شناسایی نشانگرهای بیوشیمیایی برتر مرتبط با تحمل به شوری در گندم با استفاده از داده-کاوی

سال انتشار: 1397
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 373

فایل این مقاله در 20 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_JOAGK-10-4_004

تاریخ نمایه سازی: 20 خرداد 1398

چکیده مقاله:

هدف: شناسایی مسیرهای موثر در ایجاد تحمل نسبت به تنش شوری یکی از مباحث جذاب در علوم گیاهی است که در این راستا روش­های جدید داده­کاوی نگرش جدیدی برای محققان ایجاد کرده است. در این پژوهش، الگوریتم­های انتخاب ویژگی (feature selection) و درخت تصمیم­گیری (decision tree, DT) به منظور شناسایی نشانگرهای بیوشیمیایی در تحمل به شوری استفاده شد.  مواد و روش­ها: در این راستا، به منظور بررسی برخی نشانگرهای بیوشیمیایی از جمله میزان پروتئین، آنزیم­های آنتی­اکسیدانی سوپراکسید دیسموتاز، پراکسیداز، کاتالاز، آسکوربات پراکسیداز، پرولین، میزان سدیم و پتاسیم در ارقام گندم و خویشاوند وحشی آنAegilops crassa ، آزمایشی به صورت فاکتوریل در قالب طرح کاملا تصادفی با سه تکرار انجام شد. فاکتورهای آزمایشی شامل ژنوتیپ (ارقام گندم زراعی ارگ (مقاوم به شوری) و الموت (حساس به شوری)، و یک خویشاوند وحشی (Ae. crassa)) و تنش شوری (کلرید سدیم  mM150 و mM 0) بودند. نتایج: نتایج این دو راهکار نشان داد که ترکیب سلسله مراتبی پرولین، سوپراکسید دیسموتاز و آسکوربات پراکسیداز می­تواند به عنوان نشانگرهای بیوشیمیایی برای انتخاب ژنوتیپ متحمل به تنش شوری استفاده گردد. دو درخت تصمیم­گیری دارای بیشترین کارایی در پیش­بینی ژنوتیپ حساس و متحمل بودند. این درخت­های تصمیم­گیری عبارت بودند از مدل درخت تصمیم­گیری Ratio DT Parallel Gain با کارایی 5/97 درصد که روی پایگاه داده­ای Info Gain Ratio اجرا شد و دیگری DT Gain Ratio با کارایی 67/91 درصد که روی پایگاه داده­ای  Ruleاجرا شد. نتیجه گیری: در مجموع، نتایج حاصله بیانگر آن بود که تلفیق مطالعات بیوانفورماتیک و آزمایشگاهی می­تواند منجر به شناسایی مسیرهای مرتبط با تنش شوری و فهم بهتر مکانیسم­های کنترل کننده تحمل به تنش شود.

نویسندگان

زهرا زینتی

استادیار، بخش اگرواکولوژی، دانشکده کشاورزی و منابع طبیعی داراب، دانشگاه شیراز، ایران

عباس عالم زاده

نویسنده مسئول، دانشیار، بخش زراعت و اصلاح نباتات، دانشکده کشاورزی، دانشگاه شیراز، 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 :
  • Bates LS, Waldren RP, Teare ID (1973) Rapid determination of ...
  • Becana M, Moran JF, Iturbe-Ormaetxe I (1998) Iron-dependent oxygen free ...
  • Beiki AH, Saboor S, Ebrahimi M (2012) A new avenue ...
  • Bekkerman R, El-Yaniv R, Tishby N, Winter Y (2003) Distributional ...
  • Bradford MM (1976) A rapid and sensitive method for the ...
  • Bradley AP (1997) The use of the area under the ...
  • Cadenas E (1989) Biochemistry of oxygen toxicity. Annu Rev Biochem ...
  • Chance B, Maehly AC (1954) Assay of catalase and peroxidase. ...
  • Dhindsa RS, Plumb-Dhindsa P, Thorpe TA (1981) Leaf senescence: correlated ...
  • Ebrahimi M, Ebrahimie E, Ebrahimi M (2009) Searching for patterns ...
  • Ebrahimie E, Ebrahimi M, Sarvestani NR (2011) Protein attributes contribute ...
  • Egneus H, HeberU, MatthiesenU, KirkM (1975) Reduction of oxygen by ...
  • Fridovich I (1986) Biological effects of the superoxide radical. Arch ...
  • Goudarzi M, Pakniyat H (2008) Evaluation of wheat cultivars under ...
  • Hammann F, Gutmann H, Jecklin U et al. (2009) Development ...
  • Hosseinzadeh F, Ebrahimi M, Goliaei B, Shamabadi N (2012) Classification ...
  • Kerepesi I, Galiba G (2000) Osmotic and salt stress-induced alteration ...
  • Kishor PK, Sangam S, Amrutha R et al. (2005) Regulation ...
  • Nakano Y, AsadaK (1981) Hydrogen peroxide is scavenged by ascorbate-specific ...
  • Nasiri J, Naghavi MR, Kayvanjoo AH et al. (2015) Precision ...
  • Reddy AR, Chaitanya KV, Vivekanandan M (2004) Drought-induced responses of ...
  • Sahi C, Singh A, Blumwald E,Grover A (2006) Beyond osmolytes ...
  • Szabados L, Savoure A (2010) Proline: a multifunctional amino acid. ...
  • Thapa G, Dey M, Sahoo L, Panda S (2011) An ...
  • Vinocur B, AltmanA (2005) Recent advances in engineering plant tolerance ...
  • Wang S, Wan C, Wang Y et al. (2004) The ...
  • Weston J, Elisseeff A, Schlkopf B, Tipping M (2003) Use ...
  • Zhu JK (2000) Genetic analysis of plant salt tolerance using ...
  • Zinati Z, Zamansani F, KayvanJoo Ah et al. (2014) New ...
  • Zinati Z, Alemzadeh A, KayvanJoo AH (2016) Computational approaches for ...
  • Iqbal N, Umar S, Khan NA, Khan MIR (2014) A ...
  • Kaur G, Asthir B (2015) Proline: a key player in ...
  • Reddy PS, Jogeswar G, Rasineni GK et al. (2015) Proline ...
  • Naliwajski MR, Skłodowska M (2014) Proline and its metabolism enzymes ...
  • Pioter Grazyana K (2005) Antioxidant defence in leaves of C3 ...
  • Bollivar DW, Beale SL (1996) The Chlorophyll biosynthetic enzyme Mg-protoporphyrin ...
  • Patade VY, Lokhande VH, Suprasanna P (2014) Exogenous application of ...
  • Teh CY, Mahmood M, Shaharuddin NA, Ho CL (2015) In ...
  • Mansour MF, Salama KH, Ali FZ, Hadid AF (2005) Cell ...
  • Akbari M, Toorchi M, Shakiba MR (2016) The effects of ...
  • Witten IH, Frank E (2005) Data mining: practical machine learning ...
  • Asadi M, Mohammadi-Nejad G, Golkar P et al. (2012) Assessment ...
  • Niazi A, Ramezani A, Dinari A (2014) GSTF1 gene expression ...
  • Liu CG, Wu YW, Hou H et al. (2002) Value ...
  • Shaik R, Ramakrishna W (2013) Machine learning approaches distinguish multiple ...
  • Furtauer L, Pschenitschnigg A, Scharkosi H et al. (2018) Combined ...
  • Flowers TJ, Colmer TD, (2008) Salinity tolerance in halophytes. New ...
  • Slama I, Abdelly C, Bouchereau A et al. (2015) Diversity, ...
  • نمایش کامل مراجع