Влияние внесения различных доз известкового мелиоранта в почву на картирование QTL у яровой мягкой пшеницы (Triticum aestivum L.)

Обложка

Цитировать

Полный текст

Аннотация

В работе впервые проведено картирование локусов количественных признаков (QTL, quantitative trait loci) у яровой мягкой пшеницы (Triticum aestivum L.) при внесении в почву различных доз известкового мелиоранта – сыромолотого доломита в полевых условиях с целью выявления и идентификации генетических детерминант, определяющих эколого-генетическое взаимодействие “генотип–среда” у рекомбинантных инбредных линий этой культуры. В результате проведенных исследований было оценено 29 хозяйственно ценных признаков и в общей сложности картировано 150 QTL. Достоверность взаимосвязи между идентифицированными QTL и полиморфизмом по каждому изученному признаку устанавливали на основе пороговых значений отношения правдоподобия логарифма шансов LOD-score (logarithm of odds). Установлено, что при внесении в почву половинной и полной доз мелиоранта QTL, определяющие проявление 14 изученных признаков меняли свое местоположение на группах сцепления в зависимости от внесенной дозы сыромолотого доломита, а QTL 15 признаков оставались стабильными и не меняли установленную в экспериментах локализацию на хромосомах. Проведенные корреляционный и однофакторный дисперсионный анализы позволили установить характер сопряженности связи между признаками и дозой внесенного известкового мелиоранта. При проведении математических расчетов применяли критерий максимального правдоподобия и статистические критерии оценки значимости результатов. Полученные результаты представляют интерес для последующего изучения эколого-генетических механизмов реализации изученных признаков и управления ростом, развитием и продуктивностью у яровой мягкой пшеницы, и установления триггерных механизмов действия мелиоранта на физиологическое состояние растений.

Об авторах

Ю. В. Чесноков

Агрофизический научно-исследовательский институт

Автор, ответственный за переписку.
Email: yuv_chesnokov@agrophys.ru
Россия, 195220, Санкт-Петербург

