرعت ظهور برگ­ها در ده روز (LER) با حاصل­ضرب 10 در نسبت تعداد کل برگ به تعداد روز تا ظهور برگ پرچم محاسبه شد. طول  و عرض‌ برگ‌ پرچم (LFL و WFL): برای اندازه‌گیری طول برگ در پایان دوره رشد رویشی گیاه، به کمک خط کش میلی‌متری، از گوشوارک تا نوک برگ بر حسب سانتی‌متر اندازه‌گیری شد. اندازه عریض‌ترین بخش برگ نیز به عنوان عرض برگ ثبت شد. برای اندازه­گیری وزن دانه (GW)، در زمان رسیدگی، وزن دانه خوشه اصلی تصادفی به کمک ترازوئی با دقت یک صدم گرم وزن شد و سپس میانگین آنها بر حسب گرم محاسبه شد. تعداد خوشچه‌های اولیه (BRA) 10 خوشه تصادفی از هر واحد آزمایشی شمارش گردید و سپس میانگین آنها محاسبه شد. برای ثبت تعداد دانه (FG) در خوشه اصلی، در زمان رسیدگی، تعداد دانه‌های خوشه اصلی از هر بوته شمارش گردید و سپس میانگین آنها محاسبه شد.

 

نتایج و بحث

برای تهیه نقشه پیوستگی نشانگرهای ریزماهواره در جمعیت 2F ، از بین 365 جفت آغازگر مطالعه شده، 111 جفت آغازگر برای جمعیت غریب و خزر توانستند الگوی نواربندی متفاوتی برای دو والد در جریان الکتروفورز نشان دهند که از این تعداد، 111 جفت آغازگر (41/30 درصد) الگوی نواربندی متفاوتی برای والدین غریب و خزر به نمایش گذاشتند. نتایج نشان داد که از 111 نشانگر موجود در نقشه ژنتیکی، 10 نشانگر (27/2 درصد) دارای فراوانی­های اللی و ژنوتیپی متفاوت و معنی­داری (05/0p<) با فراوانی­های مورد انتظار 1:2:1 بودند. همه این نشانگرها در سه ناحیه ژنومی پیوسته بر روی دو کروموزوم متفاوت برنج قرار داشتند. و سایر آغازگرها هیچگونه تفاوتی بین والدین نشان ندادند (شکل1).

تفاوت بین والدین مورد بررسی برای کلیه صفات معنی­دار بود. توزیع فنوتیپی کلیه صفات مرتبط با رشد برگ و خوشه به صورت پیوسته و نرمال بود (جدول 1) که دلیلی بر وجود وراثت کمی برای صفات مورد بررسی است. برای این صفات، تعدادی از نتاج 4F، ارزش­های فنوتیپی خارج از محدوده والدینی را نشان دادند. به عبارت دیگر ارزش مشاهده شده صفت در آنها بیشتر از والد دارای حداکثر مقدار صفت و کمتر از والد دارای حداقل مقدار صفت بود که مبین وقوع پدیده تفکیک متجاوز در نتاج باشد (شکل 2).

برای تجزیه داده­ها، از روش ICIM (Inclusive Composite Interval Mapping) و با استفاده از نرم افزار Qgene  (Nelson, 1997) انجام شد.  اخیرا در بسیاری از مطالعات مربوط به مکان­یابی ژن­های کمی از روش نقشه­یابی فاصله­ای مرکب (CIM) استفاده شده است، الگوریتم اجرا شده در نرم­افزار QTL Cartogarapher (Basten et al., 2001) تمام جزئیات مفید مکان­یابی را تامین نمی­کند. علاوه بر این روش­های مختلف انتخاب نشانگر در زمینه ژنومی، نتایج مختلفی را ارائه می­دهد و اینکه کدام روش برای گزینش نشانگرهای کوفاکتور مناسب است، دقیقا مشخص نیست.

 

 

جدول 1- میانگین صفات مورد بررسی برای والدین و جمعیت F4و چولگی صفات.

Table 1-Mean traits of characters for parentd and F4 population and Skewness

صفات

Traits

غریب

Gharib

خزر

Khazar

میانگین F4

F4 Mean

چولگی

Skewness

تعداد کل برگ­ها

Total leaf number

58.71

68.35

62.32

ns 0.237

روز تا ظهور برگ پرچم

Days to flag leaf emergence

117.23

125.14

122.12

ns 0.222

سرعت ظهور برگ

Leaf emergence rate

4.32

3.21

3.71

ns 0.210

وزن دانه

Grain weight

15.32

9.61

11.85

ns 0.121

تعداد دانه

Grain number

64.63

167.51

132.28

ns 0.292

عرض برگ پرچم

Flag leaf width

1.61

1.22

1.34

ns 0.134

تعداد خوشه­چه

Branches number

10.22

13.81

11.45

ns 0.284

ns : غیر معنی­دار Nonsignificant

 

