بررسی نواحی پروموتوری ژن های RLM1 و RLM3 مقاوم به بیماری ساقسیاه جنس براسیکا در گیاه مدل آرابیدوپسیس تالیانا
سال انتشار: 1391
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 612
متن کامل این مقاله 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 مقاله (فول تکست) محسوب نمی شوند و فقط کاربران عضو بدون کسر اعتبار می توانند فایل آنها را دریافت نمایند.
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
AGRIBIOTECH03_040
تاریخ نمایه سازی: 27 تیر 1392
چکیده مقاله:
پاتوژنها باعث کاهش چشمگیر عملکرد محصولات زراعی شده و زیان اقتصادی کلانی را تحمیل میکند. قارچ عامل ساق سیاه Leptosphaeria maculans یکی از بیماریهای مهم جنس براسیکا بوده که منجر به خسارتهای اقتصادی مهمی در اروپا، استرالیا و آمریکای شمالی شده است. تولید و استفاده از ارقام مقاوم یکی از راهکارهای اصلی و عملی کنترل بیماریها در گیاهان زراعی و کاهش خسارات ناشی از آنها است. هدف از این تحقیق بررسی نواحی پروموتوری ژنهای RLM1 و RLM3 مقاوم به بیماری ساقسیاه متعلق به کلاس پروتئینی NBS-LRR می باشد. بدین منظور با استفاده از بدین منظور با استفاده از پایگاه اطلاعاتی NCBI و Tair نواحی پروموتوری این ژنها شناسایی، و 3000 نوکلئوتید از توالی فرودست ناحیه شروع رونویسی TSS انتخاب گردید، سپس عناصر اختصاصی این توالیها توسط سایت ، سپس عناصر اختصاصی این توالیها توسط سایت PLACE مورد بررسی قرار گرفت. به نظر میرسد ارزیابی نواحی سیس از ناحیه پروموتر ژنهای درگیر در تامین واکنش گیاه در پاسخ به تنش های زنده بتواند الگوی موثری را در طراحی پروموتورهای مورد نیاز برای تراریزش گیاهان در ایجاد مقاومت در برابر پاتوژنها فراهم نماید. مطالعه حاضر به ارایه و معرفی این عناصر خواهد پرداخت.
نویسندگان
مهسا محمدجانی اسرمی
پژوهشکده ژنتیک و زیست فناوری کشاورزی طبرستان، دانشگاه علوم کشاورزی و
حمید نجفی زرینی
گروه بیوتکنولوژی و اصلاح نباتات دانشگاه علوم کشاورزی و منابع طبیعی سا
حمیدرضا هاشمی پطرودی
پژوهشکده ژنتیک و زیست فناوری کشاورزی طبرستان، دانشگاه علوم کشاورزی و
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله 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 مقاله لینک شده اند :