ارزیابی تنوع ژنتیکی اکوتیپ های خار مریم Silybum marianum L.)) با استفاده از نشانگرهای ISSR
سال انتشار: 1396
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 298
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_IJFCS-48-4_017
تاریخ نمایه سازی: 15 تیر 1398
چکیده مقاله:
به منظور بررسی تنوع ژنتیکی 77 نمونه خارمریم جمع آوری شده از 20 منطقه کشور ایران (7 استان)و یک رقم خارجی از بوداپست مجارستان، آزمایشی در قالب طرح بلوک های کامل تصادفی در مزرعه دانشکده کشاورزی دانشگاه زنجان با سه تکرار اجرا شد. در این مطالعه تنوع ژنتیکی و گروه بندی اکوتیپ های مختلف خارمریم با استفاده از نشانگرهای ISSR انجام شد. از 12 آغازگر مورد استفاده 10 آغازگر توانستند نوار چندشکل ایجاد کنند. بیشترین میزان محتوای چندشکلی (PIC) مربوط به آغازگرهای((0.492 UBC809 ، 0.487)) UBC 842 و UBC 826 (0.443) کمترین مقدار آن مربوط به آغازگر UBC1 (0.121) بود. تجزیه خوشه ای براساس الگوریتم UPGMA نمونه های مورد مطالعه را در 9 گروه قرار داد. به منظور تجزیه واریانس مولکولی یک تقسیم بندی اولیه بر اساس منطقه جغرافیایی اکوتیپ ها را در 8 گروه تقسیم بندی نمود. نتایج آن برای کل جمعیت (77 نمونه) و برای گروه های مورد مطالعه نشان داد که واریانس درون جمعیت (84 درصد) نسبت به واریانس بین جمعیت (16 درصد) بیشتر بود طبیعت دگرگشن این گیاه و گرده افشانی باز دلیل تنوع بیشتر درون گروهی نسبت به بین گروهی می باشد. تجزیه به مولفه های اصلی، در مجموع شش مولفه با 5/87 درصد از تغییرات کل داده ها را توجیه نمود. توجیه در صد کمی از تغییرات کل توسط هر مولفه می تواند بیانگر پوشش ژنومی مناسب نشانگرهای ISSR انتخاب شده باشد. در مجموع نتایج حاصل از ISSR نشان داد که این تکنیک روش مناسبی برای مطالعه ساختار ژنتیکی جمعیت خارمریم است
کلیدواژه ها:
نویسندگان
علیه گنج خانلو
دانشجوی دکتری اصلاح نباتاتوگروه زراعت و اصلاح نباتات, پردیس کشاورزی و منابع طبیعی, دانشگاه تهران.
علیرضا طالعی
استاد دانشگاه تهران
پرویز مرادی
مرکز تحقیقات زنجان
منیژه سبکدست
گروه زراعت و اصلاح نباتات, پردیس کشاورزی و منابع طبیعی, 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 :