مطالعه تنوع ژنتیکی توده های آویشن ایران با استفاده از نشانگرهای نیمه تصادفی
Publish place: Journal of agricultural biotechnology، Vol: 6، Issue: 2
Publish Year: 1393
Type: Journal paper
Language: English
View: 392
This Paper With 16 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
Export:
Document National Code:
JR_JOAGK-6-2_011
Index date: 5 December 2020
مطالعه تنوع ژنتیکی توده های آویشن ایران با استفاده از نشانگرهای نیمه تصادفی abstract
آویشن (Thymus spp.) از مهمترین گیاهان دارویی خانواده نعناعیان است. دورگهگیری بین گونهای و اینترگرسیون مهمترین عامل تنوع گونهای بالا در آویشن است که شناسایی گونهها را با مشکل روبرو کرده است. با توجه به مشکلات موجود در اصلاح این گیاه دارویی، استفاده از نشانگرهای مولکولی DNA می‌تواند ابزار قدرتمندی در ارزیابی ژرم‌پلاسم و بهره‌برداری‌های به‌نژادی به شمار آید. در این مطالعه از 30 آغازگر نیمهتصادفی اینترون-اگزونی (semi random intron-exon splice junction) برای ارزیابی تنوع ژنتیکی 70 توده آویشن ایران استفاده گردید. مجموع آغازگرها 694 باند قابل امتیازدهی تولید کردند که 683 باند آنها چندشکل بود. تجزیه خوشهای با نرمافزار DARwin5 و روش میانگین فاصله و ماتریس تشابه دایس، تودهها را به شش گروه تقسیم کرد. بیشترین شباهت بین دو توده T. kotschyanus و T. transcaucasius از قزوین و گیلان و کمترین شباهت مربوط به توده T. lancifolius فارس و T. fedtschenkoi از آذربایجان غربی بود. بیشترین و کمترین میزان اطلاعات چندشکلی به ترتیب مربوط به آغازگر IT15-36 وIT18-2 بود. بیشترین و کمترین شاخص نشانگر را به ترتیب دو آغازگر ET15-33 و ET18-6 به خود اختصاص دادند. نتایج نشان دادند که گروه‌بندی حاصل از تجزیه خوشهای تا حدودی با منشأ جغرافیایی هماهنگی داشت و توانست تا حدودی گونهها را از هم تفکیک نماید. نتایج این تحقیق نشان داد که استفاده از واکنش زنجیرهای پلیمراز با آغازگرهای نیمهتصادفی در بررسی تنوع ژنتیکی تودههای آویشن ایران مناسب بوده است.
مطالعه تنوع ژنتیکی توده های آویشن ایران با استفاده از نشانگرهای نیمه تصادفی Keywords:
مطالعه تنوع ژنتیکی توده های آویشن ایران با استفاده از نشانگرهای نیمه تصادفی authors
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :