Document Type : Research Paper
Authors
1 1 Ph.D. Student of Plant Breeding, Sari Agricultural Sciences and Natural Resources University, Sari, Iran.
2 Professor of Plant Breeding, Plant Breeding and Biotechnology Department, Sari Agricultural Sciences and Natural Resources University, Sari, Iran.
3 Associate professor of Plant Breeding, Dep. of Agronomy and Plant Breeding and Research and Technology Institute of Plant Production (RTIPP) Shahid-Bahonar University, Kerman, Iran.
4 Assistance professor of Plant Breeding, Plant Breeding and Biotechnology Department, Sari Agricultural Sciences and Natural Resources University, Sari, Iran.
5 Plant Breeding, Genetics and Biotechnology Division – International Rice Research Institute, (IRRI), LosBanos-Laguna, Philippines
Abstract
Keywords
شناسایی QTL های عملکرد و صفات مرتبط با عملکرد برنج با استفاده از نقشه لینکاژی با تراکم بالای نشانگرهای SNP
مصطفی احمدی زاده 1، نادعلی بابائیان جلودار 2، قاسم محمدی نژاد 3*، نادعلی باقری 4، راکش کومار سینگ 5
1 دانشجوی دکتری رشته اصلاح نباتات دانشگاه علوم کشاورزی و منابع طبیعی ساری، ساری، ایران.
2 استاد گروه اصلاح نباتات و بیوتکنولوژی دانشگاه علوم کشاورزی و منابع طبیعی ساری، ساری، ایران.
3. دانشیار بخش زراعت و اصلاح نباتاتو پژوهشکده فناوری تولیدات گیاهی دانشگاه شهید باهنر کرمان، ایران.
4 استادیار گروه اصلاح نباتات و بیوتکنولوژی دانشگاه علوم کشاورزی و منابع طبیعی ساری، ساری، ایران.
5 استاد پژوهش بخش تحقیقات اصلاح نباتات، مؤسسه بین المللی تحقیقات برنج.
تاریخ دریافت: 11/10/1395، تاریخ پذیرش: 22/04/1396
چکیده
برنج یکی از غلات مهم با تنوع بسیار خوب است که به عنوان غذای اصلی نیمی از جمعیت جهان استفاده میشود. مکانیابی جایگاههای کنترل کننده صفات کمی یکی از روشهای کاربردی و مهم برای مطالعه صفات مرتبط با عملکـرد است. در این مطالعه تعداد 188 لاین (F4) برنج حاصل از تلاقی CSR28 و صدری به همراه والدین خود جهت بررسی فنوتیپی و ژنوتیپی مورد ارزیابی قرار گرفت. هدف از این مطالعه تهیه نقشه پیوستگی با درجه اشباع بالا با استفاده از نشانگرهای SNP (Infinium Illumina 6K SNP chip) و شناسایی مکانهای ژنی کنترل کننـده صفات مرتبط با عملکـرد در 188 لاین جمعیت F4 است. مکانیابی جایگاههای کنترل کننده صفات کمی منجر به شناسایی 21 QTL برای صفات مورد مطالعه بر روی کروموزومهای 1، 2، 3، 5، 7، 8 و 10 شد. برای تعداد دانههای پرشده در بوته یک QTL (qFG_N-3-1) روی کروموزوم 3 شناسایی شد. سه QTL (qSpkF_N-2-1، qSpkF_N-3-1 و qSpkF_N-5-1) برای درصد باروری روی کروموزومهای 2، 3 و 5 مکانیابی شد که 28/29 درصد از واریانس فنوتیپی را توجیه کردند. یک QTL (qGY_N-8-1) برای عملکرد دانه در فاصله نشانگری 9037125 و 9049928 روی کروموزوم 8 مکانیابی شد. در نهایت، علاوه بر شناخت QTLهای جدید میتوان دیگر QTLهایی که در نواحی مشابه با مطالعات قبلی شناسایی شدهرا به عنوان QTL-های دارای اعتبار معرفی کرد که مناسب برای برنامههای اصلاحی به کمک نشانگر است.
واژه های کلیدی: برنج، صفات کمی، نقشه یابی، نشانگر SNP.
مقدمه
برنج یکی از غلات مهم است که دارای تنوع بسیار خوبی است و در دامنه اکولوژی وسیعی، شامل زمینهایی هم سطح دریا تا ارتقاع 2700 متر مانند بخشهایی از هیمالیا رشد مییابد. برنج وحشی به احتمال زیاد در شرق چین و حوضه رودخانه یانگ (Yangtze) تا شمال شاندونگ (Shandong) رشد کرده است. مطالعات مولکولی و همچنین برخی گزارشهای معتبر باستان شناسی بیان کننده این بوده است که اهلی شدن برنج از 8200 تا 13500 سال قبل آغاز شده است (Awan et al., 2017). برنج به عنوان یک غذای اصلی برای نیمی از جمعیت جهان است. پیش بینی میشود که در آینده نزدیک بخصوص در آسیا و آفریقا جمعیت به سرعت افزایش یابد، بنابراین افزایش بیشتر عملکرد برنج بایستی یک از اهداف مهم اصلاحی باشد (Gichuhi et al., 2016). همچنین برنج به عنوان یک گیاه مدل در تحقیقات گیاهی در نظر گرفته شده است (Xing & Zhang, 2010).
یکی از اهداف مهم برنامههـای بـه نـژادی افـزایش عملکرد است. بـه دلیـل کمـی بـودن ایـن صفت مهم و کنترل آن، بوسـیله چنـدین ژن و تـأثیر شـدید عوامـل محیطـی روی آن مطالعـه ژنتیکـی آن بـسیار مـشکل است (Amiri-Fahliani et al., 2014). اصلاح ارقام پرمحصول نیازمند شناخت سـاختار ژنتیکی والدین مورد تلاقی و همچنین آگاهی از ترکیب پذیری صفات مطلوب آنها است که این شناخت با استفاده از روشهای مطالعه صفات کمی فراهم میشود (Ahmadikhah, 2008). بدیهی است که ارزش اقتصادی یک رقم به ویژگیهای مختلف آن بستگی دارد و انتخاب برای چندین صفت به منظور حصول حداکثر ارزش، همواره مورد توجه اصلاحگران بوده است. صفاتی از قبیل طول ساقه اصلی، مساحت برگ پرچم، تعداد خوشه، وزن خوشه، تعداد دانه پر و پوک در خوشه و عملکرد دانه به منظور تعیین اثر بخشی آنها در عملکرد مورد مطالعه قرار گرفته است (Ahamadi et al., 2008; Amiri-Fahliani et al., 2014).
یکی از مهمترین چالشهای پیش روی اصلاحگران برنج برای افزایش پتانسیل عملکرد و بهبود صفات زراعی که در عملکرد نهایی مشارکت دارند، است. بواسطه اثرات متقابل اپیستازی در ژنهای دخیل در عملکرد رسیدن به این هدف با تکیه بر روشهای سنتی اصلاحی مشکل است (Jena & Mackill, 2008) از دیگر عواملی که اصلاح نباتات را محدود میکند، نبود اطلاعات کافی در مورد ژنهای کنترل کننده صفات کمی است. در صورتی که بتوان با اعمال روشهای مناسب، تعداد ژنها، جایگاه ژنومی و سـهم هـر یـک از آنهـا را در کنتـرل تنوع فنوتیپی عملکرد دانه مشخص نمود، شاید بتوان هماننـد روشهـای صفات تک ژنی به اصلاح این صـفت پرداخـت. مکانیابی جایگاههای کنترل کننده صفات کمی یکی از روشهای کاربردی و مهم برای مطالعه صفات کمی است که به طور گسترده در گیاهان زراعی مهم از جمله برنج به کار گرفته میشود (Gong et al., 2001; Movafegh et al., 2009).
