بررسی تنوع ژنتیکی اکوتیپ‌های کرچک (Ricinius communis) با استفاده از نشانگر‌های ISSR

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانشجوی دکتری دانشگاه علوم کشاورزی و منابع طبیعی ساری

2 گروه اصلاح نباتات و بیوتکنولوژی گیاهی، دانشکده علوم زراعی، دانشگاه علوم کشاورزی و منابع طبیعی ساری

3 پژوهشکده ژنتیک و زیست فناوری کشاورزی طبرستان، دانشگاه علوم کشاورزی و منابع طبیعی ساری

4 گروه اصلدح نباتات و بیوتکنولوژی گیاهی، دانشکده علوم زراعی، دانشگاه علوم کشاورزی و منابع طبیعی ساری

چکیده

کرچک (Ricinus communis L.) یکی از قدیمی‌ترین گیاهان دارویی در جهان است. تعیین تنوع ژنتیکی گیاهان از جمله کرچک، نقش مهمی در شناسایی ژنوتیپ‌های برتر به منظور بهره‌برداری در برنامه‌های اصلاح نباتات دارد، بدین منظور تنوع و ارتباط ژنتیکی 22 اکوتیپ کرچک مورد بررسی قرار گرفت. از 26 نشانگر مورد استفاده، 19 نشانگر که بیشترین تعداد نوار‌های چند‌شکلی را تولید کردند، مورد استفاده قرار گرفت.این تعداد نشانگر در مجموع 188 نوار تولید کردند که 180 نوار چند‌شکل (58/95 درصد) بودند. بر‌اساس تجزیه خوشه‌ای، اکوتیپ‌ها در دو گروه قرار گرفتند. بیشترین شباهت بین اکوتیپ‌های 4 و 5 (جمع‌آوری شده از ساری) و کمترین شباهت بین اکوتیپ‌های 1 و 14 (ساری و بابلسر) مشاهده گردید. بیشترین شاخص تنوع ژنتیکی نی (H) و شاخص شانون (I) در گروه 2 که شامل 12 اکوتیپ بود، مشاهده شد. در بررسی ساختار ژنتیکی جمعیت‌ها با‌استفاده از نرم‌افزار STRUCTURE اکوتیپ‌ها به دو خوشه‌ی زیر‌جمعیتی تقسیم شدند. نتایج حاصل از تجزیه واریانس مولکولی نشان داد که 37 درصد از تغییرات ژنتیکی مربوط به تنوع بین اکوتیپ‌ها و 63 درصد مربوط به درون جمعیت‌های کرچک می‌باشد که می‌توان از آن در برنامه‌های به‌نژادی این گیاه استفاده کرد.

کلیدواژه‌ها

موضوعات

عنوان مقاله [English]

Investigation of Genetic Diversity in Castor (Ricinius communis) Ecotypes Using ISSR Markers

نویسندگان [English]

  • Sara Sharifi Soltani 1
  • Gholam Ali Ranjbar 2
  • Seyed kamal kazemitabar 2
  • Ali Pakdin-Parizi 3
  • Hamid Najafi Zarrini 4

1 Ph.D. student in plant breeding, Sari Agricultural Sciences and Natural Resources University (SANRU)

2 Dept. Plant Breeding and Plant Biotechnology, Faculty of Crop Sciences, Sari Agricultural Sciences and Natural Resources University (SANRU)

3 Genetics and agricultural Biotechnology Institute of Tabarestan- Sari Agricultural Sciences and Natural Resources university

4 Dept. Plant Breeding and Plant Biotechnology, Faculty of Crop Sciences, Sari Agricultural Sciences and Natural Resources University (SANRU)

چکیده [English]

Castor (Ricinius communis L.) is one of the oldest medicinal plants in the world. The assessment of genetic diversity in castor beans plays a vital role in identifying superior genotypes to use in plant breeding programs. For this reason, the diversity and genetic association of 22 castor ecotypes were investigated. Out of 26 screened primers, 19 primers that produced the most polymorphic bands were used. Totally, these primers generated 188 bands, of which 180 bands (95.58 %) were polymorphic. The studied ecotypes were divided into two separate group’s using cluster analysis. The highest similarity was observed between ecotypes 4 and 5 (collected from Sari) and the lowest similarity was observed between ecotypes 1 and 14 (Sari and Babolsar).The highest Nei's genetic diversity (H) and Shannon index (I) were observed in population No. 2 including 12 ecotypes. According to the genetic structure of populations performed by Structure software, ecotypes were divided into two subpopulation clusters. The molecular analysis of variance showed that 37% of genetic variation attributed to between group's and 63% to within group's, which can be used in its breeding programs.

کلیدواژه‌ها [English]

  • Genetic diversity
  • Cluster analysis
  • Population structure
  • ISSR marker

بررسی تنوع ژنتیکی اکوتیپ­های کرچک (Ricinus communis L.)

با استفاده از نشانگر ISSR

سارا شریفی سلطانی1، غلامعلی رنجبر1*، سید کمال کاظمی­تبار1، علی پاکدین پاریزی2 و حمید نجفی زرینی1

1 ایران، ساری، دانشگاه علوم کشاورزی و منابع طبیعی ساری، دانشکده علوم زراعی، گروه اصلاح نباتات و بیوتکنولوژی گیاهی

2 ایران، ساری، دانشگاه علوم کشاورزی و منابع طبیعی ساری، پژوهشکده ژنتیک و زیست فناوری طبرستان

تاریخ دریافت: 23/04/1400          تاریخ پذیرش: 07/09/1400

چکیده

کرچک (Ricinus communis L.) یکی از قدیمی­ترین گیاهان دارویی در جهان است. تعیین تنوع ژنتیکی گیاهان از جمله کرچک، نقش مهمی در شناسایی ژنوتیپ­های برتر بمنظور بهره­برداری در برنامه­های اصلاح نباتات دارد، بدین منظور تنوع و ارتباط ژنتیکی 22 اکوتیپ کرچک مورد بررسی قرار گرفت. از 26 نشانگر مورد استفاده، 19 نشانگر که بیشترین تعداد نوار­های چند­شکلی را تولید کردند، مورد استفاده قرار گرفت.این تعداد نشانگر در مجموع 188 نوار تولید کردند که 180 نوار چند­شکل (58/95 درصد) بودند. بر­اساس تجزیه خوشه­ای، اکوتیپ­ها در دو گروه قرار گرفتند. بیشترین شباهت بین اکوتیپ­های 4 و 5 (جمع­آوری شده از ساری) و کمترین شباهت بین اکوتیپ­های 1 و 14 (ساری و بابلسر) مشاهده گردید. بیشترین شاخص تنوع ژنتیکی نی (H) و شاخص شانون (I) در گروه 2 که شامل 12 اکوتیپ بود، مشاهده شد. در بررسی ساختار ژنتیکی جمعیت­ها با­استفاده از نرم­افزار STRUCTURE اکوتیپ­ها به دو خوشه­ی زیر­جمعیتی تقسیم شدند. نتایج حاصل از تجزیه واریانس مولکولی نشان داد که 37 درصد از تغییرات ژنتیکی مربوط به تنوع بین اکوتیپ­ها و 63 درصد مربوط به درون اکوتیپ­های کرچک می­باشد که می­توان از آن در برنامه­های به­نژادی این گیاه استفاده کرد.

