پژوهش‌های سلولی و مولکولی (مجله زیست شناسی ایران)

شناسایی نشانگرهایIRAP مرتبط با صفات مورفولوژیکی-زراعی در آفتابگردان دانه روغنی (Helianthus annuus L.) تحت شرایط آبیاری معمولی و محدود

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانشجوی دکتری اصلاح نباتات-ژنتیک مولکولی و مهندسی ژنتیک، گروه تولید و ژنتیک گیاهی دانشکده کشاورزی دانشگاه ارومیه، ارومیه.

2 عضو هیات علمی دانشگاه ارومیه

چکیده

تنش خشکی از عمده‌ترین عوامل تاثیرگذار محیطی بر رشد، عملکرد و کیفیت محصولات کشاورزی است. متأسفانه تغییرات اقلیمی حاکم بر جهان و مدیریتهای نادرست، زمینه گسترش دامنه اراضی خشک و نیمه خشک جهان را فراهم کرده است. در این بین آفتابگردان از جمله گیاهان روغنی مهم با مقاومت نسبی به تنش خشکی است. این پژوهش به منظور شناسایی نشانگرهای ملکولی پیوسته با ژن‌های کنترل کننده صفات جهت استفاده در برنامه اصلاحی و تسریع گزینش ارقام مقاوم به خشکی انجام گرفت. اطلاعات حاصل از 7 ترکیب آغازگر IRAP جهت شناسایی نشانگرهای مرتبط با صفات مورفولوژیکی-زراعی در 100 لاین آفتابگردان دانه روغنی، کشت شده در قالب طرح لاتیس ساده 10× 10 با دو تکرار در هر یک از شرایط معمولی و محدودیت آبیاری طی دو سال متوالی، استفاده گردید. بر‌اساس مدل خطی مخلوط تحت شرایط معمولی 12 و در شرایط تنش محدودیت آبیاری 10 نشانگر مولکولی با صفات مورد بررسی ارتباط معنی‌دار (01/0P≥) نشان دادند. نشانگر 61655 با صفت روغن تحت هر دو شرایط آبیاری معمولی و محدود، دو نشانگر 616510 و 61655 در شرایط آبیاری معمولی و نشانگر CfCr1 تحت شرایط آبیاری محدود با چندین صفت ارتباط معنی‌دار نشان دادند که می‌تواند ناشی از اثرات پلیوتروپی و یا پیوستگی نواحی ژنومی دخیل در کنترل صفات فوق باشد. نشانگر “616510” پیوسته با ژن‌های کنترل کننده عملکرد و نشانگر ”CfCr1” پیوسته با ژن‌های کنترل کننده دو صفت قطر طبق و قطر ساقه از اجزای عملکرد، بعد از تأیید به ترتیب می‌توانند برای گزینش ژنوتیپ‌های مطلوب در شرایط معمولی و محدودیت آبیاری استفاده شوند.

کلیدواژه‌ها

موضوعات

عنوان مقاله [English]

Identification of IRAP markers associated with agro-morphological traits in oil seed sunflower (Helianthus annuus L.) under normal and water limited conditions

نویسندگان [English]

  • Nasrin Akbari 1
  • Reza Darvishzadeh 2

1 PhD Student in Plant Breeding-Molecular Genetics and Genetic Engineering, Department of Plant Production and Genetics, Faculty of Agriculture, Urmia University, Urmia, Iran.

2 Urmia university

چکیده [English]

Drought stress is one of the main environmental factors affecting the growth, yield and quality of agricultural products. Unfortunately, global climate change and mismanagement have led to the expansion of the arid and semi-arid lands of the world. Meanwhile, sunflower is one of the important oilseed plants relatively resistant to drought stress. The present study was conducted to identify molecular markers associated with genomic regions controlling agro-morphological traits in sunflower under drought stress. The associated markers are potentially useful for breeding programs and can accelerate the selection of drought tolerant genotypes. 100 sunflower genotypes were planted in a 10 ×10 simple lattice design with two replications in each one of normal and irrigation limited conditions for two consecutive years. Molecular profiles of the lines were prepared with 7 IRAP primer combinations. According to mlm, 12 and 10 markers showed significant relationships with the studied traits (P≥ 0.01) under normal and irrigation limited conditions, respectively. “61655” showed a significant relationship with oil percentage under both normal and irrigation limited conditions. The markers “616510” and “61655” and “CfCr1” showed a significant relationship with several traits under normal and irrigation limited conditions, respectively, that can be due to pleiotropic effects or linkage between genes controlling traits. Accordingly, “616510” marker related with genomic regions controlling yield under normal conditions and "CfCr1" marker related with genomic regions controlling yield components traits (head and stem diameter) under irrigation limited conditions, after validation, can be used for selection of optimal genotypes under these water treatment conditions.

کلیدواژه‌ها [English]

  • Association analysis
  • drought stress
  • retrotransposon based molecular markers
  • sunflower

شناسایی نشانگرهایIRAP  مرتبط با صفات مورفولوژیکی-زراعی در آفتابگردان دانه روغنی (Helianthus annuus L.) تحت شرایط آبیاری معمولی و محدود

نسرین اکبری و رضا درویش­زاده*

ایران، ارومیه، دانشگاه ارومیه، دانشکده کشاورزی، گروه تولید و ژنتیک گیاهی

تاریخ دریافت: 09/05/1400       تاریخ پذیرش: 18/03/ 1401

چکیده

تنش خشکی از عمده­ترین عوامل تأثیر­گذار محیطی بر رشد، عملکرد و کیفیت محصولات کشاورزی است. متأسفانه تغییرات اقلیمی حاکم بر جهان و مدیریت­های نادرست، زمینه گسترش دامنه اراضی خشک و نیمه خشک جهان را فراهم کرده است. دراین بین آفتابگردان از جمله گیاهان روغنی مهم با مقاومت نسبی به تنش خشکی است. این پژوهش بمنظور شناسایی نشانگرهای ملکولی پیوسته با ژن­های کنترل کننده صفات مورفولوژیکی-زراعی تحت شرایط تنش خشکی جهت استفاده در برنامه اصلاحی و تسریع گزینش ارقام مقاوم به خشکی انجام گرفت. تعداد 100 لاین آفتابگردان دانه روغنی در قالب طرح لاتیس ساده 10× 10 با دو تکرار در هریک از شرایط معمولی و محدودیت آبیاری طی دو سال متوالی ارزیابی شدند. پروفیل مولکولی لاین­ها با 7 ترکیب آغازگر IRAP تهیه شد. بر­اساس مدل خطی مخلوط تحت شرایط معمولی 12 و در شرایط تنش محدودیت آبیاری 10 نشانگر مولکولی با صفات مورد بررسی ارتباط معنی­دار (01/0P≥) نشان دادند. نشانگر 61655 با صفت روغن تحت هر دو شرایط آبیاری معمولی و محدود، دو نشانگر 616510 و 61655 در شرایط آبیاری معمولی و نشانگر CfCr1 تحت شرایط آبیاری محدود با چندین صفت ارتباط معنی­دار نشان دادند که می­تواند ناشی از اثرات پلیوتروپی و یا پیوستگی نواحی ژنومی دخیل در کنترل صفات فوق باشد. نشانگر “616510” پیوسته با ژن­های کنترل کننده عملکرد و نشانگر ”CfCr1” پیوسته با ژن­های کنترل کننده دو صفت قطر طبق و قطر ساقه از اجزای مهم عملکرد، بعد از تأیید و اعتبار­سنجی به ترتیب می­توانند برای گزینش ژنوتیپ­های مطلوب در شرایط معمولی و محدودیت آبیاری استفاده شوند.

