ارزیابی تنوع ژنتیکی و گروه‌بندی جمعیت‌های شیرین‌بیان (Glycyrrhiza glabra L.) با استفاده از تجزیه تشخیص کانونیکی

نوع مقاله: مقاله پژوهشی

نویسندگان

1 دانشجوی دکترای فیزیولوژی و اصلاح گیاهان دارویی، گروه علوم باغبانی، دانشکده کشاورزی، دانشگاه زنجان، زنجان، ایران

2 استادیار، گروه باغبانی، دانشکده کشاورزی، دانشگاه زنجان، زنجان، ایران

3 دانشیار، گروه کشاورزی، پژوهشکده گیاهان و مواد اولیه دارویی، دانشگاه شهید بهشتی، تهران، ایران

چکیده

شناسه دیجیتال (DOR):
98.1000/1735-0905.1398.35.677.96.4.1575.1610

شیرین‌بیان (Glycyrrhiza glabra L.) یکی از قدیمی‌ترین و مهمترین گیاهان دارویی تیره Fabaceae است که از 4000 سال پیش برای درمان بسیاری از بیماری‌ها استفاده می‌شده است. این مطالعه برای ارزیابی و تشخیص منابع تنوع ژنتیکی و فنوتیپی در 22 جمعیت مختلف شیرین‌بیان در مزرعه تحقیقاتی دانشکده کشاورزی دانشگاه زنجان از سال 1395 تا 1397 اجرا شد. صفات مورفولوژیکی و عملکردی شامل ارتفاع بوته، عرض بوته، طول برگ، عرض برگ، تعداد برگچه، طول برگچه، عرض برگچه، تعداد شاخه جانبی، قطر ساقه اصلی، وزن تر اندام هوایی، وزن تر ریشه، وزن خشک اندام هوایی و وزن خشک ریشه، نسبت ریشه به اندام هوایی، عملکرد اندام هوایی در مترمربع و عملکرد ریشه در مترمربع اندازه‌گیری شد. در این مطالعه، دو متغیر کانونیکی معنی‌دار بودند و متغیر کانونیکی اول شامل صفات ارتفاع بوته، عرض بوته، قطر ساقه اصلی، طول برگ، تعداد برگچه و متغیر کانونیکی دوم شامل صفات وزن تر اندام هوایی، وزن تر ریشه، وزن خشک اندام هوایی، وزن خشک ریشه، عملکرد ریشه و عملکرد اندام هوایی بود که بیشترین نقش را در تفکیک جمعیت‌ها داشت. متغیرهای کانونیکی برای گروه‌بندی جمعیت‌ها به چهار گروه اصلی تقسیم و مورد استفاده قرار گرفتند. نتایج تجزیه تابع تشخیص کانونیکی تفکیک جمعیت‌ها را به گروه‌های مشابه توسط تجزیه خوشه‌ای تأیید نمود. روش تجزیه تشخیص کانونیکی در ارزیابی تنوع ژنتیکی و شناسایی صفات شاخص، قابلیت خوبی نشان داد.

کلیدواژه‌ها


- Allison, L., Bollen, W. and Moodie, C., 1965. Total carbon: 1346-1366. In: Black, C.A., Evans, D.D., Ensminger, L.E., White, J.L. and Clark, F.E., (Eds.). Methods of Soil Analysis. Part 2. Chemical and Microbiological Properties, Agronomy Monograph 9.2. American Society of Agronomy, Soil Science Society of America Madison, WI, 1572p.

- Asl, M.N. and Hosseinzadeh, H., 2008. Review of pharmacological effects of Glycyrrhiza sp. and its bioactive compounds. Phytotherapy Research, 22: 709-724.

- Azizi, H. and Abdollahi, B., 2013. Evaluation of genetic variation of Medicago sativa L. populations using canonical diagnosis analysis. Applied Field Crops Research, 10: 183-189.

- Bains, K.S. and Sood, K.C., 1984. Resolution of genetic divergence for choice of parents in soybean breeding. Journal of Crop Improvement, 11: 20-24.

- Bremner, J.M., 1982. Nitrogen-total: 1149-1178. Black, C.A., Evans, D.D., Ensminger, L.E., White, J.L. and Clark, F.E., (Eds.). Methods of Soil Analysis. Part 2. Chemical and Microbiological Properties, Agronomy Monograph 9.2. American Society of Agronomy, Soil Science Society of America Madison, WI, 1572p.

- Chung, J., Chang, H., Lin, W., Wang, H. Yeh, C., Hung, C. and Li, Y., 2000. Inhibition of Nacetyltransferase activity and DNA-2- aminofluorene adducts by glycyrrhizic acid in human colon tumour cells. Food and Chemical Toxicology, 38: 163-172.