واژه های کلیدی: تنوع ژنتیکی، تجزیه خوشه­ای، ساختار جمعیت، نشانگر ISSR.

* نویسنده مسئول، تلفن: 01133211163  ،   پست الکترونیکی: ali.ranjbar@gmail.com

مقدمه

 

کرچک (Ricinus communis L.) متعلق به تیره فرفیون (Euphorbiaceae) است که در مناطق گرمسیری رشد می­کند این تیره دارای گونه های بسیار زیادی است که اغلب آن­ها بومی مناطق گرمسیری از منطقه غرب آفریقا و هند می­باشند (25). گیاه کرچک در ایران، بیشتر در حاشیه مزارع کشت می­گردد (3) و متحمل به خشکی می­باشد (47). کرچک یکی از گیاهان روغنی غیرخوراکی می­باشد که بدلیل عملکرد و تولید بالا و همچنین رشد در مناطق حاشیه­ای و اقلیم خشک و نیمه خشک مورد توجه قرار گرفته است (8). تجزیه و تحلیل تنوع ژنتیکی جهت توسعه منابع ژنتیکی و ایجاد واریته­های جدید کرچک بسیار مهم می­باشد، در گذشته مطالعات تنوع ژنتیکی در بسیاری از گیاهان و جانوران تنها بر­پایه خصوصیات ریخت­شناسی و بیوشیمیایی استوار بوده است (10). همه واریته­های کرچک دارای عدد کروموزومی 2n=20 هستند (47). تنوع بسیار زیادی در این گیاه به جز وجود سم ریسین در تمامی صفات موفولوژیکی، با وجود یکنواخت بودن وجود دارد، تنوع موجود در کرچک نقش بسیار مهمی در تولید واریته­های مطلوب دارد. اصلاح­گران برای تولید واریته­های جدید با ارزش بالای اقتصادی و مقاوم در برابر انواع تنش­ها از تنوع ژنتیکی بالای این گیاه استفاده می­نمایند (39). شناخت تنوع ژنتیکی و مدیریت منابع ژنتیکی نه تنها باعث حفاظت ذخایر ژنتیکی می­شود بلکه قابلیت کاربرد آنها را در برنامه­های اصلاحی فراهم می­سازد (23). چندین نشانگر ژنتیکی از جمله RAPD، AFLP، SSR، ISSR برای ارزیابی تنوع ژنتیکی در میان ژنوتیپ­ها وجود دارد (21). ارزیابی تنوع ژنتیکی در گیاهان دلایل متعددی دارد، از جمله می­توان به حمایت درست و دقیق از تنوع ژنتیکی گیاهان (13)، شناسایی و حفظ و نگهداری ذخایر توارثی در بانک­های ژن (49)، برنامه­های به­نژادی (22) و انتخاب صحیح والد­های برتر جهت تلاقی (42) اشاره نمود. برای ارزیابی تنوع ژنتیکی روش­های متفاوتی وجود دارد که می­توان به RAPD، AFLP، SSR، ISSR و ... اشاره نمود. نشانگر­های مولکولی ISSR (Inter simple sequence repeat) به دلیل چند­شکلی و تغییر­پذیری بسیار بالا، توانایی تکثیر و تکرارپذیری بالا، قیمت نسبتاً ارزان و فراونی زیاد در ژنوم گیاهان، یکی از مهم­ترین نشانگر­های مولکولی جهت ارزیابی تنوع ژنتیکی می­باشند (32). تنوع ژنتیکی در گیاه کرچک با­استفاده از نشانگر­های غالب و هم­بارز توسط محققین مختلف مورد بررسی قرار گرفته است (33 و 44). نشانگر­های متعددی مانند بین ریز­ماهواره­ای (ISSR) (17)، پلی­مورفیسم طولی قطعات تکثیر شده (AFLP) (31)، توالی­های تکراری ساده (SSR) (36). ریف­های تظاهر­یافته برچسب­دار- توالی­های تکراری ساده (EST-SSR) (18 و 46) و چند­شکلی ریز­ماهواره تکثیر­شونده تصادفی (RAMP) در ارزیابی تنوع ژنتیکی گیاه کرچک مورد استفاده قرار گرفت (12). در پژوهشی که بر روی تنوع ژنتیکی 54 اکوتیپ گیاه کرچک که از کشور­های مختلف (چین، هند، فرانسه و اردن) جمع­ آوری شده بود با استفاده از نشانگر­های ISSR و RAPD صورت گرفت نتایج پژوهش بیانگر موثر بودن این نشانگر­ها در تمایز جمعیت­های مورد مطالعه است (20). با ارزیابی تنوع ژنتیکی 82 ژنوتیپ کرچک در مکزیک با استفاده از نشانگر­های SSR و AFLP تنوع ژنتیکی بالایی در ژرم­پلاسم­های مورد مطالعه گزارش شد (29). در مطالعه­ای دیگر که برای بررسی تنوع ژنتیکی 41 ژنوتیپ کرچک متعلق به 35 کشور مختلف با ­استفاده از نشانگر­های SSR و AFLP انجام شد، تنوع ژنتیکی پایین و همچنین عدم مطابقت بین الگوی گروهبندی براساس داده­های مولکولی با الگوی توزیع جغرافیایی ژنوتیپ­ها گزارش شد که می­تواند در نتیجه اصلاح ژنوتیپ­ها، اهلی­سازی یا تکثیر طولانی­مدت تعداد کمی ژنوتیپ و یا استفاده از ژنوتیپ­هایی باشد که تنوع موجود در آن­ها نماینده تنوع درون گونه نیست، باشد (6). در مطالعه­ای که به­منظور ارزیابی تنوع ژنتیکی 22 ژنوتیپ کرچک در گجرات هندوستان با­استفاده از نشانگر­های RAPD و ISSR انجام گرفت، تنوع ژنتیکی وسیعی در میان ژنوتیپ­های مورد مطالعه گزارش گردید (9). مطالعات متعدد دیگر (50، 7 و15) نیز سطح بالایی از چندشکلی را در بین ژنوتیپ­های مختلف کرچک نشان داده­اند. پژوهشی که بمنظور ارزیابی تنوع ژنتیکی 9 ژنوتیپ کرچک با استفاده از نشانگر مولکولی RAPD در دامغان به اجرا در آمد نشان داد که نشانگر رپید می­تواند توده­های کرچک را به گروه­های مختلف تقسیم کند و همچنین می­توان با­استفاده ازمیزان درصد تشابه ژنتیکی بین اکوتیپ­های کرچک، اکوتیپ­های با فاصله ژنتیکی بیشتر را بمنظور تولید بذر­های هیبرید با هتروزیس مناسب به کار برد (2). جهت شناسایی نشانگر­های ISSR پیوسته با ژنهای کنترل­کننده 26 صفت مورفولوژیک در 12 اکوتیپ کرچک در دانشکده کشاورزی دانشگاه ارومیه از 16 نشانگر ISSR استفاده و نتایج نشان دهنده سطح تقریباً بالایی از چندشکلی (85/68) در بین اکوتیپ­های مختلف کرچک بود (1). از آنجایی که کشور ایران یکی از مهمترین مراکز تنوع و پراکنش گیاه کرچک می­باشد و همچنین ارزیابی تنوع ژنتیکی جهت استفاده از آن در برنامه­های اصلاحی کرچک یک ضرورت محسوب می­شود بنابراین هدف از این پژوهش بررسی مقایسه­ای تنوع ژنتیکی بین اکوتیپ­های جمع­آوری شده از نقاط مختلف کرچک با­استفاده از نشانگر­های ISSR می­باشد.

