ساختار ژنتیکی صفات زراعی لاین‌های جو (.Hordeum vulgare L) حاصل از تلاقی بادیا و کومینو

نوع مقاله : مقاله پژوهشی

نویسندگان

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

2 گروه فیزیک، دانشکده علوم پایه، دانشگاه گنبد کاووس، گنبد کاووس، ایران.

3 پژوهشکده آبزی پروری آبهای داخلی، موسسه تحقیقات علوم شیلاتی کشور، سازمان تحقیقات و ترویج کشاورزی، ایران.

10.22126/cbb.2026.13498.1131

چکیده

مقدمه: جو (Hordeum vulgare L.) از نظر سطح زیر کشت، پس از گندم، ذرت، برنج و سویا، به‌عنوان پنجمین محصول مهم در جهان شناخته می‌شود. این گیاه دیپلوئید با هفت کروموزوم، منبع مهمی برای تغذیه دام، مصرف انسانی و صنعت مالت‌سازی به‌شمار می‌رود. علی‌رغم مطالعات پیشین، اطلاعات محدودی در خصوص تنوع ژنتیکی ارقام ایرانی جو وجود دارد. هدف اصلی این تحقیق، نقشه‌یابی ژن‌های مؤثر بر صفات زراعی کلیدی در ۹۹ لاین نوترکیب هموزیگوت نسل F9  حاصل از تلاقی دو رقم بومی بادیا و کومینو بود تا زمینه‌ای برای اصلاح مبتنی بر نشانگر در برنامه‌های به‌نژادی جو فراهم گردد.
مواد و روش‌ها: این تحقیق در فصل زراعی 1402-1401 در مزرعه تحقیقاتی دانشگاه گنبد کاووس (استان گلستان، ایران) انجام شد. مواد گیاهی شامل ۹۹ لاین درون زاد نوترکیب(RIL)  از نسل F9 حاصل از تلاقی دو رقم بومی بادیا و کومینو بودند. آزمایش در قالب طرح  آلفا لاتیس با سه تکرار اجرا شد. سیزده صفت زراعی شامل ارتفاع بوته (PH)، تعداد سنبله در بوته (TNS)، وزن سنبله در بوته (TWS)، وزن یک سنبله (SPW)، طول سنبله (SL)، طول ریشک (AL)، وزن ریشک (AW)، وزن کل ریشک‌ها (TWA)، تعداد دانه در سنبله (GNS)، طول دانه (GL)، عرض دانه (GW)، وزن دانه در یک سنبله (GSW) و عملکرد دانه (YLD) اندازه‌گیری شدند.  برای ترسیم نقشه پیوستگی، از ۱۵۵ نشانگر SSR، ۲۰ نشانگر ISSR، ۷ نشانگر IRAP، ۳۰ نشانگر CAAT، ۲۶ نشانگر SCoT، ۹۰ نشانگر RAPD، ۷۳ نشانگر IJS و ۹۰ نشانگر iPBS استفاده شد. نقشه پیوستگی با استفاده از نرم‌افزار Map Manager QTX17، تابع کزامبی و آستانه  LOD برابر 5/2 ترسیم گردید.  مکان­یابیQTL ها با استفاده از نرم‌افزار  QTL.gCIMapping.GUI v2.0با روش مکان­یابی فاصله­ای مرکب (CIM) و آستانه LOD برابر 5/2 انجام گرفت.
مواد و روش‌ها: تجزیه واریانس داده­های حاصل از اندازه­گیری صفات نشان داد بین لاین‌ها از نظر همه صفات، تفاوت معنی‌داری وجود دارد. همبستگی‌های مثبت قوی بین ارتفاع بوته و وزن سنبله در بوته (714/0)، وزن یک سنبله (712/0)، طول سنبله  (793/0)، وزن دانه در یک سنبله  (711/0)، تعداد دانه در سنبله (806/0) و عملکرد دانه  (697/0) مشاهده شد. نقشه پیوستگی به طول 2/999 سانتی‌مورگان تشکیل شد که در هفت کروموزوم جو  بین 2/163 تا 3/191 سانتی‌مورگان متغیر بود. فاصله بین نشانگرها نیز در محدوده 84/1تا 85/2 سانتی‌مورگان بود. در مجموع 10 جایگاه ژنی (QTL) معنی‌دار بر روی کروموزوم‌های ۳، ۴، ۶ و ۷ شناسایی شد. از میان این نواحی،  QTLqTNS-4  با LOD برابر با 66/2 و % 86R² = دارای اثر افزایشی منفی منشأ گرفته از والد بادیا بود. همچنینQTL   qGNS-6 دارای اثرات افزایشی مثبت با LOD  برابر با 63/3 و % 58/21R² =  بود. ناحیه  qGL-3 با  LODبرابر با 40/4 و 04/25 R² =  دارای اثر منفی ناشی از والد کومینو شناسایی شد.  