مطالعه نواحی ژنومی موثر بر وزن لاشه در مرغ

سال انتشار: 1391
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 588

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.

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

AGRIBIOTECH03_571

تاریخ نمایه سازی: 27 تیر 1392

چکیده مقاله:

کن یابی جایگاههای ژنی مرتبط با صفات کمی QTL اولین گام برای شناسایی ژن های مسئول تنوع در صفات کمی است. روش نقشه یابی QTL به طور فعالانه در مرغ برای شناسایی مناطق کروموزومی که در صفات رشد، صفات لاشه، مقاومت به بیماری، تولید تخم، رفتار و پارامتر های متابولیکی شرکت دارند به کار برده می شود. صفات مرتبط با لاشه از جمله صفات کمی مهم و با ارزش اقتصادی دمررغ و سایر حیوانات گوشتی است که بهبود این صفات سبب بهبود کیفیت محصول و در نهایت افزایش سود اقتصادی میشود. وزن لاشه درطیور، یکی از صفات مهم اقتصادی است که دارای الگوی توارث کمی بوده و استفاده ازروشهایبهنژادیبرای بهبود آن به دلیل لزوم کشتار حیوان برای رکوردبرداریصفت، هزینه زیادی دارد. هدف از انجام این پژوهشبررسی QTL های موثر بر وزن لاشه روی تمامی کروموزومهای مرغ بود. دراین تحقیق از سایت ChickenQTLdb به منظور بررسی و تجزیه و تحلیل QTL های یافت شده روی کروموزومهای مرغ برای صفت وزن لاشه استفاده شده است.ا تکنون تعداد 2451 QTL در مرغ برای صفات مختلف گزارش شده اس تکه طبق بررسی های این تحقیق تعداد 41 QTL مربوط به صفت وزن لاشه می باشد. اجماع موقعیت QTL صفت وزن لاشه مرغ از مطالعات مستقل گواهی قوی مبنی بر حضور QTL است که این اطلاعات می تواندب ه شناسایی ژن ها و یا جهش های موثر بر وزن لاش هو کاربرد اطلاعات ژنومیک در برنامه های نوین اصلاح نژاد طیور مفید واقع گردد.

کلیدواژه ها:

نویسندگان

هادی چراتی

دانشجوی کارشناسی ارشد ژنتیک واصلاح نژاد دانشگاه شهید باهنر کرمان و عض

علی اسمعیلی زاده کشکوئیه

دانشیار دانشگاه شهید باهنر کرمان

رقیه جباری عوری

دانشجوی کارشناسی ارشد ژنتیک واصلاح نژاد دانشگاه شهید باهنر کرمان و عض

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 :
  • Gao, Y., R. Zhang., X. Hu and N. _ (2007). ...
  • Park HB, Jacobsson L, Wahlberg P, Siegel PB, Andersson L. ...
  • Atzmon, G; Ronin, Y I; Korol, A; Yonash, N; Cheng, ...
  • Liu, X., Li, H., Wang, S., Hu, X., Gao, Y., ...
  • نمایش کامل مراجع