 

ICIM  الگوریتمی را ارائه می کند که در آن انتخاب نشانگر بر اساس انجام یکبار رگرسیون گام به گام است که در آن از اطلاعات کلیه نشانگرها بطور همزمان استفاده می­شود و ارزش فنوتیپی نیز برای کلیه نشانگرهای باقیمانده در معادله رگرسیون بجز دو نشانگری که در فاصله مکان یابی مد نظر می­باشند، تصحیح خواهد شد و برای مکان یابی فاصله ای (IM) استفاده می­شود. این روش ساده تر از CIM  بوده و و بسیار سریعتر همگرا می­شود. این روش تمامی مزایا دو روش مکان­یابی فاصله­ای و فاصله­ای مرکب را دارد، علاوه­بر اینکه از افزایش خطای نمونه­برداری اجتناب می­کند. همچنین پیچیدگی انتخاب نشانگر در زمینه ژنتیکی در مکان­یابی فاصله­ای مرکب را نیز ندارد. Li et al., 2007 با مقایسه دو روش CIM  و ICIM  با زمینه­های ژنتیکی مختلف نشان دادند که این روش قدرت بسیاری در ردیابی QTLها دارد ضمن اینکه از نرخ ردیابی­های غلط می­کاهد و تخمین­های اریب را برای اثرات QTL بسیار کاهش می­دهد. بیست فاصله واجد QTL شناسایی شد که کنترل 7 صفت را بر عهده داشتند. از این تعداد 2 QTL تعداد کل برگ، یک QTL روز تا ظهور برگ پرچم، دو QTL سرعت ظهور برگ، شش QTL وزن دانه در خوشه، پنج QTL تعداد دانه در خوشه، یک  QTL  عرض برگ پرچم و سه QTL تعداد خوشچه را کنترل کردند (جدول 2).

شش QTL کنترل کننده وزن دانه در خوشه بر روی کروموزوم­های 1 (چهار QTL)، 2 و 3 قرار داشتند. QTLهای  qGW-1a، qGW-1b و qGW-1c  به ترتیب با LOD برابر با 73/4، 45/6 و 91/4 بیشترین اثر را بر وزن دانه در خوشه داشتند و به ترتیب 70/10، 30/14، 10/11 درصد از تنوع فنوتیپی موجود را توجیه نمودند. اثر افزایشی هر QTL منفرد از 13/0 تا 67/0 متغیر بود و در کلیه QTLهای شناسایی شده آلل­های غریب به طور متوسط 46/0 گرم وزن دانه را افزایش دادند. اثر غالبیت در همه QTLها به جز qGW-4 افزایشی برآورد گردید (جدول 2).

نتایج نشان داد که کلیه QTLهای شناسایی شده جز qGW-1a، qGW-1b و qGW-1c دارای عمل فوق غالبیت برای وزن دانه در خوشه بودند، در حالیکه عمل سایر QTLها به صورت غالبیت جزئی بود. QTLهای شناسایی شده برای تعداد دانه پر بر روی کروموزوم­های 1 (چهار QTL) و 4 قرار داشتند. اثر افزایشی هر QTL منفرد از 22/14 تا 63/24 متغیر بود. در همه  QTLهای شناسایی شده آلل­های خزر باعث افزایش تعداد دانه پر شدند. qFG-1b با لود 63/24 ، 70/13 درصد از تنوع فنوتیپی موجود در صفت را توجیه نمود. به جز در مورد qFG-1a که غالبیت آن به صورت فوق غالبیت بود، در سایر QTLهای شناسایی شده نوع عمل ژن­ها به صورت غالبیت جزئی بود (جدول 2).

            تنها یک QTL برای عرض برگ پرچم روی کروموزوم 7 و در جهت کاهش آن به اندازه 14/0 سانتی متر ردیابی شد. این QTL بزرگ اثر توانست به تنهایی 32/20 درصد از تغییرات عرض برگ پرچم را توجیه نماید. نوع عملکرد ژن در qWLF7 به صورت غالبیت جزئی بود (جدول 2).

 

 

 

 

 

شکل 1- نقشه پیوستگی 111 نشانگر ریزماهواره در جمعیت F2 برنج ایرانی حاصل از تلاقی غریب×خزر.

Figure 1- Linkage mao of 111 SSR markers in rice F2 population caused Gharib × Khazar cross

 

 


 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 


           

 

 

 

شکل 2- توزیع فنوتیپی صفات مرتبط با رشد  و توسعه برگ و خوشه در جمعیت F2:4غریب × خزر.

