واژگونی درون گونه ای در ناحیه psbA-trnH و تاثیر آن در بارکدگذاری: مطالعه موردی گروه Capparis spinosa L.
Publish place: Taxonomy and biosystematics، Vol: 11، Issue: 38
Publish Year: 1398
نوع سند: مقاله ژورنالی
زبان: Persian
View: 264
This Paper With 13 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_TBJ-11-38_005
تاریخ نمایه سازی: 23 اردیبهشت 1400
Abstract:
بارکدگذاری DNA یکی از روش های رو به گسترش در سیستماتیک مولکولی برای شناسایی گونه ها است. ناحیه psbA-trnH یکی از متغیرترین نواحی غیر کدشونده ژنوم کلروپلاستی و بارکد DNA استانداردی برای گونه های گیاهی است؛ با این حال، وجود واژگونی های درون گونه ای، استفاده از این قطعه را به عنوان بارکد DNA مناسب محدود کرده است. در پژوهش حاضر، تاثیر این تغییرات ساختاری بر شناسایی گونه های گروه Capparis spinosa شامل C. spinosa، C. parviflora، C. mucronifolia و C. cartilaginea، بررسی شد. هم ردیف سازی ترادف های این قطعه در ۲۵ نمونه، شامل ۴ گونه از این گروه و ۳ گونه دیگر از جنس Capparis انجام شد. نتایج حاصل نشان داد چندشکلی درون گونه ای در دو ناحیه از قطعه psbA-trnH در گروه C. spinosaوجود دارد و حدود ۸ درصد از طول این ناحیه را در بر گرفته است. تحلیل داده ها نشان داد شناسایی نکردن این واژگونی ها منجر به تخمین بیش از حد واگرایی درون گونه ای، کاهش واگرایی بین گونه ای و ناتوانی توالی psbA-trnH در شناسایی تاکسون های خویشاوند می شود و استفاده از توالی مکمل معکوس تا حدودی این مشکل را کاهش می دهد. براساس نتایج این پژوهش، پیشنهاد می شود نمونه برداری از دامنه جغرافیایی وسیعی ممکن است تنوعات مولکولی درون یک گونه را بهتر نمایان کند و کارآیی یک بارکد DNA را افزایش دهد. واژه های کلیدی: Capparis spinosa، واژگونی های درون گونه ای،psbA-trnH.
Keywords:
Authors
مریم احمدی
گروه زیست شناسی، دانشکده علوم، دانشگاه اصفهان، اصفهان، ایران
حجت اله سعیدی
دانشیار گروه زیست شناسی گیاهی و جانوری، دانشگاه اصفهان، اصفهان، ایران
سید منصور میرتاج الدینی
استادیار گروه زیست شناسی، دانشکده علوم، دانشگاه شهید باهنر کرمان، کرمان، ایران
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 :