امروزه اطلاعات فراوانی در زمینه توالییابی ژنوم برنج در اختیار محققین قرار داده شده است که در مطالعات ژنومیکس با استفاده از نشانگرهای DNA بسیار کمک کننده است. ایجاد نقشههای پیوستگی برای گونههای متفاوت گیاهان زراعی، یکی از اساسیترین کاربردهای نشانگرهای DNA در تحقیقات کشاورزی است. با استفاده از نقشههای پیوستگی میتوان نواحی کروموزومی در برگیرنده ژنهای کنترل کننده صفات ساده و صفات کمی را با استفاده از تجزیه QTL ردیابی نمود (Amiri-Fahliani et al., 2014). از جمله نشانگرهایی که به فراوانی در سطح ژنوم یافت میشوند، نشانگرهای SNP هستند. مزیتهای اصلی نشانگرهایSNP مربوط به مدیریت ساده دادهها به همراه انعطاف پذیری، سرعت بالا و هزینه کم است. دوآللی بودن نشانگرهایSNP، کار را برای ادغام دادهها آسان کرده و پایگاه داده بزرگی از اطلاعات نشانگری به وجود میآورد. به تازگی، تراشه مخصوص ارزیابی ژنوتیپی برنج با تراکم بالای نشانگری توسط دانشگاه کرنل طراحی شده است که هر دوازده کروموزوم برنج را به خوبی پوشش میدهد. به طور کلی به واسطه فراوانی SNPها در مقایسه با دیگر نشانگرها، میتوان نقشه با وضوح بسیار بالا توسط نشانگرهای SNP تشکیل داد (Thomson, 2014). نشانگرهای DNA که پیوستگی شدیدی با ژنهای کنترل کننده صفات مطلوب زراعی دارند ممکن است به عنوان ابزار ملکولی برای انتخاب به کمک نشانگر در برنامههای اصلاحی گیاهان زراعی مختلف مورد استفاده قرار گیرد. روش انتخاب به کمک نشانگر، عمل گزینش را به طور معنیداری موثرتر و کم هزینهتر از روشهای کلاسیک بهنژادی گیاهی میکند (Collard & Mackill, 2008; Collard et al., 2005). گزارشهای متعددی از شناسایی QTLهای کنترل کننده عملکرد و اجزا عملکرد توسط محققین ارائه شده است (Hittalmani et al., 2003; Rahman et al., 2007; Xing et al., 2008; Liu et al., 2009; Liu et al., 2010; Xiao et al., 2010).
هدف از انجام این تحقیق تهیه نقشه پیوستگی با تراکم بالای نشانگری با استفاده از نشانگرهای SNP (Infinium 6K SNP chip) و شناسایی مکانهای ژنی کنترل کننده صفات مرتبط با عملکرد و اجزا آن، تعیین سهم و نحوه اثر QTLهای شناسایی شده در تغییرات فنوتیپی صفات مورد بررسی در جمعیت F4 حاصل از تلاقی رقمهای صدری و CSR28 برنج است.
مواد و روش ها
در این مطالعه تعداد 188 لاین (F4) برنج حاصل از تلاقی ارقام CSR28 (IR51485-AC6534-4) و صدری (رقم بومی معطر ایرانی) به همراه والدین خود جهت بررسی فنوتیپی و ژنوتیپی در مؤسسه بین المللی تحقیقات برنج (IRRI) واقع در کشور فیلیپین مورد ارزیابی قرار گرفت. این آزمایش به صورت گلدانی در شرایط گلخانهای بر پایه طرح کاملا تصادفی در دو تکرار در سال 2015 اجرا شد. دانههای گیاهان مورد مطالعه جهت شکستن خواب بذر به مدت 5 روز در دمای 50 درجه سانتیگراد قرار داده شد. بذرهای ضدعفونی شده جهت جوانهزنی داخل پتری دیش و کاغذ صافی قرار داده شد و در دمای 37 درجه نگهداری شد. در مرحله بعد چهار بذر جوانه زده در هر گلدان کشت شد. بعد از 14 روز یک بوته در هر گلدان باقی گذاشته شد و سایر گیاهچهها حذف شد.
عملیات برداشت برای تعیین عملکرد نهایی انجام شد. برداشت هنگامی صورت گرفت که رشد و نمو گیاه خاتمه یافته، رنگ بوتهها به زردی متمایل شده و دانهها نیز سفت شده بودند. جهت ارزیابی فنوتیپی صفات: ارتفاع بوته (سانتیمتر)، طول خوشه (سانتیمتر)، عملکرد دانه در بوته (گرم)، تعداد دانه پر شده در بوته، تعداد دانه پرنشده در بوته، درصد باروری خوشه، وزن دانه پرنشده در بوته (گرم)، درصد دانههای پرشده، دانههای پرشده در خوشه (گرم)، دانههای پرنشده در خوشه (گرم) درصد دانههای پرشده در خوشه، تعداد دانههای پرشده در خوشه، تعداد دانههای پرنشده در خوشه اندازهگیری شد.
سنجش محتوای کلروفیل: پس از جمعآوری و آب کشی نمونه برگها، برای یکنواخت سازی نمونه مورد آزمایش آنرا خرد و مخلوط کرده و سپس 10 میلی گرم از هر نمونه برای استخراج وزن شد. نمونه برگ وزن شده در داخل 10 میلی لیتر الکل 95 درصد قرار داده شد. زمانی که نمونهها رنگ سبز خود را از دست دادند، نمونهها آماده قرائت توسط دستگاه اسپکتوفتومتر شد. جذب در طول موجهای 1/664، 6/648 و 470 نانو متر برای ارزیابی کلروفیل a (Ca)، کلروفیل b (Cb)، مجموع کلرفیل a , b (C (a+b)) و کاروتنوئید با استفاده از اسپکتوفتومتر مدل (SPECTROstar Nano, Ultra-fast, full UV/Vis spectrum absorbance) صورت پذیرفت. محاسبه محتوای هر پارامتر با استفاده از فرمولهای زیر انجام شد (Lichtenthaler & Buschmann, 2001):
در این رابطههاA664.1، A648.6و A470 میزان جذب در طول موجهای 1/664، 6/648 و 470 نانومتر است. و dwt: وزن خشک نمونه بر حسب گرم است.
باروری دانه گرده: قبل از اینکه خوشه به طور کامل بیرون آید یا به عبارت دیگر زمان ظهور خوشه و قبل از شروع گلدهی نمونهبرداری صورت گرفت. برای پرهیز از انتخاب خوشهچههای دارای بلوغ کامل و خوشهچههای نابالغ از وسط خوشه، 10 خوشهچه جمعآوری شد و به طور جداگانه به لوله آزمایش حاوی اتانول 70 درصد انتقال داده شد. سپس تعداد 4 بساک از 5 گلچه هر نمونه جدا شد و بر روی اسلاید شیشهای قرار داده شد. پس از جداسازی پوسته خارجی با دقت دانههای گرده را با فشار دادن سوزن جدا کرده و یک قطره از محلول یک درصد I2KI ((Potassium Iodide بر روی آن چکانده شد. پس از قرار دادن سرپوش، اسلاید شیشهای جهت مشاهده و شمارش در زیر میکروسکوپ (Olympus DP7) قرار داده شد. سپس به صورت تصادفی از چهار قسمت اسلاید عکس گرفته شد، دانههای تیره با حاشیه کامل به عنوان بارور کامل، دانههای گرده با حاشیه نامنظم و تیره به عنوان بارور جزئی و دانههای گرده به رنگ روشن به عنوان نابارور شمارش شد. در نهایت با استفده از فرمول زیر درصد باروری دانه گرده هر نمونه مشخص شد ((Calapit-Palao et al., 2013).
100 × (بارور کامل + بارور ناقص + نابارور/ گردههای بارور کامل) = درصد باروری دانه گرده
تهیه نقشه پیوستگی و نقشهیابی جایگاههای کنترل کننده صفات مورد مطالعه: استخراج DNA 188 فرد جمعیت F4 به همراه والدینشان (CSR28 و صدری) با استفاده از کیت Sbeadex® Mini Plant Kit صورت پذیرفت. به منظور کاهش زمان و هزینه نقشهیابی و همچنین تهیه نقشه پیوستگی با تراکم بالای نشانگری از Infinium Illumina 6K SNP chip شامل 6000 bead type استفاده شد. با استفاده از نشانگرهای SNP طراحی شده در تراشه مورد استفاده، به خوبی کل ژنوم یا به عبارت دیگر هر 12 کروموزوم برنج پوشش داده شد. تعیین ژنوتیپ 188 فرد جمعیت F4 به همراه والدینشان در آزمایشگاه خدمات ژنوتیپی (GSL) موسسه بین المللی تحقیقات برنج (IRRI)، فیلیپین انجام گرفت. ارزیابی ژنوتیپی بر اساس روش استاندارد سنجش Infinium صورت پذیرفت (Infinium HD Assay, 2009).