واژه­های کلیدی: آفتابگردان، نشانگرهای مبتنی بر رتروترنسپوزون، تنش خشکی، تجزیه ارتباط

* نویسنده مسئول، تلفن: 09149734458 ،  پست الکترونیکی: r.darvishzadeh@urmia.ac.ir

مقدمه

 

دانه­های روغنی از عمده­ترین منابع تأمین کننده انرژی و پروتئین در جوامع بشری هستند. دراین بین دانه آفتابگردان (Helianthus annuus L.) با داشتن 26 تا 50 درصد روغن با کیفیت عالی و 15 تا 21 درصد پروتئین نقش بسزایی در تغذیه جهانی داشته (31) و پنجمین محصول روغنی مهم جهان بعد از سویا، کلزا، پنبه دانه و بادام­زمینی (44) بشمار می­رود، که بیش از 50 درصد روغن رومیزی (Tableoil consumption) جهان را فراهم می­کند (20). علاوه براین، تجزیه­پذیری زیستی (Biodegradability) بالای روغن آن، آن را برای مصارف غیر تغذیه­ای مانند تهیه رنگ و پلاستیک­های زیستی (Bioplastics) به عنوان گزینه­ای مطلوب مطرح می­نماید. سطح زیر­کشت و عملکرد جهانی آفتابگردان با روند رو به رشدی همراه است؛ بطوری که سطح زیر کشت آن از 25 میلیون هکتار با عملکرد سالیانه 6/36 میلیون تن در سال 2012 به 5/26 میلیون هکتار با عملکرد سالیانه 9/47 میلیون تن در سال 2017 رسیده است. در ایران سطح زیر­کشت آفتابگردان از 70 هزار هکتار با میزان تولید دانه 78 هزار تن در سال 2012 به سطح زیر­کشت 40000 هزار هکتار با میزان تولید دانه 40000 هزار تن در سال 2017 رسیده است (17و18). مصرف سالیانه روغن در ایران حدود 900 هزار تن می­باشد، که 90 درصد آن از طریق واردات تأمین می­شود (5). این امر بر اهمیت مطالعه و گزینش ارقام آفتابگردان روغنی سازگار به تنش­ها بخصوص خشکی تأکید می­نماید. تنش خشکی در گیاه با توسعه کمبود آب در بافت­های گیاهی همراه است که سبب عدم ایجاد و حفظ تورژسانس کامل و به تبع آن بسته شدن روزنه­ها و وقفه در فتوسنتز می­شود. در نتیجه این نارسایی­ها؛ رشد، توسعه و عملکرد گیاه تحت تأثیر قرار می­گیرد (47). ایران در زمره مناطق خشک جهان طبقه­بندی می­شود. بنابراین عملکرد محصولات زراعی بخصوص آفتابگردان که نیمه متحمل به خشکی است در چنین شرایطی تحت تأثیر قرار می­گیرد؛ البته تأثیر­پذیری عملکرد آفتابگردان بستگی به ژنوتیپ رقم مورد کشت (23) و مرحله­ی رشدی که گیاه با تنش مواجه می­شود، دارد. تنش خشکی سبب کاهش تعداد برگ، قطر طبق، سطح برگ، وزن هزار دانه، عملکرد دانه، محتوای نسبی آب برگ (RWC)، پتانسیل آب برگ (LWP) و عملکرد مطلوب کوانتوم در آفتابگردان می­شود (23). در مقابل از پاسخ­های سازگاری آفتابگردان در برابر تنش خشکی می­توان به افزایش طول ریشه، نسبت ریشه به شاخه و کاهش طول ریشه­های جانبی، پیری زودرس برگ­ها اشاره کرد (41). جمع­آوری و حفاظت منابع ژنتیکی و مطالعه­ی تنوع ژنتیکی و شناسایی ارقام گیاهی جدید با عملکرد بالاتر، کیفیت بهتر، سازگار و کارآمد در برابر تنش­های زنده و غیر­زنده یکی از مأموریت­های اساسی متخصصین ژنتیک و به­نژادی گیاهی است. روش­های بررسی تنوع عمدتاً در دو گروه "کلاسیک" از قبیل بررسی توسط صفات مورفولوژیک و "مولکولی" مانند بررسی­های آیزوزایمی، سیتولوژیکی و استفاده از نشانگرهای DNA طبقه­بندی می­شوند. معرفی نشانگرهای ژنتیکی خصوصاً DNA بی­شک از پیشرفت­های مهم مطالعات ژنتیک گیاهی هست (30). از روش­های متداول مطالعه با نشانگرهای مولکولی DNA می­توان به پلی­مورفیسم طولی قطعات حاصل از برش (RFLP) ( Restriction fragment length polymorphism)، پلی­مورفیسم طولی قطعات تکثیر شده (AFLP)( Amplified fragment length polymorphism) ، تکرار توالی ساده (SSR)، چند­شکلی تک­نوکلئوتیدی (SNP)( Single nucleotide polymorphism) ، نشانگرهای مبتنی بر فناوری آرایه (DArT) (Diversity arrays technology)(27) و نشانگرهای مبتنی بر رتروترنسپوزون­ها اشاره کرد. هریک از تکنیک­های فوق دارای مزایا و معایب خاص خود هستند. رتروترنسپوزون­ها بیشترین عناصر ژنتیکی متحرک حاضر در ژنوم یوکاریوت­ها بوده که در سراسر ژنوم گسترده شده و هزاران نسخه از بعضی خانواده­های آن­ها مشاهده شده است (28). رتروترنسپوزون­ها در اندازه، ساختار و تنوع ژنوم مشارکت دارند؛ بعلاوه بطور گسترده­ای عملکرد ژن­ها را تحت تأثیر قرار داده و درصد بالایی از ژنوم را پوشش می­دهند (21). از نشانگرهای مبتنی بر رتروترنسپوزون­ها می­توان به نشانگر IRAP  (Inter retrotranposon amplified polymorphism) اشاره کرد که توسط Klender و همکاران توسعه داده شده است (29). تعیین تعداد و نوع عمل ژن­های کنترل کننده صفات کمّی از قبیل عملکرد و صفات کیفی گام اساسی در به­نژادی گیاهان است. نشانگرهای مولکولی یکی از ابزارهای متداول و مطرح در زمینه نقشه­یابی ژن­ها می­باشند. امروزه از نشانگرهای ژنتیکی برای شناسایی ژن­ها در محصولات عمده از جمله ذرت (9) و سیب­زمینی (46) به وفور استفاده می­شود. اهمیت استفاده از نشانگرها در گزینش و ارزیابی تنوع ژنتیکی در آفتابگردان نیز در مطالعات مختلف نشان داده شده است. به عنوان نمونه Dehmer و Friedt در بررسی خود موفق به شناسایی نشانگرهای مولکولی مرتبط با درصد اسید ­اولئیک بالا در آفتابگردان شدند و بیان کردند که دو آغازگر (AC10-765, F15-690) و (OP-AC10, OP-F15) در ارقام با درصد اسید ­اولئیک متفاوت نوارهای متمایز نشان می­دهند (13). شناسایی نشانگرهای مرتبط با خشکی باتوجه به شرایط جوی و گرم شدن زمین دارای اهمیت بالقوه بوده و نوید بخش بهبود بازده انتخاب در برنامه­های به­نژادی و گزینه­ای کلیدی جهت توسعه ارقام با مقاومت پایدار به تنش خشکی است (37). دراین راستا در گیاهان مختلف بخصوص گیاهان روغنی اقدام به شناسایی QTLs مرتبط با تنش خشکی شده است. به عنوان نمونه در سویا 65 QTL مرتبط با مقاومت به تنش خشکی معرفی شده است (42). همچنین نشانگرهای IRAP-4361 و IRAP-4377 با بیشترین رابطه منفی و نشانگرهای iPBS-2399، IRAP-4341 و IRAP-4368 با بیشترین رابطه مثبت با تحمل خشکی در سویا شناسایی و معرفی شده­اند (34). در بررسی دیگر تعداد 55 QTL مرتبط با محتوای روغن دانه، عملکرد دانه، پروتئین دانه، وزن هزار دانه و ارتفاع بوته در سویا تحت تنش خشکی شناسایی گردیده است (15). در آفتابگردان با استفاده از نشانگرهای ISSR 16 نشانگر مرتبط با قطرساقه، 4 نشانگر مرتبط با تعداد برگ، 12 نشانگر مرتبط با قطر طبق، 27 نشانگر مرتبط با تعداد روز تا گلدهی و 17 نشانگر مرتبط با تعداد روز تا رسیدگی معرفی شدند (10). در بسیاری از مطالعات کارایی فتوسنتز تحت شرایط تنش خشکی ارزیابی و QTLs مرتبط با پارامترهای فلورسانس کلروفیل، محتوی کلروفیل و فعالیت فیتوشیمیایی PSII شناسایی شدند (35). در جمعیت­های یونجه زراعی با استفاده از نشانگرهای ISSR، 7 نشانگر مرتبط با کلروفیل شناسایی شدند که 82 درصد از تغییرات این صفت را تبیین می­کردند (2). در برنج نیز QTL qCHLa1.1 واقع بر روی گروه پیوستگی I برنج به عنوان یک QTL جدید برای شرایط تنش خشکی معرفی شده است (7). محتوای نسبی آب برگ بعنوان یک نشانگر فیزیولوژیکی و یکی از معیارهای شاخص و معتبر در ارزیابی مقاومت به تنش خشکی بوده (40) و متأثر از خشکیِ محیط است (23). در آفتابگردان 17 نشانگرISSR  مرتبط با محتوای نسبی آب برگ گزارش شده است (10). با توجه به قرارگرفتن کشور در منطقه خشک و نیمه­خشک جهان و تأمین بخش زیادی از روغن خوراکی از طریق واردات، اهمیت تولید و توسعه ارقام متحمل به خشکی خصوصاً در گیاهان دانه روغنی مانند آفتابگردان که روغنی با ارزش غذایی بالا و با کیفیت تولید می­کند بیش از پیش آشکار است. خوشبختانه تولید آفتابگردان در ایران روند رو به رشدی داشته و ارزش تولید ناخالص آن از 2284345384 تومان در سال 2012 به 2877557133 تومان در سال 2019 رسیده است. این پژوهش در راستایی شناسایی نشانگرهای پیوسته با صفات مرتبط با عملکرد و درصد روغن در شرایط آبیاری محدود انجام گرفت. شناسایی چنین نشانگرهایی کمک شایانی به اصلاح ارقام متحمل به تنش خشکی با عملکرد بالا در آفتابگردان خواهد کرد. اغلب ژنوتیپ­های بررسی شده دراین تحقیق در شرایط تنش شوری (4)، تنش کمبود فسفر (40) و بیماری اسکلروتینیا (36) نیز بررسی شده­اند. نتایج تحقیقات گذشته بهمراه تحقیق حاضر کمک شایانی به گزینش و معرفی ژنوتیپ­های مطلوب و مقاوم به تنش­های مختلف خواهد نمود.

