ارزیابی تنوع ژنتیکی توده های گیاه دارویی نائین هاوندی بر اساس نشانگرهای پروتئینی و SRAP
محل انتشار: فصلنامه زیست فناوری، دوره: 13، شماره: 3
سال انتشار: 1401
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 90
فایل این مقاله در 16 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_BIOT-13-3_002
تاریخ نمایه سازی: 5 دی 1403
چکیده مقاله:
در این پژوهش، تنوع ژنتیکی ۱۰ توده مختلف نائین هاوندی با استفاده از نشانگرهای پروتئینی و SRAP مورد بررسی قرار گرفت. در مرحله رویشی گیاه از برگ ها، پروتئین و DNA استخراج شد. نتایج پروفایل پروتئینی در مجموع ۲۰ نوار با ۱۵/۶۴ درصد چندشکلی نشان داد. برای ارزیابی تنوع ژنتیکی در سطح DNA، ۶ ترکیب آغازگری SRAP مورد استفاده قرار گرفت که در مجموع ۵۸۳ نوار قابل امتیازدهی مشاهده شد. تعداد ۵۴۹ نوار آن دارای چندشکلی با میانگین ۵/۹۱ برای ترکیبات آغازگری مورد بررسی بود. بیشترین چندشکلی (۱۲/۹۹ درصد) در ترکیب آغازگری E۱/M۱ و کمترین چندشکلی (۲۱/۸۴ درصد) در ترکیب E۲/M۲ مشاهده شد. آنالیز خوشهای، تودهها را در ۴ گروه اصلی طبقهبندی نمود. شاخصهای تنوع ژنتیکی برای تمام مکانهای ژنی از جمله میانگین تنوع ژنتیکی نی (h)با مقدار ۲۷/۰ و میانگین شاخص شانون (I)با مقدار ۴۱/۰ محاسبه شد. سطح بالایی از تمایز جمعیت (۷۹/۰=Gst) و سطح مناسبی از جریان ژنی (۳/۱=Nm) بین جمعیتهای گروهبندی شده برآورد شد. تجزیه واریانس مولکولی نشان داد که واریانس درون جمعیتی (۵۸%) بیشتر از واریانس میان جمعیتها (۴۲%) است. به طور کلی نتایج مطالعه حاضر، تنوع ژنتیکی بالایی هم در الگوی الکتروفورگرام پروتئین و هم در نوارهای چندشکل تفکیک شده با استفاده از نشانگرهای SRAP با تاکید بر کارآیی بیشتر نشانگرهای SRAP نسبت به نشانگر پروتئین نشان داد که میتواند در انتخاب والدین با فاصله ژنتیکی زیاد جهت تولید جمعیت های در حال تفرق و نقشه یابی در برنامههای دورگگیری و به نژادی یا بهبود صفات مطلوب و همچنین برای محافظت و مدیریت ژرمپلاسم این گیاه استفاده شود.
کلیدواژه ها:
نویسندگان
داریوش طالعی
Shahed University
مجتبی خیام نکویی
Tarbiat Modarres Unniversity
سعید کدخدایی
Agricultural Biotechnology Research Institute, Tehran, Iran
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 :