پشیمانی برای ناراحتی: ما اقداماتی را برای جلوگیری از ارسال فرم های کلاهبرداری توسط استخراج کنندگان و خزنده های صفحه انجام می دهیم. لطفاً برای دیدن شناسه ایمیل ، کلمه captcha صحیح را تایپ کنید.

گروه مدیریت خاک و آفات ، دانشگاه فدرال فناوری ، نیجریه

مکاتبات: Akinlolu O Ohunakin ، گروه مدیریت خاک و آفات ، دانشگاه فدرال فناوری ، Akure ، ایالت Ondo ، نیجریه

دریافت: 28 نوامبر 2019 |منتشر شده: 17 دسامبر 2019

استناد: Ohunakin AO ، Odiyi AC ، Akinyele Bo. مقایسه مبلغ رتبه و مساحت تحت منحنی پیشرفت بیماری (AUDPC) به عنوان تعیین کننده وضعیت مقاومت نسبی جمعیت ذرت به بیماری Blight برگ شمالی ذرت. Adv Plants Agric Res. 2019 ؛ 9 (3): 395-400. doi: 10. 15406/apar. 2019. 09. 00455

چکیده> مقایسه مبلغ رتبه و مساحت زیر منحنی پیشرفت بیماری (AUDPC) به عنوان تعیین کننده وضعیت مقاومت نسبی جمعیت ذرت به بیماری Blight برگ شمالی ذرت

پشیمانی برای ناراحتی: ما اقداماتی را برای جلوگیری از ارسال فرم های کلاهبرداری توسط استخراج کنندگان و خزنده های صفحه انجام می دهیم. لطفاً برای دیدن شناسه ایمیل ، کلمه captcha صحیح را تایپ کنید.

گروه مدیریت خاک و آفات ، دانشگاه فدرال فناوری ، نیجریه

مکاتبات: Akinlolu O Ohunakin ، گروه مدیریت خاک و آفات ، دانشگاه فدرال فناوری ، Akure ، ایالت Ondo ، نیجریه

دریافت: 28 نوامبر 2019 |منتشر شده: 17 دسامبر 2019

استناد: Ohunakin AO ، Odiyi AC ، Akinyele Bo. مقایسه مبلغ رتبه و مساحت تحت منحنی پیشرفت بیماری (AUDPC) به عنوان تعیین کننده وضعیت مقاومت نسبی جمعیت ذرت به بیماری Blight برگ شمالی ذرت. Adv Plants Agric Res. 2019 ؛ 9 (3): 395-400. doi: 10. 15406/apar. 2019. 09. 00455

انتزاعی از جمع رتبه و مساحت تحت منحنی پیشرفت بیماری (AUDPC) به عنوان تعیین کننده وضعیت مقاومت نسبی جمعیت ذرت به بیماری بلیت برگ شمالی ذرت

پشیمانی برای ناراحتی: ما اقداماتی را برای جلوگیری از ارسال فرم های کلاهبرداری توسط استخراج کنندگان و خزنده های صفحه انجام می دهیم. لطفاً برای دیدن شناسه ایمیل ، کلمه captcha صحیح را تایپ کنید.

گروه مدیریت خاک و آفات ، دانشگاه فدرال فناوری ، نیجریه

مکاتبات: Akinlolu O Ohunakin ، گروه مدیریت خاک و آفات ، دانشگاه فدرال فناوری ، Akure ، ایالت Ondo ، نیجریه

دریافت: 28 نوامبر 2019 |منتشر شده: 17 دسامبر 2019+استناد: Ohunakin AO ، Odiyi AC ، Akinyele Bo. مقایسه مبلغ رتبه و مساحت تحت منحنی پیشرفت بیماری (AUDPC) به عنوان تعیین کننده وضعیت مقاومت نسبی جمعیت ذرت به بیماری Blight برگ شمالی ذرت. Adv Plants Agric Res. 2019 ؛ 9 (3): 395-400. doi: 10. 15406/apar. 2019. 09. 00455

