تعیین جنسیت گوزن قرمز (زیرگونه مرال) با استفاده از تکنیک Duplex PCR به عنوان، روشی مناسب برای تخمین اندازه موثر جمعیت، جهت طراحی برنامه های حفاظت ژنتیکی آن در زیستگاه های کشور
Publish place: Journal of Animal Environment، Vol: 13، Issue: 2
Publish Year: 1400
نوع سند: مقاله ژورنالی
زبان: Persian
View: 315
This Paper With 7 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_AEJO-13-2_005
تاریخ نمایه سازی: 11 آبان 1400
Abstract:
به علت اندازه کوچک جمعیت و ایزوله شدن گوزن قرمز زیرگونه مرال (Cervus elaphus) در منطقه حفاظت شده ارسباران-آینالو، مقدار هم خونی بالاست. کنترل جنسیت جهت حفظ اندازه موثر جمعیت در حد مناسب، امکان ایجاد هم خونی را کاهش می دهد. هدف از تحقیق حاضر، دستیابی و بهینه سازی تکنیک تعیین جنسیت در گوزن مرال به عنوان روشی مناسب برای تخمین اندازه موثر جمعیت و حفاظت ژنتیکی آن در ارسباران و زیستگاه های کشور می باشد. در این مطالعه نمونه خون از ورید وداجی و ورید دمی گوزن ها به مقدار ۵ سی سی در داخل لوله های حاوی خلا و EDTA تهیه و به بانک ژن اداره کل حفاظت محیط زیست آذربایجان شرقی منتقل گردید. روش Duplex PCR بر طبق آغازگرهای کروموزوم (Y) تعیین جنسیت منطبق با ژن DEAD-box Y-linked protein (DBY) جایگاه ریزماهوارک BMC۱۰۰۹ به عنوان کنترل داخلی تکثیر شد. پس از دستیابی به شرایط بهینه تکنیک و تایید جنسیت نمونه های با جنسیت معلوم از پیش تعیین شده، بار دیگر اقدام به جمع آوری مدفوع و استخراج DNA از نمونه های با جنسیت مجهول و تعیین جنسیت آن ها گردید. نتایج این تحقیق با تکرارپذیری بالا، وجود دو باند ۳۱۰-۲۸۰ (ریزماهوارک پلی مورف) و ۱۸۰ جفت باز (bp) در گوزن های نر و ۳۱۰-۲۸۰ (ریزماهوارک پلی مورف) جفت باز (bp) در گوزن های ماده را نشان داد. نتایج ژنوتایپینگ نشان داد که تعداد ۸ ماده و ۱۵ نر شناسایی شد و شاخص اندازه موثر جمعیت (۴) محاسبه گردید.
Keywords:
Authors
جواد قهاری
اداره کل حفاظت محیط زیست آذربایجان شرقی، تبریز، ایران
داود رادمهر
داروخانه دامپزشکی، تبریز، ایران
شیرین محمودی
گروه محیط زیست، دانشکده منابع طبیعی و محیط زیست، دانشگاه تهران، کرج، 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 :