Figure 2- Phenotypic distribution of traits related to leaf and panicle development in F2:4 Gharib × Khazr population

 

 



سه QTL کنترل کننده تعداد خوشچه بر روی کروموزوم­های 2 قرار داشتند. اثر افزایشی از  19/1-  تا 60/0 متغیر بود. در مورد  qBRA-2cالل خزر باعث افزایش تعداد خوشچه شد در سایر QTLهای ردیابی شده الل­های غریب باعث کاهش تعداد خوشچه شد. عمل ژن در همه QTL شناسایی شده به صورت فوق غالبیت به سمت افزایش تعداد خوشچه بود. QTL شناسایی شده، مجموعا بیش از 22 درصد از تغییرات فنوتیپی مربوط به تعداد خوشچه را کنترل کنند (جدول 2).

برای تعداد برگ، دو QTL بر روی کروموزوم­های 2 و 7 شناسایی شد. اثر افزایشی QTLهای مربوط به تعداد برگ از 90/0 تا 06/13 متغیر بود و در هر دو مورد آلل­های خزر باعث افزایش تعداد برگ شدند. QTLهای ردیابی شده برای تعداد برگ مجموعا 20/22 درصد از تغییرات تعداد برگ را کنترل نمودند (جدول 2).

          QTLهای شناسایی شده برای سرعت ظهور برگ بر روی کروموزوم­های 7 و 9 قرار داشتند. اثر افزایشی QTL های مذکور منفرد در جهت کاهش سرعت ظهور برگ­ها بود.  عمل ژن در هر دو QTL ردیابی شده به صورت فوق غالبیت بود (جدول 2).

          برای روز تا ظهور برگ پرچم تنها یک QTL بر روی کروموزوم 11 با اثر افزایشی از آلل غریب شناسایی شد. عمل این ژن به صورت فوق غالبیت بود. این QTL حدود 40/8 درصد از تغییرات فنوتیپی روز تا ظهور برگ پرچم را توجیه نمود (جدول 2).

اگر یک QTL بتواند تنوع بیشتری را نسبت به سایر QTLهای مکان­یابی شده برای یک صفت نشان دهد و مقیاس لود بیشتری از سایر QTLها داشته باشد، به عنوان یک مکان ژنی اصلی یا یک ژن بزرگ اثر کنترل کننده صفت تلقی می­شود. QTLهای  qGW-1b ، qFG-1b و qWFL-7 به ترتیب با تبیین  30/14، 70/13 و 32/20 درصد از تنوع فنوتیپی چنین مشخصه­ای داشتند.

 

 

 

 

 

 

 

 

 

 


جدول 2- QTLهای ردیابی شده برای صفات مرتبط با رشد و توسعه برگ و خوشه در جمعیت F2:4 مشتق از تلاقی ارقام غریب × خزر با استفاده از روش Inclusive Composite Interval Mapping .

Table 1- QTLs detected for traits related to leaf and panicle development in F2:4 Gharib × Khazr population using Inclusive Composite Interval Mapping

 

صفات

Traits

QTL

کروموزوم

Chromosome

مارکرهای مجاور

Flanking marker

LOD

اثر افزایشی

Additive effect

اثر غالبیت

Dominance effect

درصد توجیه

Expanation effect

جهت آلل

Allele direction

 

