Identifikacija genskih lokusa (QTL) uključenih u kontrolu odgovora kukuruza (Zea mays L.) na stres suše
Identification of quantitative trait loci (QTLs) for drought tolerance response in maize (Zea mays L.)
Author
Nikolić, Ana S.
Mentor
Stamenković-Radak, Marina
Committee members
Ignjatović-Micić, Dragana
Quarrie, Steve A.
Anđelković, Violeta

Metadata
Show full item recordAbstract
Suša je jedan od najvažnijih ogranicavajucih faktora u proizvodnji kukuruza, pa
je poboljšanje tolerantnosti na sušu od veoma velikog znacaja u programima
oplemenjivanja. Stvaranje genotipova tolerantnih na sušu je veliki izazov zbog variranja
u pojavljivanju, intenzitetu i trajanju stresa suše, zbog geneticke kompleksnosti ovog
stresa i izraženih interakcija genotip-sredina. Identifikacija kvantitativnih lokusa
vezanih za tolerantnost na sušu je važno sredstvo za indirektnu selekciju pomocu
molekularnih markera. Istovremena primena konvencionalnog sa molekularnim
oplemenjivanjem, marker-asistiranom selekcijom i genetickim inžinjeringom može
doprineti bržem nacinu za poboljšanje tolerantnosti na sušu kod gajenih biljaka.
Identifikacija lokusa za kvantitativna svojstva (QTL) za tolerantnost na sušu kod
kukuruza je urađena na genetickom materijalu dobijenom ukrštanjem linija DTP79
(izvor tolerantnosti na sušu) i B73 (linija osetljiva na sušu). Za konstruisanje
molekularne mape neophodne ...za identifikaciju QTL-ova, korišcena je F2 generacija
(John Innes Centre (JIC), Norwich, United Kingdom). Podaci o vrednostima svojstava
potencijalno ukljucenih u odgovor kukuruza na stres suše su dobijeni analizom F3
familija u poljskim ogledima. Molekularna mapa i dobijene vrednosti za ispitivana
svojstva su korišcene za detekciju QTL-ova. Na osnovu informacija o QTL-ovima je
vršeno utvrivanje postojanja uzrocne povezanosti izmeu dva ili više svojstava.
Fenotipske korelacije su izracunate primenom Pearson-ovog koeficijenta i bile
su visoko znacajne za izvestan broj ispitivanih osobina. Identifikacija QTL-ova je
uraena primenom ANOVA metode i metoda statistickog programa WinQTL
karotgrafera, v 2.5. Prikazani su samo rezultati dobijeni primenom CIM (WinQTL
karotgrafer, v 2.5) i ANOVA metode. Za ispitivanih 26 osobina primenom CIM metode
je detektovano 147 QTL-ova, od kojih je 93 detektovano i primenom ANOVA metode.
Ukupna fenotipska varijabilnost objašnjena identifikovanim QTL-ovima za sva
analizirana svojstva je bila u ospegu od 11.85% (RSV) do 91.16% (ŠL3). Detektovani
su hromozomski regioni u kojima se preklapaju QTL-ovi za pojedine osobine, koje su
istovremeno pokazale i znacajnu meusobnu fenotipsku korelaciju, što ukazuje na
moguce postojanje vezanih gena ili plejotropnih efekata koji uticu na ove osobine. Neki
od detektovanih QTL-ova su identifikovani i u radovima drugih autora, na istoj poziciji
u genomu kukuruza, što znaci da su oni zajednicki razlicitom genetickom materijalu.
Ovi QTL-ovi mogu biti od znacaja u ekspresiji ispitivanih svojstava, ukazujuci na
mogucnost njihovog uspešnog korišcenja u marker - asistiranoj selekciji.
Drought is one of the most important limiting factors in maize production.
Improving drought tolerance is therefore of outmost importance for breeding. Achieving
this goal is a big challenge due to the variability in timing, intensity and duration of
drought, genetic complexity of drought tolerance and large genotype by environment
interactions. Identification of quantitative loci for drought tolerance is very imporatant
for indirect selection using molecular markers. Conventional breeding together with
molecular breeding, marker-assisted selection and genetic engineering could contribute
to drought tolerance improvement of cultivated plants.
Quantitative trait loci (QTLs) for drought tolerance were identified in a maize
population derived from a cross between two lines - DTP79 (drought tolerant) and B73
(drought sensitive). Map construction (John Innes Centre (JIC), Norwich, United
Kingdom) was done using F2 generation and the coresponding F3 progenies were
evaluated for the traits po...tentialy related to drought tolerance in field trials. Phenotypic
and marker data were used for QTL detection. Possible causal relationships between
two or more traits were determined according to information about QTLs.
Phenotypic correlations calculated using Pearson’s coefficients were highly
significant for some of the analyzed traits. ANOVA and methods of WinQTL
Cartographer 2.5 were employed to identify QTLs. Results of ANOVA and CIM option
in WinQTL cartographer, v 2.5 are presented. A total of 147 QTLs were detected using
CIM for the analyzed traits. Out of this number, 93 were also detected using ANOVA.
Percent of phenotypic variability determined for the identified QTLs for all of the traits
ranged from 11.85% (RWC) up to 91.16% (LW3). Mapping analysis identified genomic
regions associated with two or more traits in a manner that was consistent with
phenotypic correlation between traits, supporting the possible existence of linked genes
or pleiotrophy that influence these traits. Some of the QTLs mapped herein, were also
identified in the works of other authors, at the same position in the maize genome,
indicating that they could represent regions that are common to various populations.
These QTLs may be important in the expression of the traits, indicating the possibility
of their successful use in marker-assisted selection.