مواد و روشها

مواد گیاهی: بذور نمونه­های گیاهی مورد استفاده در این پژوهش شامل 18 اکوتیپ جمع آوری شده از شهر­های مختلف ایران، 3 اکوتیپ موتانت (موتاسیون فیزیکی و شمیایی) و 1 اکوتیپ از کشور عراق است (جدول-1).

 

 

جدول 1- نام و محل جمع آوری نمونه های مورد بررسی

شماره اکوتیپ

منطقه

طول جغرافیایی

عرض جغرافیایی

شماره اکوتیپ

منطقه

طول جغرافیایی

عرض جغرافیایی

1

ساری (جاده جویبار)

¢28 °47

¢30 °33

12

ساری-فیروزکنده

¢07 °53

¢60 °36

2

ساری (جاده نکا)

¢15 °53

¢32 °36

13

بابلسر (بهنمیر)

¢70 °53

¢56 °36

3

ساری (سورک)

¢08 °53

¢24 °36

14

بابل (بیجی کلا)

¢18 °52

¢19 °36

4

ساری (کردخیل)

¢53 °52

¢17 °36

15

نجف آباد (اصفهان)

¢32 °51

¢61 °32

5

ساری(دانشگاه علوم کشاورزی ساری)

¢09 °53

¢58 °36

16

زابل

¢47 °61

¢03 °31

6

ساری (کیاده)

¢26 °53

¢10 °36

17

عراق-کربلا

¢03 °44

¢22 °33

7

ساری(خزر)

¢04 °53

¢06 °36

18

خرم آباد

¢29 °48

¢42 °33

8

ساری (صاحبی)

¢21 °53

¢17 °36

19

بردسیر

¢57 °56

¢91 °29

9

اصفهان (شهرضا)

51 °32¢

¢17 °32

20

فیروزکنده-التراسوند

-

-

10

ساری (آکند)

07 °53

63 °36

21

فیروزکنده-EMS 25

-

-

11

ساری (ماهفروزمحله)

09 °53

27 °36

22

فیروزکنده-EMS 50

-

-

 

 

در مطالعه حاضر، بذر­ها در گلخانه تحقیقاتی دانشگاه علوم کشاورزی و منابع طبیعی ساری کشت گردید و در مرحله سه برگی، نمونه­های برگی از برگ­های تازه و جوان جمع­آوری شد. استخراج DNA با­استفاده از روش CTAB (Murry and Thompson, 1984.) با اندکی تغییرات انجام گردید. کمیت و کیفیت DNA استخراج شده با­استفاده از روش اسپکتروفتومتری (Spectrophotometry) به­وسیله دستگاه اسپکتروفتومتر مدل (SHIMADZU UV-1800) ساخت ژاپن و برای بررسی کیفیت DNA استخراج شده از ژل آگارز 8/0 درصد انجام شد. در این تحقیق از تعداد 26 آغازگر مخصوص واکنش ISSR که در پژوهش­هایی که برروی گیاه کرچک که توسط (1، 15، 16) انجام شده بود و همچنین تعدادی از این آغازگر­هادر آزمایشگاه ژنومیکس پژوهشکده ژنتیک و فناوری طبرستان موجود بود، استفاده شد (جدول 2). کلیه آغازگر­های مورد استفاده از شرکت آرین ژن گستر تهیه شدند.

واکنش تکثیر DNA ژنومی در حجم 12 میکرولیتر (50 نانوگرم DNA الگو، پرایمر 10 میکرومول، Master Mix (6 میکرولیتر)، H2O (25/3 میکرولیتر) انجام گرفت. برای انجام واکنش­ها از بافر Master Mix شرکت سیناکلون استفاده گردید. برای واکنش PCR برنامه دمایی به صورت، واسرشته سازی اولیه (به مدت 2:30 دقیقه در دمای ˚C94) و 35 سیکل (40 ثانیه در دمای ˚C94، 1 دقیقه در دمای ˚C60- 50 بسته به دمای آغازگر، 1:20 دقیقه در دمای ˚C72) و مرحله بسط نهایی (7 دقیقه در دمای ˚C72) تنظیم گردید و پس از پایان آزمایش، نمونهﻫﺎ در دمای ˚C4 نگهداری شدند.

 

جدول 2- نام و ترادف آغازگر­های مورد استفاده در واکنش PCR.

ترادف

نام آغازگر

شماره

ترادف

نام آغازگر

شماره

5´  AGAGAGAGAGAGAGAGG  3´

ISSR-10

10

5´GAGAGAGAGAGAGAGAGAA  3´

ISSR-1

1

5´ GAGAGAGAGAGAGAGAC3´

ISSR-11

11

5´ GAGAGAGAGAGAGAGAGAC3´

ISSR-2

2

5´  ACACACACACACACACG3´

ISSR-13

12

5´ GAGAGAGAGAGAGAGAGAT3´

ISSR-3

3

5´  TGTGTGTGTGTGTGTGA  3´

ISSR-16

13

5´ GTGTGTGTGTGTGTGTGTA 3´

ISSR-4

4

5´  ACACACACACACACACC3´

ISSR-17

14

5´  GTGTGTGTGTGTGTGTGTC  3´

ISSR-5

5

5´  ATCATCATCATCATCATCT  3´

ISSR-18

15

5´GTGTGTGTGTGTGTGTGTT 3´

ISSR-6

6

5´  ATCATCATCATCATCATCC  3´

ISSR-19

16

5´  GAGAGAGAGAGAGAGAC3´

ISSR-7

7

5´ GTGTGTGTGTGTGTGTGTAC   3´

ISSR-21

17

5´  CTCTCTCTCTCTCTCTG  3´

ISSR-8

8

5´  CCCGGATCCGTGTGTGTGTGTGTGTGTGT  3´

ISSR-24

18

5´  AGAGAGAGAGAGAGAGC3´

ISSR-9

9

5´  HBHAGAGAGAGAGAGAG3´

ISSR-36

23

5´  GATGTTGTTGTTGTTGTTGTTGTTGTTGTTGTTGT3´

ISSR-29

19

5´  BHBGAGAGAGAGAGAGAGA  3´

ISSR-37

24

5´  GATCTTCTTCTTCTTCTTCTTCTTCTTCTTCTCT3´

ISSR-30

20

5´  VHVGTGTGTGTGTGTGT  3´

ISSR-39

25

5´  GATCGAGGGAGGGAGGGAGGGAGGGAGGGAGG  3´

ISSR-32

21

5´  GGGTCGGGTCGGGTC3´

ISSR-43

26

5´  GATCTTGGTTCGTTCGTTCGTTCGTTCGTTCGTTCG3´

ISSR-35

22

 

 

امتیاز­دهی باند­ها بر اساس حضور (1) یا عدم حضور (0) صورت گرفت و سپس ماتریس داده­ها تشکیل شد. در ابتدا ماتریس شباهت بین نمونه­ها با استفاده از ضرایب تشابه Jaccard (1908) تهیه و امتیازدهی باند­ها با استفاده از نرم­افزار  Total lab gel analysis  انجام شد (11) و برای محاسبه ماتریس تشابه و آزمون مانتل از نرم­افزار NTSYS ver2.02 استفاده گردید (34). تجزیه به مولفه­های اصلی با استفاده از نرم­افزار  Gen Alex ver2.02 (28) و محاسبه میانگین محتوای اطلاعات چند­شکلی (PIC) بر­اساس رابطه (1) انجام شد که در آن fi فراوانی قطعات تکثیر شده و n تعداد لوکوس­های محاسبه شده می­باشد (35). برای تمامی آغازگر­ها شاخص نشانگر (MI) طبق رابطه (2) بدست آمد. که در آن PIC، میانگین اطلاعات چند­شکل و EMR نسبت چند­گانه موثر است (30). برای هر آغازگر شاخص قدرت تفکیک (Resolving Power) طبق رابطه (3) و میزان Ib نیز از رابطه (4) بدست آمد، که Pi درصد فراوانی یک آلل از هر باند است (27).