QTLهای qTWS-3 با LOD برابر با 74/3 و % 28/28 R² = و qYIELD-3  با LOD برابر با 68/3 و % 05/28 R² = نیز هر دو دارای اثرات منفی مثبت از والد کومینو بوده و بیش از 28 درصد از تغییرپذیری فنوتیپی را تبیین نمودند. علاوه­بر این، QTLهایqPH-4    با  LOD برابر با 47/3 و 76/21% R² = و   qAL-6 با LOD  برابر با 74/2 و % 55/21 R² = اثرات افزایشی مثبت نشان دادند.
یافته‌ها: تجزیه واریانس داده­های حاصل از اندازه­گیری صفات نشان داد بین لاین‌ها از نظر همه صفات، تفاوت معنی‌داری وجود دارد. همبستگی‌های مثبت قوی بین ارتفاع بوته و وزن سنبله در بوته (714/0)، وزن یک سنبله (712/0)، طول سنبله  (793/0)، وزن دانه در یک سنبله  (711/0)، تعداد دانه در سنبله (806/0) و عملکرد دانه  (697/0) مشاهده شد. نقشه پیوستگی به طول 2/999 سانتی‌مورگان تشکیل شد که در هفت کروموزوم جو  بین 2/163 تا 3/191 سانتی‌مورگان متغیر بود. فاصله بین نشانگرها نیز در محدوده 84/1تا 85/2 سانتی‌مورگان بود. در مجموع 10 جایگاه ژنی (QTL) معنی‌دار بر روی کروموزوم‌های ۳، ۴، ۶ و ۷ شناسایی شد. از میان این نواحی،  QTLqTNS-4  با LOD برابر با 66/2 درصد و 86R² = دارای اثر افزایشی منفی منشأ گرفته از والد بادیا بود. همچنینQTL   qGNS-6 دارای اثرات افزایشی مثبت با LOD  برابر با 63/3 و % 58/21R² =  بود. ناحیه  qGL-3 با  LODبرابر با 40/4 و 04/25 R² =  دارای اثر منفی ناشی از والد کومینو شناسایی شد.  QTLهای qTWS-3 با LOD برابر با 74/3 و % 28/28 R² = و qYIELD-3  با LOD برابر با 68/3 و % 05/28 R² = نیز هر دو دارای اثرات منفی مثبت از والد کومینو بوده و بیش از 28 درصد از تغییرپذیری فنوتیپی را تبیین نمودند. علاوه­بر این، QTLهایqPH-4    با  LOD برابر با 47/3 درصد و 76/21R² = و   qAL-6 با LOD  برابر با 74/2 و % 55/21 R² = اثرات افزایشی مثبت نشان دادند.
نتیجه‌گیری: مطالعه حاضر،­ مکان­های ژنی معنی­داری را برای صفات زراعی مهم در گیاه جو شناسایی کرده است. نشانگرهای EBmacc0009، D10-A، IJS25-A، HVM27، ET15-32-B، CAAT7-A و MGB371 که با این QTL های مهم در ارتباط هستند، پتانسیل بالایی برای بکارگیری در برنامه­های اصلاحی آینده جو دارند. همچنین لاین­های برتر 80، 95 و 96 به­عنوان منابع ژرم پلاسمی امیدوارکننده برای توسعه ارقام پرمحصول جو معرفی گردند. این یافته­ها یک چارچوب ژنتیکی اولیه و کارآمد را برای ارتقای اجزای عملکردی در جو از طریق اصلاحات هدفمند فراهم می­آورد.