مواد و روشها

مواد گیاهی و ارزیابی فنوتیپی: دراین مطالعه 100 ژنوتیپ تهیه شده از مراکز مختلف تحقیقاتی آفتابگردان در جهان (جدول 1) در قالب طرح لاتیس ساده 10×10 با دو تکرار در 10 بلوک ناقص و هر بلوک شامل 10 کرت زراعی در هر یک از شرایط آبیاری معمولی و محدود طی دو سال در روستای قزلجه (38 درجه 11 دقیقه 50 ثانیه شمالی, 44 درجه 45 دقیقه و 55  ثانیه شرقی) از توابع شهر سلماس، آذربایجان غربی کشت شدند. در هر سال تا مرحله 8 برگی آبیاری هر 2 آزمایش بصورت معمولی (90 میلی­متر تبخیر از تشتک تبخیر کلاس A) انجام گرفت. آبیاری آزمایش آبیاری معمولی تا انتهای فصل رشد بهمین صورت ادامه یافت. در آزمایش آبیاری محدود از مرحله 8 برگی به بعد آبیاری بعد از 180 میلی­متر تبخیر از تشتک تبخیر کلاس A انجام گرفت. بعد از گلدهی و پس از برداشت دانه صفات مختلف مورفولوژیکی-زراعی شامل ارتفاع بوته (سانتی­متر)، قطر ساقه (سانتی­متر)، تعداد برگ، طول پهنک برگ (سانتی­متر)، عرض پهنک برگ (سانتی­متر)، طول دمبرگ (سانتی­متر)، قطر طبق (میلی­متر)، تعداد روز تا گلدهی (روز) و تعداد روز تا رسیدگی (روز)، محتوای روغن دانه (گرم)، کلروفیل، محتوای نسبی آب برگ (درصد)،  عملکرد تک بوته (گرم) اندازه­گیری شدند.

ارزیابی مولکولی: در راستای ارزیابی مولکولی، DNA مربوط به 78 لاین از 100 لاین مورد بررسی (جدول 1) بروش CTAB (Cetyl trimethylammonium bromide)(14) از بافت تازه برگی استخراج شد و جهت ارزیابی کیفیت و کمیت DNA استخراج شده، بترتیب از الکتروفورز ژل آگاروز 1 درصد و اسپکتروفتومتری استفاده شد. برای تهیه پروفایل مولکولی لاین­های مورد مطالعه از 7 آغازگر مبتنی بر رتروترنسپوزون IRAP (جدول 2) شامل آغازگرهای (LTR 1061, LTR 1062, LTR 1063, LTR 1064, LTR 1065, CF, CR, UF(U81), UR1(U82)) استفاده شد. واکنش­هایPCR  (Polymerase chain reaction) در حجم نهایی 20 میکرو­لیتر، حاوی 20 نانو­گرم DNA ژنومی، 2 میکرو­لیتر بافر PCR 10 برابر (500 mM KCl, 500 mM Tris-HCl pH 8.4)، 7/0 میکرو­لیتر کلرید ­منیزیم 50 میلی­مولار (MgCl2 50 mM) (شرکت سیناژن)، 25/0 میلی­مول از هر داکسی ریبونوکلئوتید (dNTP)، 1/1 واحد آنزیم تک پلی­مراز (شرکت سیناژن) و 10 میکرو­لیتر از هر آغازگر بهمراه آب دیونیزه در دستگاه ترمال­سایکلر انجام گرفت. برنامه دمایی واکنش زنجیره­ای پلیمراز (PCR) بصورت: 4 دقیقه واسرشت­سازی اولیه در 94 درجه­ی سانتی­گراد و 36 چرخه شامل 40 ثانیه در 94 درجه­ی سانتیگراد (جهت واسرشت سازی)، 40 ثانیه در دمای اتصال اختصاصی مربوط به هر آغازگر (جهت اتصال) و 2 دقیقه در 72 درجه­ی سانتی­گراد (جهت بسط) و بسط نهایی در 72 درجه سانتی­گراد بمدت 10 دقیقه بود. آشکارسازی باندهای تکثیری با استفاده از ژل 8/1 درصدی و بافر TBE 5/0 برابر با ولتاژ 75 ولت بمدت 3 ساعت انجام و رنگ­آمیزی با اتیدیوم­ بروماید (1.0 mg ml-1) انجام گرفت. برای تعیین اندازه­ی باندها نیز از نشانگر اندازه­ی O´GeneRulerTM (شرکت فرمنتاز) استفاده شد.

 

جدول 1- کد­ شناسه و منشأ 100 لاین آفتابگردان دانه روغنی مورد بررسی در آزمایش تنش خشکی

کد

نام لاین

نام کشور

کد

نام لاین

نام

کشور

کد

نام لاین

نام کشور

1

H100A/83HR4

فرانسه

35

H603R

فرانسه

69

H156A/RHA274

فرانسه

2

H209A/LC1064

فرانسه

36

4

ایران

70

SDB1

آمریکا

3

H205A/H543R

فرانسه

37

703-CHLORINA

فرانسه

71

HAR-4

امریکا

4

AS5306

فرانسه

38

NSF1-A4*R5

فرانسه

72

AS5305

فرانسه

5

RHA858

آمریکا

39

28

ایران

73

RHA274

امریکا

6

H209A/83HR4

فرانسه

40

30

ایران

74

H158A/H543R

فرانسه

7

AS3211

فرانسه

41

F1250/03

مجارستان

75

H100A/RHA274

فرانسه

8

254-ENSAT

فرانسه

42

SDR18

آمریکا

76

H209A/H566R

فرانسه

9

AS5304

فرانسه

43

LP-SCYB

فرانسه

77

ASO-1-POP-A

فرانسه

10

1009329.2(100K)

فرانسه

44

803-1

صربستان

78

AS6305

فرانسه

11

270-ENSAT

فرانسه

45

1009370-1(100K)

فرانسه

79

B-FIPOPB

فرانسه

12

AS613

فرانسه

46

CSWW2S

فرانسه

80

D34

امریکا

13

A-FLPOPA

فرانسه

47

1009370-3(100K)

فرانسه

81

CAY

فرانسه

14

OES

فرانسه

48

H158A/H543R

فرانسه

82

346

ایران

15

H100A/LC1064

فرانسه

49

H100A

فرانسه

83

NS-F1-A5*R5

فرانسه

16

RHA266

آمریکا

50

15031

فرانسه

84

36

ایران

17

PAC2

فرانسه

51

H250A/83HR4

فرانسه

85

38

ایران

18

H157/LC1064

فرانسه

52

RHA265

امریکا

86

SDB2

فرانسه

19

5DES20QR

فرانسه

53

PM1-3

 

87

H158A/LC1064

 

20

15038

فرانسه

54

RT948

فرانسه

88

H156A/H543R

فرانسه

21

1009337(100K)

فرانسه

55

283-ENSAT

 

89

H543R/H543R

فرانسه

22

AS3232

فرانسه

56

QHP-1

 

90

H543R

فرانسه

23

12AASB3

 

57

SDR19

امریکا

91

SF076

فرانسه

24

8ASB2

 

58

HA337B

امریکا

92

B-FIPOPB

 

25

9CSA3

 

59

H100B

فرانسه

93

SF085

فرانسه

26

H049+FSB

 

60

B454/03

مجارستان

94

SF092

 

