ارتباط نشانگرهای مولکولی و خصوصیات مربوط به تجمع کادمیم در گندم
محل انتشار: دوازدهمین کنگره ژنتیک ایران
سال انتشار: 1391
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 976
فایل این مقاله در 6 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
CIGS12_0127
تاریخ نمایه سازی: 5 بهمن 1392
چکیده مقاله:
کادمیم از جمله فلزات سنگین می باشد که در صورت تجمع در محصولات کشاورزی می تواند به انسان منتقل شده و سلامتی او را به خطر اندازد. وجود تنوع ژنتیکی در ارتباط با تجمع کادمیم امکان استفاده از روشهای اصلاحی برای گزینش ژنوتیپهایی با میزان کم کادمیم را فراهم می آورد. با توجه به هزینه زیاد تجزیه بافتهای گیاهی برای تعیین میزان کادمیم، استفاده از نشانگرها برای کمک بهگزینش ژنوتیپهایی با تجمع کم کادمیم روش مؤثری به شمار می آید. از این روب ه منظور بررسی کارایی نشانگرهای AFLP و RAPD در شناسایی و تعیین خصوصیات مربوط به تجمع کادمیم در گندم، آزمایشی با دو سطح کادمیم شامل صفر (شاهد) و 0/25 میلیمولار و 45 ژنوتیپ گندم انجام گردید. از این یازده ترکیب آغاز گر AFLP و 50 آغاز گر RAPD به ترتیب شش ترکیب و شش آغاز گر با الگوی نواری م ناسب برای بررسی تمام ژنوتیپها استفاده شد. رابطه بین داده های مولکولی و صفات مورد ندازه گیری از طریق تحلیل رگرسیون چندگانه مورد بررسی قرار گرفت. در مجموع 109 نشانگر مثبت در سطح شاهد و 66 نشانگر مثبت در سطح 0/25 میلیمولار کادمیم شناسایی شد. تعدادی از نشانگرها با بیش از یک صفت رابطه معنی دار داشتند. به طور کلی، نتایج این پژوهش حاکی از کارایی نشانگرهای مورد برری به ویژه AFLP در شناسایی و تعیین خصوصیات مربوط به تجمع کادمیم در گندم بود.
کلیدواژه ها:
نویسندگان
بابک صارمی راد
دانشجوی کارشناسی ارشد اصلاح نباتات، دانشکده کشاورزی، دانشگاه محقق اردبیلی، اردبیل
مجید شکرپور
استادیار گروه علوم باغبانی، پردیس کشاورزی و منابع طبیعی دانشگاه تهران، کرج
امید سفالیان
استادیار گروه زراعت و اصلاح نباتات، دانشکده کشاورزی، دانشگاه محقق اردبیلی، اردبیل
عزت الله اسفندیاری
استادیار گروه زراعت و اصلاح نباتات، دانشکده کشاورزی، دانشگاه مراغه، مراغه
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 :