برای تهیه نقشه پیوستگی، پالایش نشانگرها در جمعیت مورد مطالعه صورت گرفت. نشانگرهایی که بین دو والد چندشکلی نشان دادند، انتخاب شد. نشانگرهایی که در هر والد بصورت داده گمشده یا هتروزیگوت بودند، از ادامه آنالیز کنار گذاشته شد. بررسی برازش و انحراف نشانگرها از نسبت 1:1 صورت پذیرفت و نشانگرهایی که در سطح ژنوم انحراف از تفکیک داشتند، حذف شد. مقیاس 3 برای LOD جهت ترسیم نقشه ژنتیکی انتخاب گردید. بر طبق دستورالعمل نرم افزار IciMapping و با توجه به ساختار جمعیت اصلاحی، تنها امکان وجود سه ژنونتیپ در مکانهای چندشکل با فراخوان دو آللی نشانگرهای SNP وجود دارد. کدهای A، B، X برای کد کردن آللهای متفاوت در دادههای ژنوتیپی مورد استفاده قرار گرفت. نشانگرهای SNP که در جمعیت بیش از 10 درصد گم شده یا خوانده نشده باشند از ادامه آنالیز حذف شد. فراخوانیSNPها و گروههای پیوستگی و ترتیب نشانگرها بر طبق نقشه فیزیکی ژنوم رفرنس Nipponbare بود، که توسط دانشگاه ایالت میشیگان نسخه 7 (MSU7) آن ارائه شده است (Kawahara et al., 2013). برای تبدیل نسبتهای نوترکیبی بین نشانگرها به واحد نقشه (سانتی مورگان) از تابع نقشه کوزامبی (Kosambi, 1943) استفاده شد. در نهایت نقشه پیوستگی توسط نرم افزاز QTL IciMapping version 4.0.6.0 ترسیم شد. نقشهیابی مکانهای کنترل کننده صفات کمی مورد مطالعه بوسیله روش نقشهیابی فاصلهای مرکب جامع (ICIM) که با استفاده از دادههای فنوتیپی و نقشه پیوستگی مربوطه توسط نرم افزار QTL IciMapping انجام شد. آزمون جایگشت با 1000، و سطح احتمال 05/0 برای شناسایی QTLهای معنی دار استفاده شد. در این بررسی سرعت گام بر داشتن بر روی کروموزوم 1 سانتی مورگان در نظر گرفته شد. درصد توجیه واریانس فنوتپیو اثرات افزایشی هر QTL در ارتباط با صفت مورد نظر نیز محاسبه شد ((Meng et al., 2015). نامگذاری QTLها بر اساس سیستم استاندارد نامگذاری برنج توسط McCouch & CGSNL (2008) صورت گرفت.
نتایج و بحث
نتایج تجزیه واریانس نشان داد که بین نتاج حاصل از تلاقی صدری × CSR28 از لحاظ صفات مورد مطالعه اختلاف معنیداری وجود دارد (جدول 1). توزیع فنوتیپی صفات مطالعه شده در 188 لاین F4 حاصل از تلاقی صدری و CSR28 در شکل 1 نشان داده شده است. توزیع فنوتیپی در نتاج F4 برای تمامی صفات بجز طول خوشه، وزن دانههای پرنشده و وزن دانههای پرنشده در خوشه تقریبا پیوسته و نرمال بود که این میتواند دلیلی بر چند ژنی بودن و وراثت کمی صفات باشد و همچنین نشان دهنده مشارکت ژنهایی از هر دو والد در صفات مورد مطالعه بود (Mohammadi et al., 2013). برای صفات طول خوشه، وزن دانههای پرنشده و وزن دانههای پرنشده در خوشه تبدیل لگاریتمی صورت گرفت و در آنالیزها از دادههای نرمال شده استفاده شد. در تمامی صفات تعدادی از نتاج F4 وجود داشت که مقادیری خارج از محدوده والدینی را نشان دادند که این بیانگر پدیده تفکیک متجاوز است. ارزش میانگین در برخی صفات از قبیل باروری دانه گرده، طول خوشه، ارتفاع گیاه، پارامترهای کلروفیل و تعداد دانههای پر نشده بیشتر از دو والد بود در حالی که در سایر صفات به سمت مقادیر کمتر از دو والد کشیدگی داشت (شکل 1 و جدول 1). دلیل آن احتمالا وجود آللهای متفاوت در دو والد در مکانهای ژنی کنترل کننده این صفات و دخیل بودن دو والد در بروز آنها است، به نظر میرسد که ترکیب آللهای دو والد در نتاج، منجر به بروز مقادیر بالاتر یا پایینتر از والدین و ظهور پدیده تفکیک متجاوز شده است.
جدول 1- آمار توصیفی مربوط به صفات مورد مطالعه در جمعیت F4 حاصل از تلاقی CSR28 × صدری
Table 1- Descriptive statistics of studied traits in F4 population derived from CSR28 × Sadri cross
|
|
صفات |
میانگین |
اشتباه میانگین |
کمترین |
بیشترین |
چولگی |
کشیدگی |
معنی داری Sig. |
|
|
|
Traits |
Mean |
Error Mean |
Min |
Max |
Kurtosis |
Skewness |
||
|
|
کلروفیل a (Chlorophyll a) |
0.505 |
0.0116 |
0.030 |
0.948 |
-0.15 |
0.36 |
*** |
|
|
|
کلروفیل b (Chlorophyll b) |
0.2460 |
0.0054 |
0.064 |
0.454 |
0.01 |
0.11 |
*** |
|
|
|
کاروتنوئید (Carotenoid) |
0.120 |
0.002 |
0.028 |
0.221 |
-0.01 |
0.45 |
*** |
|
|
|
مجموع کلروفیل(a+b) Total Chlorophyll |
0.749 |
0.017 |
0.037 |
1.384 |
-0.15 |
0.38 |
*** |
|
|
|
تعداد دانه پر شده No. Filled Grain |
633.3 |
26.7 |
17 |
1822 |
0.84 |
0.5 |
*** |
|
|
|
تعداد دانه پر نشده No. Unfilled Grain |
817.1 |
31.5 |
41 |
2204 |
0.74 |
0.37 |
*** |
|
|
|
باروری خوشه (%) Spikelet Fertility (%) |
44.59 |
1.52 |
1.30 |
93.98 |
-0.06 |
-0.75 |
*** |
|
|
|
طول خوشه (Panicle Length) |
27.68 |
0.309 |
19.58 |
44.00 |
1.12 |
2.36 |
*** |
|
|
|
ارتفاع بوته (Plant Height) |
147.6 |
1.34 |
111.5 |
205 |
0.47 |
0.1 |
*** |
|
|
|
عملکرد دانه (Grain Yield) |
12.94 |
0.6 |
0.18 |
38.35 |
1.01 |
0.83 |
** |
|
|
|
وزن دانههای پرنشده Unfilled Grain Weight |
3.5 |
0.144 |
0.49 |
11.96 |
1.2 |
2.02 |
* |
|
|
|
درصد دانههای پرشده Filled Grain (%) |
73.13 |
1.37 |
0 |
97.61 |
-1.46 |
2.59 |
** |
|
|
|
باروری دانه گرده (%) Pollen Fertility |
52.71 |
1.33 |
7.95 |
90.46 |
-0.3 |
-0.47 |
*** |
|
|
|
دانههای پرشده در خوشه (g) Filled Grain/Panicle |
0.897 |
0.039 |
0.012 |
3.397 |
1.04 |
2.1 |
*** |
|
|
|
دانههای پرنشده در خوشه (g) Unfilled Grain/Panicle |
0.234 |
0.008 |
0.034 |
0.675 |
0.99 |
1.11 |
*** |
|
|
|
درصد دانههای پرشده Filled Grain/Panicle (%) |
73.72 |
1.34 |
0 |
96.96 |
-1.53 |
3.08 |
*** |
|
|
|
تعداد دانه پرشده در خوشه No. Filled Grain/Panicle |
40.28 |
1.67 |
0.44 |
139.4 |
0.76 |
1.27 |
*** |
|
|
|
تعداد دانه پرنشده در خوشه No. Unfilled Grain/Panicle |
56.56 |
2.01 |
4.56 |
133.2 |
0.61 |
0 |
*** |
|
|
*، ** و ***: به ترتیب سطح معنی داری در 0.05، 0.01 و 0.001 |
|
||||||||
|
*,** and ***: significant at level of 0.05, 0.01 and 0.001
|
|
||||||||
|
