Iddentification of QTLs for grain weight in barley doubled haploid population

Document Type : Research Paper

Authors

1 MSc Graduate of Agricultural Biotechnology, Maragheh Branch, Islamic Azad University, Maragheh, Iran.

2 Dryland Agricultural Research Institute (DARI), Agricultural Research, Education and Extension Organization (AREEO), Maragheh, Iran.

3 Professor at Department of Plant Breeding and Biotechnology Faculty of Agriculture, University of Tabriz, Iran.

Abstract

To identify the QTLs affecting grain weight and yield, 148 doubled-haploid (DH) population derived from a cross between Clipper (high yield) and Sahara3771 (low yield) were screened under controlled conditions. The experiment was conducted in CRD with 3 replications. The new 30 ISSR marker loci were added to a backbone of 466 loci on the Clipper × Sahara DH linkage map. The map spanned 1460 centimorgans (cM) and had a mean density of 2 loci per 3 cM. The QTL analysis led to identification of 5 QTLs on 2H, 4H, 5H and 6H chromosomes for grain yield. These QTLs could explain 57% of the total phenotypic variation, and the QTL on chromosome 2H (ksuF2-mwg892) with 20% had the largest effect. For grain weight, 3 QTLs were identified, and the QTL on 2H could explain 69% of total phenotypic variation. The identification of QTLs with large effects on grain weight and yield illustrates the usefulness of molecular markers in gene mapping and suggest that marker-assisted selection will be feasible in the near future in barley breeding programs.

Keywords


شناسائی QTLهای موثر در وزن هزار دانه جو با استفاده از نشانگرهای مولکولی

 

زهرا پریخانی*1، بهزاد صادق­زاده2، سید ابوالقاسم محمدی3

 

1دانش آموخته کارشناسی ارشد، دانشگاه آزاد اسلامی واحد مراغه، ایران.

2دانشیار، موسسه تحقیقات کشاورزی دیم کشور، سازمان تحقیقات آموزش و ترویج کشاورزی، مراغه، ایران.

3استاد، گروه به نژادی و بیوتکنولوژی گیاهی، دانشکده کشاورزی، دانشگاه تبریز، ایران.

تاریخ دریافت: 06/04/1394، تاریخ پذیرش: 21/04/1396

 

چکیده

این بررسی با هدف نقشه‌یابی نشانگرهای مولکولی پیوسته با ژن‌های مرتبط با وزن هزار دانه و عملکرد دانه در جو زراعی اجرا گردید. به منظور شناسایی QTLها، یک جمعیت شامل 148 هاپلوئید مضاعف (DH) برای صفات وزن هزار دانه و عملکرد دانه در طرح کاملا تصادفی با 3 تکرار در شرایط گلخانه‌ای مطالعه گردید. جمعیت هاپلوئید مضاعف حاصل تلاقی بین رقم اصلاح شده Clipper (با عملکرد بالا) و رقم محلی از الجزایر به نامSahara3771  (با عملکرد پایین) بود. در این تحقیق 30 نشانگر جدید ISSR به 466 جایگاه قبلی روی نقشه پیوستگی جمعیت اضافه گردید. نشانگرها در مجموع 1460 سانتی­مورگان از ژنوم جو را پوشش داده و متوسط فاصله دو نشانگر مجاور 3 سانتی­مورگان بود. تجزیه QTL منجر به شناسایی پنج QTL مرتبط با عملکرد دانه (بر روی کروموزوم­های2H ,4H ,5H  و 6H) شد که این مکان‌ها در مجموع 57 درصد از تنوع فنوتیپی عملکرد را توجیه می­کردند. QTL واقع بر کروموزوم 2H با 20 درصد بزرگ‌اثرترین QTL بود. برای وزن هزار دانه نیز 3  عدد QTL شناسایی گردید که QTL واقع بر کروموزوم 2H با 69 درصد بزرگ‌اثرترین QTL بود. شناسایی QTLهای بزرگ‌اثر برای وزن هزار دانه و عملکرد، سودمندی استفاده از مارکر­های مولکولی در نقشه­یابی ژنی برای صفات وزن دانه و عملکرد دانه را نشان می­دهد که از این پتانسیل می­توان برای انتخاب به کمک نشانگر (MAS) در آینده­ای نزدیک در برنامه­های اصلاح برای بهبود عملکرد جو استفاده کرد.

واژه‌های کلیدی: عملکرد جو، مکان­های ژنی صفات کمی (QTL)، نشانگرهای مولکولی.



