Оценка качества экспериментальных белозерных популяций риса в ускоренной селекции по крупности и стекловидности зерна

Обложка

Цитировать

Полный текст

Аннотация

Обоснование. В маркер-обоснованной селекционной практике риса в ускоренном процессе создания сортов с высокими показателями признаков качества зерна на основе новых биотехнологических приемов актуально создание сегрегирующих популяций риса с последующим фенотипированием генотипов по признакам интереса. Сегрегирующие популяции используются для выявления генетических локусов (QTL), связанных со сложными признаками, в том числе качества зерна риса на основе данных фенотипирования.

Цель. В работе была поставлена цель провести оценку экспериментальных популяций риса BC3 по физическим признакам зерна: крупности, стекловидности, трещиноватости, в целях осуществления работ по прицельному отбору по данным фенотипирования и генотипирования перспективных растений – прототипов сортов с заданными признаками в маркер-опосредованной селекции риса.

Материалы и методы. В исследование были вовлечены гибриды 15-ти комбинаций скрещиваний родительских форм. Семена высевали на вегетационной площадке ФГБНУ ФНЦ риса в сосуды, в качестве основного удобрения использовали смесь Прянишникова; по мере созревания семена убирали вручную. Для проведения исследований были использованы высокотехнологичные методы фенотипирования селекционного материала. Крупность зерна оценивали по массе 1000 абсолютно сухих зерен с использованием анализатора влажности, установки воздушно-тепловой, автоматического счетчика семян; оценку стекловидности и трещиноватости зерна - в проходящем свете с помощью диафаноскопа.

Результаты. Генотипы дифференцировали и распределяли в группы по каждому признаку. В результате проведения исследования качества полученных образцов BC3 по данным фенотипирования были выделены линии, сочетающие высокие технологические признаки качества зерна. Масса 1000 абсолютно сухих зерен находилась в диапазоне 23,2-30,2 г в группе средних по массе образцов, показатели стекловидности и трещиноватости соответственно: 62-93 % и 1-9 %.

Заключение. В результате сравнительного анализа гибридов и родительских форм были отмечены комбинации, для которых был характерен эффект гетерозиса по признакам качества зерна.

Об авторах

Наталья Георгиевна Туманьян

Федеральное государственное бюджетное научное учреждение «Федеральный научный центр риса»

Автор, ответственный за переписку.
Email: tngerag@yandex.ru
ORCID iD: 0000-0002-5843-0930
SPIN-код: 9234-5609
Scopus Author ID: 6506633861
ResearcherId: ABW-7206-2022

д-р биол. наук, профессор, зав. лабораторией, главный научный сотрудник лаборатории качества риса

 

Россия, п. Белозерный, 3, 350921, г. Краснодар, Российская Федерация

Элина Юрьевна Папулова

Федеральное государственное бюджетное научное учреждение «Федеральный научный центр риса»

Email: elya888.85@mail.ru
ORCID iD: 0000-0002-0636-4409
SPIN-код: 3118-1175
Scopus Author ID: 57218104152
ResearcherId: AFF-6035-2022

канд. биол. наук, старший научный сотрудник лаборатории качества риса

 

Россия, п. Белозерный, 3, 350921, г. Краснодар, Российская Федерация

Лиана Мишаевна Лалаян

Федеральное государственное бюджетное научное учреждение «Федеральный научный центр риса»

Email: l.liana_m@mail.ru
ORCID iD: 0009-0000-3597-353X
ResearcherId: ACM-4182-2022

аспирант

 

Россия, п. Белозерный, 3, 350921, г. Краснодар, Российская Федерация

Светлана Сергеевна Чижикова

Федеральное государственное бюджетное научное учреждение «Федеральный научный центр риса»

Email: Kvetochka2005@yandex.ru
ORCID iD: 0000-0001-5465-3603
SPIN-код: 8023-0685
Scopus Author ID: 57218100898
ResearcherId: OIS-2400-2025

канд. биол. наук, старший научный сотрудник лаборатории качества риса

 

