تشخیص مولکولی گونه های سیزاب Veronica L. sect. Beccabunga (Plantaginaceae) در شمال شرق ایران
Publish place: 3rd Iranian Agricultural Biotechnology Conference
Publish Year: 1391
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 574
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_338
تاریخ نمایه سازی: 27 تیر 1392
Abstract:
شناسایی مولکولی قابلیت تسهیل تشخیص گونه های شناخته شده و نیز کشف گونه های ناشناخته را دارد. از جنس Veronica L. sect. Beccabunga در شمال شرق ایران، 3 گونه V. anagalis-aquatica ، V. anagalloides و V. beccabunga گزارش شده است. گونه V. beccabunga گیاهی دوساله بوده و با مطالعات مورفولوژی و آناتومی نشان داده شده است که این گونه از دو گونه دیگر قابل تشخیص است، اما دو گونه V. anagalis-aquatica و V. anagalloides قرابت مورفولوژیکی و آناتومیکی فراوانی با یکدیگر نشان می دهند. در این مطالعه از نشانگر مولکولی ITS ریبوزومی برای تشخیص مولکولی این 3 گونه استفاده شد. پس از نمونه برداری این 3 گونه از نقاط مختلف استانهای خراسان، DNA ژنومی استخراج شده و ناحیه ITS1-5.8s ITS2 ریبوزومی 3 گونه مذکور تکثیر شد. در توالی 662 باز نوکلئوتیدی ITS دو گونه V. anagalis-aquatica و V. anagalloides 6 جهش نقطه ای دیده می شود. مقایسه توالی های دو گونه V. anagalis-aquatica و V. beccabunga 28 جهش و بین دو گونه ، V. anagalloides و V. beccabunga 30 جهش نقطه ای مشاهده می گردد. نتایج مولکولی حاصل از این مطالعه، نتایج مورفولوژی و آناتومیکی مطالعات گذشته را تأئید می کند. گونه V. anagalis-aquatica و V. anagalloides که شباهت مورفولوژیکی فراوانی با یکدیگر دارند، با بکارگیری نشانگر ITS تاحدی از یکدیگر قابل تفکیک هستند.
Keywords:
Authors
جمیل واعظی
استادیار گروه زیست شناسی، دانشکده علوم، دانشگاه شهید چمران اهواز
شیما صدیقی
دانشجوی کارشناسی ارشد گروه زیست شناسی، دانشکده علوم، دانشگاه فردوسی
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 :