شکل 1- توزیع فراوانی ارزشهای فنوتیپی صفات مورد مطالعه در 188 لاین F4 حاصل از تلاقی CSR28 (C) × صدری (S) Ca_N: کلروفیل a، Cb_N: کلروفیل b، C (a+b)_N: مجموع کلروفیل (a+b)، C (x+c)_N: کاروتنوئید، UnFG_N: تعداد دانههای پرنشده، FG_N: تعداد دانههای پر شده، SpkFG_N: درصد باروری، GY: عملکرد دانه |
|
Figure 1- Phenotypic distribution of studied traits in 188 F4 lines derived from CSR28 × Sadri cross. Ca_N: Chlorophyll a, Cb_N: Chlorophyll b, C (a+b)_N: Total Chlorophyll, C (x+c)_N: Carotenoid, UnFG_N: No. Unfilled Grain, FG: No. Filled Grain, SpkFG_N (%): Spikelet Fertility percent, GY: Grain Yield |
|
شکل 1 (ادامه)- توزیع فراوانی ارزشهای فنوتیپی صفات مورد مطالعه در 188 لاین F4 حاصل از تلاقی CSR28 (C) × صدری (S). PH_N: ارتفاع بوته، PL_N: طول خوشه، UnFGW_N: وزن دانههای پرنشده، Pollen_F_N: باروری دانه گرده، UnFGP_N: تعداد دانههای پرنشده در خوشه، FGP_N: تعداد دانههای پرشده در خوشه، FGWP_N: وزن دانههای پرشده در خوشه، UnFGWP_N: وزن دانههای پرنشده در خوشه. |
|
Figure 1(Cont.)- Phenotypic distribution of studied traits in 188 F4 lines derived from CSR28 × Sadri cross. PH_N: Plant Height, PL_N: Panicle Length, UnFGW_N: Unfilled Grain Weight, Pollen_F_N: Pollen Fertility, UnFGP_N: No. Unfilled Grain per Panicle, FGP_N: No. Filled Grain per Panicle, FGWP_N: Filled Grain Weight per Panicle, UnFGWP_N: Unfilled Grain Weight per Panicle |
تهیه نقشه لینکاژی و توزیع آللی در کروموزومها
از 4606 نشانگر SNP، تعداد 1993 نشانگر بین دو والد چندشکلی نشان دادند. بعد از حذف دادههای گم شده و هتروزیگوت در هر والد تعداد 1801 نشانگر SNP به دست آمد. بررسی انحراف از تفکیک توسط آزمون کایدو صورت پذیرفت و تعداد 834 نشانگر از نسبت مورد انتظار انحراف داشت که از ادامه تجزیه حذف شدند. در مرحله بعد نشانگرهایی که تفکیک یکسانی در جمعیت مورد مطالعه داشتند و در بر دارنده اطلاعات ژنتیکی نبودند با رویه بین (Bining function) حذف شد، در این مرحله تعداد 506 نشانگر حذف شد. در نهایت نقشه ژنتیکی با استفاده از نرم افزار IciMapping تهیه شد. نقشه لینکاژی با استفاده از 461 نشانگر SNP تهیه شد که این تعداد نشانگر 48/1154 سانتی مورگان از طول ژنوم برنج (12 کروموزوم) را پوشش داد و فاصله بین دو نشانگر مجاور به طور متوسط 5/2 سانتی مورگان بود (شکل 2). همچنین دامنه هر گروه لینکاژی از 55/28 سانتی مورگان در گروه لینکاژی 10 تا 93/140 در گروه لینکاژی 11 بود. مکانهای هموزیگوس در طول 12 کروموزوم 85/67 درصد بود. به همین ترتیب 9/26 درصد مکان هتروزیگوس وجود داشت و همچنین 23/5 درصد آللهای گم شده بود.
شناسایی QTL های مرتبط با صفات مورد مطالعه
جهت شناسایی مکانهای کنترل کننده صفات زراعی و فیزیولوژی در جمعیت F4 حاصل از تلاقی صدری × CSR28 تمام ژنوم با استفاده از نرم افزار IciMapping بر پایه 1000 آزمون جایگشت بررسی شد. تجزیه جمعیت F4 منجر به شناسایی 21 QTL برای صفات مورد بررسی بر روی کروموزومهای 1، 2، 3، 5، 7، 8 و 10 شد (جدول 2، شکل 2). برای کلروفیل a و کلروفیل b QTLهای qCa_N-7-1 و qCb_N-7-1 روی کروموزوم 7 در فاصله نشانگری 7108578-7165460 و به ترتیب با LOD 06/3 و 39/3 شناسایی شد که این QTLها 89/6 و 36/7 درصد از واریانس فنوتیپی را توجیه کردند. همچنین QTLهای qCa_N-10-1، qCb_N-10-1 و qCab_N-10-1 به ترتیب برای صفات کلروفیل a، کلروفیل b و کلروفیل (a+b) با دامنه LOD از 39/5 تا 73/6 در فاصله نشانگرهای 10659848 و id10006161 بر روی کروموزوم 10 ردیابی شد. QTLهای qCa_N-10-1، qCb_N-10-1 و qCab_N-10-1 به ترتیب 33/14، 55/13 و 79/12 درصد از واریانس فنوتیپی را به خود اختصاص دادند و آللهای والد CSR28 موجب افزایش این صفات شد. همچنین یک QTL (qCxc_N-10-1) مرتبط با صفت کارتنوئید در فاصله نشانگری 10618874-10659848 با LOD برابر با 5 و توجیه 06/12 درصد از واریانس فنوتیپی در مجاورت سایر QTLهای مرتبط با کلروفیل روی کروموزوم 10 شناسایی شد که افزایش این صفت نیز تحت تاثیر آللهای والد CSR28 بود (جدول 2، شکل 2).
تعداد دانه در بوته یک صفت اصلی در عملکرد دانه برنج است. شناسایی مکان ژنهای کنترل کننده این صفت به دلیل تاثیرات زیاد محیطی بر این صفت، بسیار مشکل است. در مطالعه حاضر یک QTL (qFG_N-3-1) برای تعداد دانههای پرشده در بوته با LOD برابر 57/4 شناسایی شد که بیش از 02/10 درصد از واریانس فنوتیپی را توجیه کرد. QTL شناسایی شده در ناحیه 7849199-7240208 bp روی کروموزوم 3 شناسایی شد. آللهای والد CSR28 موجب افزایش تعداد دانههای پر شده شد (جدول 2، شکل 2 و 3).در پژوهشی 5 QTL مرتبط با تعداد دانه در بوته روی کروموزومهای 1، 2، 8 و 12 مکانیابی شد (Swamy et al., 2014). همچنین در مطالعات پیشین برای تعداد دانه پر شده در بوته QTLهای (gn2.1) (Marri et al., 2005) و (gpp2.1) (Septiningsih et al., 2003) بر روی کروموزوم 2 و (gn5.1) (Marri et al., 2005) روی کروموزوم 5 گزارش شد. نتایج گزارش شده توسط این محققین با qFG_N-3-1 شناسایی شده در مطالعه حاضر مشابه نبود. سه QTL برای درصد باروری روی کروموزومهای 2، 3 و 5 مکانیابی شد. یک QTL (qSpkF_N-2-1) با LOD برابر 73/3 که توجیه کننده 58/7 درصد از واریانس فنوتیپی بود در فاصله نشانگری 2443604 و 2443604 قرار داشت. qSpkF_N-3-1 دارای 27/11 درصد واریانس فنوتیپی و با ارزش LOD برابر با 72/3 بین نشانگرهای 3297629 و 3528886 روی کروموزوم 3 ردیابی شد. روی کروموزوم 5 در فاصله نشانگری 5706503-5730084، با ارزش LOD برابر با 01/5، QTL qSpkF_N-5-1 شناسایی شد که این QTL توجیه کننده 43/10 درصد از واریانس فنوتیپی بود. درصد باروری توسط آللهای CSR28 افزایش یافت (جدول 2، شکل 2). در پژوهشی Marri et al. (2005) دو QTL (sf1.1 و sf3.1) برای باروری خوشه روی کروموزومهای 1 و 3 مکانیابی کردند که این QTL ها به ترتیب با LOD برابر با 26/3 و 35/4 توجیه کننده 2/5 و 7/6 درصد از واریانس فنوتیپی بودند. در