روز تا ظهور برگ پرچم

Days to flag leaf emergence

qDFL-11

11

RM1240-RM457

3.655

5.711

-6.330

8.40

خزر

Khazar

سرعت ظهور برگ

Leaf emergence rate

qLER-7

7

RM478-RM3555

4.131

-0.04

0.169

9.40

غریب

Gharib

qLER-9

9

RM4405-RM1553

3.636

-0.041

0.154

8.40

غریب

Gharib

تعداد کل برگ

Total leaf number

qTNL-2

2

RM5699-RM1358

5.146

13.063

-13.950

11.60

خزر

Khazar

qTNL-7

7

RM478-RM3555

4.684

0.901

-2.640

10.60

خزر

Khazar

وزن دانه

Grain weight

qGW-1a

1

RM3475-RM8097

4.729

0.630

0.091

10.70

غریب

Gharib

qGW-1b

1

RM297-RM226

6.446

0.667

0.448

14.30

غریب

Gharib

qGW-1c

1

RM3520-RM5310

4.907

0.597

0.487

11.10

غریب

Gharib

qGW-1d

1

RM5310-RM6141

4.044

0.489

0.510

9.20

غریب

Gharib

qGW-2a

2

RM5699-RM1358

3.343

0.127

0.531

7.70

غریب

Gharib

qGW-4

4

RM5709-RM255

3.696

0.249

-1.189

8.50

غریب

Gharib

تعداد دانه

Grain number

qFG-1a

1

RM3475-RM8097

22.686

3.608

4.026

9.20

خزر

Khazar

qFG-1b

1

RM297-RM226

24.633

12.462

6.142

13.70

خزر

Khazar

qFG-1c

1

RM3520-RM5310

21.051

20.975

4.062

9.30

خزر

Khazar

qFG-1d

1

RM5501-RM8231

14.224

-16.533

3.009

7.00

خزر

Khazar

qFG-4

4

RM5709-RM255

17.574

-47.726

3.226

7.40

غریب

Gharib

عرض برگ پرچم

Flag leaf width

qWFL-7

7

RM2878- RM320

11.530

0.140

-2.020

20.32

خزر

Khazar

تعداد خوشچه

Branches number

q BRA-2a

2

RM5699-RM1358

-0.472

-1.193

3.182

7.30

غریب

Gharib

q BRA-2b

2

RM1358-RM324

-0.766

-0.942

3.380

7.80

غریب

Gharib

q BRA-2c

2

RM1942-RM599

-0.351

0.597

3.184

7.40

خزر

Khazar

 

 

 

 

 


علاوه بر این QTLهای  qDFL-2، qDFL-2، qGW-1a و qGW-1c مربوط به ظهور برگ و وزن دانه به ترتیب با لود برابر 15/5، 64/4، 73/4 و 91/4 اثر نسبتا بزرگی داشتند و به ترتیب 60/11، 60/10، 70/10 و 10/11 درصد از تنوع فنوتیپی موجود را توجیه نمودند. سایر QTLهای شناسایی شده کوچک اثر بوده و اثرات فنوتیپی کمتری را توجیه نمودند.

وجود همبستگی­های بین صفات به وسیله اثرات پلیوتروپی یا پیوستگی شدید بین ژنهای کنترل کننده آنها توصیف می­شود. صفات همبسته اغلب به وسیله QTLهایی کنترل می­شوند که در نواحی مشابهی بر روی کروموزوم­ها قرار دارند (Paterson et al., 1988 و Xiao et al., 1996). چنین نتایجی برای وزن دانه، تعداد دانه، تعداد خوشچه، تعداد و سرعت ظهور برگ در این مطالعه نیز مشاهده شد. ضرایب همبستگی بین صفات مورد بررسی در جدول 3 آمده است. در اکثر موارد مورد بررسی جهت همبستگی­ها با جهت اثر QTLهای ردیابی شده مطابقت داشت. نتایج بدست آمده در این بررسی اثرات پلیوتروپی یا پیوستگی بین ژن­های کنترل کننده صفات مورد بررسی را مورد تائید قرار داد. تعداد دانه پر و وزن دانه همبستگی بسیار بالا و معنی­داری دارند. از بین QTLهای شناسایی شده برای وزن دانه، تمام آنها جز یک QTL (qGW-2a) تعداد دانه را نیز کنترل نمودند. همچنین QTL ردیابی شده برای تعداد خوشچه روی کروموزوم 2 (qBRA-2a)، تعداد برگ، وزن دانه و تعداد دانه را نیز کنترل نمود. ناحیه ای روی کروموزوم 7 ردیابی شد که تعداد برگ و سرعت ظهور برگ را نیز کنترل نمود. مقایسه نتایج این بررسی با سایر محققین (جدول 4) نشان داد که QTLهای ردیابی شده برای صفات رشد و توسعه برگ در این مطالعه با مطالعات قبلی مطابقت ندارد. این ممکن است به دلایل مختلفی از جمله زمینه ژنتیکی متفاوت در بررسی­های مختلف باشد. از طرف دیگر مطالعات برای بررسی QTLهای صفات مربوط به رشد و توسعه برگ­ها نیز بسیار محدود می­باشد. اما برای صفات خوشه نتایج نشان داد که QTLهای ردیابی شده برای وزن دانه در خوشه در این مطاله روی کروموزوم­های 1،2 و 4 با نتایج Hittalmani et al., 2002، Li et al., 1996، Marri et al., 2005، Xiao et al., 1996، Thomson et al., 2003) روی کروموزم 1، یون و همکاران (2006)، Marri et al., 2005، Li et al., 1996،  Zhuang et al., 1997روی کروموزوم 2، Yoon et al., 2006 روی کروموزوم 4 مطابقت داشت. برای تعداد دانه در خوشه نیز Marri et al., 2005، Brondani et al., 2002، Thomson et al., 2003 مانند این مطالعه روی کروموزوم 1، Brondani et al., 2002 و Thomson et al., 2003 روی کروموزوم 4 ردیابی نمودند.

 

جدول 3- ضرایب همبستگی بین صفات مرتبط با رشد و توسعه برگ­ها و خوشه.

