مقایسه ارقام گندم دارای قدرت گلوتن ضعیف و قوی از نظر زیر واحدهای گلوتنین دارای وزن مولکولی سنگین وبرخی خصوصیات مربوط به کیفیت نانوایی
سال انتشار: 1392
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 727
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:
NBCI08_0312
تاریخ نمایه سازی: 29 شهریور 1394
چکیده مقاله:
در تحقیق حاضر از میان مجموعه های از ژنوتیپ های گندم هگزاپلوئید تعداد 35 ژنوتیپ با قدرت گلوتن ضعیف و تعداد 47 ژنوتیپ دارای قدرت گلوتن قوی ( براساس عدد والریمتری آن ها) انتخاب شدندو با روش SDS-PAGE مورد بررسی الکتروفورزی وآزمایشات تعیین ارزش نانوایی ( والریمتر، حجم رسوب زلنی، درصدپروتئین، حجم رسوب SDS) قرار گرفتند گروه ارقام ضعیف دارای عدد والریمتری زیر 40 و گروه ارقام قوی دارای عدد والریمتری بالای 60 بودند. آلل های مختلف در مکان ژنی کنترل کننده زیر واحدهای گلوتنین با وزن مولکولی بالا در آن ها شناسایی و درصد فراوانی و ضرایب همبستگی با صفات کیفی آلل ها بررسی شد. ترکیبات آللی 18+17 و 10+5 در ارقام گروه قوی و در ارقام گروه ضعیف آلل های 1و 2 ترکیبات آللی 10+5 برای حجم رسوب SDS مطلوب و در دو گروه ترکیبات آللی 12+2 دارای مطلوبیت کمتر معرفی شدندو در ارقام قوی با در نظر گرفتن ضرایب همبستگی ترکیبات آللی 18+17 و 10+5 اثر همافزایی برای صفات کیفی داشتند. فراوانی ترکیب آللی 10+5 در ژنوتیپ های قوی 63% و در ژنوتیپ های ضعیف 40% است. تجزیه خوشه ای گروه ارقام قوی را به چهار زیر کلاستر تقسیم کرد. کلاستر سه بالاترین عدد والریمتری وکلاستر چهار بالاترین حجم رسوب SDS را دارا بودند.
کلیدواژه ها:
گندم نان ، تنوع ژنتیکی ، زیرواحدهای گلوتنین دارای وزن مولکولی زیاد ، الکتروفورز ( SDS-PAGE) ، کیفیت نانوایی
نویسندگان
ندا طاهرخانی
دانشجوی کارشناسی ارشد، دانشیار موسسه تحقیقات نهال و بذر کرج، استادیار موسسه تحقیقات نهال و بذر کرج
گودرز نجفیان
دانشجوی کارشناسی ارشد، دانشیار موسسه تحقیقات نهال و بذر کرج، استادیار موسسه تحقیقات نهال و بذر کرج
محمد رضا مهرور
دانشجوی کارشناسی ارشد، دانشیار موسسه تحقیقات نهال و بذر کرج، استادیار موسسه تحقیقات نهال و بذر کرج
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 :