Россия, п. Белозерный, 3, 350921, г. Краснодар, Российская Федерация

Татьяна Борисовна Кумейко

Федеральное государственное бюджетное научное учреждение «Федеральный научный центр риса»

Email: tatkumejko@yandex.ru
ORCID iD: 0000-0002-2190-7408
SPIN-код: 6928-5880
Scopus Author ID: 5721825231
ResearcherId: OIS-2306-2025

канд. с.-х. наук, старший научный сотрудник лаборатории качества риса

 

Россия, п. Белозерный, 3, 350921, г. Краснодар, Российская Федерация

Список литературы

  1. Коротенко, Т. Л., Мухина, Ж. М., Юрченко, С. А., & Туманьян, Н. Г. (2022). Дифференцированные генетические ресурсы риса по биохимическому составу для разных пищевых потребностей и селекционного использования. Рисоводство, 4(57), 22–31. https://doi.org/10.33775/1684-2464-2022-57-4-22-31. EDN: https://elibrary.ru/ZGSJEF
  2. Dwiningsih, Y., Anuj, K., Julie, T., Charles, R., Jawaher, A., Abdulrahman, A., & Andy, P. (2021). Identification of genomic regions controlling chalkiness and grain characteristics in a recombinant inbred line rice population based on high-throughput SNP markers. Genes, 12(11), 1690. https://doi.org/10.3390/genes1211169
  3. Furuta, T., Ashikari, M., Jena, K. K., Doi, K., & Reuscher, S. (2017). Adapting genotyping-by-sequencing for rice F2 populations. G3: Genes, Genomes, Genetics, 7(3), 881–893. https://doi.org/10.1534/g3.116.038190. EDN: https://elibrary.ru/YYDFAN
  4. Gao, F.-Y., Zeng, L.-H., Qiu, L., Lu, X.-J., Ren, J.-S., Wu, X.-T., Su, X.-W., Gao, Y.-M., & Ren, G.-J. (2016). QTL mapping of grain appearance quality traits and grain weight using a recombinant inbred population in rice. Journal of Integrative Agriculture, 15, 1693–1702.
  5. Gao, H., Gadlage, M. J., Lafitte, H. R., Lenderts, B., Yang, M., Schroder, M., Farrell, J., Snopek, K., Peterson, D., Feigenbutz, L., et al. (2020). Superior field performance of waxy corn engineered using CRISPR-Cas9. Nature Biotechnology, 38, 579–581. https://doi.org/10.1038/s41587-020-0444-0. EDN: https://elibrary.ru/CEKOTD
  6. Hu, Z., et al. (2018). A novel QTL qTGW3 encodes the GSK3/SHAGGY-like kinase OsGSK5/OsSK41 that interacts with OsARF4 to negatively regulate grain size and weight in rice. Molecular Plant, 11, 736–749. https://doi.org/10.1016/j.molp.2018.03.005
  7. shimaru, K., et al. (2013). Loss of function of the IAA-glucose hydrolase gene TGW6 enhances rice grain weight and increases yield. Nature Genetics, 3. https://doi.org/10.1038/ng.2612
  8. Koutroubas, S. D., Mazzini, F., Pons, B., et al. (2004). Grain quality variation and relationships with morphophysiological traits in rice (Oryza sativa L.) genetic resources in Europe. Field Crops Research, 86, 115–130. https://doi.org/10.1016/S0378-4290(03)00117-5
  9. Mané, I., Bassama, J., Ndong, M., Mestres, C., Diedhiou, P. M., & Fliedel, G. (2 Newton). Deciphering urban consumer requirements for rice quality gives insights for driving the future acceptability of local rice in Africa: Case study in the city of Saint-Louis in Senegal. Food Science & Nutrition, 9, 1614–1624. https://doi.org/10.1002/fsn3.2136. EDN: https://elibrary.ru/KQVZSS
  10. Mukhina, Zh. M., Yesaulova, L. V., Tumanyan, N. G., Papulova, E. Yu., Garkush, S. V., & Chukhir, N. P. (2024). Effective protocol for rice phenotyping based on grain quality: Ranking of rice samples from a segregating BC2 population. ITESE-2024: E3S Web of Conferences, 583, 08018. https://doi.org/10.1051/e3sconf/202458308018. EDN: https://elibrary.ru/ZRLIXV
