بررسی تنوع ژنتیکی درون جمعیتی گونه Glycyrrhiza echinata توسط مارکر مولکولی RAPD
Publish place: 3rd Iranian Agricultural Biotechnology Conference
Publish Year: 1391
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 545
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_386
تاریخ نمایه سازی: 27 تیر 1392
Abstract:
گیاه شیرینبیان Glycyrrhiza echinata از شاخه اسپرماتوفیتها، زیرشاخه نهاندانگان، رده دولپهایها، زیر رده جدا گلبرگان کالسی فلور و در راسته رزال در تیره پروانه آسایان می باشد این گیاه دارای 30 گونه در جهان میباشد که 4 گونه از آن در ایران گزارش شده است گیاه مذکور دارای مواد موثره فراوانی از جمله گلیسیریزین میباشد که در درمان زخمها و تاولهای پوست،زخم معده و سرطان معده موثر میباشد. با توجه به اهمیت درمانی این گیاه واینکه در ایران جهان تا کنون هیچگونه بررسی مبنی بر تنوع ژنتیکی گونه G. echinata گزارش نشده است لذا بررسی تنوع ژنتیکی این گیاه حائز اهمیت میباشدکه در این تحقیق به منظور استخراج DNA 6جمعیت از گیاه مزبور جمعآوری شده از شهرستان ساری، از روش CTAB تغییر یافته استفاده گردید و با استفاده از 5 پرایمر RAPD مطالعات اولیه آغاز شد. در این تحقیق از این 5 پرایمر 38 باند مشاهده شده که 12 باند آن پلیمورف بوده است. نمونههای 1،4،3،2 در یک گروه و نمونههای 5 و 6 هر کدام در گروههای جداگانه قرار گرفتهاند در مجموع با آنالیزهای انجام شده بین جمعیتهای این گونه 31.5 درصد پلیمورفیسم مشاهده شده است. حداقل تشابه حدود 49.5 درصد و حداکثر تشابه 89 درصد بوده است که محدوده قابل قبولی برای تنوع زیستی در یک مکان را نشان می دهد.
Keywords:
Authors
حمیده حسننژاددیوکلایی
دانشجوی کارشناسی ارشد سیستماتیک گیاهی، دانشگاه مازندران
آرمان محمودیاطاقوری
استادیارگروه سیستماتیک گیاهی، دانشکده علوم پایه، دانشگاه مازندران
کمال کاظمیتبار
دانشیار گروه بیوتکنولوژی، 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 :