การวิเคราะห์ความสัมพันธ์ทั่วทั้งจีโนมของลักษณะน้ำหนัก 100 เมล็ดในถั่วเหลืองโดยใช้เครื่องหมายสนิป และการพัฒนาเครื่องหมายสำหรับการคัดเลือกพันธุ์
Article Sidebar
Main Article Content
บทคัดย่อ
ถั่วเหลือง (Glycine max (L.) Merr.) เป็นพืชเศรษฐกิจสำคัญที่มีผลต่ออุตสาหกรรมอาหารและอาหารสัตว์ น้ำหนัก 100 เมล็ด (HSW) เป็นลักษณะสำคัญที่สะท้อนผลผลิตและคุณภาพของเมล็ด งานวิจัยนี้มีวัตถุประสงค์เพื่อวิเคราะห์ความสัมพันธ์ทั่วทั้งจีโนมของ HSW และพัฒนาเครื่องหมายดีเอ็นเอสำหรับคัดเลือกพันธุ์ เชื้อพันธุกรรมถั่วเหลือง 101 พันธุ์ ปลูกในแปลงทดลองที่ศูนย์วิจัยพืชไร่เชียงใหม่ในฤดูแล้งปี 2568 และชั่ง HSW การวิเคราะห์จีโนไทป์ (genotype) ใช้เทคนิค low-pass whole genome sequencing และใช้ SNP จำนวน 1,076,102 ตำแหน่งสำหรับ GWAS ด้วยแบบจำลอง MLM, FarmCPU, SUPER และ MLMM ผลการศึกษาพบ SNP แบบ missense ที่สัมพันธ์กับ HSW จำนวน 19 ตำแหน่งบนหลายโครโมโซม โดย SNP ในยีน Glyma.03G094400 และ Glyma.07G270000 พบสอดคล้องกันในหลายแบบจำลอง จึงนำมาพัฒนาเครื่องหมาย tetra-primer ARMS-PCR ผลการทดสอบพบว่า SNP ใน Glyma.07G270000 สามารถจำแนกจีโนไทป์ตรงกับข้อมูลวิเคราะห์จีโนม การประเมินประสิทธิภาพเครื่องหมายพบความแม่นยำ 71.95% และ sensitivity สำหรับเมล็ดขนาดใหญ่ 98.1% ผลการวิจัยชี้ว่าเครื่องหมาย SNP นี้มีประโยชน์สำหรับใช้เป็นเครื่องหมายโมเลกุลในระยะเริ่มต้น เพื่อคัดเลือกพันธุ์ถั่วเหลืองที่มีเมล็ดใหญ่และผลผลิตสูงในอนาคต
Article Details
เอกสารอ้างอิง
กรมวิชาการเกษตร. (2547). ฐานข้อมูลเชื้อพันธุ์พืช: ถั่วเหลือง. โรงพิมพ์ชุมนุมสหกรณ์การเกษตรแห่งประเทศไทยจำกัด
สำนักวิจัยเศรษฐกิจการเกษตร. (2568). สถานการณ์สินค้าเกษตรที่สำคัญและแนวโน้มปี 2567. สำนักงานเศรษฐกิจการเกษตร กระทรวงเกษตรและสหกรณ์.
Altman, D. G., & Bland, J. M. (1994). Statistics Notes: Diagnostic tests 1: sensitivity and specificity. British Medical Journal, 308, 1552. https://doi.org/10.1136/bmj.308.6943.1552 DOI: https://doi.org/10.1136/bmj.308.6943.1552
Chen, Q., Zhang, Z., Liu, C., Xin, D., Qiu, H., Shan, D., Shan, C., & Hu, G. (2007). QTL analysis of major agronomic traits in soybean. Agricultural Sciences in China, 6(4), 399 - 405. https://doi.org/10.1016/S1671-2927(07)60062-5 DOI: https://doi.org/10.1016/S1671-2927(07)60062-5
Gras, D. E., Mansilla, N., Rodriguez, C., Welchen, E., & Gonzalez, D. H. (2020). Arabidopsis thaliana SURFEIT1-like genes link mitochondrial function to early plant development and hormonal growth responses. The Plant Journal, 103(2), 690-704. https://doi.org/10.1111/tpj.14762 DOI: https://doi.org/10.1111/tpj.14762
Guo, B., Fan, S., Liu, M., Yang, H., Dai, L., & Wang, L. (2025). ATP synthase members of chloroplasts and mitochondria in rubber trees (Hevea brasiliensis) response to plant hormones. Plants, 14(4), 604. https://doi.org/10.3390/plants14040604 DOI: https://doi.org/10.3390/plants14040604
Harmer, S.L. (2009). The circadian system in higher plants. Annual Review of Plant Biology, 60, 357 - 377. https://doi.org/10.1146/annurev.arplant.043008.092054 DOI: https://doi.org/10.1146/annurev.arplant.043008.092054
Hartman, G. L., West, E. D., & Herman, T. K. (2011). Crops that feed the world 2. Soybean—Worldwide production, use, and constraints caused by pathogens and pests. Food Security, 3(1), 5 – 17. https://doi.org/10.1007/s12571-010-0108-x DOI: https://doi.org/10.1007/s12571-010-0108-x
Huang, C., Ji, Z., Huang, Q., Peng, L., Li, W., Wang, D., Wu, Z., Zhao, J., He, Y., & Wang, Z. (2024). Natural variation in the cytochrome c oxidase subunit 5B OsCOX5B regulates seed vigor by altering energy production in rice. Journal of Integrative Agriculture, 23(9), 2898 – 2910. https://doi.org/10.1016/j.jia.2023.06.018 DOI: https://doi.org/10.1016/j.jia.2023.06.018
Korte, A., & Farlow, A. (2013). The advantages and limitations of trait analysis with GWAS: A review. Plant Methods, 9(29). https://doi.org/10.1186/1746-4811-9-29 DOI: https://doi.org/10.1186/1746-4811-9-29
