بررسی جریان ژنی و تمایز ژنتیکی در میان جمعیت‌های گونه Tripleurespermom.sevanense با استفاده از داده‌های پروتئینی
Publish place: 3rd Iranian Agricultural Biotechnology Conference
Publish Year: 1391
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 1,450
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_660
تاریخ نمایه سازی: 27 تیر 1392
Abstract:
رویکرد روزافزون استفاده از گیاهان دارویی در سطح جهان، اهمیت تولید و پرورش این گیاهان را روشن‌تر می‌سازد. گونه Tripleurespermom.sevanense از خانواده Asterace و زیر تیره Anthemide یک گیاه علفی است که عموماً به بابونه کاذب مشهور است. در این پژوهش الگوی پروتئینی 50 ژنوتیپ از پنج جمعیت بذری (موجود در بانک ژن منابع طبیعی) به روش SDS-PAGE مورد بررسی قرار گرفت. براساس نتایج به‌دست‌آمده جدول جریان ژنی و جدول تمایز ژنتیکی بین جمعیت‌های این‌گونه توسط نرم‌افزار GENALEX تقسیم شدند. با مقایسه این دو جدول دریافتیم که بین تمایز ژنتیکی و جریان ژنی رابطه‌ای معکوس وجود دارد. هنگامی که جریان ژنی بالا باشد تمایز ژنتیکی در پایین‌ترین مقدار خود قرار می‌گیرد. در جمعیت‌های مورد بررسی در این پژوهش دو جمعیت قزوین یک اردبیل یک با داشتن بالاترین جریان شنید با میزان 0/670 دارای حداقل تمایز ژنتیکی با مقدار 0/272 بودند که این همه گویای شباهت زیاد بین این دو جمعیت می‌باشد. بالا بودن جریان ژنی با وجود فاصله جغرافیایی زیادی بین این دو جمعیت قابل تأمل است.
Keywords:
Authors
فاطمه نوری
دانشجوی کارشناسی ارشد اصلاح نباتات دانشگاه بین المللی امام خمینی
پروین صالحی شانجانی
دانشیار گروه بیوتکنولوژی دانشگاه بین المللی امام خمینی قزوین
امیر حسین بیکی بندری
دانش آموخته کارشناسی ارشد زراعت دانشگاه شاهد
محمد علی علی زاده
دانشیار گروه بیوتکنولوژی دانشگاه بین المللی امام خمینی قزوین
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 :