بررسی کاریوتیپی گونه هایی از بخش Vicia متعلق به جنس L. Vicia از تیرهLindl. Fabaceaeدر ایران
Publish place: Taxonomy and biosystematics، Vol: 3، Issue: 6
Publish Year: 1390
Type: Journal paper
Language: Persian
View: 238
This Paper With 9 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
Export:
Document National Code:
JR_TBJ-3-6_002
Index date: 13 May 2021
بررسی کاریوتیپی گونه هایی از بخش Vicia متعلق به جنس L. Vicia از تیرهLindl. Fabaceaeدر ایران abstract
مطالعات سیتوژنتیک بر روی ۶ تاکسون متعلق به بخش Vicia از جنس Vicia نشان داد که کلیه تاکسون ها دیپلوئید است و عدد کروموزومی چهار تاکسون V. sativa var. amphicarpa، V. grandiflora، V. lathyroides و V. sativa var. cordata برای اولین بار از ایران گزارش شد. فرمول کاریوتیپی در تاکسون های مورد مطالعه متفاوت بود؛ به طوری که فرمول کاریوتیپی و عدد کروموزومی درتاکسون های V. sativa var. sativa (st۴+m۲)، V. lathyroides (st۶)، V. sativa var. angustifolia (st۴+sm۱+m۱)(۱۲=n۲)، V. sativa var. cordata (st۵)(۱۰=n۲)، V. sativa var. amphicarpa (st۴) و در V. grandiflora (st۲+sm۵)(۱۴=n۲) به دست آمد. بر اساس جدول دوطرفه Stebbins تاکسون های V. sativa var. angustifolia و V. grandiflora در کلاس A۳، تاکسون، V. Sativa var. amphicarpa در کلاس B۳ و تاکسون های V. sativa var. cordata، V. sativa var. sativa و V. lathyroides در کلاس A۴ قرار گرفتند. در مجموع، بر اساس شاخص های عدم تقارن درون و بین کروموزومی V. sativa var. cordata در فاصله دورتری از بقیه تاکسون ها قرار گرفت و نامتقارن ترین کاریوتیپ از نظر اندیس عدم تقارن درون کروموزومی و V. grandiflora متقارن ترین کاریوتیپ از نظر اندیس عدم تقارن درون و بین کروموزومی را نشان داد.
بررسی کاریوتیپی گونه هایی از بخش Vicia متعلق به جنس L. Vicia از تیرهLindl. Fabaceaeدر ایران Keywords:
بررسی کاریوتیپی گونه هایی از بخش Vicia متعلق به جنس L. Vicia از تیرهLindl. Fabaceaeدر ایران authors
نسترن جلیلیان
گروه زیست شناسی، دانشکده علوم، دانشگاه اصفهان، اصفهان، ایران
محمدرضا رحیمی ن‍ژاد رنجبر
گروه زیست شناسی، دانشکده علوم، دانشگاه اصفهان، اصفهان، 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 :