27

SSD-580

 

61

HA304

امریکا

95

A-CONTROLPLASTIPIC

 

28

5AS-F1/A2*R5AS-29- F1/A2*R2

فرانسه

62

RT931

فرانسه

96

59-1

ایران

29

7CR1=PRH6

فرانسه

63

HA335B

امریکا

97

H-100A-90RL8

فرانسه

30

ENSAT699

فرانسه

64

NS_B5

فرانسه

98

SF109

 

31

SSD-581

فرانسه

65

SDB3

امریکا

99

SF105

فرانسه

32

TMB-51

فرانسه

66

LC1064C

فرانسه

100

SF-023

 

33

11*12

ایران

67

NS-R5

فرانسه

 

 

 

34

110

ایران

68

DM-2

امریکا

 

 

 

 

جدول 2- توالی آغازگرهای IRAP مورد استفاده در تهیه پروفیل مولکولی ژنوتیپ­های آفتابگردان دانه روغنی

آغازگر

 توالی (5'→ 3')

آغازگر

 توالی (5'→ 3')

1061 LTR

GAGGGGAATGTGGGGGTTTCC

CF

GGTTTAGGTTCGTAATCCTCCGCG

1062 LTR

TCTCTATTTATAGCCGGAGAGGTG

CR

ACAGACACCAGTGGCACCAAC

1063 LTR

GATCCGGTTTCACGGGACTTAC

UF(U81)

TAACGGTGTTCTGTTTTGCAGG

1064 LTR

CGAAGAACAAACCGAATCAC

UR1(U82)

AGAGGGGAATGTGGGGGTTTCC

1065 LTR

AGCCTCTGAAAGACTCGTTCG

 

 

 

 

تجزیه­های آماری: گروه­بندی لاین­ها براساس داده­های مولکولی با الگوریتم Neighbor Joining (43) در نرم­افزار DARWin 6.0.21 (38) انجام شد. اتصال همسایه (Neighbor Joining) در مقایسه با روش­هایی مانند UPGMA که خوشه‌بندی سلسله مراتبی تجمعی مبتنی بر روش پیوند متوسط هستند؛ یک روش خوشه‌بندی تکراری براساس معیار حداقل تکامل است. جهت برآورد تنوع بین و درون گروه­های حاصل از تجزیه خوشه­ای، تجزیه واریانس مولکولی در نرم­افزار GenAlEx انجام گرفت. تجزیه ساختار جمعیت بروش بیزین با استفاده از نرم‌افزار Structure 2.3.3 انجام گرفت. از مدل  Admixtureبا 10000 بار Burn-in (دوره گرم کردن) و 10000 بار تکرار MCMC (Markov chain monte carlo) جهت حصول منحنی حداکثر درست­نمایی استفاده شد. مقادیر زیر­جمعیت فرضی اولیه (K) بین 1 تا 10 در نظر گرفته شد و جهت افزایش دقت، 5 تکرار برای هر K در نظر گرفته شد و در نهایت تعداد زیر­جمعیت­های احتمالی (K بهینه) براساس روش (ΔK) delta K تعیین شد (16). برای K بهینه یک ماتریس که شامل برآورد ضرایب احتمال عضویت هر ژنوتیپ در هریک از زیرجمعیت­هاست (ماتریس Qst) محاسبه شد. جهت شناسایی نشانگرهای دارای ارتباط معنی­دار با صفات مورد ارزیابی، از مدل خطی مخلوط (MLM) وابسته به Q + K (ماتریس ضرایب ساختار جمعیت + ماتریس روابط خویشاوندی) در نرم­افزار TASSEL 3.1 استفاده شد. از نرم­افزار TASSEL 3.1 همچنین برای محاسبه میزان عدم تعادل پیوستگی (LD) استفاده شد (53 و 54).

نتایج و بحث

ارزیابی تنوع و ساختار ژنتیکی جمعیت: نتایج آماره­های توصیفی شامل میانگین، انحراف معیار، ضریب تغییرات، حداقل و حداکثر مقادیر صفات تحت شرایط آبیاری معمولی و محدود در جدول 3 خلاصه شده است. نتایج حاکی از کاهش میانگین همه صفات مورد ارزیابی بجز کلروفیل تحت شرایط آبیاری محدود در مقایسه با شرایط آبیاری معمولی می­باشد. میانگین کلروفیل تحت شرایط آبیاری محدود 4396/40 در مقایسه با 377/38 در شرایط آبیاری معمولی بود. بیشترین کاهش میانگین تحت شرایط آبیاری محدود در مقایسه با شرایط آبیاری نرمال در عملکرد دانه مشاهده شد. بعد از عملکرد دو صفت ارتفاع بوته و محتوای نسبی آب برگ بیشترین کاهش میانگین را تحت شرایط آبیاری محدود نسبت به شرایط معمولی نشان دادند (جدول 3). این صفات جزو صفات کمّی با وراثت پیچیده هستند. از خصوصات بارز صفات مذکور این است که بیشتر تحت تأثیر محیط و اثر متقابل ژنوتیپ در محیط قرار می­گیرند. کاهش ارتفاع بوته یکی از پاسخ­های گیاه به تنش خشکی در طی مرحله رویشی می­باشد. قطر طبق بهمراه صفت ارتفاع بوته بعنوان بهترین و مناسب­ترین صفات مورفولوژیکی جهت گزینش ژنوتیپ­های مناسب آفتابگردان تحت تنش شوری معرفی شده­اند (22). همچنین براساس گزارشی (12) ارتباط مستقیم بین صفت قطر طبق با عملکرد در آفتابگردان وجود دارد و این صفت بعنوان اثر گذارترین صفت معرفی شده است. این یافته­ها بر اهمیت شناسایی QTLs مرتبط با صفات فوق بجهت استفاده در برنامه­های اصلاح آفتابگردان تأکید می­کنند. البته این مورد در تمام گیاهان مشاهده نشده است. بعنوان نمونه در مطالعه انجام شده بر روی 47 رقم لوبیا صفات مورفولوژیکی ساقه مانند ارتفاع، قطر و محتوی رطوبت ساقه بعد از سه هفته اعمال تنش خشکی و شوری، ارتباط ضعیفی با تنش خشکی نشان دادند (6). همچنین Darbani و همکاران (10) بیان داشتند که قطر طبق تحت تأثیر خشکی قرار نمی­گیرد. این اختلاف در گزارش­ها می­تواند ناشی از نحوه و مرحله و طول مدت اعمال تنش باشد. کاهش تعداد و سطح برگ تحت تنش خشکی قبلاً نیز گزارش شده است (8). بیشترین ضریب تغییرات در شرایط آبیاری معمولی در صفات عملکرد، قطر طبق، عرض برگ، طول دمبرگ، تعداد برگ و قطر ساقه و در شرایط آبیاری محدود در صفات عملکرد، عرض برگ، قطر طبق، تعداد برگ و قطر ساقه مشاهده شد. در مقایسه دو شرایط، پنج صفت عملکرد، قطر طبق، عرض برگ، قطر ساقه و تعداد برگ تحت هر دو شرایط بیشترین ضریب تغییرات را نشان دادند. در مقابل چهار صفت کلروفیل، روز تا گلدهی، روز تا رسیدگی و درصد روغن کمترین ضریب تغییرات را در هر دو شرایط داشتند؛ که احتمالاً نشان می­دهد صفات اخیر بشدت تحت کنترل ژنتیک بوده و از وراثت­پذیری بالایی بر­خوردار می­باشند. هم راستا با نتایج بدست آمده برای صفت عملکرد وجود تنوع بالا تحت هر دو شرایط نرمال و خشکی در آفتابگردان قبلاً نیز گزارش شده است (19). جمع­بندی نتایج نشان می­دهد در تمام صفات مورد مطالعه بغیر از صفت تعداد برگ، بیشترین مقادیر ضریب تغییرات صفات تحت شرایط آبیاری معمولی مشاهده شد. در رابطه با صفت تعداد برگ ضریب تغییرات تحت شرایط آبیاری معمولی برابر 9/22 در مقابل 3/33 تحت شرایط آبیاری محدود بود. در توجیه این امر می­توان بیان کرد که کاهش سطح برگ یک مکانیزم دفاعی در جهت کاهش سطح تعرق است؛ این امر با کاهش ابعاد برگ و گاه با تغییر تعداد برگ حاصل می­شود و دراین بین، ژنوتیپ­ها واکنش متفاوتی بروز می­دهند.