Table 3- correlation coefficient between traits related to leaf and panicle development

 

تعداد کل برگ

Total leaf number

روز تا ظهور برگ پرچم

Days to flag leaf emergence

سرعت ظهور برگ

Leaf emergence rate

وزن دانه

Grain weight

تعداد

دانه

Grain number

تعداد

خوشچه

Branches number

عرض برگ پرچم

Flag leaf width

تعداد کل برگ

Total leaf number

1

 

 

 

 

 

 

روز تا ظهور برگ پرچم

Days to flag leaf emergence

0.214**

1

 

 

 

 

 

سرعت ظهور برگ

Leaf emergence rate

-0.727**

0.503**

1

 

 

 

 

وزن دانه

Grain weight

-0.041

-0.045

-0.004

1

 

 

 

تعداد دانه

Grain number

-0.018

-0.065

-0.039

0.947**

1

 

 

تعداد خوشچه

Branches number

0.037

-0.019

-0.038

-0.063

-0.045

1

 

عرض برگ پرچم

Flag leaf width

0.125

-0.067

0.111

0.0428**

0.062

0.127

1

  **معنی­دار در سطح احتمال 1 درصد

 

 

رفتارهای رشد و توسعه برگ، نه تنها تعیین کننده رشد رویشی گیاه برنج می­باشد بلکه از عوامل تعیین کننهد عملکرد دانه نیز می­باشد. چون برگ­ها منبع اصلی تعیین کننده ظرفیت عملکرد برنج می­باشد. تجزیه QTL این صفات، مکانیسم ژنتیکی آن­ها را آشکار خواهد نمود و اطلاعاتی را برای اصلاح­گران برنج را فراهم خواهد نمود تا بتوانند گیاهان را تولید نمایند که در یک دوره رشد کوتاه­تر، منبع تامین کننده فتوسنتزی بیشتری (تعداد برگ بیشتر) داشته باشند. در مطالعه حاضر، آلل­های با اثر افزایشی و کاهشی موثر بر صفات توسعه­ای برگ از هر دو والد شناسایی شد که توزیع کمی و انتقال ژن برای صفات فوق را در جمعیت مورد مطالعه ما را نشان می­دهد.      

 

 

 

جدول 4- مقایسه QTLهای شناسایی شده در این مطالعه با مطالعات پیشین.

Table 4- Comparision of detected QTL in this study with previus studies

 سرعت ظهور برگ  Leaf emergence rate

 QTL شناسایی شده در مطالعات پیشین

QTL detected in previus studies

QTL شناسایی شده

در این مطالعه

Detected QTL in this study

کروموزوم

Chromosome

qDEF-3 ( Dong et al., 2004)

-

3

qDEF-6( Dong et al., 2004)

-

6

-

qDFL-7

7

qDEF-8 ( Dong et al., 2004)

-

8

-

qDFL-9

9

تعداد کل برگ

Total leaf number

-

qTNL-2

2

qTNL-3 ( Dong et al., 2004)

-

3

qTNL-5 ( Dong et al., 2004)

-

5

qTNL-6 ( Dong et al., 2004)

-

6

-

qTNL-7

7

qTNL-8 ( Dong et al., 2004)

-

8

qTNL-9 ( Dong et al., 2004)

-

9

qTNL-12 ( Dong et al., 2004)

-

12

روز تا ظهور برگ پرچم

Days to flag leaf emergence

 

qLER-11

11

وزن دانه

Grain weight

qTGW1-1, qTGW1-2 and aTGW1-3(Hittalmani et al. 2003); GRYLD ( Li et al. 1997); yld1.1(Marri et al. 2005 and Xiao et al. 1998); gw1.1 (Thomson et al. 2003)

qGW-1a,  qGW-1b,  qGW-1c and  qGW-1d

1

tgw2 (Yoon et al. 2006); gw2.1, gw2.2 and gw2.3 (Marri et al. 2005); GW (Li et al. 1998); tgwt (Zhuang et al. 1997); GW (Yoshida et al. 2002); kw2-2 (Gao et al. 2002); gw2.1 yldp2.2 (Marri et al. 2005); GRYLDPPL (Zauang et al. 1997; Li et al. 1997 and Xiao et al. 1996); yd2 ( Yoon et al. 2006)

qGW-2

2

qTGW3-1, qTGW3-2 and qTGW3-3 (Hittalmani et al. 2003); gw3.1 and gw3.2 (Thomson et al. 2003); yld2.1 ( Thomson et al. 2003); yld3.1 and yld3.2 (Thomson et al. 2003)

-

3

qYLD4-1 ( Yoon et al. 2006)

qGW-4

4

Gw5.1 ( Thomson et al. 2003 )

-

5

qTGW6-1(Hittalmani et al. 2003); yld6.1 ( Thomson et al. 2003)

-

6

yld8.1,  yld8.3 and  yld8.4 (Marri et al. 2005);  GRYLD ( Li et al. 1997 and Xiao et al. 1996); yld9.1 ( Thomson et al. 2003)

-

8

gw9.1(Marri et al. 2005 and Thomson et al. 2003); qYLD9-1 (Yoon et al. 2006); gw9.1 ( Thomson et al. 2003)