مقدمه

جو (Hordeum vulgare L.) یکی از مهم‌ترین غلات کشت شده در جهان بوده و سطح زیر کشت آن (5/47 میلیون هکتار) بعد از گندم، برنج و ذرت در رتبه چهارم قرار دارد (FAO, 2012). در ایران نیز سطح زیر کشت و تولید جو در سال 2011 به ترتیب 6/1 میلیون هکتار و 2/3 میلیون تن با متوسط عملکرد 2 تن در هکتار بود، ولی متاسفانه متوسط عملکرد جو در دیمزارها کمتر از 800 کیلوگرم می‌باشد (FAO, 2013). از اینرو افزایش عملکرد در واحد سطح از اهم اهداف اصلاحی جو در مناطق دیم بوده و شناسایی پتانسیل و دامنه­ی تغییرات صفات مرتبط با محصول­دهی جو ضرورت دارد .(Ray et al., 2000) عملکرد دانه صفتی با کنترل ژنتیکی پیچیده بوده و شدیداً تحت تاثیر شرایط محیطی می­باشد. بنابراین، مکان­یابی ژن‌های کنترل کننده عملکرد دانه و اجزای آن نظیر وزن هزار دانه از اهداف و چالش­های اصلی برنامه­های بهنژادی جو می­باشد. ابداع و توسعه نشانگرهای مولکولی و تهیه نقشه­های ژنتیکی در جو، مکان‌­یابی ژن‌های کنترل کننده صفات کمی را فراهم و استفاده از آنها را در برنامه­های گزینش به کمک نشانگر (MAS) امکان­پذیر کرده است (Babu et al., 2004; Collard et al., 2005). در سال‌های اخیر تلاش‌های زیادی برای شناسایی مکان‌های ژنی کنترل کننده عملکرد دانه و صفات مرتبط با آن صورت گرفته است. در برخی مطالعات QTLهای متعددی برای عملکرد دانه جو مکان‌یابی شده که بطور غیریکنواخت در کل ژنوم توزیع شده‌اند. در پژوهشی Cakir  et al. (2003)  در یک جمعیت هاپلوئید مضاعف حاصل از تلاقی دو رقم جو Kaputar و Tallon با استفاده از 224 نشانگر AFLP و 39 نشانگر SSR، برای عملکرد دانه QTLهایی را روی کروموزوم‌های 2H، 3H و 5H شناسایی کردند که نواحی واقع بر کروموزوم‌های 2H، 3H تقریبا 30 درصد و 5H تقریبا 25 درصد از تغییرات عملکرد دانه را تبیین می­کردند. همچنین در پژوهشی et al Cuesta-Marcos  (2009) در یک جمعیت متشکل از 120 لاین هاپلوئید مضاعف حاصل از تلاقی دو رقم جو Beka و Mogador با استفاده از 215 نشانگر از جمله RFLP و RAPD مکان‌های ژنومی موثر بر عملکرد دانه را روی کروموزوم‌های 3H، 5H و 7H شناسایی کرده‌اند که 40% از تغییرات عملکرد دانه را تبیین می­کردند. همچنین et al Daghaghelh  (2016) با استفاده از خانواده‌های 3 Fو 4F حاصل از تلاقی بیچر و کویر در جو با استفاده از نشانگرهای SSR و ISSR  تعداد15 QTL را برای صفات مرتبط با عملکرد مکان‌یابی نمودند که در نسل 4F به ترتیب QTLهای بزرگ اثر با ضریب تبیین 2/12 و 15 شناسایی شدند. در بررسی دیگر et al.  Von Korff (2006) در یک جمعیت BC2DH مشتق شده از تلاقی رقم بهاره Scarlett با جو وحشی ISR42-8 (Hordeum vulgare ssp. spontaneum) بر اساس تجزیه AB-QTL، 13 عدد QTL را برای عملکرد دانه روی هفت کروموزوم جو مکان­یابی کردند. در این مطالعه، آلل‌های مطلوب در سه جایگاه QTL از والد وحشی به نتاج منتقل شده بودند. در بین آلل‌های مطلوب شناسایی شده در این QTLها، بیشترین افزایش مربوط به QYid.S42-4H.a (7%) بود. مکان ژنی QYid.S42-3H.a بیشترین واریانس ژنتیکی عملکرد را تبیین کرد. وزن هزار دانه از جمله اجزای مهم عملکرد دانه بوده و با عملکرد دانه همبستگی مثبت و معنی‌دار دارد (Garcia et al., 2003). در پژوهشی Shahinnia et al. (2014) در یک جمعیت متشکل از 99 لاین اینبرد نوترکیب نسل F13 جو حاصل از تلاقی دو والد Kanto Nakate Gold و Azumamugi با استفاده از 100 نشانگر از جمله AFLP و STS تعداد 2 نشانگر آیزوزایم و 2 نشانگر مورفولوژیک و یک QTL اصلی در فاصله نشانگرهای vrs-1 و MWG-503 واقع بر کروموزوم‌ 2H را شناسایی کرده‌اند که 37% از تغییرات فنوتیپی را تبیین می­کرد. مکان ژنی vrs-1 به عنوان اصلی‌ترین مکان تعیین کننده فنوتیپ تعداد ردیف در جو است، بنابراین در افزایش تعداد دانه و یا وزن دانه نقش دارد. تجمع QTLهای کنترل کننده خصوصیات زراعی در ارتباط با عملکرد و مکان ژنی vrs-1 در این پژوهش نیز مؤید همین موضوع است (Kicherer et al., 2000). با توجه به پیچیدگی صفات وزن دانه و عملکرد دانه لازم است این قبیل مطالعات در جمعیت‌های مختلف و در شرایط محیطی مختلف اجرا شوند تا در نهایت بتوان QTLهای پایدار و نیز بزرگ‌اثر را برای این قبیل صفات شناسایی کرده و به هدف نهایی انتخاب به کمک نشانگر در برنامه‌های اصلاح جو نایل شد. از اینرو این تحقیق بر روی جمعیت هاپلوئید مضاعف  متفاوت و در شرایط کنترل شده با هدف مکان‌یابی QTLهای مرتبط با عملکرد و وزن هزار دانه اجرا گردید.

 