MI= EMR×PIC (2)

RP= ∑  (3)

Ib= 1-(2|0.5-Pi|) (4)

همچنین تنوع درون جمعیت­ها (شاخص تنوع ژنتیکی نی (H) و شاخص شانون (I) و آلل­های موثر (Ne)، و آلل­های مشاهده شده (N) ) با استفاده از نرم­افزار Popgene (48)، همچنین ساختار ژنتیکی جمعیت­ها با­استفاده از نرم­افزار Structure محاسبه شد.

نتایج

در این پژوهش از مجموع 26 نشانگر ISSR مورد تعداد تنها 19 آغازگر الگوی باندی مشخص و چندشکل تولید نمودند. در مجموع 188 مکان توسط 19 نشانگر ISSR تکثیر شد که از این تعداد 180 مکان چندشکل بودند. شکل 1 باند­های تشکیل شده با­استفاده از آغازگر ISSR-2 را به­عنوان نمونه نشان می­دهد. میانگین کل چندشکلی 74/95 درصد برآورد گردید. اندازه باند­ها بین 300 تا 2000 جفت باز (bp) متغیر بود. برای هر آغازگر تعداد باند­های امتیاز­دهی از 6 تا 19 باند متغیر بود. از بین آغازگر­های مورد استفاده، بیشترین تعداد باند­های چندشکلی به­ترتیب متعلق به آغازگر­های 1SSR-9 و ISSR-19 با تعداد باند 18 و 19، کمترین تعداد باند چندشکلی نیز آغازگر ISSR-1 با تعداد 6 باند اختصاص یافت. به­طور متوسط هر آغازگر 89/9 باند تولید نمود. میانگین تعداد باند­های چندشکلی برای هر آغازگر 47/9 برآورد شد. در این مطالعه به دلیل استفاده از 22 اکوتیپ از مناطق مختلف، مشاهده چندشکلی بالا دور از انتظار نبود. درصد چندشکلی برای هرآغازگر 42/71 درصد برای آغازگر ISSR-2 تا 100 درصد برای آغازگر­های ISSR1-3-8-13-15 و غیره متغیر بود و مقدار متوسط آن58/95درصد بود که تنوع ژنتیکی بالای ژنوتیپ­ها را توجیه می­کند (جدول 3).

در این مطالعه، بیشترین و کمترین میزان PIC بترتیب برابر با 43/ و 18/0مربوط به آغازگر­های ISSR-43 و ISSR-2 بود. بالا بودن میزان PIC در بعضی از آغازگر­های مورد استفاده نشان­دهنده کارایی بالای این آغازگر­ها و تمایز اکوتیپ­های مورد مطالعه در این تحقیق می­باشد که نشان­دهنده سودمندی این آغازگر­ها برای بررسی تنوع ژنتیکی اکوتیپ­های کرچک می­باشد (جدول 3).

برای تعیین کارایی آغازگر­ها در بروز چند­شکلی، شاخص نشانگری (MI) و نسبت چندگانه موثر (EMR) محاسبه شد. آغازگر ISSR-36 با EMR=19 بیشترین میزان و آغازگر ISSR-2  با EMR=3.75 کمترین میزان را به خود اختصاص دادند (جدول 2). میزان MI بین 64/0 و 46/6 متغیر بود. آغازگر­های ISSR-36 و9  ISSR- به­ترتیب بیشترین شاخص نشانگری (MI) را داشتند که کارایی بالای این آغازگر­ها را در بروز چند­شکلی نشان می­دهد.

بر­اساس نتایج بدست آمده ضریب تشابه جاکارد بر­اساس روش خوشه­بندی UPGMA دارای بالاترین ضریب همبستگی کوفنتیک (92/0( بود که نشان­دهنده برازش خوب و همبستگی بالا بین ماتریس­های تشابه و دندروگرام نهایی بر­اساس ضریب جاکارد می­باشد (جدول 4).

بیشترین شباهت ژنتیکی (77/0) بین اکوتیپ­های 4 و 5 و کمترین شباهت ژنتیکی (24/0) بین اکوتیپ­های 1 و 14 مشاهده شد (جدول 5). نتایج حاصل از تجزیه واریانس مولکولی نشان داد که 37 درصد از تغییرات مربوط به بین جمعیت­ها و 63 درصد مربوط به درون جمعیت­ها بود (جدول 6).

 

شکل 1- الگوی تکثیر DNA ژنومی توسط آغازگر ISSR-2

 

جدول 3- تعداد کل باند­ها، تعداد باند­های چندشکل، تعداد باند­های مونومورف، درصد چندشکلی، محتوای اطلاعات چندشکلی، نسبت چندگانه موثر، شاخص نشانگر و شاخص قدرت تفکیک برای هر آغازگر

شاخص قدرت تفکیک (RP)

شاخص نشانگر (MI)

نسبت چندگانه موثر (EMR)

محتوای اطلاعات چند شکلی (PIC)

درصد چند شکلی (Pol)

تعداد باند­های مونومورف

تعداد باند چند­شکل

تعداد کل باند­ها

نام آغازگر

81/7

32/1

6

22/0

100

0

6

6

ISSR-1

72/7

64/0

57/3

18/0

42/71

2

5

7

ISSR-2

81/6

73/2

7

39/0

100

0

7

7

ISSR-3

54/6

8/2

7

40/0

100

0

7

7

ISSR-8

90/15

45/5

05/16

34/0

44/94

1

17

18

ISSR-9

13

51/2

30/9

27/0

61/84

2

11

13

ISSR-11

81/8

76/4

14

34/0

100

0

14

14

ISSR-13

81/8

76/4

14

34/0

100

0

14

14

ISSR-15

45/4

33/1

14/5

26/0

71/85

1

6

7

ISSR-17

10

08/3

11

28/0

100

0

11

11

ISSR-19

63/10

38/1

4/6

30/0

80

2

8

10

ISSR-24

63/7

1/4

10

41/0

100

0

10

10

ISSR-29

90/9

72/2

8

34/0

100

0

8

8

ISSR-30

90/7

2/4

12

35/0

100

0

12

12

ISSR-32

81/14

46/6

19

34/0

100

0

19

19

ISSR-36

54/12

4/4

11

40/0

100

0

11

11

ISSR-37

63/11

07/5

13

39/0

100

0

13

13

ISSR-39

90/8

38/2

7

34/0

100

0

7

7

ISSR-41

09/9

44/3

8

43/0

100

0

8

8

ISSR-43

 

