بررسی تنوع ژنتیکی ژنوتیپ های زیتون ایرانی از طریق نشانگرهای مرفولوژیکی
Publish place: 3rd Iranian Agricultural Biotechnology Conference
Publish Year: 1391
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 882
متن کامل این Paper منتشر نشده است و فقط به صورت چکیده یا چکیده مبسوط در پایگاه موجود می باشد.
توضیح: معمولا کلیه مقالاتی که کمتر از ۵ صفحه باشند در پایگاه سیویلیکا اصل Paper (فول تکست) محسوب نمی شوند و فقط کاربران عضو بدون کسر اعتبار می توانند فایل آنها را دریافت نمایند.
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
AGRIBIOTECH03_269
تاریخ نمایه سازی: 27 تیر 1392
Abstract:
شناسایی، ارزیابی و جمع آوری ژنوتیپ های بومی درختان میوه اولین گام در برنامه های اصلاحی به شمار می رود، در کشور ما به دلیل عدم شناخت کافی از ژرم پلاسم گیاهان باغی، برنامه اصلاحی مناسبی بر روی محصولات باغی مخصوصا زیتون انجام نشده است. هدف این تحقیق، گروه بندی ژنوتیپ های زیتون ایرانی، براساس صفات مورفولوژیک کمی و کیفی (طبق دستورالعمل انجمن بینالمللی زیتون IOC و تعیین فواصل ژنتیکی آنها می باشد. به همین منظور، با اندازهگیری 8 صفت مورفولوژیک، 23 ژنوتیپ زیتون ایرانی، مورد ارزیابی قرار گرفتند. برش دندروگرام حاصل از آنالیز کلاستر براساس صفات مرفولوژیکی از فاصله 15 واحدی، ژنوتیپ ها به 3 کلاسترگروهبندی شدند. کلاستر اول شامل تنهایک ژنوتیپ می باشد که به مربوط به ژنوتیپ G1 است.کلاستر دوم و سوم شامل ده و یازده ژنوتیپ 14،G17،G21،G22،G 23،G12،G20،G4،G8،G16 ;G و 5 G9،G2،G10،G3،G11،G15،G18،G19،G6 (G و 7 G میباشند. این نتایج تنوع ژنتیکی بالایی بین ژنوتیپ های زیتون مورد بررسی در سه کلاستر را نشان می دهند. بنابراین برای بهره مندی از این تنوع و هتروزیس، دورگیری بین ژنوتیپ های بین کلاستری قابل توجیه خواهد بود.
Keywords:
Authors
نصیبه شایگان
دانشجوی کارشناسی ارشد بیوتکنولوژی، دانشکده کشاورزی، دانشگاه شاهد
علیرضا قنبری
استادیاران گروه بیوتکنولوژی، دانشکده کشاورزی، دانشگاه شاهد
ستار طهماسبی انفرادی
استادیار و دانشجوی دکترا پژوهشگاه ملی مهندسی ژنتیک و زیست فناوری
محمد ضعیفی زاده
استادیار و دانشجوی دکترا پژوهشگاه ملی مهندسی ژنتیک و زیست فناوری
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 :