مواد و روش‌ها

مواد گیاهی مورد استفاده شامل 148 لاین هاپلوئید مضاعف جو، حاصل از تلاقی ارقامSahara 3771  و Clipper می­‌باشد. رقم Clipper (والد مادری) دارای رقم اصلاحی دو ردیفه با عملکرد بالااست، ولی رقم پدری (Sahara3771) بومی الجزایر و شش ردیفه بوده و از عملکرد پایینی برخوردار است. که به عنوان یک رقم تجاری از سال 1968 تا اواسط سال 1980 در استرالیا کشت می‌شد. جمعیت حاصل در دانشگاه آدلاید استرالیا تهیه و توسط دانشگاه استرالیای غربی در اختیار قطب علمی اصلاح مولکولی غلات دانشگاه تبریز قرار داده شده است (Sadeghzadeh, 2008). برای ارزیابی فنوتیپی، جمعیت هاپلوئید مضاعف به همراه والدین در گلدانهای به ابعاد 70×70×200 میلیمتر و حاوی 5/1 کیلوگرم خاک شنی فقیر از لحاظ مواد غذایی با 1/6=pH، 2/1 درصد مواد آلی، 3/3 میلی گرم در کیلوگرم فسفر، 04/0 میلی گرم در کیلوگرم روی کشت گردیدند. آزمایش در قالب طرح پایه کاملاً تصادفی در سه تکرار اجرا گردید. تا رسیدگی کامل مواد غذایی لازم شامل 9=KH2PO4، 145=K2SO4، 80/0=ZnSO4.7H2O ، 21=MgSO4.7H2O، 2=CuSO4.5H2O، 15=MnSO4.H2O، 7/0=H3BO3، 2/0=Na2MoO4.2H2O ، 93=NH4NO3  به همراه CaCl2.2H2O =147 (میلی­گرم در کیلوگرم) به خاک اضافه گردید. نیتروژن مورد نیاز گیاهان نیز هر دو هفته یکبار تامین شد. برای برخورداری از گیاهان یکنواخت، تعداد بوته­ها به هفت بوته در هرگلدان در مرحله دو برگی تقلیل یافت و جهت کاهش تاثیر میکروکلیمای داخل گلخانه، محل گلدان­ها هر روز به صورت تصادفی تغییر داده شد. آبیاری گلدان­ها هر روز به کمک ترازو تا سقف 90% ظرفیت مزرعه­ای با وزن کردن یک به یک گلدان‌ها با آب دابلددیونیزه تامین گردید. پس از رسیدگی کامل، بذر گیاهان برداشت و به صورت دستی بوجاری شد. جهت استخراج DNA، بذور لاین­های هاپلوئید مضاعف و والدین در گلخانه کشت و نمونه­های برگی از برگ­های جوان برداشت شد و پس از قرار دادن در کاغذ آلومینیومی، مشخصات نمونه روی فویل آلومینیومی یادداشت گردید. نمونه­ها در ازت مایع منجمد و تا زمان استخراج DNA در فریزر 80- درجه سانتی­گراد نگهداری شدند. جهت استخراج DNA از نمونه­های برگی، از روش CTAB (Saghai et al., 1984) و برای تعیین کمّیت و کیفیت نمونه­هایDNA ، از روش اسپکتروفتومتری و الکتروفورز ژل اگارز 8/0 درصد استفاده شد (شکل1).

 

 

شکل1- الگوی نواری DNA ژنومی استخراج شده تعدادی از افراد جمعیت در ژل آگارز 8/0 درصد (اعداد نشان دهنده شماره لاین هاپلوئید مضاعف می‌باشد).

Figure 1- The banding pattern of extracted genomic DNA in 0.8% agarose gel.

 

 

چندشکلی والدین با استفاده از نشانگر­های ISSR، SSR و EST-SSR انتخاب شده از بخش­های مختلف ژنوم جو (جدول 1) بررسی شده و نشانگرهای چندشکل برای غربال افراد جمعیت استفاده گردید. دمای اتصال آغازگرها و طول قطعه تکثیر شده در جدول 2 ارایه شده است.

 


جدول 1- مشخصات نشانگر­های SSR استفاده شده برای تهیه نقشه ژنتیکی.

Table 1- The SSR primers used for preparing linkage mapping.

کد نشانگر

منبع نشانگر

منبع

Bmac, EBmac

DNA ژنومی (AC repeats)

(Ramsay et al., 2000)

EBmatc

DNA  ژنومی (ATC repeats)

(Ramsay et al., 2000)

GMS

Genomic DNA libraries

)Struss and Plieske, 1998; Li et al., 2003)

GBMS

Genomic DNA libraries

(Li et al., 2003)

HVM

Genomic DNA and genes

 (Liu et al., 1996; Saghai Maroof et al.,1984, 1994)

GBM

ESTs جو

(Thiel et al.,2003; Varshney et al., 2006)

scSSR

ESTs جو

(Rostoks et al., 2005; Ramsay et al., 2004)

 

جدول 2- اسامی آغازگر­های چند شکلی ISSR، توالی و دمای اتصال آن­ها.

Table 2- The name, annealing temperature and sequences of ISSR primers.  

نام آغازگر

دمای اتصال

توالی (5`-3`)

ISSR2

48

ACACACACACACACACAT

ISSR3

47

ACACACACACACACACTT

ISSR8

48

ATGATGATGATGATGATG

ISSR20

48

(AC)8CTG

ISSR21

51

(TC)8

ISSR23

48

(AGT)3(TC)7

ISSR33

51

AGAGAGAGAGAGAGAGAT

ISSR34

48

AGAGAGAGAGAGAGAGAA

ISSR35

49

(AG)8TA

ISSR37

51

TCT( GA) 7

ISSR38

51

GCT ( GT) 7

ISSR39

49

ACGACGACGACGACGACG

ISSR40

46

CAT GGT GTT GGT CAT TGTTCC A

ISSR42

49

ACACACACACACACACCG

 

 

واکنش زنجیره­ای پلی­مراز در حجم 10 میکرولیتر انجام شد. چرخه­های حرارتی شامل یک مرحله واسرشت­سازی اولیه به مدت 5 دقیقه در دمای ºC 94، 35 چرخه با واسرشت­سازی در دمای ºC 94 به مدت یک دقیقه، اتصال آغازگر به مدت یک دقیقه در دمای اختصاصی آنها و بسط در دمای ºC 72 به مدت 2 دقیقه و نهایتا یک مرحله به مدت 7 دقیقه در دمای ºC 72 بود. تفکیک محصولات تکثیری با استفاده از الکتروفورز ژل پلی­اکریلامید 4 درصد در دستگاه ژل اسکن 3000 (شرکت Corbett Robotics) صورت گرفت. الگوی نواری نشانگر­های چند شکل در جمعیت بصورت A برای افراد مشابه والد Clipper و B برای افراد مشابه والد Sahara3771 امتیاز‌دهی شد )شکل 2(.

 

 

 

شکل2- نحوه امتیازدهی الگوی نواری آغازگرهای ریزماهواره ISSR در جمعیت لاین­های هاپلوئید مضاعف حاصل از تلاقی ارقام جو Clipper و Sahara3771. A: وجود نوار در والد Clipper، B: وجود نوار در والد Sahara3771. چاهک A: Clipper، چاهک B: Sahara3771، چاهک‌های 29-2: لاین‌های هاپلوئید مضاعف.

Figure 2- The band pattern of ISSR primers in doubled-haploid (DH) population derived from Clipper × Sahara3771.