Li, N., & Li, Y. (2014). Ubiquitin-mediated control of seed size in plants. Frontiers in Plant Science, 5, 332. https://doi.org/10.3389/fpls.2014.00332 DOI: https://doi.org/10.3389/fpls.2014.00332
Mansilla, N., Racca, S., Gras, D.E., Gonzalez, D.H., & Welchen, E. (2018). The complexity of mitochondrial complex IV: an update of cytochrome c oxidase biogenesis in plants. International Journal of Molecular Sciences, 19(3), 662. https://doi.org/10.3390/ijms19030 DOI: https://doi.org/10.3390/ijms19030662
McArthur, J.B., & Chen, X. (2016). Glycosyltransferase engineering for carbohydrate synthesis. Biochemical Society Transactions, 44(1), 129 - 142. https://doi.org/10.1042/BST20150200 DOI: https://doi.org/10.1042/BST20150200
Newton, C. R., Graham, A., Heptinstall, L. E., Powell, S. J., Summers, C., Kalsheker, N., Smith, J. C., & Markham, A. F. (1989). Analysis of any point mutation in DNA: The amplification refractory mutation system (ARMS). Nucleic Acids Research, 17(7), 2503 – 2516. https://doi.org/10.1093/nar/17.7.2503 DOI: https://doi.org/10.1093/nar/17.7.2503
Novogene Inc. (2024). Understanding low-pass whole-genome sequencing: Benefits and applications. https://amea.novogene.com/resources/blog/understanding-low-pass-whole-genome-sequencing-benefits-and-applications
Sadanandom, A., Bailey, M., Ewan, R., Lee, J., & Nelis, S. (2012). The ubiquitin-proteasome system: central modifier of plant signalling. New Phytologist, 196(1), 13 – 28. https://doi.org/10.1111/j.1469-8137.2012.04266.x DOI: https://doi.org/10.1111/j.1469-8137.2012.04266.x
Sun, B., Guo, R., Liu, Z., Shi, X., Yang, Q., Shi, J., Zhang, M., Yang, C., Zhao, S., Zhang, J., He, J., Zhang, J., Su, J., Song, Q., & Yan, L. (2022). Genetic variation and marker-trait association affect the genomic selection prediction accuracy of soybean protein and oil content. Frontiers in Plant Science, 13, 1064623. https://doi.org/10.3389/fpls.2022.1064623 DOI: https://doi.org/10.3389/fpls.2022.1064623
Van der Auwera, G. A., Carneiro, M. O., Hartl, C., Poplin, R., Del Angel, G., Levy-Moonshine, T., Jordan, T., Shakir, K., Roazen, D., Thibault, J., Banks, E., Garimella, K..V., Altshuler, D., Gabriel, S., & DePristo, M..A. (2013). From FastQ data to high-confidence variant calls: The Genome Analysis Toolkit best practices pipeline. Current Protocols in Bioinformatics, 43(1110), 11.10.1-11.10.33. https://doi.org/10.1002/0471250953.bi1110s43 DOI: https://doi.org/10.1002/0471250953.bi1110s43
Vierstra, R. D. (2009). The ubiquitin-26S proteasome system at the nexus of plant biology. Nature Reviews Molecular Cell Biology, 10, 385 - 397. https://doi.org/10.1038/nrm2688 DOI: https://doi.org/10.1038/nrm2688
Wu, D., Zhan, Y., Sun, Q., Xu, L., Lian, M., Zhao, X., Han, Y., & Li, W. (2018). Identification of quantitative trait loci underlying soybean (Glycine max [L.] Merr.) seed weight including main, epistatic and QTL× environment effects in different regions of Northeast China. Plant Breeding, 137(2), 194 – 202. https://doi.org/10.1111/pbr.12574 DOI: https://doi.org/10.1111/pbr.12574
Zhang, C., Hong, H., Yuan, R., Zhao, K., Bha, Z., Lamlom, S. F., Xi, X., Ren, H., Qiu, L., & Wang, J. (2026). Integrating linkage mapping and GWAS reveals novel genetic architecture of seed weight in soybean (Glycine max L.). Frontiers in Plant Science, 16, 1711905. https://doi.org/10.3389/fpls.2025.1711905 DOI: https://doi.org/10.3389/fpls.2025.1711905
Zhang, J., Song, Q., Cregan, P.B., & Jiang, G-L. (2016). Genome-wide association study, genomic prediction and marker-assisted selection for seed weight in soybean (Glycine max). Theoretical and Applied Genetics, 129 (1), 117–130. https://doi.org/10.1007/s00122-015-2614-x DOI: https://doi.org/10.1007/s00122-015-2614-x
Zhou, X, & Stephens, M. (2012). Genome-wide efficient mixed-model analysis for association studies. Nature Genetics, 44(7), 821 - 824. https://doi.org/10.1038/ng.2310 DOI: https://doi.org/10.1038/ng.2310