کلیدواژه‌ها

موضوعات

عنوان مقاله [English]

Genetic stracture of agronomical traits in barley lines (Hordeum vulgare L.) caused Badia and Komino crosses

نویسندگان [English]

  • naeimeh vahedi 1
  • Hossein Sabouri 1
  • Fakhtak Taliei 1
  • Mehdi Asri 2
  • Zahra Pezeshkian 3
  • Hojjat Ghorbani Vaghiei 1
1 Department of Plant Production, Faculty of Agriculture and Natural Resources, Gonbad Kavous University, Gonbad Kavous, Iran.
2 Department of Physics, Faculty of Basic Sciences, Gonbad Kavous University, Gonbad Kavous, Iran.
3 Inland Aquaculture Research Institute, Iranian Fisheries Science Research Institute, Agricultural Research, Education and Extension Organization (AREEO), Iran.
چکیده [English]

Introduction: Barley (Hordeum vulgare L.) ranks as the fifth most important crop globally in terms of cultivated area, following wheat, maize, rice, and soybean. This diploid plant with seven chromosomes serves as a vital resource for animal feed, human consumption, and the malting industry. Despite previous studies, limited information exists regarding the genetic diversity of Iranian barley cultivars. The main objective of this research was to map genes affecting key agronomic traits in 99 homozygous recombinant inbred lines (RILs) of the F₉ generation derived from a cross between two local cultivars, Badia and Comino, to provide a foundation for marker-assisted breeding in barley improvement programs.
Materials and methods: This research was conducted during the 2022-2023 cropping season at the research farm of Gonbad Kavous University (Golestan Province, Iran). The plant materials consisted of 99 recombinant inbred lines (RILs) from the F₉ generation derived from a cross between two local cultivars, Badia and Comino. The experiment was carried out using an alpha-lattice design with three replications. Thirteen agronomic traits were measured, including plant height (PH), total number of spikes per plant (TNS), total weight of spikes per plant (TWS), single spike weight (SPW), spike length (SL), awn length (AL), awn weight (AW), total weight of awns (TWA), grain number per spike (GNS), grain length (GL), grain width (GW), grain weight per spike (GSW), and grain yield (YLD). For linkage map construction, 155 SSR markers, 20 ISSR markers, 7 IRAP markers, 30 CAAT markers, 26 SCoT markers, 90 RAPD markers, 73 IJS markers, and 90 iPBS markers were utilized. The linkage map was constructed using Map Manager QTX17 software with the Kosambi mapping function and a LOD threshold of 2.5. QTL mapping was performed using QTL.gCIMapping.GUI v2.0 software with the Composite Interval Mapping (CIM) method and a LOD threshold of 2.5.
Results: Analysis of variance for the measured traits revealed significant differences among the lines for all traits. Strong positive correlations were observed between plant height and total weight of spikes per plant (0.714), single spike weight (0.712), spike length (0.793), grain weight per spike (0.711), grain number per spike (0.806), and grain yield (0.697). The linkage map spanned a total length of 999.2 cM, distributed across seven barley chromosomes ranging from 163.2 to 191.3 cM. The inter-marker distance ranged from 1.84 to 2.85 cM. A total of 10 significant QTLs were identified on chromosomes 3, 4, 6, and 7. Among these regions, qTNS-4 with a LOD of 2.66 and R² = 8.86% exhibited a negative additive effect originating from the Badia parent. Additionally, qGNS-6 showed positive additive effects with a LOD of 3.63 and R² = 21.58%. The qGL-3 region was identified with a LOD of 4.40 and R² = 25.04%, displaying a negative effect derived from the Comino parent. The QTLs qTWS-3 with a LOD of 3.74 and R² = 28.28%, and qYIELD-3 with a LOD of 3.68 and R² = 28.05%, both exhibited positive additive effects from the Comino parent and explained more than 28% of the phenotypic variation. Furthermore, qPH-4 with a LOD of 3.47 and R² = 21.76%, and qAL-6 with a LOD of 2.74 and R² = 21.55% demonstrated positive additive effects.
Conclusion: The present study identified significant genomic loci for important agronomic traits in barley. The markers EBmacc0009, D10-A, IJS25-A, HVM27, ET15-32-B, CAAT7-A, and MGB371, which are associated with these important QTLs, possess high potential for application in future barley breeding programs. Additionally, the superior Lines 80, 95, and 96 were introduced as promising germplasm resources for developing high-yielding barley cultivars. These findings provide a preliminary and efficient genetic framework for improving yield components in barley through targeted breeding approaches.

