پیش بینی اپیتوپهای افکتور پراکسیردوکسین در نماتد Globodera rostochiensis
Publish place: 8th national biotechnology congress of I.R. Iran & 4th National Conference on biosecurity
Publish Year: 1392
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 567
This Paper With 5 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
NBCI08_0127
تاریخ نمایه سازی: 29 شهریور 1394
Abstract:
نماتد طلایی یا نماد سیستی سیب زمینی Globodera rostochiensis یکی از مهمترین عوامل خسارتزا در مزارع سیب زمینی میباشد. این نماتد سبب ایجاد لکه های سفیدرنگی در سطح ریشه گیاهان آلوده میگردد. این لکه ها حاوی ماده های نابالغی هستند که از بشره های ریشه به بیرون آمده اند. هر ساله خسارت بالایی توسط این نماتد به محصول سیب زمینی وارد میگردد. یکی از مولکولهای اصلی ترشحی که نقش مهمی در پروسه آلودگی موفق نماتد در گیاه دارد پراکسیردوکسین می باشد. این ترکیب توانایی تجزیه کردن پراکسید هیدروژن که یک ترکیب دفاعی مهم در گیاه میباشد را داراست. بدین ترتیب سیستم دفاعی گیاه در برابر نماتد از بین میرود و نماتد براحتی گیاه را کلونیزه کرده و آلودگی ایجاد میگردد. به منظور کنترل این نماتد روشهای زیادی مطرح شده است ولی هیچ کدام کارایی بسیار خوبی نداشته اند . بنابراین روش های تئوری برای پیشگویی اپی توپها گسترش زیادی یافته است که منجر به سنتز پپتیدهایی شده که از نظر تست های تشخیصی ایمنی و نیز تولید واکسن اهمیت زیادی دارند. مطالعه حاضر برای کنترل و یا ممانعت از گسترش نماتد طلایی سیب زمینی طراحی شده است که با استفاده از ابزارهای بیوانفورماتیک به پیشگویی اپیتوپ های پیوسته افکتور پراکسیردوکسین پرداخته که جهت طراحی ملکولی در پروسه های تولید آنتی بادی کاربرد دارد. امید است با استفاده از چنین تکنیکهایی سارت عوامل بیماریزای گیاهی را با ایمنی بخشیدن به گیاه تا حد مطلوبی کاهش دهیم.
Keywords:
G.rostochiensis افکتور پراکسی ردوکسین , آنتی بادی
Authors
سمیه الوانی
دانشجوی دکتری بیماری شناسی گیاهی دانشگاه فردوسی مشهد
عصمت مهدیخانی
دانشیار گروه گیاهپزشکی دانشگاه فردوسی مشهد
حمید روحانی
استاد گروه گیاهپزشکی 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 :