تحقیق دیگری هفت QTL، qSF1، qSF2، qSF3، qSF5.1، qSF8، qSF10 و qSF12 برای باروری خوشه روی کروموزومهای 1، 2، 3، 5، 8، 10 و 12 در جمعیت RIL برنج شناسایی شد (Zhu et al., 2016). در مطالعات پیشین برای درصد باروری QTLهایی روی کروموزومهای 1 [sf1.1 (Marri et al., 2005)، pss1.1 (Thomson et al., 2003)، SF (Redona & Mackill, 1998) ] و 3 [sf3.1 (Marri et al., 2005)، S3b (He et al., 1999)، SF (Redona & Mackill, 1998)] گزارش شده است. جایگاههای شناسایی شده در مطالعه حاضر qSpkF_N-2-1، qSpkF_N-3-1 و qSpkF_N-5-1 به ترتیب در نواحی 34865754-34409509، 34919997-26334305 و 26934016-25968840 bp روی کروموزوم 2، 3 و 5 شناسایی شدند. همچنین سه QTL برای صفات وزن دانههای پرشده در خوشه و درصد وزن دانههای پر شده در خوشه مکانیابی شد. دو QTL (qFGWP_N-1-1 و qSpkFGWP_N-1-1) در فاصله نشانگرهای c1p19383975 و id1012330 با ارزش LOD برابر با 51/3 و 81/3 به ترتیب برای صفات میانگین وزن دانههای پرشده در خوشه و درصد وزن دانههای پر شده در خوشه ردیابی شدند. این QTLها (qFGWP_N-1-1 و qSpkFGWP_N-1-1) هر کدام 8 درصد از واریانس فنوتیپی را توجیه نمودند و در ناحیه 21795198-19383976 bp روی کروموزوم 1 قرار داشتند (جدول 2، شکل 2). یک QTL دیگر بین نشانگرهای 5564450 و 5552255 (20612374-21011160 bp) روی کروموزوم 5 مکانیابی شد که این QTL، qSpkFGWP_N-5-1 با ارزش LOD برابر با 63/3 توجیه کننده 46/7 درصد از واریانس فنوتیپی بود (جدول 2، شکل 2). افزایش صفات وزن دانههای پرشده در خوشه و درصد وزن دانههای پر شده در خوشه در qFGWP_N-1-1، qSpkFGWP_N-1-1 و qSpkFGWP_N-5-1 توسط آللهای والد CSR28 بود. بررسی نتایج تحقیقات برخی محققین برای صفت وزن دانه نشان داد که QTLهایی روی کروموزومهای 2 [gw2.1، gw2.2 و gw2.3 (Marri et al., 2005)، kw2-2 (Gao et al., 2004)] و 9 [gw9.1 (Marri et al., 2005) و gw9.1 (Thomson et al., 2003)] شناسایی شده است. یک QTL برای عملکرد دانه در فاصله نشانگری 9037125 و 9049928 با LOD برابر 30/3 مکانیابی شد که این QTL qGY_N-8-1، 56/7 درصد از واریانس فنوتیپی را توجیه کرد (جدول 2، شکل 2). این QTL، qGY_N-8-1 در ناحیه 28058830-27492537 bp روی کروموزوم 8 شناسایی شد. همچنین دو QTL برای درصد وزن دانههای پرشده با مقادیر LOD 62/3 و 3 به ترتیب در فاصله نشانگری 2976904-3217184 و 7947435-7962882 (23817933-17840988 و 28942458-28303039 bp) روی کروموزومهای 3 و 7 شناسایی شدند. آللهای CSR28 افزایش دهنده صفات عملکرد دانه و درصد باروری در qGY_N-8-1، qSpkFGW_N-3-1 و qSpkFGW_N-7-1 بود (جدول 2، شکل 2). در پژوهشی Marri et al. (2005) سه QTL روی کروموزوم 3 و یک QTL روی کروموزوم 9 برای صفت وزن دانه ردیابی کردند. سه QTL، yldp2.1، yldp2.2 و yldp9.1 با دامنه LOD برابر با 35/4-59/3 برای صفت عملکرد روی کروموزومهای 2 و 9 شناسایی کردند.
جدول 2- اطلاعات مربوط به QTLهای شناسایی شده برای صفات مورد مطالعه با استفاده از روش ICIM در جمعیت F4 حاصل از تلاقی صدری × CSR28.
Table 2- Information of identified QTLs for studied traits in F4 population derived from CSR28 × Sadri cross using ICIM method.
|
نام صفت Trait Name |
کروموزوم Chromosome |
QTL |
مکان Position |
نشانگر چپ Left Marker |
نشانگر راست Right Marker |
LOD |
واریانس فنوتیپی PVE (%) |
اثر افزایشی Add |
|
|
کلروفیل aChlorophyll a |
7 |
qCa_N-7-1 |
26 |
7108578 |
7165460 |
3.06 |
6.89 |
-0.041 |
|
|
کلروفیل b Chlorophyll b |
qCb_N-7-1 |
3.39 |
7.36 |
-0.020 |
|||||
|
کلروفیل aChlorophyll a |
10 |
qCa_N-10-1 |
12 |
10659848 |
id10006161 |
6.73 |
14.33 |
0.059 |
|
|
کلروفیل b Chlorophyll b |
qCb_N-10-1 |
6.30 |
13.55 |
0.027 |
|||||
|
کلروفیل (a+b) Total Chlorophyll |
qCab_N-10-1 |
5.39 |
12.79 |
0.083 |
|||||
|
کاراتنوئید Carotenoid |
qCxc_N-10-1 |
11 |
10618874 |
10659848 |
5.00 |
12.06 |
0.011 |
||
|
دانه پر شده No. Filled Grain |
3 |
qFG_N-3-1 |
20 |
2647310 |
id3004190 |
4.57 |
10.02 |
115 |
|
|
درصد باروری Spikelet Fertility |
2 |
qSpkF_N-2-1 |
92 |
2443604 |
id2015762 |
3.73 |
7.58 |
5.72 |
|
|
3 |
qSpkF_N-3-1 |
64 |
3297629 |
3528886 |
3.72 |
11.27 |
7.007 |
||
|
5 |
qSpkF_N-5-1 |
161 |
5706503 |
5730084 |
5.01 |
10.43 |
6.71 |
||
|
عمکرد دانه Grain Yield |
8 |
qGY_N-8-1 |
102 |
9037125 |
9049928 |
3.30 |
7.56 |
2.24 |
|
|
وزن دانههای پر شده (%) Filled Grain Weight(%) |
3 |
qSpkFGW_N-3-1 |
45 |
2976904 |
3217184 |
3.62 |
8.19 |
5.35 |
|
|
7 |
qSpkFGW_N-7-1 |
69 |
7947435 |
7962882 |
3.00 |
6.77 |
4.85 |
||
|
وزن دانه پر شده. خوشه Filled Grain Weight/ Panicle |
1 |
qFGWP_N-1-1 |
51 |
c1p19383975 |
id1012330 |
3.51 |
8.54 |
0.15 |
|
|
وزن دانه پر نشده. خوشه Unfilled Grain Weight/ Panicle |
1 |
qUFGWP_N-1-1 |
13 |
173198 |
188269 |
3.81 |
8.41 |
0.01 |
|
|
وزن دانههای پر شده (%). خوشه Filled Grain Weight/ Panicle(%) |
1 |
qSpkFGWP_N-1-1 |
51 |
c1p19383975 |
id1012330 |
3.67 |
8.00 |
5.21 |
|
|
5 |
qSpkFGWP_N-5-1 |
148 |
5564450 |
5552255 |
3.63 |
7.46 |
4.99 |
||
|
تعداد دانه پر شده.خوشه No. Filled Grain per Panicle |
1 |
qFGP_N-1-1 |
42 |
394468 |
591240 |
3.83 |
8.44 |
6.65 |
|
|
3 |
qFGP_N-3-1 |
20 |
2647310 |
id3004190 |
4.09 |
8.70 |
6.74 |
||
|
|
|
شکل 2- نقشه ژنتیکی و QTLهای مرتبط با صفات مورد مطالعه در جمعیت F4 حاصل از تلاقی صدری × CSR28.
Figure 2- Molecular genetic map and QTLs related to studied traits in the F4 population from the CSR28/Sadri cross.
|
|
|
||
شکل 2 (ادامه)- نقشه ژنتیکی و QTLهای مرتبط با صفات مورد مطالعه در جمعیت F4 حاصل از تلاقی صدری × CSR28.
Figure 2 (Cont.)- Molecular genetic map and QTLs related to studied traits in the F4 population from the CSR28/Sadri cross.
