شناسایی مسیرها و ژنهای کاندید مقاومت به بیماری آسکوکیتا در یک واریته موتانت نخود به روش آنالیز RNA-Seq
سال انتشار: 1399
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 260
فایل این مقاله در 7 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_JCB-12-33_007
تاریخ نمایه سازی: 17 مهر 1400
چکیده مقاله:
نخود در طول دوره رشد با تنش های زیستی و غیرزیستی مختلفی درگیر است. سوختگی آسکوکیتایی یکی از مخرب ترین تنش های زیستی کاهنده عملکرد این محصول می باشد. اصلاح برای دست یابی به ارقام مقاوم مهم ترین روش برای مقابله با این بیماری است. بررسی الگوی بیان ژنها و مشخص کردن ژنهای مقاوم به بیماری با استفاده از تکنیک RNA-Seq اطلاعات ارزشمندی را در اختیار اصلاحگران قرار می دهد. در این تحقیق الگوی بیان دو واریته حساس (C-۷۲۷) و مقاوم (C-۸۸) به بیماری آسکوکیتا تحت آلودگی، مورد بررسی قرار گرفت. استخراج RNA از برگ های گیاهان تحت بیماری آسکوکیتا انجام گرفته به همین منظور سه نمونه بیولوژیک ادغام شده و یک نمونه از هر واریته مورد توالی یابی قرار گرفت. توالی یابی با Illomina HiSeq انجام شد. و کتابخانه RNA عاری از RNA ریبوزومی تهیه گردید درنتیجه ۸۲۸۴۸۲۵۰ خوانش از CM-۸۸ و ۷۲۳۴۶۶۸۰ خوانش از C-۷۲۷ به دست آمد. در مجموع ۳۱۰۶ ژن با بیان افتراقی مشخص گردید. از این بین ۱۵۴۶ ژن در CM-۸۸ نسبت به C-۷۲۷ کاهش بیان و ۱۵۶۰ ژن افزایش بیان داشتند. پس از آنالیز KEGG، ۱۲۸۵ ژن در ۱۲۲ مسیر زیستی KEGG قرار گرفتند. از ۱۲۸۵ ژن، ۶۲۷ ژن در واریته CM-۸۸ نسبت به واریته C-۷۲۷ کاهش بیان داشته و ۶۰۷ ژن افزایش بیان داشتند. نتایج آنالیز KEGG نشان داد مسیر N-Glycan biosynthesis، مسیر سنتز اسید آمینه آرژنین و یک عامل رونویسی که در القای هورمون های مربوط به سیگنال های دفاعی نقش دارند ممکن است در مقاومت به بیماری آسکوکیتا در واریته های مورد مطالعه نقش داشته باشند.
کلیدواژه ها:
نویسندگان
معصومه سبکباری ابرغان
Gorgan University of Agricultural Sciences and Natural Resources
خلیل زینلی نژاد
Gorgan University of Agricultural Sciences and Natural Resources
اسماعیل ابراهیمی
Shiraz University
حسن سلطانلو
Gorgan University of Agricultural Sciences and Natural Resources
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 :