بررسی تنوع ژنتیکی و تجزیه ساختار جمعیت ژرمپلاسم انار شیرین ایران با استفاده از نشانگرهای SSR
Publish place: Journal of agricultural biotechnology، Vol: 5، Issue: 4
Publish Year: 1392
Type: Journal paper
Language: English
View: 320
This Paper With 14 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
Export:
Document National Code:
JR_JOAGK-5-4_010
Index date: 5 December 2020
بررسی تنوع ژنتیکی و تجزیه ساختار جمعیت ژرمپلاسم انار شیرین ایران با استفاده از نشانگرهای SSR abstract
ایران یکی از بزرگترین تولیدکنندگان و صادرکنندگان انار در دنیاست. هرچند تعداد گونههای جنس Punica بسیار کم است، تنوع مورفولوژیک بسیار بالایی در داخل ارقام و ژنوتیپهای موجود در کشور مشاهده میشود. لذا بمنظور تفکیک ژرمپلاسم غنی انار موجود در کشور، استفاده از نشانگرهای مناسب ضروری است. بهمین منظور در این مطالعه، 6 نشانگر چند شکل از میان 50 آغازگر ریزماهواره مورد بررسی، بر روی 194 نمونه موجود در ژرمپلاسم انار شیرین مورد آزمایش قرار گرفتند. در مجموع تعداد 24 آلل مشاهده گردید که تعداد آن در هر مکان ژنی در دامنهای بین 2 تا 8 آلل قرار داشت. میانگین محتوای اطلاعات چندشکلی این آغازگرها 746/0 و میانگین ناخالصی 778/0 بدست آمد که ماهیت قوی نشانگرهای ریزماهواره را در بررسی روابط و تنوع ژنتیکی اثبات میکند. تجزیه خوشهبندیبا روشهای UPGMA و NJ٬ نرم افزار MEGA4 و تجزیه ساختار با روش Bayesian نرم افزار STRUCTURE2.3 و تجزیه به مختصات اصلی (PCoA) با نرم افزار NTSYS، بمنظور بررسی روابط ژنتیکی و ساختار جمعیت نمونهها انجام شد. بررسی نتایج تمامی روشهای ذکر شده نشان داد که طبقهبندی ارقام و ژنوتیپهای مورد مطالعه مستقل از منشا جغرافیایی و نام گذاری پیشنهادیشان میباشد که این امر اختلاط شدید در ژرمپلاسم انار شیرین موجود را اثبات مینماید. بررسی مطالعه انجام شده وجود تنوع ژنتیکی بالایی را در ژرمپلاسم انار شیرین ایران اثبات میکند که میتواند برای اهداف اصلاحی مورد توجه قرار گیرد.
بررسی تنوع ژنتیکی و تجزیه ساختار جمعیت ژرمپلاسم انار شیرین ایران با استفاده از نشانگرهای SSR Keywords:
بررسی تنوع ژنتیکی و تجزیه ساختار جمعیت ژرمپلاسم انار شیرین ایران با استفاده از نشانگرهای SSR 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 :