 

جدول 3- آمارهای توصیفی صفات مورد مطالعه در ژنوتیپ­های آفتابگردان دانه روغنی

آبیاری محدود

 

آبیاری معمولی

صفات

ضریب تغییرات واریانس (درصد)

انحراف معیار

بیشترین

کمترین

میانگین

 

 

ضریب تغییرات واریانس (درصد)

انحراف معیار

بیشترین

کمترین

میانگین

4/9

823/3

95/49

85/27

4396/40

 

6/10

089/4

50/58

40/28

677/38

کلروفیل

3/6

309/4

50/84

57

400/69

 

2/6

584/4

50/95

50/61

336/74

روز تا گلدهی

1/6

141/6

131

25/54

290/102

 

4/5

410/5

133

25/82

148/107

روزتا رسیدگی

4/24

476/2

34/17

25/5

585/10

 

5/25

370/3

33/22

25/7

236/13

قطر طبق

4/18

499/2

05/23

25/8

090/13

 

9/18

081/3

05/24

10

686/16

طول برگ

3/33

946/4

60/36

7

366/16

 

9/22

832/3

30/28

10/8

181/17

تعداد برگ

4/21

487/2

22

90/6

523/11

 

24

831/3

75/26

95/7

353/14

عرض برگ

2/9

205/4

31/53

09/36

559/45

 

4/8

967/3

58/55

59/37

099/47

درصد روغن

1/18

176/18

80/144

80/54

521/100

 

7/17

178/19

90/164

70/69

676/108

ارتفاع بوته

18

167/1

60/11

65/3

0586/6

 

3/24

224/2

65/16

50/4

264/9

طول دمبرگ

4/13

349/8

17/86

41

452/62

 

3/12

729/8

81/96

74/47

9019/70

محتوای نسبی آب برگ

3/21

841/0

70/6

50/2

145/4

 

4/23

122/1

70/9

65/2

844/4

قطر ساقه

4/55

791/11

86/67

75/3

504/22

 

8/58

062/23

89/139

75/3

608/41

عملکرد

 

 

میانگین سه آماره­ی ضریب تنوع ژنتیکی، شاخص شانون و چند­شکلی برای نشانگرهای مورد مطالعه بترتیب 31/0، 459/0 و 96/84 درصد برآورد گردید. بر این اساس نشانگر UF14 بترتیب با دارا بودن مقادیر 494/0 و 687/0 و نشانگر 621 با مقادیر 017/0 و 039/0 از لحاظ آماره­های ضریب تنوع ژنتیکی و شاخص شانون بترتیب بالاترین و پایین­ترین میزان تنوع را به خود اختصاص دادند. بر پایه نتایج تجزیه خوشه­ای با نرم­افزارDARwin  ژنوتیپ­ها در 4 گروه گروه­بندی شدند (شکل 1). هر گروه شامل ژنوتیپ­هایی از مناطق جغرافیای متفاوت بود. نتایج تجزیه به بردارهای اصلی نشان داد سه مؤلفه اول، دوم و سوم به ترتیب 40/34، 50/18 و 54/14 درصد و در مجموع 45/67 درصد از کل تغییرات را تبین می­کنند که نشان از پوشش مناسب ژنوم توسط نشانگرها می­باشد (شکل 2). تجزیه بردار اصلی نیز قادر به تفکیک کامل ژنوتیپ­ها در گروه­های مجزا نگردید. این امر نشان از وجود اجداد مشترک در مسیر تکامل ژنوتیپ­های مورد ارزیابی و وجود روابط خویشاوندی بالا بین آنها است. تجزیه واریانس مولکولی نشان داد 89 درصد از تغییرات به درون گروه و 11 درصد به بین گروه­ها مربوط است (جدول 4). سهم کم از تنوع کل برای منبع "بین گروه­ها" به احتمال زیاد به دلیل تبادلات منابع ژرم­پلاسم مشترک بین مراکز تحقیقاتی مختلف باشد. سهم زیاد از تنوع کل برای منبع "درون گروه­ها" به احتمال زیاد بدلیل تفاوت در طریقه و روش استفاده از منابع ژرم­پلاسم مشترک در راستای توسعه لاین­های خالص است بطوری که منجر به ایجاد ترکیبات متنوع در داخل گروه­ها (مراکز) شده است. نتایج تجزیه واریانس حاکی از تنوع ژنتیکی بالا در درون گروه­ها می­باشد. مشاهده واریانس درون گروهی بالا با استفاده از نشانگر RFLP (24) و SSR (51) هم راستا با نتایج مطالعه حاضر است. مقدار PhiPT برابر 11262/0 برآورد شد که بیانگر عدم اختلاف معنی­دار بین گروه­ها است و تأییدی بر عدم تفکیک ژنوتیپ­ها در تجزیه بردار اصلی است. همچنین مقادیر میانگین مربعات درون هر گروه، درصد چند­شکلی، شاخص شانون و ضریب تنوع هر یک از گروها بترتیب (719/30، 16/85، 461/0، 311/0) برای گروه اول، (5151/24، 06/89، 485/0، 326/0) برای گروه دوم، (076/31، 059/83، 434/0، 290/0) برای گروه سوم و (850/22، 03/82، 458/0، 311/0) برای گروه چهارم برآورد شد. در بررسی تنوع ژنتیکی بین برخی از جمعیت­های گیاه خار مریم تنوع درون گروه 89 درصدی و بین گروهی 11 درصدی گزارش شده است (52). نتایج حاصل از مطالعات بررسی تنوع با نشانگرهای متعدد بر روی ژنوتیپ­های آفتابگردان حاکی از باریک بودن پایه ژنتیکی در این گیاه است (32). البته گزارشی از وسیع بودن پایه ژنتیکی آفتابگردان نیز ارائه شده است (51). نتایج تجزیه واریانس مؤید نتایج حاصل از تجزیه خوشه­ای و تجزیه بردار اصلی است.

عدم تعادل پیوستگی (LD): برطبق نتایج حاصل از تجزیه ساختار ژنتیکی، ژنوتیپ­های مورد مطالعه در 2 زیر­جمعیت احتمالی (2K= ) قرارگرفتند و K=2 بعنوان K بهینه در تخمین ساختار جمعیت و محاسبه ماتریس سهم عضویت افراد در هر خوشه (ماتریس Q) در نظر گرفته شد.

 

 

 

شکل 1- دندروگرام ژنوتیپ­های مختلف آفتابگردان دانه روغنی مورد مطالعه به روش Neighbor Joining براساس 7 ترکیب آغازگری IRAP

 

 

 

شکل 2- نتایج گروه­بندی ژنوتیپ­های آفتابگردان دانه روغنی براساس دو بردار حاصل از تجزیه بردار اصلی روی داده­های نشانگر IRAP

 

جدول 4- نتایج تجزیه واریانس مولکولی بین و درون گروهی ژنوتیپ­های آفتابگردان دانه روغنی مورد مطالعه

منبع تغییرات

میانگین مربعات

برآورد واریانس

درصد واریانس

بین گروه

49/88

360/3

11 %

درون گروه

471/26

471/26

89 %

 

بر پایه نتایج بارپلات حاصل (شکل 3)، با احتمال بیشتر از 70 درصد، 22 فرد متعلق به زیر ساختار اول (قرمز) و 18 فرد متعلق به زیر ساختار دوم (سبز) بودند. بنابراین در مجموع 28/51 درصد افراد مورد مطالعه دارای درصد عضویت بیشتر و مساوی 7/0 و 71/48 درصد افراد دارای سهم عضویت کمتر از 7/0 می­باشند که گروه اخیر بعنوات ژنوتیپ­های مخلوط در نظر گرفته می­شوند.

نتایج تجزیه خوشه­ای و تجزیه ساختار با هم مطابقت کامل ندارند که این عدم تطابق را می­توان به عملکرد متفاوت تجزیه خوشه­ای سلسله مراتبی و تجزیه ساختار جمعیت بر اساس مدل بیزین مرتبط دانست (11).

تجزیه ارتباط نشانگر-صفات: استفاده از نشانگرهای مولکولی اهمیت زیادی در تسهیل برنامه­های اصلاح آفتابگردان دارند. در معرفی نشانگر برای صفات مهم اقتصادی چون عملکرد و روغن از تجزیه پیوستگی و تجزیه ارتباط استفاده می­شود، که هر دو بر پایه عدم تعادل پیوستگی­اند. در مقایسه، تجزیه ارتباط از مزایایی همچون افزایش وضوح تجزیه QTL و افزایش پوشش آللی (50) برخوردار است. شناسایی و استفاده از نشانگرهای مرتبط با تنش در برنامه اصلاحی مطلوب­تر هستند (1). برای تجزیه ارتباط معمولاً از دو مدل خطی عمومی (GLM) و مدل خطی مخلوط (MLM) استفاده می­شود (25).

