شناسایی مولکولی و ریخت شناسی دو گونه از کنه های خانواده Pachylaelapidae Berlese (Acari: Mesostigmata) در استان گیلان
Publish place: Journal of Entomological Society of Iran، Vol: 38، Issue: 1
Publish Year: 1397
نوع سند: مقاله ژورنالی
زبان: Persian
View: 111
This Paper With 11 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JESI-38-1_009
تاریخ نمایه سازی: 20 دی 1401
Abstract:
کنههای خانوادهBerlese, ۱۹۱۳ Pachylaelapidae کنههایی شکارگر با زندگی آزاد هستند و از بندپایان و نماتودهای خاکزی تغذیه میکنند. از آنجا که تعداد قابل توجهی از کنههای این خانواده شباهتهای ریختشناسی به هم داشته و همچنین توصیفکنندگان تاکسونهای جدید به برخی از ویژگیهای ریختشناسی استناد کردهاند که وجه تمایز کافی برای افتراق آنها از تاکسونهای نزدیک را ندارند، شناسایی برخی از این کنهها دشوار است. در این موارد استفاده از روشهای نوین شناسایی میتواند در این زمینه راهگشا باشد. بنابراین، در این بررسی تلاش شده تا همراه با شناسایی بر مبنای ویژگیهای ریختشناسی و اندازهای (شناسایی مورفومتریک)، از روش مولکولی بر پایهی توالییابی ناحیه ژنی ITS (Internal Transcribed Spacer) برای شناسایی دو گونه Olopachys compositus Koroleva, ۱۹۷۶ و Olopachys caucasicus Koroleva, ۱۹۷۶ استفاده شود. به این منظور پس از استخراج DNA، با استفاده از آغازگر مناسب ناحیهی ITS این دو گونه تکثیر و توالییابی شدند و توالیهای به دست آمده در بانک ژن ثبت شد. پس از همردیفسازی توالیها، میزان اختلاف ژنتیکی بین آنها ۳/۲ درصدمحاسبه شد. در نتیجه این بررسیها، علاوه بر تفکیک دو گونه O. compositus و O. caucasicus بر اساس اختلافات ریختی، روش مولکولی نیز به خوبی اختلاف این دو گونه را تایید کرد.
Keywords:
Authors
رضا حسینی
گروه گیاهپزشکی ، داتشکده ی علوم کشاورزی، دانشگاه گیلان، رشت ، ایران
سمانه مجاهد
گروه گیاهپزشکی، دانشکده ی علوم کشاورزی، دانشگاه گیلان، رشت، ایران
جلیل حاجی زاده
گروه گیاه پزشکی، دانشکده ی علوم کشاورزی، دانشگاه گیلان، رشت، ایران
علی احدیت
گروه حشره شناسی کشاورزی، دانشکده کشاورزی و منابع طبیعی، دانشگاه آزاد اسلامی واحد علوم و تحقیقات، تهران، 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 :