بررسی تنوع ژنتیکی کفشدوزک Cryptolaemus montrouzieri در استان مازندران با استفاده از نشانگر مولکولی RAPD
Publish place: 3rd Iranian Agricultural Biotechnology Conference
Publish Year: 1391
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 667
This Paper With 5 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
AGRIBIOTECH03_291
تاریخ نمایه سازی: 27 تیر 1392
Abstract:
کفشدوزک Cryptolaemus montrouzieri یکی از دشمنان طبیعی غالب در باغ های مرکبات و چای کاری های استان مازندران است. این تحقیق با هدف شناسایی و بررسی تنوع ژنتیکی اکوتیپ های مختلف این گونه در هشت جمعیت طبیعی و دو جمعیت پرورش تجارتی آن انجام گردید. نمونه ها پس از جم عآوری در الکل 96 درصد نگهداری شده و شیو ههای مختلفی برای استخراج DNA بررسی شد و در نهایت بهترین شیوه استخراج از تک- نمونه ها توصیف گردید. در آزمون نشانگر های RAPD از 22 آغارگر ده نوکلئوتیدی OPB01-10 ، OPA01-10 OPW01-2 استفاده شد. شرایط انجام واکنش PCR در حجم 25 میکرولیتر برای 45 چرخه شامل، واسرشته سازی در C 94 بمدت60 ثانیه، اتصال در C 38 بمدت 60 ثانیه و طویل شدن C 72 بمدت 60 ثانیه در نظر گرفته شد از بین این آغارگرها بجز OPB09 ، 21 آغازگر دیگر نوارهای قابل کد گذاری ایجاد کردند. با استفاده از 21 آغازگر در مجموع تعداد 437 باند قابل امتیازدهی به دست آمد که تعداد 338 باند دارای چند شکلی بودند. به عبارت دیگر 77/16% باندهای تشکیل شده چند شکل بودند. با گروه بندی جمعیت ها با روش UPGMA با استفاده از نرم افزار NTSYS-PC دو شاخه اصلی مشاهده شد. در ظریب تشابه 69 % یکی از گروها به دو و گروه دیگر به 4 زیر گروه تقسیم شدند. همچنین با استفاده از این نشانگرها جمعی تهای طبیعی و پرور شهای تجارتی تفاوت قابل تحلیلی نشان ندادند.
Keywords:
Authors
سمانه بامهر
دانشجوی کارشناسی ارشد حشره شناسی، دانشکده علوم زراعی، دانشگاه علوم ک
محمود محمدی شریف
استادیار گروه گیاهپزشکی، دانشکده علوم زراعی، دانشگاه علوم کشاورزی و
علیرضا هادی زاده
استادیار گروه گیاهپزشکی، دانشکده علوم زراعی، دانشگاه علوم کشاورزی و
جواد کریمی
استادیار گروه گیاهپزشکی، دانشکده کشاورزی، دانشگاه فردوسی مشهد
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 :