استفاده از روش شناسی سطح پاسخ به منظور بهینه سازی کشت کالوس گیاه سرخارگل ارغوانی (Echinacea purpurea)
Publish place: Plant Process and Function، Vol: 9، Issue: 38
Publish Year: 1399
نوع سند: مقاله ژورنالی
زبان: Persian
View: 117
This Paper With 17 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JISPP-9-38_018
تاریخ نمایه سازی: 13 دی 1400
Abstract:
سرخارگل ارغوانی (Echinacea purpurea) گیاهی متعلق به تیره آفتابگردان بوده که خواص دارویی متعددی برای آن گزارش شده است. هدف از مطالعه حاضر، بهینه سازی تولید کالوس و بیومس این گیاه با استفاده از روش شناسی سطح پاسخ است. بهاین منظور دو نوع ریزنمونه برگ و ریشه در محیط کشت موراشیک و اسکوگ (۱/۲MS) حاوی غلظتهای مختلف (۰، ۱ و ۲ میلی گرم در لیتر) تنظیم کننده های رشد Kin، ۲,۴-D و NAAکشت شدند. در این تحقیق تولید کالوس و بیومس (وزن تر و خشک) به عنوان متغیر پاسخ (متغیر وابسته) و غلظت های مختلف تنظیم کننده های رشد بهعنوان پارامترهای بهینه سازی (متغیر مستقل) مورد توجه قرار گرفته اند. همچنین از طرح مرکب مرکزی (CCD) به منظور بهینه سازی پارامترهای تولید کالوس استفاده شد. آنالیزهای همبستگی مدل رگرسیون نشاندهنده یک مدل چندجمله ای درجه دو بود که جهت بهینه سازی کالوس زایی و تولید بیومس استفاده شد. نتایج حاضر نشان داد که هردو ریزنمونه برگ و ریشه در تمام محیطهای کشت حاوی تیمارهای مورد بررسی کالوس تولید کردند. اما بیشترین درصد کالوس زایی و وزن خشک در کالوس حاصل از ریزنمونه برگ و در محیط کشت حاوی ۰۵/۱ و ۹۴/۰ میلی گرم در لیتر NAA و Kin به دست آمد. این در حالی است که بیشترین میزان وزن تر در کالوس حاصل از ریزنمونه برگ و در تیمار با غلظت های ۰۷/۱ و ۱۵/۱ میلی گرم در لیتر ۲,۴-D وKin مشاهده شد. در مجموع نتایج حاصل تاحدود زیادی با داده های پیش بینی شده همخوانی دارد. برازش مدل مناسب بوده و روش شناسی سطح پاسخ به منظور بهینه سازی کالوس زایی و تولید بیومس در گیاه سرخارگل ارغوانی موفق بوده است.
Keywords:
Response surface methology , depended variable , independed variable , explant , model fit , برازش مدل , تنظیم کننده های رشد , ریزنمونه , متغیر وابسته , متغیر مستقل
Authors
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 :