DNA بارکدینگ و فیتوپلانکتون ها: شناسایی و مطالعه مولکولی پنج گونه فیتوپلانکتون ساکن در آب های خلیح فارس
Publish place: 12th Congress of Iranian Genetics Society
Publish Year: 1391
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 1,667
This Paper With 5 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_0535
تاریخ نمایه سازی: 5 بهمن 1392
Abstract:
فیتوپلانکتون ها موجوداتی با نوع بسیار بالا و پراکنش جهانی در زیستگاههای مختلف هستند. این تنوع بالا در نتیجه ی انعطاف پذیری اکولوژیکی و توانایی انها در تحمل به شرایط مختلف اقلیمی و استرس های محیطی است. فیتوپلانکتون ها به عنوان شاخص زیستی بسیار حساس در منابع آبی به شمار می روند و مطالعه تنوع و مشخص نمودن ترکیب گونه ای آنها می تواند اطلاعات بسیار مفیدی را از شرایط کیفی آب حاصل نماید. هدف از ا ین تحقیق بررسی اهمیت شناسایی و تشخیص گونه های فیتوپلانکتونی با تأکید بر استفاده از روش DNA بارکدینگ می باشد. فیتوپلانکتون ها موجوداتی با پراکنش جهانی در زیستگاه های مختلف هستند و به عنوان گیاهان اکوسیستم های آبی مطرح می شوند. اقیانوس ها 70% سطح زمین را تشکیل می دهند. در این سیستم بزرگ فیتوپلانکتون ها مهمترین تولید کنندگان اولیه هستند. در این پژوهش کتابخانه همسانه از ژن 18S Rdna با استفاده از جفت آغاازگرهای A و SSU-inR1 در آزمون PCR ساخته شد. پس از بررسی قطعه همسانه سازی شده، همسانه های مورد نظر تعیین ترادف گردیدند و 5 ترادف شناسایی و با اطلاعات موجود در پایگاه اطلاعاتی NCBI توسط برنامه BLAST مقایسه شد. بررسی های انجام شده در این تحقیق نشان می دهد که روش ساخت کتابخانه همسانه از ناحیه ژنی 18S Rdna به عنوان یک روش دقیق برای شناسایی نمونه های دریایی به شمار می رود. از این رو به عنوان روشی کارآمد برای بررسی های فیلوژنی در محیط های دریایی پیشنهاد می شود.
Keywords:
Authors
عصمت عالم زاده
کارشناس ارشد رشته بیوتکنولوژی کشاورزی
رحیم حداد
عضو هیئت علمی دانشگاه بین المللی امام خمینی (ره)- گروه بیوتکنولوژی کشاورزی- قزوین
علیرضا احمدی
عضو هیئت علمی دانشگاه الزهرا- گروه بیومدیکال- تهران
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 :