شناسایی مولکولی توده های بذری با استفاده از نمونه های بالک بذر: مطالعه موردی بر روی توده های بذری گیاه یونجه زراعی
محل انتشار: فصلنامه زیست فناوری، دوره: 16، شماره: 1
سال انتشار: 1403
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 25
فایل این مقاله در 83 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-16-1_006
تاریخ نمایه سازی: 9 فروردین 1404
چکیده مقاله:
ایران یکی از مهمترین مراکز تنوع ژنتیکی گیاه یونجه در جهان می باشد و انواع مختلفی از آن در کشور وجود دارد. تایید اصالت توده ها و ارقام یونجه از این لحاظ که تنوع ژنتیکی در این گیاه می تواند تاثیر مستقیمی بر عملکرد و کیفیت علوفه و بذر داشته باشد، از اهمیت ویژه ای برای کشاورزان و تولیدکنندگان بذر برخوردار است. در این راستا در مطالعه حاضر، توسعه روشی برای شناسایی و تفکیک مهمترین توده های یونجه زراعی ایران بهوسیله نشانگرهای ریزماهواره مورد توجه قرار گرفت. بهمنظور تسهیل تمایز و تفکیک توده های یونجه مورد نظر، آلل های اختصاصی و یا بهعبارت بهتر ژنوتیپ آللی اختصاصی برای هر توده شناسایی گردید. بدین منظور از نمونه های تصادفی حاوی ۱۰۰ بذر از هر توده استفاده گردید که در نهایت از طریق ۹ جایگاه ریزماهواره با استفاده از ژنوتیپ آللی اختصاصی شناسایی شده برای هر توده به وضوح تفکیک شدند. بیشترین قابلیت تفکیک متعلق به نشانگرهای MTIC۲۳۳، BI۹۰، ACT۰۰۹، TC۷، MTIC۱۸۳، MS۳۰، MTIC۲۳۸ و AFCA۱۱ بود. دورترین فاصله ژنتیکی مربوط به توده های ۵-B و خارجی و همچنین توده های ۲۹-N و خارجی و نزدیکترین فاصله مربوط به تودههای ۲۷-G، ۹-H و ۲۱-R بود. با توجه به نتایج حاصل بهنظر می رسد توده های ۹-H، ۲۱-R، ۲۷-G، ۲۵-B، ۵-B و ۲-G دارای زمینه ژنتیکی مشترک و با شباهت بیشتری نسبت به بقیه توده ها می باشند. روش پیشنهادی در این مطالعه بهسادگی و در مدت کوتاه (یک تا دو روز) امکان شناسایی توده یونجه مورد نظر را بدون نیاز به استخراج DNA از برگ فراهم می نماید.
کلیدواژه ها:
Alfalfa ، SSR ، Microsatellite ، Bulk seed ، Genetic identification ، Authentication ، Molecular marker ، یونجه ، شناسایی ، ریزماهواره ، توده بذری ، نشانگر مولکولی ، اصالت
نویسندگان
سید مجتبی خیام نکویی
Department of Biological Sciences, Tarbiat Modares University
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 :