خلاصه

سی خط داخلی ذرت به دست آمده از انستیتوی بین المللی کشاورزی گرمسیری (IITA) ، ابادان در معرض چرخه ای از همبستگی در مزرعه تدریس و تحقیقاتی دانشگاه فدرال فناوری ، Akure (T& RF ، FUTA) قرار گرفت. ژنوتیپ ها برای مقاومت نسبی آنها در برابر بیماری Blight برگ شمالی (NLBD) تحت شرایط خانه صفحه مورد بررسی قرار گرفت. ژنوتیپ ها تحت الگوی عفونت بیماری مصنوعی در معرض عفونت قرار گرفتند: بروز بیماری (DI) و شاخص شدت علائم (ISS) مورد بررسی قرار گرفت. رتبه بندی (به عنوان مثال ، مجموع رتبه های DI و ISS برای هر جمعیت) و از منطقه تحت منحنی پیشرفت بیماری (AUDPC) برای ارزیابی مقاومت نسبی ژنوتیپ های ذرت استفاده شد. مواردی که مقادیر کم و مقادیر AUDPC را نشان می دهند "نسبتاً مقاوم (MR)" ، "مقاوم (R)" و "بسیار مقاوم (HR)" ، "نسبتاً مستعد (MS)" "،" مستعد ابتلا به (S) بودند.) '' ، '' بسیار مستعد (HS) '' به NLBD بر اساس مقادیر مربوطه و انحراف از منحنی میانگین توزیع. برای روش درجه یک ، فقط جمعیت TZEI 1271 با انحراف از میانگین توزی ع-2. 48 ، HR رتبه بندی شد ، اما MR را تحت AUDPC با ارزش انحرا ف-0. 6 رتبه بندی کرد در حالی که هیچ یک از جمعیت HR برای روش AUDPC رتبه بندی نکردند. فقط جمعیت TZEEI 37 HS با میانگین ارزش انحراف 2. 52 برای رتبه بندی رتبه بندی شد ، اما MS را با میانگین انحراف 0. 05 تحت روش AUDPC رتبه بندی کرد ، در حالی که هیچ یک از ژنوتیپ ها HS را برای AUDPC نشان ندادند. روش درجه یک کمی دست و پا گیر است اما در مقایسه با روش AUDPC نتایج دقیق و دقیقی به دست آورد. هیچ یک از ژنوتیپ ها از این بیماری مصون نبودند._nواژه های کلیدی: جمع رتبه ، منطقه تحت منحنی پیشرفت بیماری ، بلیت برگ شمالی ، شاخص شدت علائم ، مقاومت ، مستعد

The AUDPC estimates were arranged in descending order and then assigned a rank score. Deviation of rank score was computed as the deviation of each rank score from the grand mean of the rank scores. Standardized Deviation (SD) was the product of deviation and a constant (0.2). Genotypes were categorized into various groups based on the SD values. 18 Standardized deviation values falling to the right (positive) of the grand mean on the mean distribution curve were considered to be moderately susceptible, susceptible or highly susceptible while those falling to the left (negative) of the grand mean were placed in the moderately resistant, resistant or highly resistant category as shown below (Figure 1). A genotype was considered highly resistant to maize streak disease if its SD value was less than -2 from the grand mean, resistant if it was between -2 and -1, moderately resistant if was within -1 and 0, moderately susceptible if it was found between 0 and 1, susceptible if it fell between 1 and 2, and highly susceptible when it was>معرفی

ذرت (Zea Mays L.) به عنوان مهمترین محصول غلات در جنوب صحرای آفریقا (SSA) و سومین غلات مهم در سطح جهان پس از گندم و برنج گزارش شده است. در جنوب صحرای آفریقا ، ذرت یک ماده غذایی اصلی برای 50 ٪ از جمعیت با تولید فعلی 10 میلیون تن و عملکرد متوسط 1. 5 تن در هکتار است. از ذرت مستقیماً برای مصرف انسان در SSA استفاده می شود که در مقیاس کوچک پردازش می شود. ذرت دارای تنوع ژنتیکی گسترده ای با توانایی پیشرفت موفقیت آمیز در محیط های متنوع است. در SSA ، محدودیت های بهره وری ذرت شامل ، الگوی بارندگی غیرقابل پیش بینی ، باروری کم خاک ، عدم وجود فناوری بهبود یافته و کشاورزی معیشت است. تأثیر چندین آفات حشرات ، بیماری ها و آلودگی توسط علفهای هرز انگلی استرس بیوتیک جدی بر عملکرد ذرت دارد. علاوه بر این ، خشکسالی مکرر تهدید اصلی آب و هوایی برای بهره وری ذرت در SSA است. از دست دادن عملکرد ذرت نسبت به خشکسالی سالانه حدود 15 ٪ است. 1 در حالی که ، 45-60 ٪ از دست دادن عملکرد هنگام خشکسالی در گلدهی گزارش شده است. علاوه بر این ، از دست دادن عملکرد ذرت به دلیل عفونت بیماری سالانه 24 میلیون تن تخمین زده می شود. 2 بیماری اگر در مراحل نوجوانان ، گل و گرده افشانی رخ دهد ، می تواند ویرانگر باشد و به دلیل تغییر آب و هوا و گرم شدن کره زمین ، آنها به عنوان یک مانع تولید برجستگی بیشتری کسب کرده اند. افزایش رطوبت و الگوهای بارندگی زیاد پیش بینی نشده پیامدهای مهمی در بیان بیماری و پویایی جمعیت پاتوژن دارد.

