بهینه سازی محیط کشت بمنظور باززایی مریستم گیاه زینتی بگونیا Begonia، Olympia White در شرایط in vitro
Publish place: 12th Congress of Iranian Genetics Society
Publish Year: 1391
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 886
This Paper With 6 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
CIGS12_0395
تاریخ نمایه سازی: 5 بهمن 1392
Abstract:
بگونیا Olympia White ، Begonia گیاهی است هتروزیگوت و از تنوع گونه ای بسیار زیادی برخوردار است. روشهای معمول تکثیر این گیاه شامل قلمه ساقه و برگ بوده و به دلیل سرعت تکثیر بسیار کم و آلودگی گیاهان حاصله از کارایی لازم برخوردار نیستند، لذا روش کشت بافت امید بخش به نظر می رسد. در پژوهش حاضر مریستم انتهایی ساقه، پس از جداسازی و استریل در محیط کشت MS حاوی هورمون BA با غلظتهای صفر، 1، 5، 0/0 و 1 میلی گرم در لیتر در ترکیب با هورمون NAA با غلظتهای صفر ، 1، 5، 0/0 و 1 میلی گرم در لیتر بصورت آزمایش فاکتوریل در قالب طرح کاملاً تصادفی با سه تکرار کشت شدند. دو ماه پس از کشت ریزنمونه ها، درصد باززایی، طول ساقه و تعداد برگ گیاهان حاصله ارزیابی شد. اثر ترکیبات مختلف هورمونی بر تعداد برگ، طول ساقه و درصد باززایی معنی دار بود. (p≥0/05). ترکیب تیماری 0/5 میلی گرم در لیتر BA، 1 میلی گرم در لیتر NAA از بیشترین میانگین طول ساقه (1/16 سانتی متر) برخوردار بود. این ترکیب تیماری با درصد باززایی 96/6% پس از ترکیب تیماری 0/1 میلی گرم در لیتر BA، 0/5 میلی گرم در لیتر NAA با درصد باززایی 100% در رده دوم قرار داشت. در تعداد برگ هم این ترکیب تیماری با میانگین تعداد 13/3 برگ پس از ترکیبهای تیماری 0/5 میلی گرم در لیتر، NAA0/5BA میلی گرم در لیتر و 1 میلی گرم در لیتر BA، 0 میلی گرم در لیتر NAA با میانگین تعداد 14/6 برگ در رده دوم قرار داشت. در این مطالعه ترکیب هورمونی 0/5 میلی گرم در لیتر BA، 1 میلی گرم در لیتر NAA به عنوان بهترین ترکیب هورمونی برای باززایی گیاه بگونیا پیشنهاد می شود.
Authors
آذین اولیا زاده
دانشجوی کارشناسی ارشد فیزیولوژی گیاهی دانشگاه فردوسی مشهد
مهرداد لاهوتی
استاد گروه زیست شناسی دانشگاه فردوسی مشهد
علی گنجعلی
استاد گروه زیست شناسی 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 :