جدول 4- همبستگی بین ضرایب تشابه بدست آمده با روش­های مختلف بر­اساس نشانگر­های مولکولی ISSR

 

الگوریتم اتصال کامل

الگوریتم اتصال ساده

الگوریتم UPGMA

 

 

91/0

91/0

92/0

ضریب تشابه جاکارد

 

89/0

89/0

90/0

ضریب تشابه دایس

 

88/0

90/0

91/0

ضریب تشابه تطابق ساده

 

                         

 

جدول 6- آنالیز واریانس مولکولی (AMOVA) داده­های حاصل از نشانگر مولکولی ISSR مربوط به 22 اکوتیپ کرچک

درصد تنوع

انحراف معیار

میانگین مربع­ها

درجه آزادی

منابع تنوع

37%

14/14

121

2

بین جمعیتی

63%

07/24

07/24

19

درون جمعیتی

100%

22/38

07/145

21

کل

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

به­منظور تایید و صحت گروه­بندی از تجزیه ساختار ژنتیکی بر­اساس روش بیزین با استفاده از نرم­افزارStructure استفاده شد، بدست آوردن K بهینه با­استفاده از روش k∆ نشان داد که مقدار عددی این پارامتر برای K=2 حداکثر بود بنابراین می­توان گفت دو زیر جمعیت احتمالی در توده­های مورد مطالعه شناسایی شده است که در آن هر زیرجمعیت با یک رنگ خاص نشان داده شده است (محور عمودی بیانگر درصد عضویت افراد و محور افقی بیانگر اکوتیپ­های مورد بررسی می­باشد) (شکل2).

 

شکل 2- نتایج گراف شده از آنالیز Structure جهت تعیین خویشاوندی اکوتیپ­های مورد بررسی بر­اساس نشانگر ISSR

 

 

تجزیه خوشه­ای اکوتیّپ­های مورد مطالعه با مقایسه روش­های مختلف، به­دلیل بالاتر بودن ضریب همبستگی کوفنتیک (92/0)، با روش UPGMA و ضریب تشابه جاکارد انجام شد. خط برش بر­اساس تجزیه Structure محاسبه گردید. بنابراین اکوتیپ­ها به سه گروه تقسیم شدند (شکل3).

گروه اول شامل اکوتیپ های 1-2-3-4-5-6-7-8-9 و در گروه دوم فقط اکوتیپ شماره 10 گروه سوم شامل اکوتیپ های 11- 12-13-14-15-16-17-18-19-20-21-22 می باشند.

 

شکل 3- گروه­بندی اکوتیپ­های گیاه کرچک مورد بررسی بر­اساس روش خوشه­بندی UPGMA و ماتریس تشابه جاکارد

 

تجزیه به مختصات اصلی نیز به­عنوان روشی مکمل برای تجزیه خوشه­ای جهت تعیین روابط ژنتیکی بین ارقام و نیز گروه­بندی آنها، استفاده شد. نتایج بدست آمده نسبتاً با نتایج تجزیه­ی خوشه­ای منطبق بود. و اکوتیپ­هایی که در تجزیه خوشه­ای در یک گروه بودند در نمودار­های پراکنش به­صورت سه­بعدی نیز در کنار هم قرار گرفتند (شکل4).

 

 

شکل 4- گروه­بندی اکوتیپ­های مختلف کرچک مورد مطالعه بر­اساس تجزیه به مختصات اصلی با استفاده از نرم­افزار GenAlex.

 

بررسی ساختار ژنتیکی جمعیت­ها بر­اساس داده­های ISSR و با­استفاده از روش ANOVA و همکاران (2005) نشان داده که بیشترین میزان k∆ در مقابل تغییرات K و K=2 به­دست آمد که نشان می­دهد که جمعیت­ها در دو­گروه (زیر­جمعیت) قرار دارند. نسبت عضویت جمعیت­های جغرافیایی در­هریک از دو گروه بین 99/0-003/0 متغیراست. (جدول 7).

 

جدول 7- نسبت عضویت اکوتیپ­ها در دو زیر­جمعیت کرچک مورد مطالعه

2

1

اکوتیپ­ها

933/0

067/0

1

906/0

094/0

2

99/0

004/0

3

99/0

004/0

4

99/0

005/0

5

99/0

007/0

6

99/0

003/0

7

99/0

004/0

8

98/0

012/0

9

81/0

187/0

10

34/0

65/0

11

042/0

95/0

12

002/0

99/0

13

005/0

99/0

14

003/0

99/0

15

014/0

98/0

16

006/0

99/0

17

004/0

99/0

18

007/0

99/0

19

08/0

92/0

20

04/0

95/0

21

168/0

83/0

22

برای روشن­تر شدن ارتباط ژنتیکی بین جمعیت­ها به بررسی تنوع و ساختار جمعیت­ها پرداخته شد. شاخص­های تنوع جمعیتی Shannon و Nei (1973)، درصد چندشکلی جمعیت­ها، میانگین تعداد الل­های مشاهده شده، (Na)، نسبت تعداد الل­های موثر (Ne) به آلل­های مشاهده شده (Ne/Na)، با­استفاده از نرم افزار Popgen ver 32  محاسبه شد (جدول 8).

 

جدول 8- پارامتر­های اندازه­گیری شده در رابطه با تنوع ژنتیکی بر­اساس نشانگر­های ISSR در جمعیت­های کرچک

جمعیت

تعداد نمونه

%PL

Fst

Na

Ne

I

Ne/Na

Pop1

10

61/65

289/0

43/1

39/1

34/0

97/0

Pop2

12

95/80

413/0

70/1

45/1

40/0

85/0

 

 

بحث و نتیجه­گیری

در پژوهش حاضر با­استفاده از نشانگر ISSR تنوع بین و درون جمعیتی برخی اکوتیپ­های کرچک (Ricinus communis) ارزیابی گردید. این نشانگر نتایج چند­شکلی قابل توجهی (58/95 درصد) را در الگوی باندی نشان داد. از میان آغازگر­های مورد بررسی آغازگر ISSR-36 با 19 باند دارای بیشترین میزان چند­شکلی بود، که نتایج حاضر با پژوهش بررسی تنوع ژنتیکی با استفاده از نشانگر ISSR بر روی گیاه کرچک از نظر میزان چند­شکلی همخوانی داشت (45). همچنین در مطالعه­ای که از 9 آغازگر ISSR برای بررسی تنوع ژنتیکی در کرچک استفاده شد، در مجموع 83 باند با وضوح بالا و 53/74% چندشکلی مشاهده شد (20). در مطالعه­ای که بر روی 18 اکوتیپ پنیرک با استفاده از 15 نشانگر ISSR انجام شد میانگین درصد چند شکلی بالایی برابر با 12/98 گزارش گردید (4).