کلیدواژه‌ها [English]

  • Barley (Hordeum vulgare L.)
  • Agronomic traits
  • QTL mapping
  • Marker-assisted selection
  • RIL population

مراجع

Arendt, E.K., & Zannini, E. 2013. Cereal grains for the food and beverage industries. A volume in Woodhead Publishing Series in Food Science, Technology and Nutrition.
Assefa, A., Girmay, G., Alemayehu, T., & Lakew, A. 2021. Performance evaluation and stability analysis of malt barley (Hordeum vulgare L.) varieties for yield and quality traits in Eastern Amhara, Ethiopia. CABI Agriculture and Bioscience, 2, 31. https://doi.org/10.1186/s43170-021-00051-w
Billah, M., Aktar, S., Brestic, M., Zivcak, M., Khaldun, A.B. M., Uddin, M. S., Bagum, S. A., Yang, X., Skalicky, M., Mehari, T. G., Maitra, S., & Hossain, A. 2021. Progressive genomic approaches to explore drought- and salt-induced oxidative stress responses in plants under changing climate. Plants, 10(9), 1910. https://doi.org/10.3390/plants10091910
Bohar, R., Chitkineni, A., & Varshney, R.K. 2020. Genetic molecular markers to accelerate genetic gains in crops. BioTechniques, 69, 158-160. https://doi.org/10.2144/btn-2020-0066
Boronnikova, S.V., & Kalendar, R.N. 2010. Using IRAP markers for analysis of genetic variability in populations of resource and rare species of plants. Russian Journal of Genetics, 46, 36-42. https://doi.org/10.1134/S1022795410010060
Capo-chichi, L.J.A., Eldridge, S., Elakhdar, A., Kubo, T., Brueggeman, R., & Anyia, A.O. 2021. QTL mapping and phenotypic variation for seedling vigour traits in barley (Hordeum vulgare L.). Plants, 10, 1149. https://doi.org/10.3390/plants10061149
Chen, B., Hou, Y., Huo, Y., Zeng, Z., Hu, D.-Y., Mao, X., Li, J., & Wang, Y. 2024. QTL mapping of yield, agronomic, and nitrogen-related traits in barley (Hordeum vulgare L.) under low nitrogen and normal nitrogen treatments. Plants, 13, 2137. https://doi.org/10.3390/plants13152137
Collard, B.C.Y., & Mackill, D.J. 2009. Start codon targeted (SCoT) polymorphism: a simple, novel DNA marker technique for generating gene-targeted markers in plants. Plant Molecular Biology Reporter, 27, 86-93. https://doi.org/10.1007/s11105-008-0060-5
Graner, A., Jahoor, A., Schondelmaier, J., Siedler, H., Pillen, K., Fischbeck, G., Wenzel, G., & Herrmann, R.G. 1991. Construction of an RFLP map of barley. Theoretical and Applied Genetics, 83, 250-256. https://doi.org/10.1007/BF00226259
Ghomi, K., Rabiei, B., Sabouri, H., Alamdari, G. E. 2021 . Association analysis, genetic diversity and population structure of barley (Hordeum vulgare L.) under heat stress conditions using SSR and ISSR markers linked to primary and secondary metabolites. Molecular Biology Reporter 48, 6673–6694 (2021). https://doi.org/10.1007/s11033-021-06652-y
Jabbari, M., Fakheri, B.A., Aghnoum, R., Mahdi Nezhad, N., & Ataei, R. 2018. GWAS analysis in spring barley (Hordeum vulgare L.) for morphological traits exposed to drought. PLoS ONE, 13, e0204952. https://doi.org/10.1371/journal.pone.0204952
 