  11. Mulyaningsih, E. S., Devi, A. F., Anggraheni, Y. G. D., Paradisa, Y. B., Priadi, D., Indrayani, S., Sulistyowati, Y., Perdani, A. Y., Nuro, F., Adi, E. B. M., & Deswina, P. (2023). Physicochemical properties and eating quality of promising crossbred upland rice lines developed from superior parental genotypes. SABRAO Journal of Breeding and Genetics, 55(5), 1536–1546. https://doi.org/10.54910/sabrao2023.55.5.8. EDN: https://elibrary.ru/TGNQMW
  12. Reza, M. E., & Golam, J. A. (2020). Germplasm and genetic diversity studies in rice for stress response and quality traits. В кн.: Rice Research for Quality Improvement: Genomics and Genetic Engineering (с. 47–60). https://doi.org/10.1007/978-981-15-4120-9_3
  13. Saket, C., Aditya, B., & Aryadeep, R. (2020). Quantitative trait loci for rice grain quality improvement. В кн.: Rice Research for Quality Improvement: Genomics and Genetic Engineering (с. 687–697). https://doi.org/10.1007/978-981-15-5337-0_31
  14. Sjahril, R., Trisnawaty, A. R., Riadi, M., Rafiuddin, R., Sato, T., Toriyama, K., Hayashi, Y., & Tomoko, A. (2020). Selection of early maturing and high yielding mutants of Toraja Local Red Rice grown from M2–M3 population after ion beam irradiation. Hayati Journal of Biosciences, 27(2), 166. https://doi.org/10.4308/HJB.27.2.166. EDN: https://elibrary.ru/NWCEZP
  15. Sreenivasulu, N., Zhang, C., Tiozon, R. N. Jr., & Liu, Q. (2022). Post-genomics revolution in the design of premium quality rice in a high-yielding background to meet consumer demands in the 21st century. Plant Communications, 3(3), 100271. https://doi.org/10.1016/j.xplc.2021.100271. EDN: https://elibrary.ru/FZXQHW
  16. Su-Kui, J., Li-Na, X., Qing-Qing, Y., Ming-Qiu, Z., Shui-Lian, W., Ruo-An, W., Tao, T., Lian-Min, H., Qian-Qian, G., Shu-Wen, J., Tao, S., Yu-Jia, L., Xiu-Ling, C., & Ji-Ping, G. (2023). High-resolution quantitative trait locus mapping for rice grain quality traits using genotyping by sequencing. Frontiers in Plant Science, 13. https://doi.org/10.3389/fpls.2022.1050882
  17. Wang, D., Sun, W., Yuan, Z., Sun, Q., Fan, K., Zhang, C., & Yu, S. (2021). Identification of a novel QTL and candidate gene associated with grain size using chromosome segment substitution lines in rice. Scientific Reports, 11, 189. https://doi.org/10.1038/s41598-020-80667-6. EDN: https://elibrary.ru/FNNNMH
  18. Zhu, A., Zhang, Y., Zhang, Z., Wang, B., Xue, P., Cao, Y., et al. (2018). Genetic dissection of qPCG1 for a quantitative trait locus for percentage of chalky grain in rice (Oryza sativa L.). Frontiers in Plant Science, 9, 1173. https://doi.org/10.3389/fpls.2018.01173

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML


Creative Commons License
Эта статья доступна по лицензии Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.

Согласие на обработку персональных данных

 

Используя сайт https://journals.rcsi.science, я (далее – «Пользователь» или «Субъект персональных данных») даю согласие на обработку персональных данных на этом сайте (текст Согласия) и на обработку персональных данных с помощью сервиса «Яндекс.Метрика» (текст Согласия).