М. А. Фесенко

Агрофизический научно-исследовательский институт

Email: yuv_chesnokov@agrophys.ru
Россия, 195220, Санкт-Петербург

А. И. Иванов

Агрофизический научно-исследовательский институт

Email: yuv_chesnokov@agrophys.ru
Россия, 195220, Санкт-Петербург

Д. В. Русаков

Агрофизический научно-исследовательский институт

Email: yuv_chesnokov@agrophys.ru
Россия, 195220, Санкт-Петербург

Н. В. Кочерина

Агрофизический научно-исследовательский институт

Email: yuv_chesnokov@agrophys.ru
Россия, 195220, Санкт-Петербург

У. Ловассер

Лейбниц-Институт генетики растений и исследования возделываемых культур

Email: yuv_chesnokov@agrophys.ru
Германия, 06466, Гатерслебен

А. Бёрнер

Лейбниц-Институт генетики растений и исследования возделываемых культур

Email: yuv_chesnokov@agrophys.ru
Германия, 06466, Гатерслебен

Список литературы

  1. Paterson A.H., Damon S., Hewitt J.D. et al. Mendelian factors underlying quantitative traits in tomato: comparison across species, generations, and environments // Genetics. 1991. V. 127. P. 181–197. https://doi.org/10.1093/genetics/127.1.181
  2. Stuber C.W., Lincoln S.E., Wolff D.W. et al. Identification of genetic factors contributing to heterosis in hybrid from two elite maize inbred using molecular marker // Genetics. 1992. V. 132. P. 823–839. https://doi.org/10.1093/genetics/132.3.823
  3. Allard R.W. History of plant population genetics // Ann. Rev. Genet. 1999. V. 33. P. 1–27.
  4. Börner A., Schumann E., Furste A. et al. Mapping of quantitative trait loci determining agronomic important characters in hexaploid wheat // Theor. Appl. Genet. 2002. V. 105. P. 921–936. https://doi.org/10.1007/s00122-002-0994-1
  5. Чесноков Ю.В., Почепня Н.В., Бёрнер А. и др. Эколого-генетическая организация количественных признаков растений и картирование локусов, определяющих агрономически важные признаки у мягкой пшеницы // Доклады Академии наук. 2008. Т. 418. № 5. С. 693–696.
  6. Чесноков Ю.В., Гончарова Э.А., Почепня Н.В. и др. Идентификация и картирование QTL физиолого-агрономических признаков яровой мягкой пшеницы (Triticum aestivum L.) в градиенте доз азотного питания // Сельскохозяйственная биология. 2012. № 3. С. 47–60.
  7. Чесноков Ю.В., Мирская Г.В., Канаш Е.В. и др. Идентификация и картирование QTL у яровой мягкой пшеницы (Triticum aestivum L.) в контролируемых условиях агроэкобиополигона в отсутствии и при внесении азотного удобрения // Физиология растений. 2018. Т. 65. № 1. С. 52–65. https://doi.org/10.7868/S0015330318010062
  8. Артемьева А.М., Соловьева А.Е., Кочерина Н.В. и др. ДНК-маркированные линии двойных гаплоидов Brassica rapa L. и идентифицированные QTL, контролирующие хозяйственно ценные признаки для использования в селекции листовых капустных культур // Каталог мировой коллекции ВИР. Вып. 810. СПб: ВИР, 2012. 174 с.
  9. Egorova K.V., Sinyavina N.G., Artemyeva A.M. et al. QTL analysis of the content of some bioactive compounds in Brassica rapa L. grown under light culture conditions // Horticulturae. 2021. V. 7(12). P. 583. https://doi.org/10.3390/horticulturae7120583
  10. Филатенко А.А., Шитова И.П. Широкий унифицированный классификатор СЭВ рода Triticum L. Л.: ВИР, 1989. 44 с.
  11. Nelson J.C. QGENE: Software for mapping–based genomic analysis and breeding // Mol. Bred. 1997. V. 3. P. 239–245. https://doi.org/10.1023/A:1009604312050
  12. Kosambi D.D. The estimation of map distances from recombination values // Ann. Eugen. 1944. V. 12. P. 172–175. https://doi.org/10.1111/j.1469-1809.1943
  13. Ganal M.D., Röder M.S. Microsattelite and SNP markers in wheat breeding // Genomics Assisted Crop Improvement: Genomics Applications in Crops / Eds Varshney R.K., Tuberosa R. Dordrecht, Germany: Springer, 2007. V. 2. P. 1–24.
  14. Morton N.E. Sequential test for the detection of linkage // Am. J. Hum. Genet. 1955. V. 7. P. 277–318.
  15. Liu B.H. Statistical Genomics: Linkage, Mapping, and QTL Analysis. London, New York, Washington: CRC Press, 1998. 611 p.
  16. Кочерина Н.В., Артемьева А.М., Чесноков Ю.В. Использование лод-оценки в картировании локусов количественных признаков у растений // Докл. РАСХН. 2011. № 3. С. 14–17.
  17. Lander E.S., Botstein D. Mapping Mendelian factors underlying quantitative traits using RFLP linkage maps // Genetics. 1989. V. 129. P. 185–199. https://doi.org/10.1093/genetics/121.1.185
  18. Лакин Г.Ф. Биометрия. М.: “Высшая школа”, 1990. 352 с.
