شناسایی و معرفی نشانگرهای ریزماهواره چندشکلی در زعفران زراعی ( Crocus sativusL.)
سال انتشار: 1392
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 600
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:
NBCI08_0316
تاریخ نمایه سازی: 29 شهریور 1394
چکیده مقاله:
زعفران زراعی با نام علمی Crocus sativusL. و نام عمومی saffron یکی از گران بهاترین گیاهان زراعی ست که در صنایع مختلف کاربرد داشته و از این رو بایستی به برنامه اصلاحی آن توجه ویژه نمود. با توجه به اینکه نشانگر مولکولی ریز ماهواره یکی از سیستم های کارامد جهت بررسی تنوع ژنتیکی گونه های مختلف بوده لذا در این تحقیق جهت شناسایی و جداسازی نشانگرهای ریز ماهواره زعفران و ایجاد کتابخانه ژنومی برمبنای این ریز ماهواره ها از روش فیاسکو FIASCO(fast isolation by AFLP of sequences containing repeats) با کمی تغییر، استفاده گردید. توالی های تکرار با استفاده از 7 پروب نشان دار شده با بیو تین جداسازی شدند و 121 کلون جهت توالی یابی فرستاده شد. حدود 50% کلون ها یعنی 56 کلون حداقل حاوی یک ریزماهواره تشخیص داده شد و براین اساس جفت آغازگرها طراحی گردید.36 جفت از آغازگرها جهت شناسایی پلی مورفیسم در 39 نمونه زعفران زراعی استفاده گردید. پانزده آغازگربه خوبی در کلیه نمونه ها تکثیر شدند که 8 جفت از انها چند شکل بوده و از 2تا 4 آلل را شناسایی کردند. محتوای اطلاعات چند شکلی این آغازگرها 0/11 تا 0/52 بوده و می توان از آنها در برنامه اصلاحی زعفران استفاده نمود.
کلیدواژه ها:
نویسندگان
زهرا نعمتی
محقق، دانشکده علوم کشاورزی، دانشگاه آزاد اسلامی واحد شیراز
محسن مردی
استادیار بخش ژنومیکس، پژوهشکده بیوتکنولوژی کشاورزی ایران
مهرشاد زین العابدینی
دانشیار بخش ژنومیکس، پژوهشکده بیوتکنولوژی کشاورزی ایران
پرستو مجیدیان
دانشجوی دکتری، دانشگاه علوم کشاورزی و منابع طبیعی ساری
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 :