 

 

مفروضات تجزیه واریانس شامل نرمال بودن توزیع خطاها، یکنواختی واریانس درون تیمارها و اثر افزایشی بلوک با تیمار به ترتیب با استفاده از آزمون‌های کولموگراف-اسمیرنوف، بارتلت و توکی انجام گردید. همگنی واریانس­ها با استفاده از نرم افزار SPSS 16 و MSTATC انجام شد. قبل از تجزیه پیوستگی، برای نشانگر­های چند شکل، پس از بررسی تفرق مندلی، آزمون نسبت 1:1 برای هر جایگاه با نرم­افزار MapDisto (Boston et al., 2006; Lorieux, 2012) انجام شد. تهیه نقشه پیوستگی با استفاده از برنامه JoinMap 4 (Van Ooijen, 2006) با فرض حداقل 3=LOD و حداکثر فاصله 50 سانتی­مورگان بین دو نشانگر مجاور رسم گردید. داده‌­های حاصل به برنامه 2.5 Cartographer Windows (Wang et al., 2005& 2012) بر اساس روش مکان­یابی مرکب منتقل و برای QTLهای مکان­‌یابی شده اثر افزایشی و سهم آن­ها در تبیین واریانس فنوتیپی صفات تعیین شد.

 


نتایج و بحث

بر اساس نتایج تجزیه واریانس بین افراد جمعیت هاپلوئید مضاعف از نظر وزن هزار دانه و عملکرد دانه اختلاف معنی­داری وجود داشت (جدول 3) که بیانگر وجود تنوع ژنتیکی برای این صفات بود. محدوده عملکرد دانه در جمعیت بین 71/0 و 7/1 گرم در هر بوته به دست آمد که نشان دهنده وجود تنوع ژنتیکی مناسب برای این صفت در جمعیت می­باشد. عملکرد دانه والد Clipper، 37/1 گرم و والد Sahara 3771، 13/1 گرم در هر بوته بود که والدین از تفاوت معنی‌داری برای این صفت برخوردار بودند. حداقل و حداکثر میانگین وزن هزار دانه در جمعیت به ترتیب 50/25 و 54 گرم بود که نشان دهنده وجود تنوع ژنتیکی مناسب برای این صفت در جمعیت می­باشد. وزن هزار دانه برای والد Clipper، 50 گرم و برای والد Sahara 3771، 32 گرم بدست آمد و اختلاف معنی­دار بین میانگین والدین مشاهده شد (92/2 (LSD 0.05 =.

برای صفات مورد بررسی لاین­‌های هاپلوئید مضاعف در خارج از محدوده دو والد قابل مشاهده هستند که نشانگر وجود تفکیک متجاوز در هر دو جهت است (شکل 3). وجود تفکیک متجاوز احتمال شناسایی QTLها برای صفات را افزایش داده و نشان می­دهد که هر دو والد شامل آلل­‌های مطلوب و نا‌مطلوب در صفات مختلف هستند.

 


تجزیه پیوستگی

چند‌شکلی والدین Clipper و Sahara3771 با 14 نوع آغازگر  ISSRبررسی و 30 نشانگر چندشکل برای غربال جمعیت به نقشه پیوستگی قبلی جمعیت اضافه شد (Sadeghzadeh, 2008). البته 19 نشانگر به هیچ گروه پیوستگی منتسب نشدند. در مجموع 496 نشانگر مشتمل بر 246 نشانگر SSR و EST-SSR، 238 نشانگر RFLP، یک نشانگر مورفولوژیک و 11 نشانگر ISSR، 1460 سانتی­مورگان از ژنوم جو را با متوسط فاصله دو نشانگر مجاور برابر 3 سانتی‌مورگان تحت پوشش قرار دادند و کروموزوم 2 با طول 238 سانتی‌مورگان شامل 84 نشانگر و کروموزوم 1 با طول 206 سانتی­مورگان و 55 نشانگر به ترتیب بیشترین و کمترین تعداد نشانگر را به خود اختصاص دادند ( شکل 4).

 

مکان­یابی فاصله­ای مرکب

در ارتباط با صفت وزن هزار ‌دانه، سهQTL  روی کروموزوم­های 2H و 1H شناسایی شد که در مجموع 74 درصد از واریانس فنوتیپی صفت را تبیین ‌کردند (جدول 4 و شکل 5). تعداد دوQTL  واقع در کروموزوم 2H (بین نشانگر­های abc257-HvCSLC1 و Vrs1-Bmag0125) به ترتیب 69 و 3 درصد از تغییرات فنوتیپی صفت را تبیین کردند. همه QTLهای شناسایی شده برای وزن هزار دانه دارای اثر افزایشی مثبت بودند که نشان دهنده اهمیت آلل‌­های منتقل شده از والد Clipper در افزایش وزن هزار دانه می­باشد چرا که Clipper وزن دانه بیشتری نسبت به Sahara دارد. در تحقیق مشابه با استفاده از 99 نشانگر RFLP در جمعیت دابلدهاپلوئید حاصل از تلاقی دو رقم جو بهاره Kym و Bleheim، چهار QTL برای وزن هزار دانه روی کروموزوم­های 2H،3H ، 4H و 5H شناسایی گردید
 (1997Bezant et al.,). در مطالعه‌ای
 et al Xue (2010) از یک جمعیت دابلدهاپلوئید جو مشتق شده از دو والد Yerong و Franklin برای مکان­یابی نواحی ژنومی کنترل کننده عملکرد دانه و اجزای آن استفاده کردند. با استفاده از 496 نشانگر DarT، 80 نشانگر AFLP و 28 نشانگر SSR، در مجموع 32 ناحیه ژنومی برای صفات مورد مطالعه مکان­یابی گردید. برای صفت وزن هزار دانه یک QTL، روی کروموزوم 2H با تبیین 5/6 درصد از تغییرات کل شناسایی شد و آلل­های انتقال یافته از والد Franklin باعث افزایش وزن دانه شدند. با استفاده از جمعیت BC3DH حاصل از تلاقی ارقام Brenda و HS213، یک QTL در کروموزوم 2H پیوسته با نشانگر GBMS216 و با تبیین فنوتیپی 9 درصد برای وزن دانه در جو گزارش گردید، که با QTL شناسایی شده روی کروموزوم 2H در این تحقیق، مطابقت دارد (2004Li et al.,).