جدول 3- ضرایب همبستگی صفات مورد مطالعه در جمعیت F4 حاصل از تلاقی CSR28 ×صدری
Table 3- Correlation coefficients of evaluated traits in F4 population derived from CSR28 × Sadri cross.
|
صفات |
کلروفیل a Chlorophyll a |
1 |
2 |
3 |
4 |
5 |
6 |
7 |
8 |
9 |
10 |
11 |
12 |
13 |
|
کلروفیل b (1) Chlorophyll b |
0.97** |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
کاراتنوئید (2) Carotenoid |
0.96** |
0.90** |
|
|
|
|
|
|
|
|
|
|
|
|
|
کلروفیل (a+b) (3) Total Chlorophyll |
0.99** |
0.98** |
0.94** |
|
|
|
|
|
|
|
|
|
|
|
|
دانه پر شده (4) No. Filled Grain |
0.08 |
0.10 |
0.10 |
0.07 |
|
|
|
|
|
|
|
|
|
|
|
دانه پرنشده (5) No. Unfilled Grain |
-0.04 |
-0.02 |
-0.04 |
-0.03 |
-0.25** |
|
|
|
|
|
|
|
|
|
|
درصد باروری (6) Spikelet Fertility Percent |
0.12 |
0.13 |
0.15* |
0.12 |
0.55** |
-0.66** |
|
|
|
|
|
|
|
|
|
عمکرد دانه (7) Grain Yield |
0.04 |
0.07 |
0.06 |
0.04 |
0.87** |
-0.19** |
0.52** |
|
|
|
|
|
|
|
|
وزن دانه پر نشده (8) Unfilled Grain Weight |
-0.02 |
-0.01 |
-0.02 |
-0.01 |
-0.13 |
0.69** |
-0.44** |
-0.003 |
|
|
|
|
|
|
|
وزن دانههای پر شده (%) (9) Filled Grain Weight (%) |
0.19** |
0.24** |
0.20** |
0.20** |
0.66** |
-0.52** |
0.68** |
0.68** |
-0.42** |
|
|
|
|
|
|
وزن دانه پر شده. خوشه (10) Filled Grain Weight /Panicle |
0.03 |
0.05 |
0.04 |
0.03 |
0.76** |
-0.42** |
0.58** |
0.81** |
-0.23** |
0.70** |
|
|
|
|
|
وزن دانه پر نشده. خوشه (11) Unfilled Grain Weight/ Panicle |
-0.16* |
-0.17** |
-0.15* |
-0.16* |
0-.24** |
0.49** |
-0.46** |
-0.16* |
0.71** |
-0.47** |
-0.14* |
|
|
|
|
وزن دانههای پر شده (%). خوشه (12) Filled Grain Weight / Panicle (%) |
0.20** |
0.23** |
0.21** |
0.20** |
0.65** |
-0.53** |
0.69** |
0.64** |
-0.41** |
0.95** |
0.73** |
-0.50** |
|
|
|
دانه پر شده.خوشه (13) Filled Grain per Panicle |
0.04 |
0.06 |
0.06 |
0.03 |
0.84** |
-0.47** |
0.64** |
0.74** |
-0.32** |
0.68** |
0.90** |
-0.24** |
0.70** |
|
|
دانه پر نشده.خوشه Unfilled Grain per Panicle |
-0.24** |
-0.23** |
-0.23** |
-0.23* |
-0.38** |
0.72** |
-0.63** |
-0.33** |
0.47** |
-0.61** |
-0.32** |
0.70** |
-0.63** |
-0.35** |
سه QTL، yldp2.1، yldp2.2 و yldp9.1 به ترتیب در بین نشانگرهای RM262 – RM183، RM183 – RM263 و RM242 – RM205 قرار داشتند که 2/14، 05/7 و 2/23 درصد از واریانس فنوتیپی را توجیه کردند. در مطالعهای دیگر Rangel et al. (2013) با تهیه نقشه لینکاژی با استفاده از 141 نشانگر SSR در جمعیت BC2F2 حاصل از تلاقی Oryza sativa x O. glumaepatula یک QTL روی کروموزوم 4 بین نشانگرهای 4879‑EST20 برای عملکرد (R2= 21.29) گزارش کردند. در پژوهش دیگری تعداد 8 QTL برای عملکرد با دامنه LOD برابر با 4/15-8/3 بر روی کروموزومهای 2، 3، 8، 9، 11 و 12 شناسایی شد که این QTLها در مجموع توجیه کننده 98 درصد از واریانس فنوتیپی بودند (Swamy et al., 2014). در پژوهشی Yue et al. (2015) دو QTL qGYP-1 و qGYP-9 برای صفت عملکرد دانه به ترتیب در فاصله نشانگری RM576–RM35 و RM1553–RM2144 روی کروموزومهای 1 و 9 ردیابی نمودند که این QTLها 80/6-25/6 درصد از واریانس فنوتیپی را توجیه کردند. در مطالعه دیگری Rabiei, et al. (2015) یکQTL (qGY-3) برای عملکرد دانه بر روی کروموزوم 3 شناسایی کردند که این QTL، 26/10 درصد از واریانس فنوتیپی را توجیه کرد و توسط آلل والد غریب افزایش یافت. با توجه به QTLهای گزارش شده برای عملکرد دانه توسط این محققین هیچکدام با QTL (qGY_N-8-1) ردیابی شده در این تحقیق هم مکان نبوده است. تفاوت در نتایج ممکن است به دلیل تفاوت در نوع جمعیتها و نشانگرهای مورد استفاده در نقشه یابی باشد.
برای صفت وزن دانه-های پرنشده در خوشه یک QTL (qUFGP_N-1-1) با ارزش LOD 81/3 در فاصله نشانگری 173198 و 188269 (5982772-5510350 bp) روی کروموزوم 1 مکانیابی شد که این QTL توجیه کننده 41/8 درصد از واریانس فنوتیپی بود (جدول 2، شکل 2). در پژوهشی توسط Ahamadi et al. (2008) برای صفت تعداد دانه پرنشده در خوشه 9 QTL روی کروموزومهای 1، 2، 5، 6، 9، 10 و 11 مکانیابی کردند که QTL ردیابی شده بر روی کروموزوم 5 بیشترین اثر افزایشی را دارا بود. نه QTL شناسایی شده توسط این محققین 81 درصد از واریانس فنوتیپی را توجیه کردند. در نهایت دو QTL، QS2a و QS2b با R2 برابر با9/31 و 9/23 را به عنوان QTLهای اصلی گزارش شدند. برای تعداد خوشهچه پوک در خوشه، یک QTL در فاصله نشانگری RM307-M58-P70-2 روی کروموزوم 4 توسط Rabiei, et al. (2013) مکانیابی گردید که با LOD برابر با 13/5 مقدار 16 درصد از واریانس فنوتیپی را توجیه کرد.
دو QTL برای صفت تعداد دانههای پرشده در خوشه با LOD برابر با 83/3 و 09/4 به ترتیب با فاصله نشانگری 394468-591240 و 2647310-id3004190 در نواحی 17545595-12679816 و 7849199-7240208 bp روی کروموزومهای 1 و 3 مکانیابی شدند. این QTLها qFGP_N-1-1 و qFGP_N-3-1 به ترتیب 44/8 و 70/8 درصد از واریانس فنوتیپی را توجیه کردند (جدول 2، شکل 2). آللهای CSR28 موجب افزایش صفت تعداد دانه-های پرشده در خوشه شد. در مطالعه جمعیت F14 برنج توسط Yue et al. (2015) با تهیه نقشه لینکاژی با استفاده از 198 نشانگر SSR سه QTL (qFGP-1b، qFGP-3b و qFGP-8b) روی کروموزومهای 1، 3 و 8 برای تعداد دانه پرشده در خوشه شناسایی کردند. این QTLها دارای ارزش LOD 54/6-95/2 بودند که 06/13-48/8 درصد از واریانس فنوتیپی را توجیه میکردند.شش QTL qNGP2، qNGP3، qNGP4، qNGP5، qNGP6.2 و qNGP7 برای تعداد دانه در خوشه بر روی کروموزومهای 2، 3، 4، 5، 6 و 7 توسط Zhu et al. (2016) در مطالعه جمعیت RIL گزارش شد. برای تعداد دانه در خوشه سه QTL بر روی کروموزومهای 1 و 12 ردیابی شد که ارزش LOD برای QTLهایی که در فاصله نشانگری RM237-M473A و RM431-RM14 روی کروموزوم 1 قرار داشتند، 33/3 و 43/3 بود و QTL دیگر با 8/27 درصد توجیه تنوع فنوتیپی و ارزش LOD برابر با 06/4 روی کروموزوم 12 مکانیابی شد (Ahamadi et al., 2008). در مطالعه دیگری توسط Zhou, et al. (2013) با تهیه نقشه لینکاژی با استفاده از 119 نشانگر SSR در 307 لاین اینبرد نوترکیب برنج حاصل از تلاقی Guanghui 116 به عنوان والد دهنده و LaGrue والد گیرنده مکانیابی برای صفات عملکرد و اجزای عملکرد انجام شد. با استفاده از روش نقشهیابی فاصله ای 3 QTL روی کروموزومهای 5 و 8 با اثر افزایشی مثبت شناسایی کردند که این QTL ها 64/23 درصد از واریانس فنوتیپی را توجیه کردند. همچنین برای صفت تعداد دانه دانه در خوشه 3 QTL روی کروموزومهای 1، 4 و 6 که توجیه کننده 66/10 درصد از واریانس فنوتیپی بودند را گزارش کردند. در پژوهشی Rabiei, et al. (2015) با مطالعه .196 لاین برنج حاصل از تلاقی سپیدرود و غریب، سه QTL برای تعداد دانه پرشده در خوشه روی کروموزومهای 1، 6 و 11 شناسایی کردند که از بین این QTLها qNGP-1 در فاصله نشانگرهای RM246-RM1268 توجیه کننده 03/21 درصد از واریانس فنوتیپی بود که به عنوان یک QTLاصلی و بزرگ اثر معرفی شد. همچنین این محققین 3 QTL برای تعداد خوشه چه نابارور بر روی کروموزومهای 2، 3 و 12 ردیابی کردند که NES-2 روی کروموزوم 2 بین نشانگرهای E33-M61-11-E35-M42-1 با ارزش LOD برابر با 07/9 توجیه کننده 23/15 درصد از واریانس فنوتیپی بود و به عنوان یک QTL بزرگ اثر گزارش شد. برای تعداد دانه در خوشه چندین QTLروی کروموزومهای 1، 2، 3، 4، 5، 6، 9، 11 و 12 شناسایی شده است ((Marri et al., 2005; Moncada et al., 2001; Septiningsih et al., 2003; Thomson et al., 2003; Xiao et al., 1998; Yoon et al., 2006).
