آزمون انساب در جمعیت گوسفندهای آمیخته به کمک نشانگرهای ریزماهواره
محل انتشار: فصلنامه پژوهش های علوم دامی، دوره: 26، شماره: 2
سال انتشار: 1395
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 200
فایل این مقاله در 10 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:
JR_ANIMAL-26-2_013
تاریخ نمایه سازی: 23 اردیبهشت 1400
چکیده مقاله:
زمینه مطالعاتی: صحت شجره و اطمینان از درستی روابط بین افراد، ازجمله عوامل مهم تاثیرگذار در ارزیابی صحیح ژنتیکی گوسفند میباشد.هدف: هدف از مطالعه حاضر، انجام آزمون انساب در ۳۲راس گوسفند گوسفندهای آمیخته به کمک پنج نشانگرهای ریزماهواره با استفاده ازروش تکثیر مولتیپلکس پی سی ار میباشد. روش کار: روابط شجره در بره های آمیخته پرورش داده شده در ایستگاه تحقیقاتی خلعت پوشان دانشگاه تبریز بررسی شد که در آن تعداد چهار قوچ به همراه ۲۸ نتاج مربوطه تعیین ژنوتیپ شدند. آمارههای توصیفی دادههای خام مولکولی با استفاده از نرم افزار POPGENE و شاخص قدرت تشخیص ترکیبی با استفاده از نرم افزار CERVUSمحاسبه گردید. نتایج:نتایج مطالعه حاضر نشان داده که جایگاه های ریزماهواره کاندید مورد استفاده سطح بالایی از تنوع ژنتیکی و چندشکلی را بروز دادند. در واقع حصول چنین مشاهدهای پیش شرط ادامه تجزیه و تحلیلهای بعدی در آزمونهای انساب میباشد. همچنین از مجموع این نشانگرها، شاخص قدرت تشخیص ترکیبی در آنالیز انساب ۹۹/۰ برآورد گردید که بر کارایی این مجموعه در آنالیز انساب و تشخیص هویت در این جمعیت اشاره داشت. نتیجه گیری نهایی: بر اساس نتایج مشاهده شده، به نظر می رسد نشانگر ریزماهواره می تواند بعنوان یکی از ابزارهای قدرتمند برای ردیابی آلل مندلی از پدر و مادر به فرزندان برای بررسی دقت شجره در جمعیت های دو رگ مورد استفاده قرار گیرد.
کلیدواژه ها:
نویسندگان
کاوه کسرایی
دانش آموخته کارشناسی ارشد،گروه علوم دامی، دانشکده کشاورزی، دانشگاه تبریز
سید عباس رافت
دانشیار گروه علوم دامی، دانشکده کشاورزی، دانشگاه تبریز
جلیل شجاع غیاث
استاد و استادیار، گروه علوم دامی، دانشکده کشاورزی، دانشگاه تبریز
آرش جوانمرد
استادیار، گروه علوم دامی، دانشکده کشاورزی، دانشگاه تبریز
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 :