  19. Фишер Р.Э. Статистические методы для исследователей. М.: Гоcстатиздат, 1958. 267 с.
  20. Дубенок Н.Н. Состояние и перспективы развития мелиорации земель в Российской Федерации // Мелиорация и водное хозяйство. 2017. № 2. P. 27–31.
  21. Сычев В.Г., Аканова Н.И. Современные проблемы и перспективы химической мелиорации кислых почв // Плодородие. 2019. № 1(106). P. 3–7. https://doi.org/10.25680/S19948603.2019.106.01
  22. Иванов И.А., Иванов А.И., Цыганова Н.А. Изменение свойств подзолистых и дерново-подзолистых почв на песчаных породах при окультуривании // Почвоведение. 2004. № 4. С. 489–499.
  23. Иванов А.И., Иванова Ж.А., Воробьёв В.А., Цыганова Н.А. Агроэкологические последствия длительного применения дефицитных систем удобрения на хорошо окультуренных дерново-подзолистых почвах // Агрохимия. 2016. № 4. С. 10–17.
  24. Иванов А.И., Янко Ю.Г. Мелиорация как необходимое средство развития сельского хозяйства нечерноземной зоны России // Агрофизика. 2019. № 1. С. 67–78. https://doi.org/10.25695/AGRPH.2019.01.09
  25. Сычев В.Г., Шафран С.А., Виноградова С.Б. Плодородие почв России и пути его регулирования // Агрохимия. 2020. № 6. С. 3–13. https://doi.org/10.31857/S0002188120060125
  26. Литвинович А.В., Ковлева А.О., Хомяков Ю.В. и др. Сортовая реакция яровой пшеницы на известкование при различных уровнях азотного питания // Агрохимия. 2017. № 5. С. 78–85.
  27. Litvinovich A., Pavlova O., Lavrishchev A. et al. Dynamics of soil pH after utilization of by-products of industrial rock processing as a calcareous material in acid soils // Com. Soil Sci. Plant Anal. 2021. V. 52. P. 93–101. https://doi.org/10.1080/00103624.2020.1849267
  28. Abate E., Hussien S., Laing M., Mengistu F. Aluminium toxicity tolerance in cereals: Mechanisms, genetic control and breeding methods // African J. Agricul. Res. 2013. V. 8(9). P. 711–722. https://doi.org/10.5897/AJARx12.003
  29. Gupta N., Gaurav S.S., Kumar A. Molecular basis of aluminium toxicity in plants: a review // Am. J. Plant Sci. 2013. V. 4. P. 21–37. https://doi.org/10.4236/ajps.2013.412A3004
  30. Ryan P.R. Assessing the role of genetics for improving the yield of Australia’s major grain crops on acid soils // Crop Past. Sci. 2018. V. 69. P. 242–264. https://doi.org/10.1071/cp17310
  31. Kochian L.V., Piñeros M.A., Liu J., Magalhaes J.V. Plant adaptation to acid soils: The molecular basis for crop aluminum resistance // Ann. Rev. Plant Biol. 2015. V. 66. P. 571–598. https://doi.org/10.1146/annurev-arplant-043014-114822
  32. Li Q., Li A., Yu X., Dai T. et al. Soil acidification of the soil profile across Chengdu Plain of China from the 1980s to 2010s // Sci. Total Env. 2020. V. 698. 134320. https://doi.org/10.1016/j.scitotenv.2019.134320
  33. Чесноков Ю.В., Мирская Г.В., Канаш Е.В. и др. Картирование QTL у яровой мягкой пшеницы (Triticum aestivum L.) в контролируемых условиях агроэкобиополигона // Физиология растений. 2017. Т. 64. № 1. С. 55–68. https://doi.org/10.7868/S0015330316060026
  34. Усков И.Б., Якушев В.П., Чесноков Ю.В. Управление агробиологическими системами – физико-агрономические и генетико-селекционные аспекты (к 85-летию Агрофизического научно-исследовательского института) // Сельскохозяйственная биология. 2017. Т. 52. № 3. С. 429–436. https://doi.org/10.15389/agrobiology.2017.3.429rus
  35. Чесноков Ю.В. Управление продукционным процессом посредством агрофизических, физиологических и молекулярно-генетических методов в системе точного земледелия // Матер. II Междунар. науч. конф. “Тенденции развития агрофизики: от актуальных проблем земледелия и растениеводства к технологиям будущего”, посвященной памяти академика Е.И. Ермакова. СПб, 2–4 октября 2019. СПб: ФГБНУ АФИ. 2019. С. 8–19.
  36. Чесноков Ю.В. QTL-анализ и управление продуктивностью растений в системе точного земледелия // Овощи России. 2020. № 4. С. 12–19. https://doi.org/10.18619/2072-9146-2020-4-12-19
  37. Чесноков Ю.В., Канаш Е.В., Мирская Г.В. и др. Картирование QTL-индексов диффузного отражения листьев яровой гексаплоидной пшеницы (Triticum aestivum L.) // Физиология растений. 2019. Т. 66. № 1. С. 46–57 https://doi.org/10.1134/S0015330319010044

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать

© Ю.В. Чесноков, М.А. Фесенко, А.И. Иванов, Д.В. Русаков, Н.В. Кочерина, У. Ловассер, А. Бёрнер, 2023

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».