-

9

qTGW10-1, qTGW10-2 and qTGW10-3 (Hittalmani et al. 2003); qYLD10-1( Yoon et al. 2006); gw10.1 ( Thomson et al. 2003)

-

10

tgw11(Yoon et al. 2006)

-

11

gw12.1 ( Thomson et al. 2003 )

-

12

تعداد دانه

Grain number

gn2.1(Marri et al. 2005); FGP1-1 and  FGP1-2 (Brondani et al. 2002); gpp1.1 and  gpp1.2 (Thomson et al. 2003)

qFG-1a,  qFG-1b,  qFG-1c and  qFG-1d

1

FGP1-2  (Brondani et al. 2002);  gpp2.1 (Thomson et al. 2003)

-

2

FGP3 (Brondani et al. 2002);  gpp3.1 (Thomson et al. 2003)

-

3

FGP4-1 and FGP4-2 (Brondani et al. 2002);  gpp4.1 (Thomson et al. 2003)

qFG-4

4

gn5.1 ( Marri et al. 2005)

-

5

FGP7-1 and  FGP7-2 (Brondani et al. 2002)

-

7

gpp4.1 (Thomson et al. 2003)

-

8

gpp9.1 (Thomson et al. 2003)

-

9

gpp11.1

-

11

gpp12.1 and  gpp12.2

-

12

 

منابع

Basten CJ, Weir BS, Zeng ZB (2001). QTL Cartographer: A reference manual and toturial for QTL mapping. North Carolina State University. USA.

Brondani C, Rangel PHN, Brondani RPV, Ferreira ME (2002). QTL mapping and introgression of yield–related traits from Oryza glumaepatula to cultivated rice (Oryza sativa) using microsatellite markers. Theoritical and Applied Genetics 104: 1192–1203.

Chen X, Temnykh S, Xu Y, Cho YG, McCouch SR (1997). Development of a microsatellite framework map providing genome–wide coverage in rice (Oryza sativa L.). Theoritical and Applied Genetics 95: 553–567. 

Dong Y, Kamiunten H, Ogawa T, Tsuzuki E, Terao H, Lin D, Matsuo M (2004). Mapping of QTLs for leaf development behaviear in rice (Oryza sativa L.). Ephytica 138:169-175.

Hittalmani S, Shashidhar HE, Bagali PG, Huang N, Sidhu JS, Singh VP, Khush GS (2002). Molecular mapping of quantitative trait loci for plant growth, yield and yield related traits across three diverse locations in a doubled haploid rice population. Euphytica 125: 207–214.

Li H, Ye G, Wang J (2007). A modified algorithm for the improvement of composite interval mapping. Genetics 175:361-374.

Li ZK, Paterson AH, Pinson SRM (1999). RFLP facilitated analysis of tiller and leaf angles in rice (Oryza sativa L.). Ephytica 109:79-84.

Li Z, Pinson SRM, Park WD, Paterson AH, Stansel JW (1996). Mapping of quantitative trait loci and quantitative–trait–modifying factors affecting three grain yield components in rice (Oryza sativa L.). In: Khush, G.S. (Ed.). Rice Genetic III. IRRI, Manila, Philippines.

Kosambi DD (1944). The estimation of map distances from recombination values. Annul Eugen 12: 172–175.

Marri PR, Sarla N, Reddy LV, Siddiq EA (2005). Identification and mapping of yield and yield related QTLs from an Indian accession of Oryza rufipogon. BMC Genetic 6:33-47.

McCouch SR, Teytelman L, Xu Y, Lobos K, Clare K, Walton M (2002). Development of  2243 new SSR markers for rice by the international rice icrosatellite initiative. Proc. First International Rice Congress. China. PP.150 - 152. 

Manly KF, Olson JM (1999) Overview of QTL mapping software and introduction to map   manager QTX. Mammalian Genome 10: 327–334.

Nelson JN (1997). QGENE: software for marker-based genomic analysis and breeding. Molecular Breeding 3: 239–245.

Paterson AH, Lander ES, Hewitt JD, Paterson S, Lincoln SE, Tanksley SD (1988). Resolution of quantitative traits into Mendelian factors by using a complete RFLP linkage map. Nature 335: 721–726.

Temnykh S, Park WD, Ayres N, Cartinhour S, Hauck N, Lipovich L, Cho YG, Ishii T, McCouch SR (2000). Mapping and genome organization of microsatellite sequences in rice (Oryza   sativa L.). Theoritical and Applied Genetics 100: 697–712.

Thomson MJ, Tai TH, McClung AM, Lai XH, Hinga ME, Lobo KB, Xu Y, Martínez R, McCouch SR (2003). Mapping quantitative trait loci for yield, yield components and morphological traits in an advanced backcross population between Oryza rufipogon and the Oryza sativa cultivar Jefferson. Theoritical and Applied Genetics 107:479-493.