همبستگی صفات عملکرد دانه با تعداد دانههای پرشده و درصد باروری خوشه ارتباط مثبت و معنی داری داشت (جدول 2). که با نتایجMoncada et al. (2001) همخوانی داشت. با توجه به QTLهای ردیابی شده (جدول 3 و شکل 2) و مقایسه نتایج آنها با ضرایب همبستگی صفات (جدول 3) تائید کننده این مطلب بود که برخی صفات که دارای همبستگی معنیدار هستند، توسط جایگاههای ژنومی مشابهی کنترل میگردند. به طوری که میتوان دلیل وجود ارتباط معنیدار بین صفات را با احتمال زیاد به کنترل آن صفات توسط مکانهای ژنومی یکسان و پیوستگی شدید بین QTLها مرتبط دانست (Rabiei et al., 2013). بین صفات کلروفیل a، کلروفیل b، کاروتنوئید و کلروفیل (a+b) همبستگی مثبت و بسیار معنیداری وجود داشت و همچنین همبستگی مثبت ومعنی داری بین این صفات با درصد وزن دانههای پرشده در بوته و درصد میانگین وزن دانههای پرشده در خوشه ملاحظه شد (جدول 3). به همین ترتیب صفاتی که بر اساس تک خوشه ارزیابی شده بود از جمله تعداد دانه پر در خوشه با صفات عملکرد دانه و پارامترهای کلروفیل همبستگی مثبت و معنیداری داشت و ارتباط منفی تعداد دانه پر نشده در خوشه با صفات عملکرد دانه و پارامترهای کلروفیل ملاحظه شد (جدول 3).
به طور کلی، بیشتر مطالعات نقشهیابی پیشین با استفاده از جمعیتهایی با سایز کوچک و همچنین تعداد کم نشانگر صورت گرفته است که بیشتر منجر به شناسایی نواحی بزرگ اثر شده و QTL کوچک اثر کمتر ردیابی شده است. اما در این مطالعه نقشهیابی با اشباع ملکولی بالا با استفاده از نشانگرهای SNP صورت پذیرفت و همچنین جمعیت مورد بررسی با اندازه 188 لاین با زمینه والد ایرانی (صدری) بود. مطالعات فراوانی در زمینه مکانیابی QTLهای دخیل در عملکرد بوته صورت گرفته است. اما میانگین فاصله نشانگری در برخی مطالعات پیشین توسط نشانگرهای SSR، 95/8 (Rabiei et al., 2015) و 15 (Mohammadi et al., 2013) (نشانگر/سانتی مورگان) است که در بررسی حاضر این فاصله به 5/2 (نشانگر/سانتی مورگان) کاهش یافته است. بنابراین پیشنهاد میگردد که QTLهای که برای اولین بار گزارش شدند، نیازمند بررسی در زمینههای ژنتیکی متفاوت و مناسب برای نقشهیابی دقیق میباشند. از سوی دیگر بررسی QTLها در مکانهای متفاوت جهت شناسایی QTLهای پایدار پیشنهاد میگردد. همچنین QTLهایی که در نواحی مشابه با مطالعات قبلی شناسایی شده، میتوان به عنوان QTLهای دارای اعتبار معرفی کرد، چراکه در بین جمعیتهای متفاوت تکرارپذیر بودند و مناسب برای برنامه انتخاب به کمک نشانگر میباشند. علاوه بر این، با توجه به کاهش فاصله نشانگری و افزایش دقت نقشهیابی و در دسترس بودن توالی ژنوم برنج و ابزارهای بیوانفورماتیکی میتواند بسیار کمک کننده و مفید برای شناسایی بهتر و دقیق نواحی مطلوب ژنومی باشد. میتوان با استفاده از پسا آنالیزهای مربوطه و نیز با نقشهیابی ارتباطی در جهت شناسایی ژنهای کنترل کننده صفات مهم و همچنین درک بهتری از مکانیسمهای فیزیولوژی در برنج گام برداشت. چراکه شناخت دقیق از کنترل ژنتیکی صفات مرتبط با عملکرد برنج برای افزایش تولید برنج و برنامه انتخاب به کمک نشانگر بسیار حائز اهمیت است.
منابع
Amiri-Fahliani R, Khodambashi M, Hoshmand S, Masoumi-Asl A (2014). Heritability of some morphological and qualitative traits of rice and identification of their related quantitative trait loci (QTLs) using microsatellite marker. Seed and Plant Improvment Journal 30: 419–440.
Ahamadi J, Fotokian MH, Fabriki-Orang S (2008). Detection of QTLs influencing panicle length, panicle grain number and panicle grain sterility in rice (Oryza sativa L.). Journal of Crop Science and Biotechnology 11: 163–170.
Ahmadikhah A (2008). Estimation of heritability and heterosis of some agronomic traits and combining ability of rice lines using line × tester method. Electronic Journal of Crop Production 1: 15–33.
Awan TH, Ahmadizadeh M, Jabran K, Hashim S, Chauhan BS (2017). Domestication and development of rice cultivars. In Chauhan BS, Jabran K, Mahajan G (Eds.), Rice Production Worldwide (pp. 207–216). Springer International Publishing.
Calapit-Palao CD, Viña CB, Gregorio GB, Singh RK (2013). A new phenotyping technique for salinity tolerance at the reproductive stage in rice. ORYZA- An International Journal on Rice 50: 199–207.
Collard BC, Mackill DJ (2008). Marker-assisted selection: an approach for precision plant breeding in the twenty-first century. Philosophical Transactions of the Royal Society B: Biological Sciences 363: 557–572.
Collard BC, 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.
Gao Y, Zhu J, Song Y, He C, Shi C, Xing Y (2004). Analysis of digenic epistatic effects and QE interaction effects QTL controlling grain weight in rice. Journal of Zhejiang University. Science 5: 371–7.
Gichuhi E, Himi E, Takahashi H, Zhu S, Doi K, Tsugane K, Maekawa M (2016). Identification of QTLs for yield-related traits in RILs derived from the cross between pLIA-1 carrying Oryza longistaminata chromosome segments and Norin 18 in rice. Breeding Science 66: 720–733.
Gong J, Zheng X, Du B, Qian Q, Chen S, Zhu L, He P (2001). Comparative study of QTLs for agronomic traits of rice (Oryza sativa L.) between salt stress and non stress environment. Science in China Series C: Life Sciences 44: 73–82.
He YQ, Yang J, Xu CG, Zhang ZG, Zhang Q (1999). Genetic bases of instability of male sterility and fertility reversibility in photoperiod-sensitive genic male-sterile rice. Theoretical and Applied Genetics 99: 683–693.
Hittalmani S, Huang N, Courtois B, Venuprasad R, Shashidhar HE, Zhuang JY, Zheng KL, Liu GF, Wang GC, Sidhu JS, Srivantaneeyakul S, Singh VP, Bagali PG, Prasanna HC, McLaren G, Khush GS (2003). Identification of QTL for growth- and grain yield-related traits in rice across nine locations of Asia. Theoretical and Applied Genetics 107: 679–690.
Infinium HD Assay ultra, manual (2009). http://www.illumina.com.
Jena,KK, Mackill DJ (2008). Molecular markers and their use in marker-assisted selection in rice. Crop Science 48: 1266.
Kawahara Y, de la Bastide M, Hamilton JP, Kanamori H, McCombie WR, Ouyang S, Schwartz DC, Tanaka T, Wu J, Zhou S, Childs KL, Davidson RM, Lin H, Quesada-Ocampo L, Vaillancourt B, Sakai H, LeeSS, Kim J, Numa H, Itoh T, Buell CR, Matsumoto T (2013). Improvement of the Oryza sativa Nipponbare reference genome using next generation sequence and optical map data. Rice 6: 4.
