سیویلیکا را در شبکه های اجتماعی دنبال نمایید.

ارزیابی تنوع ژنتیکی برخی از توده‎های بومی جعفری (Petroselinum crispum Mill) با استفاده از نشانگر مولکولی SRAP

Publish Year: 1394
Type: Journal paper
Language: Persian
View: 281

This Paper With 10 Page And PDF Format Ready To Download

Export:

Link to this Paper:

Document National Code:

JR_IUVS-1-1_001

Index date: 10 October 2021

ارزیابی تنوع ژنتیکی برخی از توده‎های بومی جعفری (Petroselinum crispum Mill) با استفاده از نشانگر مولکولی SRAP abstract

این مطالعه، به منظور بررسی اطلاعات و کارایی نشانگر SRAP برای تخمین تنوع ژنتیک در ۱۵ توده جعفری ایرانی صورت گرفته است. تکثیر مکان‎های ژنی با استفاده از چهار ترکیب آغازگر SRAP انجام شد. بیشترین و کمترین تعداد باند های چندشکل تشکیل شده به ترتیب ترکیب آغازگر Me۲-Em۵ و Me۴-Em۱ بود. میانگین تعداد باندهای چندشکل به ازای هر ترکیب آغازگر ۲۵/۸ بود. تجزیه خوشه ای صفات مولکولی بر اساس ضریب تشابه جاکارد و الگوریتم Neighbor- Joining توده‎های مورد مطالعه را در فاصله ژنتیک ۰۶/۰ به پنج گروه تفکیک کرد. در نهایت نتایج حاصل از این مطالعه نشان داد که تنوع ژنتیکی زیادی میان توده های جمع‎آوری شده از چند منطقه ی جغرافیایی ایران وجود دارد و این مطالعه سودمندی نشانگر SRAP را در تعیین تنوع ژنتیکی بین توده های جعفری نشان داد.

ارزیابی تنوع ژنتیکی برخی از توده‎های بومی جعفری (Petroselinum crispum Mill) با استفاده از نشانگر مولکولی SRAP Keywords:

ارزیابی تنوع ژنتیکی برخی از توده‎های بومی جعفری (Petroselinum crispum Mill) با استفاده از نشانگر مولکولی SRAP authors

خدیجه نصیری

دانش آموخته کارشناسی ارشد علوم باغبانی، دانشکده کشاورزی، دانشگاه تربیت مدرس، تهران، ایران

عبدالعلی شجاعیان

استادیار گروه علوم باغبانی، دانشکده کشاورزی، دانشگاه تربیت مدرس، تهران، ایران

عباس یداللهی

استادیار گروه علوم باغبانی، دانشکده کشاورزی، دانشگاه تربیت مدرس، تهران، ایران

امین میرشکاری

استادیار گروه علوم باغبانی، دانشکده کشاورزی، دانشگاه یاسوج، یاسوج، ایران

خدیجه قنبری

دانش آموخته کارشناسی ارشد علوم باغبانی، دانشکده کشاورزی، دانشگاه ایلام، ایلام، 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 :
Amar, M. H., Biswas, M. K., Zhang, Z. & Guo, ...
نمایش کامل مراجع