در ارتباط با عملکرد دانه، تعداد پنج QTL روی کروموزوم­های 2H، 4H،5H  و 6H با مجموع تبیین فنوتیپی 57 درصد شناسایی شدند (جدول 5 و شکل 5). دو QTL واقع بر کروموزوم 2H بین نشانگر­های MGB391-GBM1158 و ksuF2-mwg892 به ترتیب با 5 و20 درصد به ترتیب کمترین و بیشترین تغییرات فنوتیپی را تبیین ­‌کردند. اثر افزایشی این QTLها از والد Sahara3771 به نتاج منتقل شده بود. سه QTL دیگر در کروموزوم­های 4H ،5H و 6H، اثر افزایشی مثبت داشته و از والد Clipper به ارث رسیده بودند. این نتایج با عملکرد بالای Clipper به عنوان یک رقم تجاری در مقایسه با Sahara3771 به عنوان یک رقم بومی مطابقت دارد. در پژوهشی در یک جمعیت BC3-DH جو بهاره متشکل از 181 لاین، با استفاده از نقشه پیوستگی 60 نشانگر ریزماهواره، تعداد
سه QTL  Qyld1.1) ،Qyld2.1 و Qyld3.1) به
ترتیب روی کروموزوم­های1HS ، 2HS و 3HL پیوسته با نشانگرهای Bmac90، GBMS229 و Ebmag705 برای عملکرد دانه شناسایی گردید (2005 Li et al.,) که مطابق با نتایج این تحقیق QTL مکان‌­یابی شده بر روی کروموزوم 2H بود. همچنین در تحقیقی دیگر، برای عملکرد دانه جو، سه QTL بر روی کروموزوم 1H، چهار QTL در کروموزوم 2H، سه QTL در کروموزوم 5H و دو QTL در کروموزوم 6H گزارش گردید (2011Saal et al.,)، که QTL پیوسته با نشانگر GBM1052 در کروموزوم 2H با بیشترین مقدار تبیین فنوتیپی (25 درصد) با QTL شناسایی شده روی کروموزوم 2H در این تحقیق مطابقت داشت.برای عملکرد و اجزای عملکرد دانه در لاین های خالص حاصل از تلاقی ارقام روشن و فلات گندم نان تعداد 24 QTL روی 13 کروموزوم مختلف برای  12 صفت با اثرات افزایشی مکان‌یابی شد که 4 عدد QTL ضریب تبیین بالای 10 درصد داشتند
(2016Dorrani et al.,).

به طور خلاصه می‌توان گفت که شناساییQTL های بزرگ اثر برای وزن دانه و عملکرد دانه جو، سودمندی استفاده از مارکر­های مولکولی در نقشه­یابی ژنی برای صفات مرتبط با عملکرد و اجزای عملکرد دانه را نشان می­دهد که از این پتانسیل می­توان برای انتخاب به کمک نشانگر (MAS) در آینده­ای نزدیک در برنامه­های اصلاح برای بهبود عملکرد جو استفاده کرد.

 

 

جدول 3- تجزیه واریانس وزن هزار دانه و عملکرد دانه در لاین­‌های هاپلوئید مضاعف  جو حاصل از تلاقی ارقام Clipper و Sahara3771.

Table 3- Analysis of variance for the grain weight and yield of doubled-haploid (DH) population derived from Clipper × Sahara3771.

منابع تغییر

Source of variation

میانگین مربعات

Mean of Squares

درجه آزادی

df

وزن هزار دانه

 TKW

عملکرد دانه

Yield Grain

ژنوتیپ (Genotype)

149

**156.61

**0.11

خطا (error)

300

3.35

0.02

ضریب تغییرات (٪) (CV)

 

4.70

10.60   

      **معنی دار در سطح احتمال 1 درصد                                           

 

 

جدول 4- QTL های شناسایی شده برای صفت وزن هزار دانه به روش مکان‌یابی فاصله‌ای مرکب.

Table 4- Identified QTLs for TKW using composite interval mapping method.

نشانگرهای مجاور

Adjacent markers

جایگاه QTL از ابتدای کروموزوم (cM) Position

کروموزوم

Chromosome

اثر افزایشی

Additive effect

LOD

تغییرات فنوتیپی تبیین شده (%)

Explained phenotypic variations

abc257-HvCSLC1

75

1H

1

3

2

Vrs1-Bmag0125

147

2H

6

50

69

bcd339-bg123

230

2H

1

4

3

 

 

جدول 5- QTL های شناسایی شده برای صفت عملکرد دانه به روش مکان‌یابی فاصله‌ای مرکب.

Table 5- Identified QTLs for grain yield using Composite Interval Mapping method.

نشانگرهای مجاور

Adjacent markers

جایگاه QTL از ابتدای کروموزوم (cM) Position

کروموزوم

Chromosome

اثر افزایشی

Additive effect

LOD

تغییرات فنوتیپی تبیین شده (%)

Explained phenotypic variations

MGB391-GBM1158

89

2H

-0.05

3

5

ksuF2-mwg892

156

2H

-0.09

11

20

Bmag0375-GMS089

63

4H

0.07

6

10

cdo400-Bmag0812

156

5H

0.06

5

9

Bmac0047(b)-Bmag0500(b)

106

6H

0.07

7

13

 

 

 

   

الف                               A                                              

ب                                         B

شکل 3نمودار ستونی صفات مورد بررسی، الف) وزن هزار دانه ب) عملکرد دانه.

Figure 3- Histogram of evaluated traits, A. grain weight, B. grain yield.

 

 

       

    

شکل 4- نقشه پیوستگی جمعیت هاپلوئید مضاعف  جو حاصل از تلاقی ارقام Sahara3771 و Clipper.

Figure 4- linkage map of doubled-haploid (DH) population derived from Clipper × Sahara3771.

