بارکدگذاری DNA برخی از گیاهان دارویی در شرق استان گلستان
Publish Year: 1400
نوع سند: مقاله ژورنالی
زبان: Persian
View: 282
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_IJMAPR-37-5_009
تاریخ نمایه سازی: 6 آذر 1400
Abstract:
روش بارکدگذاری DNA ابزاری مفید برای شناسایی گونه های گیاهی و جانوری است. بارکدگذاری DNA روش شناسایی گونه ها با استفاده از یک توالی کوتاه و استاندارد، از ژنوم است. در این تحقیق، از این روش به منظور شناسایی چهار گونه گیاهی از شرق استان گلستان شامل همیشه بهار (Calendula persica C.A.Mey.)، خارمریم (Silybum marianum L.)، مرزه جنگلی (Satureja mutica Fisch.) و پنیرک معمولی (Malva neglecta Wallr.) استفاده شد. استخراج DNA به روش CTAB انجام و PCR با آغازگرهای طراحی شده براساس بارکدهای کلروپلاستی rbcL و trnH-psbA و بارکد هسته ای ITS انجام شد. توالی های حاصل، با اطلاعات موجود در پایگاه اطلاعات NCBI تطبیق داده شد. نتایج نشان داد که هر سه بارکد به دلیل قدرت تفکیک بالا، تعداد SNP پایین و جامعیت در اکثر گونه ها، بارکدهای بسیار مناسبی برای نمونه های مورد بررسی می باشند. همچنین، مقایسه ی بارکدهای گونه های جمع آوری شده از مراتع و عطاری ها نشان داد که برخی گونه های گیاهی که در عطاری ها عرضه می شوند، با گیاهی که مردم بومی از آن به عنوان دارو استفاده می کنند، متفاوت هستند. می توان گفت امکان اشتباه در ارائه گیاهان دارویی در عطاری ها غیر قابل انکار است. بنابراین بررسی سایر گونه های گیاهی موجود در عطاری ها به روش بارکدگذاری DNA به عنوان امری ضروری پیشنهاد می شود.
Keywords:
Authors
راضیه سعادتی
دانش آموخته کارشناسی ارشد، دانشکده علوم پایه، دانشگاه گنبدکاووس، گنبد کاووس، ایران
علی ستاریان
دانشیار، گروه زیست شناسی، دانشکده علوم پایه، دانشگاه گنبدکاووس، گنبد کاووس، ایران
ابوالفضل دانشور
استادیار، گروه زیست شناسی، دانشکده علوم پایه، دانشگاه گنبدکاووس، گنبد کاووس، ایران
الهام امینی
دانش آموخته دکتری، دانشکده علوم پایه، دانشگاه گنبدکاووس، گنبد کاووس، ایران
فاطمه نصرالهی
دانش آموخته دکتری، گروه زیست شناسی، دانشکده علوم پایه، دانشگاه قم، قم، 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 :