ارزیابی ریزنمونههای مختلف سویا از لحاظ درصد کالوسزایی و قدرت باززایی
سال انتشار: 1393
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 611
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:
CIGS13_0532
تاریخ نمایه سازی: 7 بهمن 1393
چکیده مقاله:
دستیابی به شرایط بهینه باززایی در سویا جهت تراریخت نمودن این گیاه با هدف انتقال ژن ضروری است. اولین گام در باززایی موثر،استفاده از ریزنمونه مناسب میباشد. به این منظور آزمایشی به صورت فاکتوریل در قالب طرح کاملا تصادفی با سه تکرار جهت بهینهسازیکشت بافت و تعیین بهترین ریزنمونه در سویا اجرا شد. فاکتورهای مورد بررسی شامل ژنوتیپ (ویلیامز و کلارک)، ریزنمونه (برگ، ساقه، گره و جنین له شده) و هورمونIAA و BAP) و صفات مورد بررسی عبارت از درصد کالوسزایی، اندازه کالوس، درصد باززایی ودرصد ریشهزایی بود. نتایج تجزیه واریانس حاکی از اثر بسیار معنیدار نوع ریزنمونه بر درصد کالوسزایی میباشد. هر چند بیشترین میزان کالوسزایی مربوط به ریزنمونه گره96/43%بدست آمد، اما بررسی مقایسه میانگین دادهها نشان داد که از میان ریزنمونههای موردبررسی تفاوت معنیداری بین گره، جنین له شده و ساقه وجود ندارد و ریزنمونه برگ کمترین درصد کالوسزایی54/35%را نشان داددر ارتباط با درصد باززایی نیز تنها ریزنمونه گره قابلیت باززایی را نشان داد. مقایسه میانگین بین ژنوتیپها نشان داد که تفاوت معنیداری بین ارقام مورد بررسی از نظر درصد کالوسزایی و باززایی وجود ندارد. براساس نتایج حاصل از این پژوهش استفاده از ریزنمونه گره و محیط کشتMSB5 شامل ترکیب هورمونی1/67 میلیگرم بر لیتر BAP+0/75 میلیگرم بر لیترIAAجهت کالوسزایی و1/7میلیگرم بر لیترBAPجهت باززایی، جهت برنامههای اصلاحی انتقال ژن معرفی میگردد.
نویسندگان
زهرا نقی پور
دانشجوی کارشناسی ارشد اصلاح نباتات پردیس ابوریحان دانشگاه تهران
علی ایزدی دربندی
عضو هیئت علمی گروه زراعی و اصلاح نباتات پردیس ابوریحان دانشگاه تهران
حسینعلی رامشینی
عضو هیئت علمی گروه زراعی و اصلاح نباتات پردیس ابوریحان دانشگاه تهران
سیدمحمدمهدی مرتضویان
عضو هیئت علمی گروه زراعی و اصلاح نباتات پردیس ابوریحان دانشگاه تهران
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 :