 

  

      

شکل 5- جایگاه کروموزومی QTLهای شناسایی شده برای صفات در جمعیت هاپلوئید مضاعف  جو حاصل از تلاقی ارقام Sahara3771 و Clipper. نامگذاری QTLها بر اساس روش McCouch (2008).

Figure 5- Identified QTLs for traits of doubled-haploid (DH) population derived from Clipper × Sahara3771.


 

منابع

Babu R, Nair SK, Prasanna BM, Gupta HS (2004). Integrating marker-assisted selection in crop basic concepts. Euphytica 142: 169-196.

Bezant J, Laurie D, Pratchett N, Chojecki J, Kearsey M (1997). Mapping QTL controlling yield and yield components in a spring barley (Hordeum vulgare L.) cross using marker regression. Molecular Breeding 3: 29-38.

Boston MA (2006). MapDisto. 2 Raleigh Department of Statistics, North Carolina State University, USA. breeding – Prospects and challenges. Current Science. 5: 607-619.

Cakir M, Poulsen D, Galwey N W, Ablett G A, Chalmers K J, Platz G J, Moody D B (2003). Mapping and QTL analysis of the barley population Tallon× Kaputar. Crop and Pasture Science 54(12), 1155-1162

Collard BCY, Jahufer MZZ, Brouwer JB, Pang ECK (2005). An introduction to markers, quantitative trait loci (QTL) mapping and marker-assisted selection for crop improvement: The basic concepts. Euphytica 142: 169-196.

Cuesta-Marcos A, Casas AM, Hayes PM, Gracia, MP, Lasa JM, Ciudad F, Codesal P, Molina J.L, Igatua E (2009). Yield QTL affected by heading date in Mediterranean grown barley. Plant Breeding 128: 46–53.

Dorrani-Nejad M, Mohammadi-Nejad G, Nakhoda B(2016). QTL mapping of grain yield and yield components in pure lines derived from Roshan × Falat bread wheat varieties (Triticum aestivum L.) under limited irrigation condition. Journal of Agricultural Biotechnology; Printing ISSN: 2228-6705, Electronic ISSN: 2228-6500.

Daghaghelh R, Sabouri H, Hosseini Moghaddm H, Jorjani E, Fallahi H.A .(2017) Mapping of spike and grain using F3 and F4 families in Becher × Kavir cross in barly. Journal of Agricultural Biotechnology; Printing ISSN: 2228-6705, Electronic ISSN: 2228-6500

FAO (2012). FAOSTAT. FAO. RomeT, www. Fao.org.

FAO (2013). FAOSTAT. http://faostat.fao.org/site/567.htm.

Garcia del Moral LF, Rharrabti Y, Villegas D, Royo C (2003). Evaluation of grain yield and its components in durum wheat under Mediterranean conditions: An ontogenic approach. Agronomy Journal 95: 266-274.

Kicherer S, Backes G, Walther U, Jahoor A (2000). Localising QTLs for leaf rust resistance and agronomic traits in barley (Hordeum vulgare L.). Theoretical and Applied Genetics 100: 881-888.

Li J (2004). Mapping of new microsatellite markers and molecular identification of quantitative trait locus (QTL) for agronomically important traits in barley. MSc Thesis Martin Luther University Halle-Wittenberg, China.

Li JZ, Huang XQ, Heinrichs F, Ganal MW, Roder MS (2005). Analysis of QTLs for yield, yield components, and malting quality in a BC3-DH population of spring barley. Theoretical and Applied Genetics 110: 356–363.

Li JZ, Sjakste TG, Roder MS, Ganal MW (2003). Development and genetic mapping of 127 new microsatellite markers in barley. Theoretical and Applied Genetics 107: 1021–1027.

Liu ZW, Biyashev RM, Saghai Maroof MA (1996). Development of simple sequence repeat DNA markers and their integration into a barley linkage map. Theoretical and Applied Genetics 93: 869–876.

Lorieux M (2012). MapDisto: fast and efficiency computation of genetic linkage map Mol. Breed. 30: 1231-1235.

McCouch SR (2008). Gene Nomenclature System for Rice. Rice 1: 72–84.

Ramsay L, Russell J, Macaulay M, Booth A, Thomas WTB, Waugh R (2004). Variation shown by molecular markers in barley: Genomic and genetic constraints. Aspects of Applied Biology 72: 147-154.

Ray JD, Samson B.K, Sinclair TR (2000). Vegetative growth and soil water extraction of two maize hybrids during water deficits. Field Crop Res 25: 135-142.

Rostoks N, Mudie S, Cardle L, Russell J, Ramsay L, Booth A, Svensson JT, Wanamaker SI, Walia H, Rodriguez EM, Hedley PE, Liu H, Morris J, CloseTJ, Marshall DF, Waugh R (2005). Genome-wide SNP discovery and linkage analysis in barley based on genes responsive to abiotic stress. Molecular Genetics and Genomics 274: 515–527.

Saal B, von Korff M, Leon J, Pillen K (2011). Advanced-backcross QTL analysis in spring barley: IV. Localization of QTL × nitrogen interaction effects for yield-related traits. Euphytica 177: 223–239.

Sadeghzadeh B (2008). Mapping of chromosome regions associated with seed Zn accumulation in barley. PhD Thesis, Faculty of Natural and Agricultural Sciences, The University of Western Australia, Perth, Australia.

Saghai M, Maroof A, Soliman K, Tprgensen RA, Allard RW (1984). Ribosomal DNA Spacer Lenth polymorphism in barley: Mendelian inheritance, chromosomal loCation and population dynamics. Proc .Natl. ACad. Sci. USA 81:8014-8018.

 Saghai Maroof MA, Biyashev RM, Yang GP, Zhang Q, Allard RW (1994). Extraordinarily polymorphic microsatellite DNA in barley: Species diversity, chromosomal locations, and population dynamics. Proc. Natl. Acad. Sci., USA 91: 5466-5470.

