انگشت نگاری بخشی از ژرمپلاسم برنج با استفاده از نشانگر مولکولی AFLP
Publish place: 12th Congress of Iranian Genetics Society
Publish Year: 1391
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 902
This Paper With 6 Page And PDF Format Ready To Download
- 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:
CIGS12_0426
تاریخ نمایه سازی: 5 بهمن 1392
Abstract:
برنج بعد از گندم از مهمترین غلات به شمار می آید و غذای بیش از نیمی از مردم جهان را تشکیل می دهد. این گیاه همچنین جزء غذاهای اصلی مردم ایران محسوب می شود. در این پژوهش به منظور ارزیابی و انگشت نگاری بخشی از ژرمپلاسم برنج کشور که شامل 28 رقم محلی و 19 رقم خارجی می باشد، از نشانگر AFLP استفاده گردید. با استفاده از 10 ترکیب آغازگری تعداد 675 نوار (باند) بدست آمد که تعداد 429 نوار (63.5%) چندشلی نشان دادند. از بین آغازگرهای مورد استفاده، ترکیب آغازگری E-TTG, M-CAT با 107 نوار بیشترین تعداد نوار و ترکیب آغاز گری E-AGG, M-CTG با 34 نوار کمترین تعداد نوار را تلدی نمود. مقدار متوسط محتوای اطلاعات چندشکلی در این تحقیق (PIC) 0.65 برآورد گردید. بهترین ترکیب آغازگری برای تفکیک بهتر نمونه های برنج E-GTG, M-CCT با شاخص نشانگر 49 تشخیص داده شد. میانگین شباهت ژنتیکی بر پایه ضریب Nei، 0.67 تخمین زده شد (0.97- 0.40). دندروگرام بدست آمده با استفاده از روش UPGMA، چهار گروه اصلی را بین ارقام مورد بررسی مشخص نمود که با نتایج حاصل از تجزیه و تحلیل PCA نیز همخوانی داشت. در این تحقیق نشانگر AFLP توانست اثر ا نگشت منحصر به فردی را برای تمامی ارقام ایجاد کند. با توجه به شناسایی گروه های هتروتیک، از نتایج حاصل از این تحقیق می توان در برنامه ه ای اصلاحی جهت تولید ارقام هیبرید و امید بخش استفاده نمود.
Keywords:
Authors
میثم علیزاده
گروه بیوتکنولوژی کشاورزی دانشگاه پیام نور تهران
قربانعلی نعمت زاده
پژوهشکده ژنتیک و زیست فناوری طبرستان، دانشگاه کشاورزی و منابع طبیعی ساری
محمدعلی ابراهیمی
گروه بیوتکنولوژی کشاورزی دانشگاه پیام نور تهران
سیدحمیدرضا هاشمی
پژوهشکده ژنتیک و زیست فناوری طبرستان، دانشگاه 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 :