ارزیابی ژنتیکی برخی جمعیت های گیاه دارویی زیره سیاه (Carum carvi)با استفاده از نشانگرهای RAPD و ISSR
Publish place: Vegetative environmental physiology، Vol: 12، Issue: 48
Publish Year: 1396
نوع سند: مقاله ژورنالی
زبان: Persian
View: 377
This Paper With 14 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_ECOP-12-48_007
تاریخ نمایه سازی: 23 مرداد 1398
Abstract:
در این تحقیق به منظور، تعیین رابطه خویشاوندی و فاصله ژنتیکی بین جمعیت های زیرهی سیاه از نشانگرهای RAPD و ISSR استفاده شد. با استفاده از نشانگر RAPD در مجموع 126 آلل تکثیر شد که آغازگر TIBMBC08 و TIBMBA02 با 7 آلل کمترین تعداد و آغازگر TIBMBC05با 22 آلل بیشترین تعداد داشتند. در نشانگر ISSR در مجموع 79 الل شناسایی که آغازگر UBC112 با 1 الل کمترین تعداد و آغازگر UBC809 با 15 آلل بیشترین تعداد داشتند. در نشانگر RAPD، بیشترین میزان شاخص چند شکلی با میزان 94/0 مربوط به آغازگر TIBMBC05و کمترین میزان شاخص چندشکلی با میزان 8/0 مربوط به آغازگر TIBMBA02 و میزان شاخص تنوع شانن (57/0) و شاخص تنوع نی (38/0) مشاهده گردید. همچنین در نشانگر ISSR، بیشترین میزان شاخص چندشکلی با میزان 92/0 مربوط به آغازگرهای UBC809 و کمترین میزان شاخص چندشکلی مربوط به آغازگر UBC112با میزان صفر و میزان شاخص تنوع شانن (57/0) و شاخص تنوع نی (39/0) مشاهده گردید. بر اساس اطلاعات RAPD و ISSR به صورت توام بیشترین میزان تشابه مربوط به زیرهی سیاه کرمان و زیرهی سیاه جندق (48/0) و کمترین میزان تشابه مربوط به ژنوتیپهای زیرهی سیاه کرمان و زیرهی سیاه نیشابور (115/0) با میانگین 315/0 میباشد. تجزیه خوشه ای جمعیت های زیرهی سیاه را بر اساس اطلاعات توام هر دو نشانگر RAPD و ISSR در سه گروه مختلف که تا حدودی با موقعیت جغرافیایی آنها مطابفت داشت، طبقه بندی و از همدیگر تفکیک نمود.
Keywords:
Authors
لیلا فهمیده
گروه اصلاح نباتات و بیوتکنولوژی، دانشکده کشاورزی، دانشگاه زابل، زابل، ایران
لیلا جانی پور
روه اصلاح نباتات و بیوتکنولوژی، دانشکده کشاورزی، دانشگاه زابل، زابل، ایران
بهمن فاضل نسب
پژوهشکده کشاورزی دانشگاه زابل، زابل، ایران
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 :