توسعه و بهینه سازی کیت تشخیصی الایزا جهت ردیابی جدایههای ایرانی ویروس ایکس سیب زمینی
Publish place: 7th national biotechnology congress of I.R. iran
Publish Year: 1390
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 564
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:
NBCI07_0378
تاریخ نمایه سازی: 29 شهریور 1394
Abstract:
از جمله ویروسهای بیمارگر در مزارع سیب زمینی کشور می باشد که میتواند از 10 تا 20 (PVX) ویروس ایکس سیب زمینی درصد و در صورت توام بودن با سایر ویروسها تا 80 درصد موجب خسارت و کاهش محصول گردد . مهمت رین راه انتقال این ویروس از طریق غدههای بذری سیب زمینی میباشد و لذا استفاده از غدههای بذری سالم بعنوان پیشگیری، از مهمترین راه های کنترل این ویروس محسوب میشود. در این راستا استفاده از سیستمهای تشخیصی برای ردیابی این ویروس در مزارع سیبزمینی بذری و آزمونهای آزمایشگاهی مرتبط با صدور گواهی سلامت بذر از اهمیت کاربردی زیادی برخوردار است . در پس از شناسایی و تایید خلوص بیولوژیکی و عدم اختلاط با PVX-H این پروژه یک جدایه ایرانی ویروس ایکس سیبزمینی 8 سایر ویروسها، در گیاه توتون تکثیر و خالصسازی شد. با تزریق آموده خالص ویروس به خرگوش سفید آزمایشگاهی، آنتی IgG از سرم جداسازی شد. بخشی از (IgG) بادی پلیکلنال اختصاصی علیه ویروس تولید گردیده و بخش ایمیونوگلوبولین جی تولیدی با آنزیم آلکالین فسفاتاز کانجوگیت گردید. طی آزمونهای بهینهسازی، بهترین غلظت برای آزمون الای زا تعیین شد .نتایج حاصله نشان داد که سیستم الایزا توسعه داده شده در این پروژه با دقت مشابه کیتهای خارجی قادر به ردیابی ویروس در گیاه سیبزمینی است. بومیسازی دانش فنی تولید این کیت، جلوگیری از خروج ارز و عدم وابستگی به واردات کیت PVXها و کاهش هزینه تمام شده تستهای الایزا در روند تولید سیبزمینی بذری از جمله دستاوردهای این پروژه است.
Keywords:
Authors
رضا پوررحیم
استادیار پژوهش، بخش تحقیقات ویروس شناسی گیاهی، موسسه تحقیقات گیاه پزشکی کشور
شیرین فرزادفر
استادیار پژوهش، بخش تحقیقات ویروس شناسی گیاهی، موسسه تحقیقات گیاهپزشکی کشور
علیرضا گلنراقی
گروه گیاه پزشکی، دانشکده کشاورزی، واحد علوم و تحقیقات دانشگاه آزاد اسلامی
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 :