Saghai Maroof MA, Soliman KM, Jorgensen RA, Allard RW (1984). Ribosimal DNA spacer length polymorphisms in barley: Mendelian inheritance, choromosomal location, and population dynamics. Proceeding of the National Academy of Sciences of America 81: 8014–8018.

Shahinnia F, Rezaei AM, Seyed-Tabatabaei B E, Mohammadi A (2014). QTL Mapping of Yield and Yield Components in Barley Lines. Seed and Plant Improvment Journal.

Struss P, Plieske J (1998). The use of microsatellite markers for detection of genetic diversity in barley populations. Theoretical and Applied Genetics 97: 308–315.

Thiel T, Michalek W, Varshney RK, Graner A (2003). Exploiting EST databases for the development of cDNA derived microsatellite markers in barley (Hordeum vulgare L.). Theoretical and Applied Genetics 106: 411–422.

Van Ooijen JW (2006). JoinMap4, Software for the calculation of genetic linkage map in experimental populations. Kyazma B.V., Wageningen, Netherlands.

Varshney RK, Grosse I, Hauhnel U, Siefken R, Prasad M, Stein N, Langridge P, Altschmied L, Graner A (2006). Genetic mapping and BAC assignment of EST-derived SSR markers proves non-uniform distribution of genes in the barley genome. Theoretical and Applied Genetics 113: 239–250.

Von Korff M, Wang H, Leon J, Pillen K (2006). AB-QTL analysis in spring barley: II. Detection of favourable exotic alleles or agronomic traits introgressed from wild barley (H. vulgare ssp. spontaneum). Theoretical and Applied Genetics 112: 1221–1231.

Wang J, Yang J, McNeil DL, Zhou M (2010). Identification and molecular mapping of a dwarfing gene in barley (Hordeum vulgare L.) and its correlation with other agronomic traits. Euphytica 175: 331–342.

Wang S, Basten CJ, Zeng ZB (2005). Windows QTL Cartographer 2.5 Raleigh Department of Statistics, North Carolina State Universitiy , USA.

Wang S, Basten CJ, Zeng Z-B (2012). Windows QTL Cartographer V2.5-011. Raleigh, NC: Department of Statistics, North Carolina State University.

Xue D, Zhou M, Zhang X, Chen S, Wei K, Zeng F, Mao Y, Wu F, Zhang G) 2010(. Identification of QTLs for yield and yield components of barley under different growth conditions. Journal of Zhejiang University Science 11: 169–176.

 

 


Iddentification of QTLs for grain weight in barley doubled haploid population

 

 

Parikhani Z.*1, Sadeghzadeh B.2, Mohammadi S.A.3

 

1MSc Graduate of Agricultural Biotechnology, Maragheh Branch, Islamic Azad University, Maragheh, Iran.

2Dryland Agricultural Research Institute (DARI), Agricultural Research, Education and Extension Organization (AREEO), Maragheh, Iran.

3Professor at Department of Plant Breeding and Biotechnology Faculty of Agriculture, University of Tabriz, Iran.

 

Abstract

To identify the QTLs affecting grain weight and yield, 148 doubled-haploid (DH) population derived from a cross between Clipper (high yield) and Sahara3771 (low yield) were screened under controlled conditions. The experiment was conducted in CRD with 3 replications. The new 30 ISSR marker loci were added to a backbone of 466 loci on the Clipper × Sahara DH linkage map. The map spanned 1460 centimorgans (cM) and had a mean density of 2 loci per 3 cM. The QTL analysis led to identification of 5 QTLs on 2H, 4H, 5H and 6H chromosomes for grain yield. These QTLs could explain 57% of the total phenotypic variation, and the QTL on chromosome 2H (ksuF2-mwg892) with 20% had the largest effect. For grain weight, 3 QTLs were identified, and the QTL on 2H could explain 69% of total phenotypic variation. The identification of QTLs with large effects on grain weight and yield illustrates the usefulness of molecular markers in gene mapping and suggest that marker-assisted selection will be feasible in the near future in barley breeding programs.

 

Keywords: Barley yield, Molecular markers, Quantitative traits loci (QTL).

 

 

 



* نویسنده مسئول: زهرا پریخانی                       تلفن: 09144124424                             Email: z.parikhani@yahoo.com

* Corresponding Author: Parikhani Z.            Tel: 09144124424                           Email: : z.parikhani@yahoo.com

