ارزیابی مقاومت ژنوتیپ هایی از درخت به ( Cydonia oblonga ) نسبت به بیماری آتشک در شرایط درون شیشه ای
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: 394
متن کامل این Paper منتشر نشده است و فقط به صورت چکیده یا چکیده مبسوط در پایگاه موجود می باشد.
توضیح: معمولا کلیه مقالاتی که کمتر از ۵ صفحه باشند در پایگاه سیویلیکا اصل Paper (فول تکست) محسوب نمی شوند و فقط کاربران عضو بدون کسر اعتبار می توانند فایل آنها را دریافت نمایند.
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
NBCI08_0488
تاریخ نمایه سازی: 29 شهریور 1394
Abstract:
بیماری آتشک(Fire blight) با عامل باکتریایی Erwinia amylovora یکی از بیماری های مهم و مخرب درختان میوه دانه دار از جمله سیب، گلابی و به در دنیا می باشد. در بین میزبان های آتشک درخت به از جمله حساس ترین میزبان ها به شمار آورد. استفاده از ارقام و پایه های مقاوم موثرترین و اقتصادی ترین روش مبارزه با بیماری است. این آزمایش با هدف ارزیابی مقاومت در برابر حمله بیماری به مدت 143 ساعت مورد بررسی قرارگرفت. لذا ارقام KVD4 ، NB2 ، PH2 و پایه کوئینس C در کنار رقم به اصفهان (KVD3) به عنوان شاهد در شرایط درون شیشه، تکثیر و با مایه زنی سویه Ea273 باکتری عامل، آلوده شدند. ارزیابی ها نشان دهنده رده بندی مقاومت به ترتیب از کوئینس ، NB2 ، KVD4 ، PH2 و KVD3 بود. این ارزیابی ها نشان داد که رقم کوئینس C به عنوان رقم مقاوم و NB2 یک رقم متحمل به بیماری است. به طور یکه تا روزهای آخر 60-70 درصد علائم نکروز مشاهده شد. طبق نتیجه، ارقام کوئینس C و NB2 می تواند به عنوان ارقام موثری در برابر مقاومت به بیماری آتشک باشد.
Authors
فرشته خسروی نژاد
دانشجوی کارشناسی ارشد بیوتکنولوژی دانشگاه آزاد اسلامی واحد دامغان
حمید عبداللهی
به ترتیب دانشیار و کارشناس موسسه تحقیقات اصلاح و تهیه نهال و بذر، کرج
زینب صالحی
به ترتیب دانشیار و کارشناس موسسه تحقیقات اصلاح و تهیه نهال و بذر، کرج
سعید رضا آذرآبادی
دانشجوی کارشناسی ارشد بیماری شناسی دانشگاه آزاد اسلامی واحد ورامین - پیشوا
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 :