Kosambi DD (1943). The estimation of map distances from recombination values. Annals of Eugenics 12: 172–175.
Lichtenthaler HK, Buschmann C (2001). Chlorophylls and carotenoids: measurement and characterization by UV-VIS spectroscopy. In Current Protocols in Food Analytical Chemistry. Hoboken, NJ, USA: John Wiley & Sons, Inc.
Liu T, Mao D, Zhang S, Xu C, Xing Y (2009). Fine mapping SPP1, a QTL controlling the number of spikelets per panicle, to a BAC clone in rice (Oryza sativa). Theoretical and Applied Genetics 118: 1509–1517.
Liu T, Shao D, Kovi MR, Xing Y (2010). Mapping and validation of quantitative trait loci for spikelets per panicle and 1,000-grain weight in rice (Oryza sativa L.). Theoretical and Applied Genetics 120: 933–942.
Marri PN, Sarla N, Reddy LV, Siddiq E (2005). Identification and mapping of yield and yield related QTLs from an Indian accession of Oryza rufipogon. BMC Genetics 6: 33.
McCouch SR, CGSNL (Committee on Gene Symbolization, N. and L. R. G. C. (2008). Gene nomenclature system for rice. Rice 1: 72–84.
Meng L, Li H, Zhang L, Wang J (2015). QTL iciMapping: integrated software for genetic linkage map construction and quantitative trait locus mapping in biparental populations. The Crop Journal 3: 269–283.
Mohammadi R, Mendioro MS, Diaz GQ, Gregorio GB, Singh RK (2013). Mapping quantitative trait loci associated with yield and yield components under reproductive stage salinity stress in rice (Oryza sativa L.). Journal of Genetics 92: 433–443.
Moncada P, Martínez CP, Borrero J, Chatel M, Gauch JH, Guimaraes E, Tohme J, McCouch SR (2001). Quantitative trait loci for yield and yield components in an Oryza sativa × Oryza rufipogon BC2F2 population evaluated in an upland environment. Theoretical and Applied Genetics 102: 41–52.
Movafegh S, Rabiee B, Zare Feizabadi A, Taheri G (2009). Mapping QTLs controlling yield in two Iranian rice cultivars-F2 populations. Iranian َAgricultural Research Journal 7: 673–683.
Rabiei B, Kordrostami M, Sabouri A, Sabouri H (2015). Identification of QTLs for yield related traits in indica type rice using SSR and AFLP markers. Agriculturae Conspectus Scientifi Cus 80: 91–99.
Rabiei B, Masaeli,M, Tarang A (2013). Identification of gene loci (QTLs) controlling grain yield and yield components in rice (Oryza sativa L.). Iranian Journal of Field Crop Science 44: 293–304.
Rahman ML, Chu SH, Choi MS, Qiao YL, Jiang W, Piao R, Khanam S, Cho YI, Jeung JU, Jena K, Koh, HJ (2007). Identification of QTLs for some agronomic traits in rice using an introgression line from Oryza minuta. Molecules and Cells 24: 16–26.
Rangel PN, Vianello RP, Melo ATO, Rangel PHN, Mendonça JA, Brondani C (2013). Yield QTL analysis of Oryza sativa x O. glumaepatula introgression lines. Pesquisa Agropecuária Brasileira 48: 280–286.
Redona ED, Mackill DJ (1998). Quantitative trait locus analysis for rice panicle and grain characteristics. Theoretical and Applied Genetics 96: 957–963.
Septiningsih EM, Prasetiyono J, Lubis E, Tai TH, Tjubaryat T, Moeljopawiro S, McCouch SR (2003). Identification of quantitative trait loci for yield and yield components in an advanced backcross population derived from the Oryza sativa variety IR64 and the wild relative O. rufipogon. Theoretical and Applied Genetics 107: 1419–1432.
Swamy MBP, Kaladhar K, Reddy GA, Viraktamath BC, Sarla N (2014). Mapping and introgression of QTL for yield and related traits in two backcross populations derived from Oryza sativa cv. Swarna and two accessions of O. nivara. Journal of Genetics 93: 643–654.
Thomson MJ (2014). High-Throughput SNP genotyping to accelerate crop improvement. Plant Breeding and Biotechnology 2: 195–212.
Thomson MJ, Tai TH, McClung AM, Lai XH, Hinga ME, Lobos KB, Xu Y, Martinez CP, 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. Theoretical and Applied Genetics 107: 479–93.
Xiao J, Li J, Grandillo S, Ahn SN, Yuan L, Tanksley SD, McCouch SR (1998). Identification of trait-improving quantitative trait loci alleles from a wild rice relative, Oryza rufipogon. Genetics 150: 899–909.
Xiao Y, Pan Y, Luo L, Zhang G, Deng H, Dai L, Liu X, Tang W, Chen L, Wang GL (2010). Quantitative trait loci associated with seed set under high temperature stress at the flowering stage in rice (Oryza sativa L.). Euphytica 178: 331–338.
Xing YZ, Tang WJ, Xue WY, Xu CG, Zhang Q (2008). Fine mapping of a major quantitative trait loci, qSSP7, controlling the number of spikelets per panicle as a single Mendelian factor in rice. Theoretical and Applied Genetics 116: 789–796.
Xing Y, Zhang Q (2010). Genetic and molecular bases of rice yield. Annual Review of Plant Biology 61: 421–442.
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 O. sativa japonica cultivar Hwaseongbyeo. Theoretical and Applied Genetics 112: 1052–1062.
Yue F, Rong-rong Z, Ze-chuan L, Li-yong C, Xing-hua W, Shi-hua C (2015). Quantitative trait locus analysis for rice yield traits under two nitrogen levels. Rice Science 22: 108–115.
Zhou S, Zhu M, Wang F, Huang J, Wang G (2013). Mapping of QTLs for yield and its components in a rice recombinant inbred line population. Pakistan Journal of Botany 45: 183–189.
Zhu Y, Huang D, Fan Y, Zhang Z (2016). Detection of QTLs for yield heterosis in rice using a RIL population and its testcross population. International Journal of Genomics 1–9.
Identification of QTLs for rice yield and yield-related traits using high density SNPs linkage map
Ahmadizadeh M.1, Babaeian-Jelodar N.2, Mohammadi-Nejad Gh.*3, Bagheri N.4, Singh R. K.5
1 Ph.D. Student of Plant Breeding, Sari Agricultural Sciences and Natural Resources University, Sari, Iran.
2 Professor of Plant Breeding, Plant Breeding and Biotechnology Department, Sari Agricultural Sciences and Natural Resources University, Sari, Iran.
3 Associate professor of Plant Breeding, Dep. of Agronomy and Plant Breeding and Research and Technology Institute of Plant Production (RTIPP) Shahid-Bahonar University, Kerman, Iran.
4 Assistance professor of Plant Breeding, Plant Breeding and Biotechnology Department, Sari Agricultural Sciences and Natural Resources University, Sari, Iran.
5 Senior Scientist-II of Plant Breeding, International Rice Research Institute (IRRI), Los Baños, Laguna, Philippines.
Abstract
Rice is one of the most important cereal with great variation, which is a major food for more than half of the world’s population. Mapping quantitative traits loci is one of the applied and momentous approaches to study yield-related traits. In present study 188 F4 rice lines derived from CSR28 and Sadri cross along with the parents were used for genotyping and phenotyping. The objective of this study was to construct high saturation linkage map using SNPs markers (Infinium Illumina 6K SNP chip) and QTL identification of yield-related traits in 188 F4 population. Mapping of quantitative traits loci led to identify 21 QTLs for studied traits on chromosomes 1, 2, 3, 5, 7, 8 and 10. One QTL (qFG_N-3-1) was identified for filled grain number per plant on chromosome 3. For spikelet fertility, three QTLs (qSpkF_N-2-1, qSpkF_N-3-1 and qSpkF_N-5-1) were mapped on chromosomes 2, 3 and 5, which explained 29.28 percentage of phenotypic variation. One QTL (qGY_N-8-1) was detected for grain yield on chromosome 8, which was flanked by 9037125 and 9049928 markers. In conclusion, besides the QTLs which is reported for first time, the QTLs were consistent as reported previously, could be introduced as reliable QTLs that is suitable for marker assisted breeding programs.
Keywords: Mapping, SNP Marker, Quantitative traits, Rice.
*نویسنده مسئول: قاسم محمدی نژاد تلفن: 0989133415937 Email: Mohammadinejad@uk.ac.ir
*Corresponding Author: Mohammadi-Nejad Gh. Tel: 09133415937 EmailMohammadinejad@uk.ac.ir
)