Wu P, Zhang G, Huang N (1996). Identification of QTLs controlling quantitative characters in rice using RFLP markers. Euphytica 89: 349–354.

Xiao J, Li J, Yuan L, Tanksley SD (1996). Identification of QTLs affecting traits of agronomic importance in a recombinant inbred population derived from a subspecific rice cross. Theoritical and Applied Genetics 92: 230–244.

Yamagata H (1997). Defferentiation and inheritance of characters. Chapter 2. Inheritance of morphological characters. In Seince of the rice plant, Genetics (Vol. 3) Matsuo T, Futsuhara Y, Kikuchi F, Yamaguchi (eds), Food and Agriculture Policy Research Center, Tokyo, Japan, 277-285.

Yan JQ, Zhu C, He C, Benmoussa M, Wu P (1998). Quantitative trait loci analysis for the development behavior of number tiller in rice (Oryza sativa L.) Crop Science 39:538-544.

Yan JQ, Zhu J, He C, Benmoussa M, Wu P (1999). Molecular Marker-assisted dissection of genotype × environment interaction fot plant type traits in rice (Oryza sativa L.) Crop Science 39: 538-544.

Yoon DB, Kang KH, Kim HJ, Ju HG, Kwon SJ, Suh JP, Jeong OY, Ahn SN (2006). Mapping quantitative trait loci for yield components and morphological traits in an advanced backcross population between Oryza grandiglumis and the Oryza sativa japonica cultivar Hwaseongbyeo. Theoritical and Applied Genetics 112: 1052–1062

Zhuang JY, Lin HX, Lu J, Qian HR, Hittalmani S, Huang N, Zheng KL (1997). Analysis of QTL×environment interaction for yield components and plant height in rice. Theoritical and Applied Genetics 95: 799–808.

Zhu L, Lu C, Li P, Shen L, Xu Y, He P, Chen Y (1996). Using doubled haploid populations of rice for quantitative trait locus mapping. In: Khush GS (ed.). Rice Genetic III. IRRI, Manila, Philippines.

 

 

 


Molecular analysis of rice vegetative growth traits

 

Sabouri H.*1, Mohammadinejad Gh.2, Sabouri A.3, Navvabpouri S.4

 

1 Assistant Professor of Department of Plant Production, College of Agriculture Science and Natural Resource, Gonbad Kavous University, Iran.

2 Assistant Professor of Department of Plant Breeding, College of Agriculture Science, Kerman University of Shahid Bahonar, Kerman, Iran.

3 Assistant Professor of Department of Plant Breeding, College of Agriculture Science, University of Guilan, Rasht, Iran.

4 Assistant Professor of Department of Plant Breeding and Biotechnology, College of Agriculture Science, Gorgan University of Agriculture Science and Natural Resource, Gorgan, Iran.

 

Abstract

Leaf growth and development characteristics are important factor for grain yield. In order to genetic analysis of Leaf growth and development characteristics of rice, a linkage map provided from F2 rice mapping population  caused Gharib × Khazar and 111 microsatellite markers. Total number leaf, Days to flag leaf, leaf emergence rate, grain weight, grain number, length and width of flag leaf and branches number were mapped. qGW-1b, qFG-1b and qWFL-7 were identified as major effect on chromosome 1 and 7 and explained  14.30, 13.70 and 20.32% of total variation of grain weight, filled grain and width of flag leaf, respectively. The most of variation of total leaf number explained by 2 QTLs (over than 20%). According to these result, we can produced rice lines that have low vegetative growth periods and high total leaf number. 

 

Key words: rice, leaf, panicle, QTL, mapping.

 

 

 

 

 

 

 

 

 

 

 

 

 

 



*  نویسنده مسئول: حسین صبوری                             تلفن: 09111438917                  Email: hos.sabouri@gmail.com

[1]-Denaturing polyacrylamide gels

* Corresponding Author: Sabouri H.                         Tel: 09111438917                        Email: hos.sabouri@gmail.com