 

 

 

 

 

 

 

 

 

 

 

 

 

 

شکل 3- الف- بررسی تغییرات Delta K. ب- تجزیه خوشه­ای مبتنی بر مدل  Bayesianبرای 78 ژنوتیپ آفتابگردان مورد مطالعه بر­اساس 128 نشانگر IRAP (2=K). ج- بار پلات عدم تعادل پیوستگی ایجاد شده با نرم­افزار TASSEL؛ قسمت بالا قطر نشان دهنده میزان عدم تعادل پیوستگی بر اساس آماره D´ و پایین قطر نشان دهنده P-value می­باشد.

 

باتوجه به نتایج تجزیه ساختار جمعیت و مشاهده رابطه خویشاوندی بالا بین ژنوتیپ­ها، استفاده از مدلMLM  که ماتریس K  و روابط خویشاوندی بین افراد جمعیت را مد نظر قرار می­دهد (49) قابلیت اطمینان و اعتبار نشانگرهای شناسای شده را افزایش می­دهد. حذف اثرات ساختار جمعیت و خویشاوندی بین افراد منجر به کاهش ارتباط دروغین بین نشانگر و صفت می­گردد، در نتیجه احتمال ارتکاب اشتباه نوع اول کاهش می­یابد (49). در مجموع 12 نشانگر تحت شرایط آبیاری معمولی و 10 نشانگر تحت شرایط آبیاری محدود با صفات مورد مطالعه ارتباط معنی­دار (01/0P≥ ) نشان دادند. در تجزیه ارتباط با استفاده مدل MLM تحت شرایط آبیاری معمولی 3 نشانگر (616510، 646510، 646511) برای ارتفاع بوته، با 1 نشانگر (62655) برای قطر ساقه، 1 نشانگر (61655) برای تعداد برگ، 1 نشانگر (616510) برای طول برگ، 1 نشانگر (616510) برای عرض برگ، 4 نشانگر (64658، Cr9، CrUr16 و Uf2) برای تعداد روز تا گلدهی، 1 نشانگر (64653) برای تعداد روز تا رسیدگی، 2 نشانگر (CfCr11 و CF3) برای RWC، 1 نشانگر (616510) برای عملکرد و 1 نشانگر (61655 ) برای درصد روغن شناسایی شد (جدول 5).

تحت شرایط آبیاری محدود برای صفت ارتفاع بوته 2 نشانگر (61651 و 646511)، قطر ساقه 1 نشانگر (CfCr1)، قطر طبق 1 نشانگر (CfCr1)، طول دمبرگ 1 نشانگر (63641)، روز تا گلدهی 1 نشانگر (Ur13)، روز تا رسیدگی 1 نشانگر (Cr7)، RWC 2 نشانگر (654 و Uf2)، محتوای کلروفیل 1 نشانگر (62657) و در نهایت درصد روغن 1 نشانگر (61655) شناسایی شد (جدول 6). پیش­تر در آفتابگردان وجود ارتباط نشانگرهای متفاوت با صفت تعداد روز تا گلدهی تحت تنش خشکی گزارش شده است (39). برخی نشانگرها با چند صفت ارتباط معنی­دار نشان دادند. در شرایط آبیاری معمولی نشانگر 616510 با 4 صفت (طول برگ، عرض برگ، ارتفاع بوته و عملکرد) و نشانگر 61655 با 2 صفت (تعداد برگ و درصد روغن) و در شرایط آبیاری محدود نشانگر CfCr1 با 2 صفت (قطر ساقه، قطر طبق) و نشانگر 61655 با صفت درصد روغن دانه تحت هر دو شرایط آبیاری ارتباط معنی­دار در سطح یک درصد نشان دادند. شناسایی چنین نشانگرهای از اهمیت ویژه­ای برخوردار می­باشد؛ زیرا زمینه لازم برای درک درست از روابط صفات و ارتباطات بین مکان­های ژنی را میسر و امکان گزینش بیش از یک صفت توسط یک نشانگر را فراهم می­کنند (3). شناسایی نشانگرهایی که تحت شرایطی محیطی مختلف ارتباط معنی­داری با صفت مورد نظر دارند (نشانگرهای پایدار)، از اهمیت و کارایی بالا در برنامه­های گزینشی برخوردار هستند. انتخاب با این نشانگرها در یک محیط باعث بهبود صفت در محیط­های دیگر نیز می­شود، این امر باعث افزایش کارایی انتخاب به کمک نشانگر (MAS) و پیشرفت ژنتیکی می­شود، بنابراین کاربرد آنها در برنامه اصلاحی سودمند است (45). صفت درصد روغن تحت هر دو شرایط آبیاری محدود و معمولی با نشانگرهای 61655 ارتباط نشان داد که حاکی از عدم تأثیرپذیری این صفت از شرایط محیطی است. در این راستا Yao و همکاران (48) در سویای وحشی و زراعی برای صفات محتوا و ترکیب روغن دانه بترتیب 22 و 66 نشانگر شناسایی کردند. در آفتابگردان فقط یک QTL مرتبط با محتوای روغن در یک طیف وسیع منابع ژنتیکی گزارش شده است (33). همچنین در مطالعه دیگر 12 نشانگر با مدل GLM و 4 نشانگر با مدل MLM با صفت عملکرد روغن ارتباط نشان دادند (10).

باتوجه به یافته­های تحقیق حاضر در شرایط معمولی صفاتی چون ارتفاع بوته، عرض برگ، طول برگ و روز تا رسیدگی و در شرایط آبیاری محدود صفاتی مانند قطر ساقه و قطر طبق بیشترین ارتباط مؤثر را بر عملکرد داشتند.

 

جدول 5- نشانگرهای پیوسته با صفات ارزیابی شده در ژنوتیپ­های آفتابگردان دانه روغنی مورد مطالعه تحت شرایط آبیاری معمولی بر­اساس مدل MLM

صفت

نشانگر

P-value

صفت

نشانگر

P-value

عرض برگ

616510

0066/0

کلروفیل

-

-

درصد روغن دانه

61655

0084/0

روز تا گل­دهی

64658

0013/0

ارتفاع بوته

616510

0007/0

 

CrUr16

0034/0

 

646510

0064/0

 

Uf2

0038/0

 

646511

0076/0

 

Cr9

00789/0

طول دمبرگ

-

-

روز تا رسیدگی

64653

0056/0

محتوای نسبی آب برگ

CfCr11

0021/0

قطر طبق

-

-

 

Cf3

0046/0

طول برگ

616510

0014/0

قطر ساقه

62655

0058/0

تعداد برگ

61655

0040/0

عملکرد

616510

0059/0

 

 

 
               

جدول 6- نشانگرهای پیوسته با صفات ارزیابی شده در ژنوتیپ­های آفتابگردان دانه روغنی مورد مطالعه تحت شرایط آبیاری محدود بر­اساس مدل MLM

صفت

نشانگر

P-value

صفت

نشانگر

P-value

عرض برگ

-

-

کلروفیل

62657

006/0

درصد روغن دانه

61655

0070/0

روزتا گلدهی

Ur13

0025/0

ارتفاع بوته

61651

0077/0

روز تا رسیدگی

Cr7

0028/0

 

646511

0094/0

 

 

 

طول دمبرگ

63641

0075/0

قطر طبق

CfCr1

0040/0

محتوای نسبی آب برگ

Uf2

0030/0

طول برگ

-

-

 

654

0067/0

تعداد برگ

-

-

قطر ساقه

CfCr1

0058/0

 

 

 

-

-

-

 

 

 

 

 

از بین نشانگرهای مرتبط با عملکرد، نشانگر 616510، با صفاتی چون ارتفاع بوته، عرض برگ، طول برگ، ارتباط نشان داد. در توافق با نتایج، وجود ارتباط بین یک نشانگر با چند صفت در جمعیت­های مختلف آفتابگردان آجیلی تحت شرایط تنش خشکی نیز گزارش شده است (26). بعنوان نمونه نشانگر رتروترنسپوزنی Cr با 8 صفت در آفتابگردان آجیلی تحت تنش ملایم ارتباط نشان داد (26).