از آنجایی که شاخص قدرت تفکیک (RP) هم از تعداد افراد دارای باند و هم از تعداد آلل تاثیر می­پذیرد بهترین شاخص برای آغازگر مناسب می­باشد (19). میزان RP در آغازگر ISSR-9 با 9/15 بیشترین مقدار را داشت و نشان می­دهد که این آغازگر نسبت به دیگر آغازگر­ها قدرت تفکیک بهتری دارد. بیشترین میزان (EMR) برای آغازگر ISSR-36 (24) و کمترین میزان برای آغازگر ISSR-2 (57/3) بود. بالا بودن میزان شاخص نشانگر (MI) نشان­دهنده تولید تعداد بیشتری باند چند­شکل و فراهم کردن اطلاعات بیشتری از ژنوم می­باشد (41). بالاترین میزان شاخص نشانگر (64/6) در آغازگر ISSR-36 مشاهده گردید که نشان­دهده کارایی خوب این آغازگر در مقایسه با سایر آغازگر­ها می­باشد. در بررسی میزان تنوع ژنتیکی 27 ژنوتیپ کرچک در کشور برزیل میزان MI بین 72/1 تا 07/5 و میزان RP بین 63/1 تا 55/9 متغیر بود (43). بیشترین مقدار اطلاعات چند­شکلی در این پژوهش مربوط به آغازگر ISSR-43 به میزان 43/0 می­باشد. طی مطالعه­ای که برروی کرچک با استفاده از نشانگر­های SSR انجام مقادیرPIC  بین 4/0-26/0 را گزارش شد (38). در حالیکه که در تحقیقی دیگر که بر روی همین گیاه با استفاده از پرایمر­های SSR انجام شد مقادیر بالای PIC (81/0) و همچنین صددرصد چندشکلی نیز مشاهده شد (31). خوشه­بندی حاصل از دندروگرام نشان می­دهد اکوتیپ­های 1تا 9 در یک خوشه و اکوتیپ 10 در خوشه­ای جداگانه و اکوتیپ­های 11-22 در خوشه سوم قرار گرفتند، همچنین آنالیز کلاستر­بندی بر­اساس K=2 با­استفاده از نرم­افزار Structure تعداد زیرجمعیت­ها در اکوتیپ­های مختلف کرچک داده­های ISSR اکوتیپ­ها را به دو زیر­جمعیت تقسیم نمود. برای تایید و بررسی دقیق­تر ارتباط بین و درون جمعیت­ها از تجزیه به مختصات اصلی (PCoA) استفاده گردید که نتایج آن تا حدودی با نتایج تجزیه خوشه­ای بر­اساس روش UPGMA مطابقت داشت که شاید یکی از دلایل تفاوت در این گروه­بندی­ها اینست که دندروگرام در تجزیه خوشه­ای بر­اساس 100 درصد واریانس می­باشد در حالیکه در تجزیه به مختصات اصلی تقریبا از 60 درصد واریانس کل استفاده شد بنابراین اختلافاتی در دو روش وجود داشت، انتظار بر این بود که اکوتیپ­های جمع­آوری شده از استان مازندران در یک خوشه قرار بگیرند در حالیکه که طبق خوشه­بندی صورت گرفته اکوتیپ­های بابل و بابلسر و فیروزکنده در خوشه دوم قرار گرفتند، در واقع می­توان گفت که نمونه­هایی که از لحاظ جغرافیایی نزدیک هم هستند الزاما از لحاظ ژنتیکی تشابه بیشتری ندارند. در پژوهشی دیگری که بر روی کرچک انجام شد، هیچ گونه شواهدی از تأثیر منشا جغرافیایی بر الگوی خوشه­بندی و توزیع تصادفی ژنوتیپ­ها مشاهده نشد و بنابراین پیشنهاد گردید که عوامل دیگری نظیر انتخاب طبیعی، مصنوعی و رانش ژنتیکی را به عنوان فاکتورهای کمک کننده به تنوع مشاهده شده بین ژنوتیپ­ها در نظر بگیریم (37).ارزیابی تنوع ژنتیکی کرچک از 48 کشور دنیا که در مرکز تحقیقات گریفین، جورجیا تهیه شده بود با­استفاده از پلی­مورفیسم­های تک نوکلئوتیدی (SNP) تنوع ژنتیکی بالایی بین جمعیت­های کرچک مشاهده شد اما همبستگی بین منشا جغرافیایی و تنوع ژنتیکی وجود نداشت (12). نتایج بررسی تنوع ژنتیکی در گیاه کرچک جمع­آوری شده از 5 قاره (35 کشور) با­استفاده از نشانگر­های AFLP و SSR بیانگر تاثیر منشا جغرافیایی بر­روی تنوع ژنتیکی نبود در واقع تنوع ژنتیکی در ژرم­پلاسم 35 کشور بسیار کم بود (14). برای محاسبه تفرق ژنتیکی از شاخص Fst استفاده و میانگین آن برای هر­کدام از زیر­جمعیت­ها با نرم­افزار Structure محاسبه گردید. که سطح نسبتاً بالایی از تفرق ژنتیکی را در این گیاه را نشان داد. نتایج حاکی از تمایز ژنتیکی قابل ملاحظه بین اکوتیپ­ها است که این امر با توجه به نحوه تولید­مثل این گیاه (دگرگشنی) طبیعی است. اگر نسبت تعداد آلل­های موثر به مشاهده شده بالا باشد به این معنی است که جمعیت مورد نظر به نسبت جمعیت­ها از توزیع یکنواخت­تری برخوردار است که باتوجه به نتایج جمعیت اول که در برگیرنده 10 اکوتیپ می­باشد بیشترین (97/0) یکنواختی را دارا است که بیانگر این است که نسبت آلل­هایی که فراوانی برابر دارند به کل آلل­های جمعیت دیگر بیشتر می­باشد. نتایج تجزیه واریانس مولکولی نشان داد که از میزان کل واریانس مشاهده شده، 37 درصد به تنوع بین جمعیت­ها و 63 درصد به تنوع درون جمعیت­ها مربوط است. در پژوهشی مشابه که بر روی گیاه کرچک بر اساس آنالیز AMOVA انجام شد، نشان دادند که تنوع ژنتیکی درون جمعیت بیشتر از بین جمعیت­ها است (16). در پژوهشی که بر روی گیاه فلفل با استفاده از نشانگر ISSR انجام شد تنوع ژنتیکی درون گروه­ها (74 درصد) بیشتر از تنوع بین گروه­ها (26) گزارش شد (5). برای برآورد تنوع ژنتیکی در گیاهان عالی زمانیکه که از نشانگر غالب برای مطالعات ژنتیک جمعیت­ها استفاده می­شود، هنوز هم از دو شاخص ژنی نی و شانون که بر­اساس فراوانی آلل­ها می­باشد، استفاده می­شود (40). متوسط شاخص شانون 27/0 و متوسط فاصله ژنتیکی نی 193/0 برآود شد. در بررسی تنوع ژنتیکی ژنوتیپ­ها در نیجریه شاخص شانون (43/1) و شاخص تنوع ژنی نی (72/0) گزارش شد که بیانگر وجود تنوع در بین ژنوتیپ­ها بود (37). با وجود عدم بالا بودن ضریب تشابه، عدم شباهت اقلیمی و فاصله جغرافیایی بالا، برخی اکوتیپ­ها در کنار هم قرار گرفته­اند. بررسی تنوع ژنتیکی می­تواند در مدیریت ژرم پلاسم کرچک مفید باشد با­توجه به نتایج این پژوهش ارزیابی تنوع ژنتیکی امکان شناسایی اکوتیپ­های مطلوب بمنظور بهره­گیری از این گیاه را فراهم نماید. همچنین نشانگر ISSR توانایی تفکیک اکوتیپ­های مختلف کرچک را دارد. بنابراین می­توان از آن به­عنوان یک ابزار مناسب جهت برنامه ­های اصلاحی آینده استفاده نمود. از آنجایی که بر­روی گیاه کرچک کار­های اصلاحی اندکی صورت گرفته توصیه می­شود اکوتیپ­های بیشتری از مناطق با اقلیم­های متفاوت­تری جمع­آوری و همچنین از تعداد بیشتری آغازگر استفاده شود تا شناخت بیشتری نسبت به این گیاه روغنی دارویی بدست آید.

