مطالعه تبارشناسی داده های ریخت شناختی و ارزیابی روند تکاملی این صفات در جنس کمای (Ferula L.) ایران
Publish place: Taxonomy and biosystematics، Vol: 5، Issue: 14
Publish Year: 1392
Type: Journal paper
Language: Persian
View: 326
This Paper With 15 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
Export:
Document National Code:
JR_TBJ-5-14_006
Index date: 13 May 2021
مطالعه تبارشناسی داده های ریخت شناختی و ارزیابی روند تکاملی این صفات در جنس کمای (Ferula L.) ایران abstract
جنس کما (Ferula L.) متعلق به تیره چتریان (Apiaceae)، قبیله Scandiceae شامل حدود ۱۷۰- ۱۸۷ گونه است. در این مطالعه، وضعیت فیلوژنی این جنس در ایران و در مفهوم وسیع با استفاده از تحلیل کلادیستیک (تبارشناسی) داده های ریخت شناختی کدبندی شده و به روش تحلیل امساکی (Maximum Parsimony) و با استفاده از نرم افزار Win-PAUP* نسخه ۴.۰b۱۰ بررسی شد. به علاوه، روند تکاملی ۳۳ صفت ریخت شناختی این جنس با استفاده از برنامه MacClade ۳.۰۱ Macintosh OS مطالعه شد. نتایج ما تک نیایی بودن جنس کمای ایران را نشان داد. مقایسه و ارزیابی درخت اجماع داده های مولکولی و ریخت شناختی نشان داد که دو گونه از جنس Leutea در ایران بایستی به جنس کما منتقل گردند و بر این اساس دو ترکیب جدید به گونه های کمای ایران اضافه شد. اگر چه جنس Dorema نیز در شاخه کما قرار گرفت اما انتقال قطعی آن نیاز به بررسی های بیشتر دارد. همچنین، دو ترکیب جدید Ferula nematoloba (Rech. f.) Kanani وFerula avicennia (Mozaff.) Kanani به گونه های کمای ایران اضافه شد.
مطالعه تبارشناسی داده های ریخت شناختی و ارزیابی روند تکاملی این صفات در جنس کمای (Ferula L.) ایران Keywords:
مطالعه تبارشناسی داده های ریخت شناختی و ارزیابی روند تکاملی این صفات در جنس کمای (Ferula L.) ایران authors
محمدرضا کنعانی
گروه زیست شناسی، پژوهشکده گیاهان و مواد اولیه دارویی، دانشگاه شهید بهشتی، تهران، ایران
محمدرضا رحیمی نژاد رنجبر
گروه زیست شناسی، دانشکده علوم، دانشگاه اصفهان، اصفهان، ایران
شاهرخ کاظم پور اصالو
گروه زیست شناسی، دانشکده علوم، دانشگاه تربیت مدرس، تهران، ایران
ولی اله مظفریان
بخش گیاه شناسی، موسسه تحقیقات جنگل ها مراتع کشور، تهران، 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 :