Jafary, H., Szabo, L.J., & Niks, R.E. 2006. Innate nonhost immunity in barley to different heterologous rust fungi is controlled by sets of resistance genes with different and overlapping specificities. Molecular Plant-Microbe Interactions, 19, 1270-1279. https://doi.org/10.1094/MPMI-19-1270
Kalendar, R., Grob, T., Regina, M., Suoniemi, A., & Schulman, A.H. 1999. IRAP and REMAP: two new retrotransposon-based DNA fingerprinting techniques. Theoretical and Applied Genetics, 98, 704-711. https://doi.org/10.1007/s001220051124
Kleinhofs, A., Kilian, A., Saghai Maroof, M.A., Biyashev, R.M., Hayes, P., Chen, F.Q., Lapitan, N., Fenwick, A., Blake, T.K., Kanazin, V., Ananiev, E., Dahleen, L., Kudrna, D., Bollinger, J., Knapp, S.J., Liu, B., Sorrells, M., Heun, M., Franckowiak, J.D., Hoffman, D., Skadsen, R., & Steffenson, B.J. 1993. A molecular, isozyme and morphological map of the barley (Hordeum vulgare) genome. Theoretical and Applied Genetics, 86, 705-712. https://doi.org/10.1007/BF00224260
Koochakpour Z, Solouki M, Fakheri B A, Aghnoum R, Mahdi Nezhad N, Jabbari M. 2021. Identification of genomic loci controlling phenologic and morphologic traits in barley (Hordeum vulgare L.) genotypes using association analysis. Iranian Journal of Crop Sciences, 22(4), 291-304. https://doi.org/10.52547/abj.22.4.291. [In Persian]
Kosová, K., Vítámvás, P., Klíma, M., & Prášil, I.T. 2019. Breeding drought-resistant crops: G×E interactions, proteomics and pQTLs. Journal of Experimental Botany, 70, 2605-2608. https://doi.org/10.1093/jxb/erz116
Li, J.Z., Sjakste, T.G., Röder, M.S., & Ganal, M.W. 2003. Development and genetic mapping of 127 new microsatellite markers in barley. Theoretical and Applied Genetics, 107, 1021-1027. https://doi.org/10.1007/s00122-003-1345-6
Manly, K.F., & Olson, J.M. 1999. Overview of QTL mapping software and introduction to Map Manager QT. Mammalian Genome, 10, 327-334. https://doi.org/10.1007/s003359900997
Marcel, T.C., Varshney, R.K., Barbieri, M., Jafary, H., de Kock, M.J.D., Graner, A., & Niks, R.E. 2007. A high-density consensus map of barley to compare the distribution of QTLs for partial resistance to Puccinia hordei and of defence gene homologues. Theoretical and Applied Genetics, 114, 487-500. https://doi.org/10.1007/s00122-006-0447-3
Mohammadi, S.A., & Prasanna, B.M. 2003. Analysis of genetic diversity in crop plants: principles, techniques and applications. Crop Science, 43, 1235-1245. https://doi.org/10.2135/cropsci2003.1235
Qi, X., Stam, P., & Lindhout, P. 1998. Use of locus-specific AFLP markers to construct a high-density molecular map in barley. Theoretical and Applied Genetics, 96, 376-384. https://doi.org/10.1007/s001220050752
Ramsay, L., Macaulay, M., degli Ivanissevich, S., MacLean, K., Cardle, L., Fuller, J., Edwards, K.J., Tuvesson, S., Morgante, M., Massari, A., Maestri, E., Marmiroli, N., Sjakste, T., Ganal, M., Powell, W., & Waugh, R. 2000. A simple sequence repeat-based linkage map of barley. Genetics, 156, 1997-2005. https://doi.org/10.1093/genetics/156.4.1997