سپاسگزاری

بدینوسیله نگارندگان از دانشگاه علوم کشاورزی و منابع طبیعی ساری و پژوهشکده ژنتیک و زیست فناوری طبرستان که در تامین منابع مالی اجرای این پژوهش همکاری نمودند، قدردانی می­نمایند.

1- آقاعلی، ز.، و درویش زاده، ر.، و گودرزی، ف. (1395). تجزیه ارتباط صفات مورفولوژیک در کرچک (.Ricinus communis L) با استفاده از نشانگرهای ISSR. تحقیقات ژنتیک و اصلاح گیاهان مرتعی و جنگلی ایران, 24(1), 79-91.
2- زهرایی، ح.ر.، لایی، ق. و نقویان، ع. (1397). بررسی تنوع ژنتیکی ارقام کرچک با­استفاده از نشانگر مولکولی رپید. سومین همایش ملی علوم زیستی. دامغان. ایران.
3- شهسواری، ر. (1391). اثر فواصل بین و روی ردیف کاشت بر برخی صفات زراعی کرچک قرمز. به­زراعی نهار و بذر. 28 (2): 155-145.
4- نوریان، ع. و شیروانی، ه. (1398). بررسی تنوع ژنتیکی اکوتیپ‌های پنیرک (Malva neglecta) با استفاده از نشانگر مولکولی  ISSR. مجله پژوهشهای گیاهی (مجله زیست شناسی ایران)(علمی). 32(4): 814-806. .
5- صالحیان،م.، درویش زاده، ر. و رضازاده،م. (1400). ارزیابی تنوع ژنتیکی و تجزیه ارتباط برای صفات آگرومورفولوژیکی فلفل (Capsicum spp.) با استفاده از نشانگرهای ISSR. مجله پژوهشهای گیاهی (مجله زیست شناسی ایران)(علمی). 34(1): 138-126.
 
