استفاده از بارکد گذاری DNA برای تفکیک گونه های مهاجم علف هرز آبزی Ludwigia spp از خویشاوندان غیرمهاجم آن
محل انتشار: دوازدهمین کنگره ژنتیک ایران
سال انتشار: 1391
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,008
فایل این مقاله در 6 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:
CIGS12_1004
تاریخ نمایه سازی: 5 بهمن 1392
چکیده مقاله:
مهاجم های بیولوژیکی یک خطر جدی برای تنوع زیستی در کروه زمین به شمار می آید که طی چند دهه اخیر گسترش گیاهان خارجی و مهاجم در داخل فلور طبیعی مناطق مختلف به طور چشمگیری افزای پیدا کرده است. در بین این گیاهان مهاجم و خارجی گونه های جنس Ludwigia در مناطق آبی مشکلات عدیده ای را ایجاد می نمایند که شناسایی گونه های آنها از گونه های بومی تنها براساس شکل ظاهری به مراتب مشکل می باشد. به همین دلیل در مطالعه حاضر از مناطق کلروپلاستی rbcL, matK و trnH-psbA برای تشخیص 13 گونه بومی و مهاجم متعلق به جنس Ludwigia استفاده گردید. نتایج نشان داد که اگر چه matK درصد تکثیری بالائی داشت ولی به دلیل وجود ساختار ثانویه در توالی این ژن و همچنین طول بلند آن توالیبابی مناسب آن ممکن نگردید. براساس نتایج بدست آمده در اینمطالعه منطقه غیر کد کننده trnH-psbA و قسمتی از منطقه کد کننده ژن rbcL بخاطر دارا بودن درجه عمومیت بالای تکثیر و نیز قدرت بالای تفکیک در بین گونه های مورد بررسی Ludwigia، بعنوان بارکد ایده آل برای تشخیص گونه های این جنس معرفی شدند. بنظر می رسد که سرمایه گذاری روی تکنیک بارکدگذاری DNA می تواند ا بزار قوی برای تشخیص و تفکیک نمونه های گیاهی را در اختیار پژوهشگران قرار دهد. بویژه زمانیکیه از لحاظ مورفولوژیکی تشخیص گونه ها از یکدیگر مشکل نباشد می توان از بارکدگذاری DNA بهره جست که این مطلب بویژه در مرحله بذری و مراحل اولیه رشد گیاهان مهاجم باعث جلوگیری از گسترش آنها شده و در نتیجه حفظ تنوع زیستی و ثبات بوم نظام را به دنبال خواهد داشت.
کلیدواژه ها:
نویسندگان
رباب قهرمان زاده
استادیار گروه زراعت و اصلاح نباتات دانشکده کشاورزی دانشگاه محقق اردبیلی
سیدحسن مرعشی
استادیار گروه بیوتکنولوژی دانشکده کشاورزی دانشگاه فردوسی مشهد
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 :