تجزیه روابط ژنتیکی برخی از ارقام مرکبات با استفاده از نشانگر PCR-RFLP
محل انتشار: هفتمین کنگره علوم باغبانی ایران
سال انتشار: 1390
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 760
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:
BAGHBANI07_015
تاریخ نمایه سازی: 6 دی 1391
چکیده مقاله:
در خانواده مرکبات تاریخچه طولانی کشت، پراکنش وسیع در دنیا، هم باروری بین گونه ها، دورگ گیری های جنسی و جهش های فراوان باعث شده که ارقام متنوعی از مرکبات در جهان وجود داشته باشد . شناخت روابط فیلوژنتیکی و تنوع ژنتیکی در مرکبات به منظور تعیین روابط ژنتیکی، شناسایی ژرم پلاسم، ثبت ارقام جدید و جلوگیری از فرسایش ژنتیکی دارای اهمیت قابل توجهی است. بسیاری از نمونه های مرکبات در کلکسیون های مرکبات ایران وجود دارند که بر اساس خصوصیات مورفولوژیکی آنها شناسایی و طبقه بندی شده اند. نشانگرهای مولکولی به روابط بین آنها با ارقام شناخته شده کمک می کنند. در این مطالعه، 89 نمونه که شامل 74 تیپ ناشناخته و 15 رقم شناخته شده (شاهد ) از مجموعه درختان مرکبات موجود کلکسیون ایستگاه تحقیقات مرکبات کترا (تنکابن) انتخاب شدند و به کمک نشانگر مولکولی PCR-RFLP که در مطالعات سایر محققین چندشکلی مناسبی نشان داده بودند، مورد بررسی قرار گرفتند . با استفاده از نشانگر PCR-RFLP الگوی مناسب و قابل امتیازدهی برای 89 مورفوتیپ فراهم شد. بر اساس تجزیه خوشه ای به روش نزدیکترین همسایه و با ضریب تشابه جاکارد، مورفوتیپ های مورد بررسی به چهار گروه اصلی طبقه بندی شدند که از آنها می توان جهت تعیین روابط ژنتیکی استفاده نمود.
کلیدواژه ها:
نویسندگان
فاطمه عبادت طلب
دانشجوی کارشناسی ارشد و عضو هیات علمی دانشگاه آزاد اسلامی واحد تنکابن
بهروز گلعین
عضو هیات علمی موسسه تحقیقات مرکبات کشور
بابک باباخانی
دانشجوی کارشناسی ارشد و عضو هیات علمی دانشگاه آزاد اسلامی واحد تنکابن
عاطفه صبوری
عضوهیات علمی دانشگاه گیلان
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 :