Reinert, S., Kortz, A., León, J., & Naz, A.A. 2016. Genome-wide association mapping in the global diversity set reveals new QTL controlling root system and related shoot variation in barley. Frontiers in Plant Science, 7, 1061. https://doi.org/10.3389/fpls.2016.01061
Rostoks, N., Mudie, S., Cardle, L., Russell, J., Ramsay, L., Booth, A., Svensson, J.T., Wanamaker, E.M., Hedley, P.E., Liu, H., Morris, J., Close, T.J., Marshall, D.F., & Waugh, R. 2005. Genome-wide SNP discovery and linkage analysis in barley based on genes responsive to abiotic stress. Molecular Genetics and Genomics, 274, 515-527. https://doi.org/10.1007/s00438-005-0046-z
Sato, K. 2020. History and future perspectives of barley genomics. DNA Research, 27, dsaa023. https://doi.org/10.1093/dnares/dsaa023
Singh, A.K., Rana, M.K., Singh, S., Kumar, S., Kumar, R., & Singh, R. 2014. CAAT box-derived polymorphism (CBDP): a novel promoter-targeted molecular marker for plants. Journal of Plant Biochemistry and Biotechnology, 23, 175-183. https://doi.org/10.1007/s13562-013-0224-3
Makhtoum, S., Sabouri, H., Gholizadeh, A., Ahangar, L., & Katouzi, M. 2022. QTLs controlling physiological and morphological traits of barley (Hordeum vulgare L.) seedlings under salinity, drought, and normal conditions. 3 Biotech, 12, 45. https://doi.org/10.1007/s13205-022-03134-2
Struss, D., & Plieske, J. 1998. The use of microsatellite markers for detection of genetic diversity in barley populations. Theoretical and Applied Genetics, 97, 308-315. https://doi.org/10.1007/s001220050900
Thiel, T., Michalek, W., Varshney, R.K., & Graner, A. 2003. Exploiting EST databases for the development of cDNA derived microsatellite markers in barley (Hordeum vulgare L.). Theoretical and Applied Genetics, 106, 411-422. https://doi.org/10.1007/s00122-002-1031-0
Varshney, R.K., Marcel, T.C., Ramsay, L., Russell, J., Röder, M.S., Stein, N., Waugh, R., Langridge, P., Niks, R.E., & Graner, A. 2007. A high density barley microsatellite consensus map with 775 SSR loci. Theoretical and Applied Genetics, 114, 1091-1103. https://doi.org/10.1007/s00122-007-0503-7
Wang, Q., Sun, G., Ren, X., Wang, J., Du, B., Li, C., & Sun, D. 2017. Detection of QTLs for seedling characteristics in barley (Hordeum vulgare L.) grown under hydroponic culture condition. BMC Genetics, 18, 94. https://doi.org/10.1186/s12863-017-0562-y
Wenzl, P., Li, H., Carling, J., Zhou, M., Raman, H., Paul, E., Hearnden, P., Maier, C., Xia, L., Caig, V., Ovesná, J., Cakir, M., Poulsen, D., Wang, J., Raman, R., Smith, K.P., Muehlbauer, G.J., Chalmers, K.J., Kleinhofs, A., Huttner, E., & Kilian, A. 2006. A high-density consensus map of barley linking DArT markers to SSR, RFLP and STS loci and agricultural traits. BMC Genomics, 7, 206. https://doi.org/10.1186/1471-2164-7-206
Zhang, Y.W., Wen, Y.J., Dunwell, J. M., & Zhang, Y.M. 2020. QTL.gCIMapping.GUI v2.0: An R software for detecting small-effect and linked QTLs for quantitative traits in bi-parental segregation populations. Computational and Structural Biotechnology Journal, 18, 59–65. https://doi.org/10.1016/j.csbj.2019.12.008

فایل ها

هم رسانی

ارجاع به این مقاله

آمار