کاربرد نمونه برداری غیرتهاجمی سرگین برای شناسایی ژنتیکی گوشت خواران (پژوهش موردی: شمال غرب ایران)
Publish place: Journal of Animal Environment، Vol: 10، Issue: 2
Publish Year: 1397
نوع سند: مقاله ژورنالی
زبان: Persian
View: 119
This Paper With 12 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_AEJO-10-2_001
تاریخ نمایه سازی: 16 آبان 1400
Abstract:
پایش جمعیت گونه های کمیاب یا پنهان کار مانند گوشت خواران، به نمونه برداری از افراد جمعیت نیاز دارد که فرآیندی دشوار، هزینه بر و با نگرانی از اثر منفی بر جانور است. یکی از روش های پرکاربرد و غیرآسیب رسان گردآوری اطلاعات، تحلیل ژنتیکی نمایه های زیستی به جامانده از جانوران در زیستگاه طبیعی آنان است. برای ارزیابی کارایی این روش غیرتهاجمی در شناسایی گوشت خواران ایران، ۶ منطقه حفاظت شده در شمال غرب ایران برای نمونه برداری سرگین با هدف استخراج DNA پیمایش شدند. هم چنین، درستی شناسایی میدانی سرگین هر گونه براساس ویژگی های ظاهری مورد ارزیابی قرار گرفت. از مجموع ۱۷۴ سرگین گرد آوری شده با پیمایش فرصت طلبانه حدود ۲۹۰ کیلومتر، ۶۷/۲ درصد نمونه ها (۱۱۷ نمونه) با موفقیت برای توالی مورد نظر سیتوکروم b، تکثیر و تا سطح گونه شناسایی شدند. سرگین های شناسایی شده بهروش ژنتیکی مربوط به ۶ گونه گوشت خوار شامل خرس قهوه ای (Ursus arctos)، گربه وحشی (Felis silvestris/lybica)، گرگ (Canis lupus)، روباه معمولی (Vulpes vulpes)، سمور سنگی (Martes foina) و شنگ (Lutra lutra) بودند. بدون درنظرگرفتن اثر تعداد نمونه، کم ترین نرخ شناسایی درست سرگین در طبیعت (نرخ مثبت صحیح) مربوط به گربه وحشی و شنگ و بیش ترین مربوط به خرس قهوه ای بود. بیش ترین نرخ اشتباه در شناسایی سرگین در طبیعت (نرخ مثبت کاذب) به سمور سنگی تعلق داشت. در مقابل، بیش ترین نرخ رد اشتباه یک سرگین (نرخ منفی کاذب) مربوط به گربه وحشی و روباه معمولی بود. این پژوهش، پایه ای را برای پژوهش های بیش تر با هدف گردآوری اطلاعات علمی مورد نیاز برنامه های حفاظت از حیات وحش ایران به کمک ابزارهای مولکولی فراهم می سازد.
Keywords:
Authors
احسان محمدی مقانکی
انجمن یوزپلنگ ایرانی، تهران، ایران، صندوق پستی: ۸۵۴۹-۱۴۱۵۵
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 :