ارزیابی بیان ژن GUS در گیاه سویا با روش آگرواینفیلتراسیون
Publish place: 05th National Conference on New Ideas in Agriculture
Publish Year: 1389
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 1,039
متن کامل این Paper منتشر نشده است و فقط به صورت چکیده یا چکیده مبسوط در پایگاه موجود می باشد.
توضیح: معمولا کلیه مقالاتی که کمتر از ۵ صفحه باشند در پایگاه سیویلیکا اصل Paper (فول تکست) محسوب نمی شوند و فقط کاربران عضو بدون کسر اعتبار می توانند فایل آنها را دریافت نمایند.
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
AGRIDEA05_737
تاریخ نمایه سازی: 6 دی 1390
Abstract:
کشاورزی مولکولی ( Molecular farming ) تکنولوژی جدید برای تولید پروتئینهای دارویی و با ارزش درگیا هان تراریخت در مقیاس بزرگ است. این تکنیک جدید چشم انداز وسیعی را فراسوی محققان بخش کشاورزی و علوم گیاهی گسترانده است و به زودی انقلابی در صنایع دارویی و غذایی ایجاد خواهد کرد. به همین منظور اولین گام در استفاده از یک گیاه به عنوان میزبان، بررسی توان گیاه برای تولید پروتئین نوترکیب است. در همین راستا اثر پنج رقم سویای ویلیامز، خوراکی روسی، R.V.B ،Union و خوراکی 7 در دو غلظت باکتری با روش آگرواینفیلتراسیون به صورت فاکتوریل در قالب طرح کاملا تصادفی در سه تکرار اجرا و بررسی شد. در این آزمایش از سویه LBA4404 آگروباکتریوم تومفاسینس حامل پلاسمید pBI121 و ژن گزارشگر gus استفاده و بیان ژن وارد شده به همراه میزان پروتئین تولید شده از طریق سنجش هیستوشیمیایی gus اثبات گردید. نتایج آزمون آماری اختلاف معنی داری بین ارقام سویا نشان داد به طوریکه رقم ویلیامز با میانگین 8731 / 0 میکروگرم به ازای گرم برگ تازه بیشترین میزان تولید پروتئین نوترکیب را داشت. از طرف دیگر بین دو غلظت 1.5 و 1 باکتری تفاوت معنی داری مشاهده نشد اما تفاوت آنها با تیمار شاهد بسیار معنی دار شد
Keywords:
Authors
محمد افشارشاندیز
دانشجوی کارشناسی ارشد بیوتکنولوژی دانشگاه تهران،
هوشنگ علیزاده
عضو هیئت علمی گروه بیوتکنولوزی کشاورزی دانشگاه تهران
شهناز سالک هاشمی
دانشجوی کارشناسی زراعت و اصلاح نباتات دانشگاه تهران
مصطفی عالیفر
دانشجوی کارشناسی ارشد بیوتکنولوژی دانشگاه تهران،
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 :