نتیجه­گیری

در پژوهش حاضر 100 ژنوتیپ آفتابگردان دانه روغنی در قالب طرح لاتیس ساده 10× 10 با دو تکرار در هریک از شرایط معمولی و آبیاری محدود طی دو سال متوالی از لحاظ صفات مورفولوژیکی-زراعی بررسی شدند. در آزمایشات مولکولی پروفیل مولکولی لاین­ها با 7 ترکیب آغازگر IRAP تهیه شد. با ترکیب داده­های مورفولوژیکی و مولکولی در قالب مدل خطی مخلوط، نشانگرهای پیوسته با صفات مورفولوژیکی-زراعی شناسایی گردید. نتایج نشان داد که بین ژنوتیپ­های آفتابگردان دانه روغنی مورد بررسی، از نظر صفات مورد ارزیابی تحت شرایط آبیاری معمولی و محدود همچنین الگوی مولکولی تنوع وجود دارد. براساس مطالعه ساختار جمعیت دو زیر جمعیت احتمالی در پانل ارتباطی شناسایی شد. در تجزیه ارتباط براساس مدل MLM، 12 نشانگر تحت شرایط آبیاری معمولی و 10 نشانگر تحت شرایط آبیاری محدود با صفات مورد مطالعه ارتباط معنی­دار (01/0P≥ ) نشان دادند. برخی از نشانگرها بصورت مشترک برای صفتی در هر دو شرایط محیطی شناسایی شدند. نشانگر 61655 با صفت درصد روغن در هر دو شرایط محیطی پیوستگی نشان داد. شناسایی چنین نشانگرهای مستقل از محیط در برنامه­های به­نژادی ارزشمند است. همچنین برخی از نشانگرها با چندین صفت ارتباط داشتند که وجود چنین حالتی در به­نژادی گیاهی به جهت کمک به اصلاح همزمان چندین صفت بسیار حائزه اهمیت می­باشد. در ادامه بمنظور تایید نشانگرهای مولکولی شناسایی شده در نظر است نشانگرهای پیوسته به نشانگرهای SCAR که جزو نشانگرهای با وراثت هم­بارز هستند تبدیل شوند و کارایی نشانگرها در توسعه ارقام مقاوم بررسی شوند. همچنین بمنظور استنتاج شبکه ژنی درگیر در مقاومت به خشکی در نظر است تجزیه ترنسکریپتوم بروش توالی­یابی RNA بهمراه آنالیزهای بیوانفورماتیکی انجام گیرد. ترکیب نتایج تحقیقات ژنومی و ترنسکریپتوم در توسعه نشانگرهای عملکردی می­تواند مفید باشد.