- Fatima, A., Gupta, V., Lugman, S., Negi, A., Kumar, J. Shanker, K., Saikia, D., Srivastava, S., Darokar, M. and Khanuja, S., 2009. Antifungal activity of Glycyrrhiza glabra extracts and its active constituent glabridin. Phytotherapy Research, 23: 1190-1193.

- Foundra, M.Z., Hernandez, M., Lopez, R., Fernandez, L., Sanchez, A., Lopez, J. and Ravelo, I., 2000. Analysis of the variability in collected peanut (Arachis hypogaea L.) cultivars for the establishment of core collection. Plant Genetic Resources Newsletter, 137: 1540-1544.

- Gee, G. and Bauder, J., 1979. Particle size analysis by hydrometer: a simplified method for routine textural analysis and a sensitivity test of measurement parameters. Soil Science Society of America Journal, 43(5): 1004-1007.

- Gibson, M.R., 1987. Glycyrrhiza in old and new perspectives. Lloydia, 41: 348-354.

- Hong, Y.K., Wu, H.T., Ma, T., Liu, W.J. and He, X.J., 2009. Effects of Glycyrrhiza glabra polysaccharides on immune and antioxidant activities in high-fat mice. International Journal of Biological Macromolecules, 45: 61-64.

- Humphreys, M.O., 1991. A genetic approach to the multivariate differentiation of perennial ryegrass (Lolium perenne L.) cultivars. Heredity, 66: 437-443.

- Jaynes, D.B., Kaspar, T.C., Colvin, T.S. and James, D.E., 2003. Cluster analysis of spatiotemporal corn yield patterns in an Iowa field. Agronomy Journal, 95(3): 574-586.

- Jobson, J.D., 1992. Applied Multivariate Data Analysis (Volume II): Categorical and Multivariate Methods. Springer-Verlag, New York, 615p.

- Khattree, R. and Naik, D.N., 2000. Multivariate Data Reduction and Discrimination with SAS Software, SAS Institute Inc, Cary, NC, 584p.

- Khym, J.X., 1974. Analytical Ion-Exchange Procedures in Chemistry and Biology: Theory, Equipment, Techniques. Prentice-Hall, NJ, 257p.

- Loos, B.P., 1993. Morphological variation in Lolium (Poaceae) as a measure of species relationships. Plant Systematics and Evolution, 188: 87-99.

- Makinde, S.C.O. and Ariyo, O.J., 2010. Multivariate analysis of genetic divergence in twentytwo genotypes of groundnut (Arachis hypogaea L). Plant Breeding Crop Science, 2: 192-204.

- Mousa, N.A., Siaguru, E., Wiryowidagdo, S. and Wagih, M.E., 2007. Establishment of regenerative callus and cell suspension system of licorice (Glycyrrhiza glabra) for the production of the sweetener glycyrrhizin in vitro. Sugar Tech, 9:
72-82.

- Nelson, D. and Sommers, L.E., 1982. Total carbon, organic carbon, and organic matter. Methods of soil analysis. Part 2. Chemical and microbiological properties (methodsofsoilan 2). 539-579.

- Nowakowska, Z., 2007. A review of anti-infective and anti-inflammatory chalcones. European Journal of -Medicinal Chemistry, 42: 125-137.

- Rencher, A.C., 1992. Interpretation of canonical discriminant functions, canonical variates, and principal components. American Statistic, 46: 217-225.

- Riggs, T.J., 1973. The use of canonical analysis for selection within a cultivar of spring barley. Annals of Applied Biology, 74(2): 249-258.

- Saburi, H., Nahvi, M., Torabi, A. and Kanoni, M., 2008. Classification of rice varieties at different levels from the osmotic potential of sorbitol based on cluster analysis and fisher linear functions. Iranian Congress of Agronomy and Plant Breeding, Karadj, Iran, 28-30 August, 7: 327-340.

- Safari, P., Honarnezhad, R. and Esfehani, M., 2007. Evaluation of genetic diversity in groundnut cultivars using canonical discriminant analysis. Iran Agriculture Research, 6: 327-334.

- Vaylay, R. and van Santen, E., 2002. Application of canonical discriminant analysis for the assessment of genetic variation in tall fescue. Crop Science, 42: 534-539.

- Yeater, K.M., Bollero, G.A., Bullock, D.G., Rayburn, A.L. and Rodriguez-Zas, S., 2004. Assessment of genetic variation in hairy vetch using canonical discriminant analysis. Crop Science, 44: 185-189.

- Zberjdi, A., Safari, M. and Chagamirza, K., 2017. Ex vitro production of transgenic composite plants in Glycyrrhiza glabra via Agrobacterium rhizogenes-mediated transformation as a new method. Journal of Medicinal Plants, 1(61): 102-109.