تولید گیاهان زعفران عاری از ویروس پنهان زعفران با بکارگیری کشت مریستم و گرمادرمانی

سال انتشار: 1403
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 101

فایل این مقاله در 18 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_IJPPS-55-2_010

تاریخ نمایه سازی: 16 اسفند 1404

چکیده مقاله:

زعفران (Crocus sativus L.) یکی از مهمترین گیاهان دارویی و ادویه­ای در سراسر جهان است. این گیاه منبع غنی آپوکاروتنوئیدها مانند استرهای کروستین، پیکروکروسین و سافرانال است. ویروس پنهان زعفران (saffron latent virus; SaLV)، از جنس Potyvirus و خانواده Potyviridae، شایع ترین ویروس شناخته شده زعفران در ایران است که بیش از ۷۰ درصد گیاهان زعفران کشور را در مزارع آلوده نموده است. به منظور ویروس زدایی گیاهان آلوده زعفران از SaLV، در پژوهش حاضر دو روش کشت مریستم (با اندازه مریستم ۱/۰، ۳/۰، ۵/۰ و ۷/۰ میلی­متر) و گرمادرمانی به کار برده شد. برای ردیابی ویروس از آزمون سرولوژی ELISA-ACP و مولکولی RT-PCR و RT-qPCR استفاده شد. نتایج نشان داد که بیشترین درصد گیاهان عاری از ویروس بر اساس آزمون الایزا و RT-PCR، به ترتیب با ۷۳/۸۳ و ۲۹/۸۱ درصد در تیمار انفرادی کشت مریستم با اندازه ۳/۰ میلی­متر و به ترتیب با ۳۶/۷۱ و ۳۶/۶۶ درصد در تیمار انفرادی گرمادرمانی ۵۰ درجه سلسیوس به مدت ۶۰ دقیقه به دست آمد. بیشترین درصد گیاهان عاری از ویروس بر اساس آزمون های الایزا، RT-PCR و RT-qPCR در تیمار ترکیبی کشت مریستم با اندازه ۳/۰ میلی­متر و گرمادرمانی ۵۰ درجه سلسیوس به مدت ۶۰ دقیقه، به میزان ۱۰۰ درصد بدست آمد. این مطالعه، یک روش موثر برای توسعه بنه­های زعفران بدون ویروس ارائه می کند، به طوری که می­تواند برای تکثیر گیاه عاری از ویروس و پایداری صنعت تولید زعفران، نقش مهمی ایفا نماید.

نویسندگان

مریم رحیمی

گروه علوم باغبانی، دانشکده کشاورزی، دانشگاه تهران، کرج- ایران

سیامک کلانتری

گروه علوم باغبانی، دانشکده کشاورزی ی، دانشگاه تهران ، کرج- ایران

اکبر دیزجی

گروه گیاهپزشکی، دانشکده کشاورزی، دانشکدگان کشاورزی و منابع طبیعی، دانشگاه تهران، کرج، ایران

مجید شکرپور

گروه علوم باغبانی، دانشکده کشاورزی، دانشگاه تهران، 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 :