مقایسه حساسیت پرایمرهای مختلف اختصاصی ناحیه ۱۶srDNAدر شناسایی گونه های باکتری لژیونلا در نمونه های آبی
Publish place: Iranian Journal Of Health and Environment، Vol: 5، Issue: 3
Publish Year: 1391
نوع سند: مقاله ژورنالی
زبان: Persian
View: 159
This Paper With 10 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_IJHE-5-3_001
تاریخ نمایه سازی: 9 آذر 1400
Abstract:
زمینه و هدف: لژیونلاها باکتری های گرم منفی هستند که درمنابع آبی طبیعی و ساخت انسان پراکنده اند. بعضی از گونه های این باکتری برای انسان بیماری زا بوده و می توانند منجر به عفونت های تنفسی شوند. روش کشت روشی روتین در شناسایی باکتری لژیونلا به شمار می رود اما به دلیل محدودیت های این روش از جمله حساسیت پایین و مدت زمان طولانی مورد نیاز برای دستیابی به نتایج، امروزه تکنیک واکنش زنجیره ای پلیمراز (PCR) جهت شناسایی باکتری لژیونلا مورد استفاده قرار می گیرد. مطالعه حاضر به منظور ارزیابی کاربرد روش PCR در شناسایی لژیونلا در نمونه های آبی با سه جفت پرایمر متفاوت انجام گرفت. روش بررسی: در این مطالعه ۶۰ نمونه آب جهت حضور لژیونلا با استفاده از روش Nested PCR مورد بررسی قرار گرفت و حساسیت این روش با استفاده از سه جفت پرایمر مختلف شامل (LEG۲۲۵- LEG۸۵۸) ، (LEG۴۴۸-LEG۸۵۸) و (JRP-LEG۴۴۸)جهت شناسایی لژیونلا ارزیابی گردید. یافته ها: در این مطالعه۷۰% نمونه ها درصورت استفاده از جفت پرایمر JRP-LEG۴۴۸ آلوده به لژیونلا تشخیص داده شدند در صورتی که با استفاده از جفت پرایمرLEG۲۲۵- LEG۸۵۸،۰۵% نمونه ها وبا استفاده از جفت پرایمر LEG۴۴۸-LEG۸۵۸، ۵۴ % نمونه ها آلوده به لژیونلا گزارش شدند. نتیجه گیری: نتایج حاصل از مطالعه حاضر نشان داد که آلودگی نمونه های آبی به گونه های لژیونلا می تواند به راحتی و به سرعت به وسیله روش Nested PCR تشخیص داده شود. بنابراین انتخاب روش مناسب جهت استخراج DNA و انتخاب پرایمرهای مناسب، عوامل مهم در کارایی و حساسیت روش تشخیص هستند.
Authors
فرزانه بقال اصغری
کارشناس ارشد بهداشت محیط، مربی دانشکده پرستاری و بهداشت خوی، دانشگاه علوم پزشکی ارومیه
مهناز نیک آئین
دکترای بهداشت محیط، دانشیاردانشکده بهداشت، دانشگاه علوم پزشکی اصفهان
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 :