بررسی مولکولی جدایه های رایزوکتونیا عامل شانکر مریم گلی با استفاده از روش های PCR-RFLP و rDNA-PCR
Publish place: 3rd Iranian Agricultural Biotechnology Conference
Publish Year: 1391
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 744
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
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
AGRIBIOTECH03_321
تاریخ نمایه سازی: 27 تیر 1392
Abstract:
مریم گلی گیاهی زینتی با خواص دارویی فراوان است که در بسیاری مناطق استان مازندران می روید. در تیر ماه 1390 علائمی از یک بیماری جدید به صورت لکه های قهوه ای طولی دوکی شکل روی ساقه که پس از چندی به شانکر مبدل می شدند مشاهده شد. بافت های آلوده پس از انتقال به آزمایشگاه و ضدعفونی سطحی روی محیط غذایی آب - آگار WA کشت گردیدند. نوک هیف هایی از قارچ جدا شده به محیط های سیب زمینی – دکستروز - آگار PDA جدید جهت به دست آوردن کلنی های خالص منتقل شدند. تمامی جدایه ها با آزمون های مورفولوژیکی Rhizoctonia solani تشخیص داده شدند. برای شناسایی مولکولی جدایه ها استخراج DNA صورت گرفت و جدایه ها با روش PCR با پرایمرهای 4,5ITS تکثیر شدند. توالی های نوکلئوتیدی به دست آمده پس از همردیف سازی چندگانه Multiple sequence alignment با برنامه MEGA5 با سایر توالی های مربوط به این ناحیه در جنس Rhizoctonia موجود در بانک ژن NCBI مقایسه شد. بلاست جدایه ها تطابق 99 درصدی جدایه ها را با R. solani نشان داد. هضم آنزیمی محصولات PCR با روش PCR-RFLP آنزیم های برشگر HincII و AvaII الگوی هضم یکسانی را برای تمام جدایه ها نشان داد.
Keywords:
Authors
ولی اله بابایی زاد
استادیار، بیماری شناسی گیاهی
یاسمن حاجیان
دانشجوی کارشناسی ارشد بیماری شناسی گیاهی
محمد علی تاجیک قنبری
گروه گیاهپزشکی دانشگاه علوم کشاورزی و منابع طبیعی ساری
حشمت اله رحیمیان
استاد گروه گیاهپزشکی دانشگاه علوم کشاورزی و منابع طبیعی ساری
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 :