شناسایی ژن های کاندیدای گلوتاتیون اس ترانسفراز (GST) در سن گندم، Eurygaster integriceps Put. (Hem.: Scutelleridae)، با آنالیز کل ترانسکریپتوم
محل انتشار: نامه انجمن حشره شناسی ایران، دوره: 37، شماره: 1
سال انتشار: 1396
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 266
فایل این مقاله در 15 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_JESI-37-1_003
تاریخ نمایه سازی: 20 دی 1401
چکیده مقاله:
ژن های گلوتاتیون اس ترانسفراز (GST) صفات حیاتی برای متابولیسم سموم مختلف را کنترل می کنند که شامل سامانه های دفاعی گیاه میزبان و محیط (حشره کش ها)، که حشره با آن روبرو می شود، می باشند. سن گندم، مهم ترین آفت مزارع گندم و جو در خاورمیانه است که امنیت غذایی را تهدید می کند. در این مطالعه با استفاده از توالی یابی RNA، امکان پویش در سطح ترانسکریپتوم برای شناسایی، بررسی ساختار و عملکرد خانواده های مختلف ژنی در سن گندم فراهم شد. برای اولین بار با استفاده از آنالیزهای بیوانفورماتیک ۴۳ ژن کاندیدای GST در سن گندم شناسایی شد. آنالیزهای فیلوژنی نشان داد این ژن ها در پنج دسته GST سیتوزولی (دلتا، تتا، زتا، امگا، سیگما) و GST میکروزومی طبقه بندی می شوند. زیرگروه سیگما با ۲۲ ژن کاندیدا، بزرگ ترین زیرگروه و GST میکروزومی با یک ژن کوچک ترین گروه شناسایی شد. با توجه به نقش این ژنها در میانکش بین حشره، سموم و محیط، نتایج این تحقیق می تواند نقشه راه تحقیقاتی در زمینه مقاومت به سموم را فراهم و برای برنامه کاربردی کنترل سن گندم در آینده مورداستفاده قرار گیرد.
کلیدواژه ها:
نویسندگان
مهدی دسترنج
۱-گروه گیاه پزشکی پردیس کشاورزی و منابع طبیعی، دانشگاه تهران ۲-بخش زیست شناسی سامانه ها، پژوهشکده بیوتکنولوژی کشاورزی، سازمان تحقیقات، آموزش و ترویج کشاورزی، کرج، ایران
محمد رضا غفاری
بخش زیست شناسی سامانه ها، پژوهشکده بیوتکنولوژی کشاورزی، سازمان تحقیقات، آموزش و ترویج کشاورزی، کرج، ایران
علیرضا بندانی
گروه گیاه پزشکی پردیس کشاورزی و منابع طبیعی، دانشگاه تهران
قاسم حسینی سالکده
بخش زیست شناسی سامانه ها، پژوهشکده بیوتکنولوژی کشاورزی، سازمان تحقیقات، آموزش و ترویج کشاورزی، کرج، 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 :