  1. Abdi, N., Darvishzadeh, R., Jafari, M., Pirzad, A., and Haddadi, P., 2012. Genetic analysis and QTL mapping of agro-morphological traits in sunflower (Helianthus annuus L) under two contrasting water treatment conditions. Plant Omics Journal, 5(2), PP: 149–158.
  2. Abdollahi Mandoulakani, B., and Azizi, H., 2014. Identification of ISSR markers associated with morphological traits in cultivated alfalfa (Medicago sativa L.) populations. Journal Cellular and Molecular Researches (Iranian Journal of Biology), 27(3), PP: 260-267. (In Persian).
  3. Ahmadpour, S., Sofalian, O., Darvishzadeh, R., and Abbaspour., N., 2018. Preliminary evidence of the associations between DNA markers and morphological characters in sunflower under natural and salt stress conditions. Zemdirbyste-Agriculture, 105 (3), PP: 279-286.
  4. Ahmadpour, S., Sofalian, O., and Darvishzadeh, R., 2018. Genetic diversity of oily sunflower lines under normal and salt stress conditions using multivariate statistical analysis methods. Iranian Journal of Field Crop Science, 48 (2), PP: 399-411. (In Persian).
  5. Anonymous, 2012. Annual Report. Iranian Vegtable Oil Industry Association.
  6. Arteaga, S., Yabor, L., Díez, M.J., Prohens, J., Monica Boscaiu, M., and Oscar Vicente, O., 2020. The Use of Proline in Screening for Tolerance to Drought and Salinity in Common Bean (Phaseolus vulgaris L.) Genotypes. Agronomy, 10(6), 817 p. https://doi.org/10.3390/agronomy10060817.
  7. Barik, S.R., Pandit, E., Mohanty, S.P., Nayak, D.K., and Pradhan, S.K., 2020. Genetic mapping of physiological traits associated with terminal stage drought tolerance in rice. BMC Genetics, 21, 76 p. https://doi.org/10.1186/s12863-020-00883-x.
  8. Bhargavi, B., Kalpana, K., and Reddy, J.K., 2017. Influence of water stress on morphological and physiological changes in Andrographis paniculata, International Journal of Pure and Applied Bioscience, 5(6), PP: 1550–1556. http://dx.doi.org/10.18782/2320-7051.5932.
  9. Carvalho, V.P., Ruas, C.F., Ferreira, J.M., Moreira, R.M.P., and Ruas, P.M., 2004. Genetic diversity among maize (Zea mays L.) landraces assessed by RAPD markers. Genetics and Molecular Biology, 27(2), PP: 228-236.
  10. Darbani, S.P., Mehrabi, A.A., Pordad, S.S, Maleki, A., and Farshadfar, M., 2020. Effect of drought stress on agromorphological traits in sunflower (Helianthus annuus L.) genotypes and identification of informative ISSR markers, Plant Genetic Resources: Characterization and Utilization, PP: 1–14. https://doi.org/10.1017/S1479 26212000 00 40.
  11. Dadras, A.R., Samizadeh, H., and Sabouri, H., 2017. Validation of Candidate Markers Drought Tolerance in Soybean Genotypes under Normal and Drought Stress Condition. Journal of Crop Breeding, 9( 22), PP: 1-13. (In Persian).
  12. Darvishzadeh, R., Maleki, H.H., and Sarrafi, A., 2011. Path analysis of the relationships between yield and some related traits in diallel population of sunflower (Helianthus annuus L.) under well-watered and water-stressed conditions, Australian Journal of Crop Science, 5(6), PP: 674-680.
  13. Dehmer, K.J., and Friedt, W., 1998. Development of molecular markers for high oleic acid content in sunflower (Helianthus annuus L.). Industrial Crops and Products, 7, PP: 311–315.
  14. Doyle, J.J., and Doyle, J.L., 1990. Isolation of plant DNA from fresh tissue. Focus, 12, PP:13-15.
  15. Du, W.J., Wang, M., Fu, S.X., and Yu, D.Y., 2009. Mapping QTL for seed yield and drought susceptibility index in soybean (Glycine max L.) across different environments. Journal of Genetics and Genomics, 36(12), PP: 721–731.
  16. Evanno, G., Regnaut, S., and Goudet, J., 2005. Detecting the number of clusters of individuals using the software STRUCTURE: a simulation study. Molecular ecology, 14, PP: 2611-2620. https://doi.org/10.1111/j.1365-294X.2005.02553.x.
  17. FAO, 2017. FAO web site. From www.fao.org.
  18. FAO, 2012. FAO web site. From www.fao.org.
  19. Fereres, E., Gimenez, C., and Fernandez, J.M., 1986. Genetic variability in sunflower cultivars under drought. I. Yield relationships, Australian Journal of Agricultural Research, 37(6), PP: 573–582.
  20. Fernandez, O., Urrutia, M., Berton, T., Bernillon, S., Deborde, C., Jacob, D., Maucourt, M., Maury, P., Durufé, H., Gibon1, Y., Langlade, N.B., and Moing, A., 2019. Metabolomic characterization of sunfower leaf allows discriminating genotype groups ors tress levels with a minimal set of metabolic markers. Metabolomics, 15, 56 p. https ://doi.org/10.1007/s1130 6-019-1515-4.
  21. Gbadegesin, M.A, and Beeching, J.R., 2010. Enhancer/Suppressor mutator (En/Spm)-like transposable elements of cassava (Manihot esculenta) are transcriptionally inactive. Genetics and Molecular Research, 9(2), PP: 639-650.
  22. Ghaffari, M., Toorchi, M., Valizadeh, M., and Shakiba, M.R., 2012. Morphp-physiological screening of sunflower inbred lines under drought stress condition, Turkish Journal of Field Crops, 17(2), PP: 185-190.
  23. Hossain, M.I., Khatun, A., Talukder, M.S.A., Dewan, M.M.R., and Uddin, M.S., 2010. Effect of drought on physiology and yield contributing characters of sunflower. Bangladesh Agricultural Research Unit (BARI), 35, PP: 113-124.
  24. Hongtrakul, V., Huestis, G.M., and Knapp, S.J., 1997. Amplified fragment length polymorphisms as a tool for DNA fingerprinting sunflower germplasm: genetic diversity among oilseed inbred lines. Theoretical and Applied Genetics, Volume 95, PP: 400–407. https://doi.org/10.1007/s001220050576.
  25. Jannink J.L., and Walsh, B., 2002. Association mapping in plant populations. In: Kang, M.S. (ed.), Quantitative Genetics. Genomics and Plant Breeding, CAB International, PP: 59-68.
  26. Jannatdoust, M., Darvishzadeh, R., Azizi, H., Ebrahimi,M.A., Ziaeifard, R., and Gholinezhad, E., 2015. Identification of Retrotransposon Markers Associated with Agromorphological Traits in Confectionery Sunflower (Helianthus annuus L.) under Normal and Drought Stress Conditions. Journal of Crop Breeding, 8(20), PP:183-197.
  27. Jiang, G.L., 2013. Molecular markers and marker-assisted breeding in plants. In: Andersen SB, editor. Plant breeding from laboratories to fields, Edited by Sven Bode Andersen, PP: 45–83.
  28. Kalendar, R., Flavell, A.J., Ellis, T.H.N., Sjakste, T., Moisy, C., and Schulman, A.H., 2011. Analysis of plant diversity with retrotransposon-based molecular markers. Heredity, (Edinb) 106, PP: 520-530.
  29. Kalendar, R., Grob, T., Regina, M., Suoniemi, A., and Schuman, A., 1999. IRAP and REMAP: two new retrotransposon-based DNA fingerprinting techniques. Theoretical and Applied Genetics, 98(5), PP:704–711.
  30. Kebriyaee, D., Kordrostami, M., Rezadoost, M.H., and Lahijl, H.S., 2012. QTL analysis of agronomic traits in rice using SSR and AFLP markers. Notulae Scientia Biologicae, 4 (2), PP: 116–123.
  31. Khajehpour, M., 1991. Production of industrial plants, Jihad Daneshgahi Publications, Isfahan University of Technology, 251 p. (In Persian).
  32. Liu, A., and Burke J.M., 2005. Patterns of nucleotide diversity in wild and cultivated sunflower. Genetics Society of America, 173, PP: 321-330. DOI: 10.1534/genetics.105.051110.
  33. Merah, O., Langlade, N., Alignan, M., Roche, J., Pouilly, N., Lippi, Y, Vear, F., Cerny, M., Bouniols, A., Mouloungui, Z., and Vincourt, P., 2012. Genetic analysis of phytosterol content in sunflower seeds. Theoretical and Applied Genetics, 125, PP: 1589–1601. DOI 10.1007/s00122-012-1937-0.
  34. Mohamed, H.I., Akladious, S.A., and Ashry, N.A., 2018. Evaluation of Water Stress Tolerance of Soybean Using Physiological Parameters and Retrotransposon-Based Markers. Gesunde Pflanzen, 70(4), PP: 205–215. https://doi.org/10.1007/s10343-018-0432-1
  35. Mora, F., Quitral, Y.A., Matus, I., Russell, J., Waugh, R., and del Pozo, A., 2016. SNP-based QTL mapping of 15 complex traits in barley under rain-fed and well-watered conditions by a mixed modeling approach. Frontiers in Plant Science, 7, 909 p. doi: 10.3389/fpls.2016.00909.
  36. Najafzadeh, R., Darvishzadeh, R., Musa-Khalifani, K.H., and Abrinbana, M., 2016. Identification of retrotransposon-based (IRAP) loci associated with resistance to Sclerotinia stem rot disease (Sclerotinia spp.) in sunflower, Journal of Agricultural Biotechnology, 8(3), 113 p. (In Persian).
  37. Nezhadahmadi, A., Prodhan, Z.H., and Faruq, G., 2013. Drought tolerance in wheat. The Scientific World Journal, 2013, PP: 1–12. http://dx.doi.org/10.1155/2013/610721.
  38. 38. Perrier, X., and Jacquamoud-collect, J.P., 2006. DARWin software .htt://Darwin.cirad.ir.
  39. Poormohammad Kiani, S., Maury, P., Nouri, L., Ykhlef, N., Grieu, P., and Sarrafi, A., 2020. QTL analysis of yield-related traits in sunflower under different water treatments, Plant Breeding, 128 (4), PP: 363-373.
  40. Rasoulzadeh Aghdam, M., Darvishzadeh, R., Sepehr, E., and Alipour, H., 2020. Evaluation of the response of oilseed sunflower pure lines (Helianthus annuus L.) under phosphorus deficiency condition, Journal of Crop Breeding, 12(33), PP: 202-214. (In Persian).
  41. Rauf, S., and Sadaqat, H.A., 2008. Identification of physiological traits and genotypes combined to high achene yield in sunflower (Helianthus annuus L.) under contrasting water regimes, Australian Journal of Crop Science, 1(1), PP: 23-30.
  42. Ren, H., Han, J., Wang, X., Zhang, B., Yu, L., Gao, H., Hong, H., Sun, R., Tian, Y., Qi, X., Liu, Z., Wu, X., and Qiu, L.J., 2020. QTL mapping of drought tolerance traits in soybean with SLAF sequencing, The Crop Journal, 8 (6), PP: 977-989. https: //doi.org /10.1016/j. cj.2020. 04.004.
  43. Saitou, N., and Nei, M., 1987. The neighbor-joining method: a new method for construction phylogenetic tree. Molecular Biology and Evolution, 4(4), PP: 406-425.
  44. Seiler, G.J., and Guly, T.J., 2016. Sunflower: Overview, USDA-ARS, Northern Crop Science Laboratory, Fargo, ND, USA, Encyclopedia of Food Grains, Second Edition DOI: 10.1016/B978-0-08-100596-5.00027-5.
  45. Shirmohammadli, S., Sabouri, H., Ahangar, L., Ebadi, A.A., and Sajadi, S.J., 2018. Genetic Diversity and Association Analysis of Rice Genotypes for Grain Physical Quality Using iPBS, IRAP, and ISSR Markers, Journal Genet Resour, 4(2), PP: 122-129.
  46. Solano Solis, J., Morales Ulloa, D., and Anabalón Rodríguez, L., 2007. Molecular description and similarity relationships among native germplasm potatoes (Solanum tuberosum ssp. tuberosum L.) using morphological data and AFLP markers, Electronic Journal of Biotechnology, (online), 10(3), PP: 436-443. ISSN 0717-3458.
  47. Skirycz, A., Vandenbroucke, K., Clauw, P., Maleux, K., De Meyer, B., Dhondt, S., Pucci, A., Gonzalez, N., Hoeberichts, F., Tognetti, V.B., Galbiati, M., Tonelli, C., Van Breusegem, F., Vuylsteke, M., and Inzé, D., 2011. Survival and growth of Arabidopsis plants given limited water are not equal. Nature Biotechnology, 29, PP: 212-214. https://doi.org/10.1038/nbt.1800
  48. 48. Yao, Y., You, Q., Duan, G., Ren, J., Chu, S., Zhao, J., Li, X., Zhou, X., and Jiao, Y., 2020. Quantitative trait loci analysis of seed oil content and composition of wild and cultivated soybean. BMC Plant Biology, volume 20 (51). https ://doi.org/10.1186/ s 12870-019-2199-7.
  49. Yu, J., Pressoir, G., Briggs, W.H., Vroh Bi, I., Yamasaki, M., Doebley, J.F., McMullen, M.D., Gaut, B.S., Nielsen, D.M., Holland, J.B., Kresovich, S., and Buckler, E.S., 2006. A unified mixed-model method for association mapping that accounts for multiple levels of relatedness. Nature Genetics, 38(2), PP: 203-208.
  50. Yu, J., and Buckler, E.S., 2006. Genetic association mapping and genome organization of maize, Current Opinion in Biotechnology, 17(2), PP: 155-160.
  51. Yue, B., Cai, X., Vick, B.A., and Hu, J., 2009. Genetic diversity and relationships among 177 public sunflower inbred lines assessed by TRAP markers. Crop Science, 49, PP: 1242-1249. https://doi.org/10.2135/cropsci2008.08.0471
  52. Zamani, N., Mirzaei, K., and Zamani, W., 2018. Evaluation of genetic diversity in several populations of medicinal Milk thistle using molecular marker. Journal Cellular and Molecular Researches (Iranian Journal of Biology), 31(2), PP: 210-221. (In Persian).
  53. Xu, W., Subudhi, P.K., Crasta, O.R., Rosenow, D.T., Mullet, J.E., and Nguyen, H.T., 2000. Molecular mapping of QTLs conferring stay-green in grain sorghum (Sorghum bicolor L. Moench). Genome, 43(3), PP: 461-469.
  54. Zhao, J.H., and Zhou, M.F., 2007. Neoproterozoic adakitic plutons and arc magmatism along the western margin of the Yangtze Block, South China, The Journal of Geology, 115(6), PP: 675-689.
پژوهش‌های سلولی و مولکولی (مجله زیست شناسی ایران)
دوره 36، شماره 4
دی 1402
صفحه 343-357
  • تاریخ دریافت: 09 مرداد 1400
  • تاریخ بازنگری: 26 آذر 1400
  • تاریخ پذیرش: 18 خرداد 1401