6- Allan, G., Williams, A., Rabinowicz, P. D., Chan, A. P., Ravel, J., and Keim, P. 2008. Worldwide genotyping of castor bean germplasm (Ricinus communis L.) using AFLPs and SSRs. Genetic Resources and Crop Evolution, 55, PP: 365-378.
7- Bajay, M. M. 2010. Development of microsatellite markers and characterization of germplasm of castor (Ricinus communis L.). Dissertation, Universidade de Sao Paulo-USP, Brazil.
8- Berman, P., Nizri, S., and Wiesman, Z. 2011. Castor oil biodiesel and its blends as alternative fuel. Biomass and bioenergy, 35(7), PP: 2861-2866.
9- Bhavesh, B. G., Kumar, N., Singh, A. S., Punvar, B. S., Ravikiran, R., Subhash, N., and Jadeja, G. C. 2010. Assessment of genetic diversity in castor (Ricinus communis L.) using RAPD and ISSR markers. Industrial Crops and Products, 33, PP: 491-498.
10- Bird, C., Schweizer, M., Roberts, A., Austin, W. E., Knudsen, K. L., Evans, K. M., and Darling, K. F. 2020. The genetic diversity, morphology, biogeography, and taxonomic designations of Ammonia (Foraminifera) in the Northeast Atlantic. Marine Micropaleontology, 155, PP: 101726.
11- Domyati, F. M., Younis, R. A., Edris, S., Mansour, A., Sabir, G., and Bahieldin, A. 2011. Molecular markers associated with genetic diversity of some medicinal plants in Sinai. Journal of Medicinal Plants Research, 5(2), 200-210.
12- Dong, H., Wang, C., Li, W., Yang, G. X., Yang, H., Wang, Y. R., Chen, M. H., Li, F. J., Feng, Y., and Chen, G. 2012. Castor germplasm diversity analysis using AP-PCR and RMAPD. Academic Periodical of Farm Products Processing, PP: 23- 36.
13- Dwevdi, K. K., and Gaibriyal, M. 2009. Assessment of genetic diversity of cultivated chickpea (Cicer arietinum L.). Asian Journal of Agriculture Science, 1(1), PP: 7-8.
14- Foster, J. T., Allan, G. J., Chan, A. P., Rabinowicz, P. D., Ravel, J., Jackson, P. J., and Keim, P. 2010. Single nucleotide polymorphisms for assessing genetic diversity in castor bean (Ricinus communis L). BMC Plant Biology, 10(13), PP: 1-11.
15- Gajera, B. B., Kumar, N., Singh, A. S., and Punvar, B. S. 2010. Assessment of genetic diversity in castor (Ricinus communis L.) using RAPD and ISSR markers. Industrial Crops and Products, 32, PP: 491-498.
16- Goodarzi, F., Darvishzadeh, R., and Hassani, A. 2015. Genetic analysis of castor (Ricinus communis L.) usingISSRmarkers. Journal of Plant Molecular Breeding (JPMB), 3, PP: 18-34.
17- Kallamadi, P. R., Ganga Rao Nadigatlab, V. P. R., and Mulpuriba, S. 2015. Molecular diversity in castor (Ricinus communis L.). Industrial Crops and Products, 66, PP: 271-281.
18- Kanti, M., Anjani, K., Usha Kiran, B., and Vivekananda, K. 2015. Agro-morphological and molecular diversity in castor (Ricinus communis L.) germplasm collected from Andaman and Nicobar Islands, India. Czech Journal of Genetics and Plant Breeding, 51, PP: 96-109.
19- Kayis, S. A., Hakki, E. E., and Pinarkara, E. 2010. Comparison of effectiveness of ISSR and RAPD markers in genetic characterization of seized marijuana (Cannabis sativa L.) in Turkey. African Journal of Agricultural Research 5(21), PP: 2925-2933.
20- Kim, H., Lei, P., Wang, A., Liu, S., Zhao, Y., Huang, F., and Meng, F. 2021. Genetic Diversity of Castor Bean (Ricinus communis L.) Revealed by ISSR and RAPD Markers. Agronomy, 11(3), 457 p.
21- Kole, C. h., and Rabinowicz, P. 2018. The castor bean genome. Switzerland: Springer Nature, 272 p.
22- Laurentin, H. 2009. Data analysis for molecular characterization of plant genetic resources. Genetic Resources and Crop Evolution, 56(2), PP: 277-292.
23- McPherson, M. A., Good, A. G., Topinka, A. K. C., and Hall, L. M. 2004. Theoretical hybridization potential of transgenic safflower (Carthamus tinctorius L.) weedy relatives in the New World. Canadian Journal of Plant Science, 84, PP: 923-934.
24- Milani, M., Dantas, F. V., Martins, W. F. S. 2009. Genetic divergence among castor bean genotypes by morphologic and molecular characters. Revista Brasileira de Oleaginosas e Fibrosas, 13(2), PP: 61-71.
25- Muraguri, S., Xu, W., Chapman, M., Muchugi, A., Oluwaniyi, A., Oyebanji, O., and Liu, A. 2020. Intraspecific variation within Castor bean (Ricinus communis L.) based on chloroplast genomes. Industrial Crops and Products, 155, 112779.
26- Nei., M. 1973. Analysis of genetic diversity in subdiried population proc. National Academy of sciences of the United States of America, PP: 3321-3323.
27- Pawell, W., Morganet, M., Andre, C., Hanafey, M., vogel, J., Tingey, S., and Rafalaski, A. 1996. The comparision of RFLP, AFLP and SSR (microsatellite) markers for germplasm analysis. Molecular Breeding, 2, PP: 225-238.
28- Peakall, R. O. D., and Smouse, P. E. 2006. GENALEX 6: genetic analysis in Excel. Population genetic software for teaching and research. Molecular ecology notes, 6(1), 288-295.
29- Pecina-Quintero, V., Anaya-López, J. L., Núñez-Colín, C. A., Zamarripa-Colmenero, A., Montes-García, N., Solís-Bonilla, J. L., and Aguilar-Rangel, M. R. 2013. Assessing the genetic diversity of castor bean from Chiapas, México using SSR and AFLP markers. Industrial Crops and Products, 41, PP: 134-143.
30- Prevost, A., and Wilkinson, M. J. 1999. A new system for comparing PCR primers applied to ISSR fingerprinting of potato cultivars. Theoretical and Applied Genetics, 98, PP: 107-112.
31- Quintero, V., Anaya-López, J. L., Núñez-Colín, C. A., Zamarripa-Colmenero, A., Montes-García, N., SolísBonilla, J. L., and Aguilar-Rangel, M. R. 2013. Assessing the genetic diversity of castor bean from Chiapas, México using SSR and AFLP markers. Industrial Crops and Products, 41, PP: 134-143.
32- Rana, T. S., Mahar, K. S., Pandey, M. M., Srivastava. S. K., and Rawat, A. K. S. 2013. Molecular and chemical profiling of ‘sweet flag’ (Acorus calamus L.) germplasm from India. Physiology and Molecular Biology of Plants, 19(2), PP: 231-237.
33- Reddy, K. P., Nadigatla, V. P. R. G. R., Mulpuri, S. 2015. Molecular diversity in castor (Ricinus communis L.). Industrial Crops and Products, 66, PP: 271-281.
34- Rohlf, F. J. 1993. Numeric taxonomy and multivariate analysis system. NTSYS-pc.
35- Roldan-Ruiz, I., Dendauw, J., Vanbockstaele, E., Depicker, A., De Loose, M. 2000. AFLP markers reveal high polymorphic rates in ryegrasses (Lolium spp.). Molecular Breeding, 6, PP: 125–134.
36- Rukhsar Patel, M. P., Parmar, D. J., Kalola, A. D., and Kumar, S. 2017. Morphological and molecular diversity patterns in castor germplasm accessions. Industrial Crops and Products, 97, PP: 316-323.
37- Salihu, B. Z., Falusi, O. A., Adepoju, A. O., Arolu, I. W., Daudu, O. Y., Abejide, D. R., and Oke, Ch. O. 2019. Assessment of Genetic Diversity of Promising Castor Been (Ricinus communis L.) Genotypes in Nigeria. Notula Scientia Biologicae, 11(3), PP: 467-474.
38- Seo, K., Lee, G., Ma, K., Hyun, D., Park, Y., Jung, J. W., and Lee, M. 2011. Isolation and characterization of 28 polymorphic SSR loci from castor bean (Ricinus communis L.). Journal of Crop Science and Biotechnology, 14(2), PP: 97-103.
39- Singh, A., Kumari, S., Modi, A. R., Gajera, B. B., Narayanan, S., and Kumar, N. 2015. Role of conventional and biotechnological approaches in genetic improvement of castor (Ricinus communis L.). Industrial Crops and Products, 74, PP: 55-62.
40- Song, Z., Li, X., Wang, H., and Wang, J. 2010. “Genetic diversity and population structure of salvia miltiorrhizaBge. In china revealed by ISSR and SRAP”. Genetica, 138, PP: 241-49.
41- Spooner, D., van Treuren, R., and de Vicente, M. C. 2005. Molecular markers for genebank management. IPGRI Technical Bulletin No. 10. Plant Genetic Resources Institute (now Bioversity International, Inc.), Rome.
42- Tahir, N. A. R., and Karim, H. F. H. 2011. Determination of genetic relationship among some varieties of chickpea (Cicer arietinum L.) in Sulaimani by RAPD and ISSR markers. Jordan Journal of Biological Sciences, 4, PP: 77-86.
43- Vasconcelos, S., Onofre, A. V. C., Milani, M., Benko-Iseppon, A. M., and Brasileiro-Vidal, A. C. 2016. Accessing genetic diversity levels of Brazilian genotypes of castor with AFLP and ISSR markers. Pesquisa Agropecuária Pernambucana, 21(1), PP: 24-31.
44- Vivodík, M., Balážová, Z., Gálová, Z., and Hlozáková, T. K. 2015. Evaluation of molecular diversity of new castor lines (Ricinus communis L.) using random amplified polymorphic DNA markers. Horticultural Biotechnology Research, 1, PP: 1-4.
45- Wang, Ch., Li, G. R., Zhang, Z. Y., Peng, M., Shang, Y., Luo, R., and Chen, Y. S. 2013. Genetic diversity of castor bean (Ricinus communis L.) in Northeast China revealed by ISSR markers. Biochemical Systematics and Ecology, 61, PP: 301-307.
46- Wang, M. L., Dzievit, M., Chen, Z., Morris, J. B., Norris, J. E., Barkley, N. A., Tonnis, B., Pederson, G. A., Yu, J. 2017. Genetic diversity and population structure of castor (Ricinus communis L.) germplasm within the US collection assessed with EST-SSR markers. Genome, 60 (3), PP: 193-200.
47- Weiss, E. A. 2000. Oilseed Crops, Blackwell Science, 384 p.
48- Yeh, F. C., Yang, R. C., Mao, J., Ye, Z., and Boyle, T. J. 1996. POPGENE, the Microsoft Windows-based user-friendly software for population genetic analysis of co-dominant and dominant markers and quantitative traits. Dept. Renewable Resources, University of Alberta, Edmonton, Canada, 238.
49- Zheleva, D., Todorovska, E., Chirstov, N., Ivanov, P., Ivanov, I., and Todorov, I. 2007. Assessing the genetic variation in Bulgarian bred wheat varieties by biochemical and moleculars. Biotechnology and Biotechnology Equipment, 12, PP: 311-321.
50- Zheng, L., Qi, J., Fang, P., Su, J., Xu, J. and Tao, A. 2010. Genetic diversity and phylogenetic relationship of castor germplasm as revealed by SRAP analysis. Journal of Wuhan Botanical Research, 28(1), PP: 1-6.
دوره 36، شماره 3
مهر 1402
صفحه 294-308
  • تاریخ دریافت: 23 تیر 1400
  • تاریخ بازنگری: 10 مهر 1400
  • تاریخ پذیرش: 07 آذر 1400