Basten CJ, Weir BS, Zeng ZB (2001). QTL Cartographer: A reference manual and toturial for QTL mapping. North Carolina State University. USA.
Brondani C, Rangel PHN, Brondani RPV, Ferreira ME (2002). QTL mapping and introgression of yield–related traits from Oryza glumaepatula to cultivated rice (Oryza sativa) using microsatellite markers. Theoritical and Applied Genetics 104: 1192–1203.
Chen X, Temnykh S, Xu Y, Cho YG, McCouch SR (1997). Development of a microsatellite framework map providing genome–wide coverage in rice (Oryza sativa L.). Theoritical and Applied Genetics 95: 553–567. 
Dong Y, Kamiunten H, Ogawa T, Tsuzuki E, Terao H, Lin D, Matsuo M (2004). Mapping of QTLs for leaf development behaviear in rice (Oryza sativa L.). Ephytica 138:169-175.
Hittalmani S, Shashidhar HE, Bagali PG, Huang N, Sidhu JS, Singh VP, Khush GS (2002). Molecular mapping of quantitative trait loci for plant growth, yield and yield related traits across three diverse locations in a doubled haploid rice population. Euphytica 125: 207–214.
Li H, Ye G, Wang J (2007). A modified algorithm for the improvement of composite interval mapping. Genetics 175:361-374.
Li ZK, Paterson AH, Pinson SRM (1999). RFLP facilitated analysis of tiller and leaf angles in rice (Oryza sativa L.). Ephytica 109:79-84.
Li Z, Pinson SRM, Park WD, Paterson AH, Stansel JW (1996). Mapping of quantitative trait loci and quantitative–trait–modifying factors affecting three grain yield components in rice (Oryza sativa L.). In: Khush, G.S. (Ed.). Rice Genetic III. IRRI, Manila, Philippines.
Kosambi DD (1944). The estimation of map distances from recombination values. Annul Eugen 12: 172–175.
Marri PR, Sarla N, Reddy LV, Siddiq EA (2005). Identification and mapping of yield and yield related QTLs from an Indian accession of Oryza rufipogon. BMC Genetic 6:33-47.
McCouch SR, Teytelman L, Xu Y, Lobos K, Clare K, Walton M (2002). Development of  2243 new SSR markers for rice by the international rice icrosatellite initiative. Proc. First International Rice Congress. China. PP.150 - 152. 
Manly KF, Olson JM (1999) Overview of QTL mapping software and introduction to map   manager QTX. Mammalian Genome 10: 327–334.
Nelson JN (1997). QGENE: software for marker-based genomic analysis and breeding. Molecular Breeding 3: 239–245.
Paterson AH, Lander ES, Hewitt JD, Paterson S, Lincoln SE, Tanksley SD (1988). Resolution of quantitative traits into Mendelian factors by using a complete RFLP linkage map. Nature 335: 721–726.
Temnykh S, Park WD, Ayres N, Cartinhour S, Hauck N, Lipovich L, Cho YG, Ishii T, McCouch SR (2000). Mapping and genome organization of microsatellite sequences in rice (Oryza   sativa L.). Theoritical and Applied Genetics 100: 697–712.
Thomson MJ, Tai TH, McClung AM, Lai XH, Hinga ME, Lobo KB, Xu Y, Martínez R, McCouch SR (2003). Mapping quantitative trait loci for yield, yield components and morphological traits in an advanced backcross population between Oryza rufipogon and the Oryza sativa cultivar Jefferson. Theoritical and Applied Genetics 107:479-493.
Wu P, Zhang G, Huang N (1996). Identification of QTLs controlling quantitative characters in rice using RFLP markers. Euphytica 89: 349–354.
Xiao J, Li J, Yuan L, Tanksley SD (1996). Identification of QTLs affecting traits of agronomic importance in a recombinant inbred population derived from a subspecific rice cross. Theoritical and Applied Genetics 92: 230–244.
Yamagata H (1997). Defferentiation and inheritance of characters. Chapter 2. Inheritance of morphological characters. In Seince of the rice plant, Genetics (Vol. 3) Matsuo T, Futsuhara Y, Kikuchi F, Yamaguchi (eds), Food and Agriculture Policy Research Center, Tokyo, Japan, 277-285.
Yan JQ, Zhu C, He C, Benmoussa M, Wu P (1998). Quantitative trait loci analysis for the development behavior of number tiller in rice (Oryza sativa L.) Crop Science 39:538-544.
Yan JQ, Zhu J, He C, Benmoussa M, Wu P (1999). Molecular Marker-assisted dissection of genotype × environment interaction fot plant type traits in rice (Oryza sativa L.) Crop Science 39: 538-544.
Yoon DB, Kang KH, Kim HJ, Ju HG, Kwon SJ, Suh JP, Jeong OY, Ahn SN (2006). Mapping quantitative trait loci for yield components and morphological traits in an advanced backcross population between Oryza grandiglumis and the Oryza sativa japonica cultivar Hwaseongbyeo. Theoritical and Applied Genetics 112: 1052–1062
Zhuang JY, Lin HX, Lu J, Qian HR, Hittalmani S, Huang N, Zheng KL (1997). Analysis of QTL×environment interaction for yield components and plant height in rice. Theoritical and Applied Genetics 95: 799–808.
Zhu L, Lu C, Li P, Shen L, Xu Y, He P, Chen Y (1996). Using doubled haploid populations of rice for quantitative trait locus mapping. In: Khush GS (ed.). Rice Genetic III. IRRI, Manila, Philippines.