ارزیابی تنوع ژنتیکی ژنوتیپ های خلر با استفاده از نشانگرهای نیمه تصادفی ISJ
محل انتشار: فصلنامه بیوتکنولوژی کشاورزی، دوره: 9، شماره: 2
سال انتشار: 1396
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 441
فایل این مقاله در 13 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JOAGK-9-2_005
تاریخ نمایه سازی: 20 خرداد 1398
چکیده مقاله:
خلر (Lathyrus sativus L.)، یکی از مهم ترین گیاهان زراعی و علوفهای دنیاست که به علت پروتئین و لایسین بالا گیاهی شناخته شده است. به منظور ارزیابی تنوع ژنتیکی 33 ژنوتیپ خلر، از 20 نشانگر نیمهتصادفی اینترون-اگزونی یا ISJ استفاده شد. استخراج DNA با روش CTAB صورت گرفت. اطلاعات حاصل از آغازگرهای ISJ مورد تجزیه و تحلیل قرار گرفت و از مجموع باندها، 77% باندها مربوط به آغازگرهای ET و 81% مربوط به آغازگرهای IT چند شکل بودند. نتایج نشان داد که متوسط تعداد باند چند شکل به ازای هر آغازگر 95/3 عدد بود و بیشترین میزان اطلاعات چند شکلی و شاخص نشانگر را مربوط به آغازگر ET18-6 بود. بر اساس محاسبه ضریب تشابه جاکارد، محدوده تشابه ژنوتیپها از 42/0 تا 89/0 متغیر بود. تجزیه گروه بندی بر اساس روش UPGMA صورت گرفت و براساس دندروگرام بدست آمده و در ضریب تشابه 70/0، ژنوتیپها به پنج گروه اصلی تقسیم شدند. نتایج تجزیه به مختصات اصلی نشان داد که سه مولفه اول در مجموع 65/74 درصد از کل واریانس را توجیه نمودند که بیانگر پراکنش محدود این نشانگرها در سطح ژنوم این گیاه میباشد. این تحقیق اولین گزارش از کاربرد نشانگر ISJ در گیاه علوفهای مهم خلر در دنیا می باشد که امید می رود در توسعه اصلاح ملکولی این گیاه موثر واقع گردد.
کلیدواژه ها:
نویسندگان
محمدامین سهرابی
دانشجوی کارشناسی ارشد، گروه زراعت و اصلاح نباتات، دانشکده کشاورزی، دانشگاه لرستان، خرم آباد، ایران.
احمد اسماعیلی
دانشیار، گروه زراعت و اصلاح نباتات، دانشکده کشاورزی، دانشگاه لرستان، خرم آباد، ایران.
کریم خادمی
مربی، مرکز تحقیقات کشاورزی و منابع طبیعی استان لرستان، خرم آباد، ایران.
رحمت الله کریمی زاده
استادیار، موسسه تحقیقات کشاورزی دیم کشور، سازمان تحقیقات، آموزش و ترویج کشاورزی، گچساران، ایران
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 :