عملکرد ذرت در هر واحد توسط چندین پاتوژن تهدید می شود. باکتری ها ، نماتدها ، ویروس ها و قارچ ها. با این حال ، بیماری Blight برگ شمالی (NLBD) ناشی از قارچ Exserohilum turcicum (Pass.) Leonard و Suggs (Syn. Heliminthosporium Turcicum Pass.) مهم و مهمترین بیماری شاخ و برگ در سراسر جهان است. 4 این یک تهدید جدی برای تولید ذرت در منطقه رشد ذرت آفریقا است. این بیماری شدیدترین و مخرب است که دوره های طولانی از رطوبت نسبی بالا رخ می دهد ، با توانایی ایجاد دفع شدید در مرحله پر کردن دانه. 2 ضرر مستند عملکرد ذرت نسبت به NLB از 16 تا 69 ٪ متغیر است ، 5 با خسارات تخمین زده شده به میزان 100 ٪ وقتی اپیدمی شدید به از دست دادن منطقه فتوسنتزی کمک می کند ، باعث افزایش اقامتگاه ساقه و مرگ و میر زودرس گیاه می شود. علائم ارائه شده توسط این بیماری شامل:لکه های شکل سیگار خاکستری بر روی برگهای آسیب دیده ، ضایعات خیس شده با آب و ظواهر سوخته در ذرت به شدت آلوده. 4 علائم این بیماری عمدتاً تحت تأثیر فعل و انفعالات میزبان-پاتوژن ، فشار پاتوژن ، ژنوتیپ ذرت ، سن گیاه در عفونت و شرایط آب و هوایی است. به نظر می رسد مقاومت ژنتیکی بهترین وسیله برای کاهش از دست دادن عملکرد از NLB در آفریقا ، به ویژه کشاورزان در مقیاس کوچک است که فاقد ظرفیت مالی به وسیله شیمیایی کنترل بیماری در ذرت هستند. 6 بهبود صفات کمی به بیماری Blight برگ شمالی می تواند در تثبیت بهره وری ذرت در مناطق آسیب پذیر نقش داشته باشد. با این حال ، بیان علائم دیفرانسیل در گونه های توسعه یافته مشاهده شده است ، بنابراین نشان دهنده تنوع ژنتیکی در مقاومت به بیماری است. 7 در محصول ذرت ، ژنوتیپ ها با قرار گرفتن در معرض دسته های خطوط درون ریز در معرض عفونت بیماری رگه ذرت و ثبت تعداد روزهای قبل از هر گیاه که علائم بیان شده بود ، مورد بررسی قرار گرفت و همچنین از بروز بیماری و شدت علائم در نظر گرفته شد. 8

Burdon JJ 9 سه نوع مدل را برای ارزیابی بیماری گزارش داد. مدل نقطه بحرانی که تخمین از دست دادن عملکرد را برای هر سطح معینی از بیماری در یک زمان معین ارائه می دهد. مدل چند نقطه ضرر از منحنی پیشرفت بیماری را که شامل بسیاری از نقاط ارزیابی جداگانه است ، تخمین می زند. و مدل میانی ، که مربوط به کاهش عملکرد به منطقه تجمعی تحت منحنی پیشرفت بیماری (AUDPC) است. مدل نقطه بحرانی مبتنی بر این فرض است که تمام منحنی های بیماری که به همان سطح شدت می رسند در همان زمان باعث از بین رفتن عملکرد یکسان می شوند ، که بیشتر زمان نیست ، و بنابراین مدل را به یک پیش بینی کننده ضعیف تبدیل می کند. 9 مدل AUDPC از این ضعف جلوگیری می کند و اثرات تغییرات را در طول مدت و شدت بیماری همه گیر بیماری درج می کند. مدل دوم در شرایطی مناسب نیست که نسبتاً کمی در مورد پاسخ فیزیولوژیکی میزبان به بیماری شناخته شود. مدل های AUDPC نیازی به دانش قبلی ندارند. علاوه بر این ، در بسیاری از موارد ، مدل های AUDPC بین سطح تجمعی بیماری و از دست دادن بیماری ناشی از همبستگی بسیار نزدیک نشان داده اند. 4،10،11 Goktepe 12 همچنین AUDPC را به عنوان یکی از وسایل تعیین مقاومت میزبان نشان داد.