بررسی مکانیسم های مولکولی حساسیت برنج به تنش شوری در سطح ترانسکریپتوم با استفاده از cDNA-AFLP
سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 612
فایل این مقاله در 11 صفحه با فرمت PDF و WORD قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
AGROCONGRESS03_613
تاریخ نمایه سازی: 8 اردیبهشت 1396
چکیده مقاله:
شوری یکی از فاکتورهای نامطلوب محیطی برای برنج است که رشد و باروری آن را محدود می نماید. تکنیک cDNA-AFLP ابزار بسیار مفیدی در راستای تجزیه و تحلیل تغییرات ایجاد شده در ترانسکریپتوم در اثر تنش شوری بوده و منابع ارزشمندی جهت مطالعات بیشتر و کاربردی در زمینه ی اصلاح و بهبود ژنتیکی گیاهان فراهم می آورد. در این مطالعه آنالیز cDNA-AFLP با هدف مقایسه ی پاسخ های ترانسکریپتوم در راستای آشکار نمودن مکانیسم های درگیر در حساسیت برگ گیاه برنج به تنش شوری در سطح بیان ژن با استفاده از دو ژنوتیپ مقاوم و حساس به شوری تحت تیمار کلرید سدیم در دو سطح 0 (شاهد) و 100 میلی مولار به کار گرفته شد. از میان 20 عدد EST جدا سازی شده با کاهش بیان، 15 عدد EST با طول میانگین 230 جفت باز در NCBI ثبت گردید که با توجه به عدم تاثیر تنش شوری بر بیان آن ها در رقم مقاوم، احتمالا کاهش بیان آن ها در نمونه های تحت تنش شوری به دلیل حساسیت گیاه و عدم توانایی آن در حفظ سطوح پایه ی بیان در شرایط تنش باشد. بعد از به دست آوردن همولوژی این توالی ها با توالی های موجود در پایگاه های داده مشخص گردید این ESTها به گروه های متفاوتی از خانواده های ژنی از جمله ژن های مرتبط با متابولیسم، سیگنالینگ سلولی، بیوسنتز پروتیین و اسیدهای آمینه و ... تعلق داشتند. امید بر آن است که نتایج این پژوهش در راستای اصلاح حساسیت بوته های برنج به تنش شوری و به حداقل رساندن افت این محصول زراعی در آینده مفید واقع شود
کلیدواژه ها:
نویسندگان
فاطمه زارع
دانشجوی دکتری دانشگاه علوم کشاورزی و منابع طبیعی ساری
غلامعلی رنجبر
دانشیاردانشگاه علوم کشاورزی و منابع طبیعی ساری
علیرضا ترنگ
استادیار دانشگاه علوم کشاورزی و منابع طبیعی ساری
حمید نجفی زرینی
استادیار پژوهشکده ی بیوتکنولوژی کشاورزی رشت
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 :