ررسی شاخصهای تنوع ژنتیکی ژنوتیپ های مقاوم به بیماری لکه سیاه برخی جمعیتهای سیب با استفاده از نشانگرهای مولکولی SCAR و SSR
سال انتشار: 1393
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 568
متن کامل این مقاله منتشر نشده است و فقط به صورت چکیده یا چکیده مبسوط در پایگاه موجود می باشد.
توضیح: معمولا کلیه مقالاتی که کمتر از ۵ صفحه باشند در پایگاه سیویلیکا اصل مقاله (فول تکست) محسوب نمی شوند و فقط کاربران عضو بدون کسر اعتبار می توانند فایل آنها را دریافت نمایند.
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ASDOFC03_066
تاریخ نمایه سازی: 11 اردیبهشت 1394
چکیده مقاله:
[توضیح سیویلیکا: به دلیل اینکه تعداد صفحات این مقاله کمتر از 5 صفحه می باشد در پایگاه CIVILICA به صورت مقاله بدون اصل مقاله نمایه شده است] بیماری لکه سیاه درتمام کشورهایی که سیب کشت میشود، وجود دارد و از لحاظ اقتصادی مهمترین بیماری سیب به شمار می رود. این بیماری شدیدا خسارت میزند به گونهای که گاهی 70 % از محصول از بین میرود. یکی از راههای مهم جهت مقابله با این بیماری استفاده از ارقام مقاوم به این بیماری میباشد. در جهت راستای رسیدن به این هدف، تحقیقی در سال 1392 در دانشگاه آزاد شیراز بر روی 54 نمونه سیب جمع آوری شده از نقاط مختلف استان کهگیلویه و بویر احمد با استفاده از 13 آغازگر متصل به ژن بیماری لکه سیاه سیب صورت گرفت. کمترین میزان تنوع ژنتیکی نی، شاخص شانون، تعداد آلل موثر، تعداد آلل متفاوت مربوط به آغازگر متصل به ژن Vh4 بود. همچنین بیشترین میزان تنوع ژنتیکی نی، شاخص شانون مربوط به آغازگر متصل به ژن Vf4 بود. بیشترین میزان تعداد آلل متفاوت مربوطه به آغازگرهای Vf4 و Vh3 و بیشترین شاخص تعداد آلل موثر مربوط به آغازگر Vh2 میباشد. بیشترین میزان تنوع ژنتیکی نی، شاخص شانون، تعداد آلل موثر و تعداد آلل متفاوت متعلق به جمعیت Si و کمترین میزان تنوع ژنتیکی نی، شاخص شانون، تعداد آلل موثر و تعداد آلل متفاوت متعلق به جمعیت Ka-m بود.
کلیدواژه ها:
نویسندگان
هاجر یزدانی
دانشجوی کارشناسی ارشد دانشگاه آزاد اسلامی واحد شیراز، گروه باغبانی
مجتبی کامل منش
استادیار دانشگاه آزاد اسلامی واحد شیراز، گروه باغبانی
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 :