 
Babu R, Nair SK, Prasanna BM, Gupta HS (2004). Integrating marker-assisted selection in crop basic concepts. Euphytica 142: 169-196.
Bezant J, Laurie D, Pratchett N, Chojecki J, Kearsey M (1997). Mapping QTL controlling yield and yield components in a spring barley (Hordeum vulgare L.) cross using marker regression. Molecular Breeding 3: 29-38.
Boston MA (2006). MapDisto. 2 Raleigh Department of Statistics, North Carolina State University, USA. breeding – Prospects and challenges. Current Science. 5: 607-619.
Cakir M, Poulsen D, Galwey N W, Ablett G A, Chalmers K J, Platz G J, Moody D B (2003). Mapping and QTL analysis of the barley population Tallon× Kaputar. Crop and Pasture Science 54(12), 1155-1162
Collard BCY, Jahufer MZZ, Brouwer JB, Pang ECK (2005). An introduction to markers, quantitative trait loci (QTL) mapping and marker-assisted selection for crop improvement: The basic concepts. Euphytica 142: 169-196.
Cuesta-Marcos A, Casas AM, Hayes PM, Gracia, MP, Lasa JM, Ciudad F, Codesal P, Molina J.L, Igatua E (2009). Yield QTL affected by heading date in Mediterranean grown barley. Plant Breeding 128: 46–53.
Dorrani-Nejad M, Mohammadi-Nejad G, Nakhoda B(2016). QTL mapping of grain yield and yield components in pure lines derived from Roshan × Falat bread wheat varieties (Triticum aestivum L.) under limited irrigation condition. Journal of Agricultural Biotechnology; Printing ISSN: 2228-6705, Electronic ISSN: 2228-6500.
Daghaghelh R, Sabouri H, Hosseini Moghaddm H, Jorjani E, Fallahi H.A .(2017) Mapping of spike and grain using F3 and F4 families in Becher × Kavir cross in barly. Journal of Agricultural Biotechnology; Printing ISSN: 2228-6705, Electronic ISSN: 2228-6500
FAO (2012). FAOSTAT. FAO. RomeT, www. Fao.org.
Garcia del Moral LF, Rharrabti Y, Villegas D, Royo C (2003). Evaluation of grain yield and its components in durum wheat under Mediterranean conditions: An ontogenic approach. Agronomy Journal 95: 266-274.
Kicherer S, Backes G, Walther U, Jahoor A (2000). Localising QTLs for leaf rust resistance and agronomic traits in barley (Hordeum vulgare L.). Theoretical and Applied Genetics 100: 881-888.
Li J (2004). Mapping of new microsatellite markers and molecular identification of quantitative trait locus (QTL) for agronomically important traits in barley. MSc Thesis Martin Luther University Halle-Wittenberg, China.
Li JZ, Huang XQ, Heinrichs F, Ganal MW, Roder MS (2005). Analysis of QTLs for yield, yield components, and malting quality in a BC3-DH population of spring barley. Theoretical and Applied Genetics 110: 356–363.
Li JZ, Sjakste TG, Roder MS, Ganal MW (2003). Development and genetic mapping of 127 new microsatellite markers in barley. Theoretical and Applied Genetics 107: 1021–1027.
Liu ZW, Biyashev RM, Saghai Maroof MA (1996). Development of simple sequence repeat DNA markers and their integration into a barley linkage map. Theoretical and Applied Genetics 93: 869–876.
Lorieux M (2012). MapDisto: fast and efficiency computation of genetic linkage map Mol. Breed. 30: 1231-1235.
McCouch SR (2008). Gene Nomenclature System for Rice. Rice 1: 72–84.
Ramsay L, Russell J, Macaulay M, Booth A, Thomas WTB, Waugh R (2004). Variation shown by molecular markers in barley: Genomic and genetic constraints. Aspects of Applied Biology 72: 147-154.
Ray JD, Samson B.K, Sinclair TR (2000). Vegetative growth and soil water extraction of two maize hybrids during water deficits. Field Crop Res 25: 135-142.
Rostoks N, Mudie S, Cardle L, Russell J, Ramsay L, Booth A, Svensson JT, Wanamaker SI, Walia H, Rodriguez EM, Hedley PE, Liu H, Morris J, CloseTJ, Marshall DF, Waugh R (2005). Genome-wide SNP discovery and linkage analysis in barley based on genes responsive to abiotic stress. Molecular Genetics and Genomics 274: 515–527.
Saal B, von Korff M, Leon J, Pillen K (2011). Advanced-backcross QTL analysis in spring barley: IV. Localization of QTL × nitrogen interaction effects for yield-related traits. Euphytica 177: 223–239.
Sadeghzadeh B (2008). Mapping of chromosome regions associated with seed Zn accumulation in barley. PhD Thesis, Faculty of Natural and Agricultural Sciences, The University of Western Australia, Perth, Australia.
Saghai M, Maroof A, Soliman K, Tprgensen RA, Allard RW (1984). Ribosomal DNA Spacer Lenth polymorphism in barley: Mendelian inheritance, chromosomal loCation and population dynamics. Proc .Natl. ACad. Sci. USA 81:8014-8018.
 Saghai Maroof MA, Biyashev RM, Yang GP, Zhang Q, Allard RW (1994). Extraordinarily polymorphic microsatellite DNA in barley: Species diversity, chromosomal locations, and population dynamics. Proc. Natl. Acad. Sci., USA 91: 5466-5470.
Saghai Maroof MA, Soliman KM, Jorgensen RA, Allard RW (1984). Ribosimal DNA spacer length polymorphisms in barley: Mendelian inheritance, choromosomal location, and population dynamics. Proceeding of the National Academy of Sciences of America 81: 8014–8018.
Shahinnia F, Rezaei AM, Seyed-Tabatabaei B E, Mohammadi A (2014). QTL Mapping of Yield and Yield Components in Barley Lines. Seed and Plant Improvment Journal.
Struss P, Plieske J (1998). The use of microsatellite markers for detection of genetic diversity in barley populations. Theoretical and Applied Genetics 97: 308–315.
Thiel T, Michalek W, Varshney RK, Graner A (2003). Exploiting EST databases for the development of cDNA derived microsatellite markers in barley (Hordeum vulgare L.). Theoretical and Applied Genetics 106: 411–422.
Van Ooijen JW (2006). JoinMap4, Software for the calculation of genetic linkage map in experimental populations. Kyazma B.V., Wageningen, Netherlands.
Varshney RK, Grosse I, Hauhnel U, Siefken R, Prasad M, Stein N, Langridge P, Altschmied L, Graner A (2006). Genetic mapping and BAC assignment of EST-derived SSR markers proves non-uniform distribution of genes in the barley genome. Theoretical and Applied Genetics 113: 239–250.
Von Korff M, Wang H, Leon J, Pillen K (2006). AB-QTL analysis in spring barley: II. Detection of favourable exotic alleles or agronomic traits introgressed from wild barley (H. vulgare ssp. spontaneum). Theoretical and Applied Genetics 112: 1221–1231.
Wang J, Yang J, McNeil DL, Zhou M (2010). Identification and molecular mapping of a dwarfing gene in barley (Hordeum vulgare L.) and its correlation with other agronomic traits. Euphytica 175: 331–342.
Wang S, Basten CJ, Zeng ZB (2005). Windows QTL Cartographer 2.5 Raleigh Department of Statistics, North Carolina State Universitiy , USA.
Wang S, Basten CJ, Zeng Z-B (2012). Windows QTL Cartographer V2.5-011. Raleigh, NC: Department of Statistics, North Carolina State University.
Xue D, Zhou M, Zhang X, Chen S, Wei K, Zeng F, Mao Y, Wu F, Zhang G) 2010(. Identification of QTLs for yield and yield components of barley under different growth conditions. Journal of Zhejiang University Science 11: 169–176.