دوره 10، شماره 25 - ( بهار 1397 1397 )
جلد 10 شماره 25 صفحات 117-110 |
برگشت به فهرست نسخه ها
Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
Ebrahimi A, Rashidi Monfared S, moradi sarabshelli A, heidari P. (2018). Validation of some of Housekeeping Genes in Aeluropus littoralis under Salinity Stress. jcb. 10(25), 110-117. doi:10.29252/jcb.10.25.110
URL: http://jcb.sanru.ac.ir/article-1-627-fa.html
URL: http://jcb.sanru.ac.ir/article-1-627-fa.html
ابراهیمی امین، رشیدی منفرد سجاد، مرادی سرابشلی امیر، حیدری پرویز. ارزیابی راندمان تعدادی از ژن‌های مرجع در آلوروپوس تحت شرایط تنش شوری پژوهشنامه اصلاح گیاهان زراعی 1397; 10 (25) :117-110 10.29252/jcb.10.25.110
دانشگاه صنعتی شاهرود
چکیده: (3276 مشاهده)
استفاده از گونه‌های وحشی گیاهان زراعی یا خویشاوندان هالوفیت آنها در برنامه‌های اصلاحی بهمنظور توسعه ارقام زراعی متحمل به شوری و خشکی می‌تواند نتایج مفیدی را به دنبال داشته باشد. اخیرا گیاه آلوروپوس بهعنوان یک مدل هالوفیت برای شناسایی و جداسازی ژن‌های جدید متحمل به شوری مورد توجه محققان قرار گرفته است. در میان روش‌های مورد استفاده برای مطالعات بیان ژن، واکنش زنجیره‌ای پلی‌مراز زمان واقعی یکی از روش‌های مناسب برای ارزیابی میزان بیان ژن است. در این روش کنترل خطا بین نمونه‌ها ضروری به نظر می‌رسد. روشی که به صورت گسترده برای کنترل خطا مورد استفاده قرار می‌گیرد، نرمال کردن سطوح RNA با یک ژن مرجع یا خانه‌دار می‌باشد. در این تحقیق بهمنظور بررسی پایداری بیان ژن‌ها در اندام‌های برگ و ریشه گیاه آلوروپوس، 7 ژن مرجع تحت شرایط تنش شوری مورد بررسی قرار گرفت. نتایج حاصل از تجزیه و تحلیل داده‌ها با استفاده از نرمافزار geNorm نشان داد که ژن‌های ACT11، Beta actin و Beta tubulin در برگ و ژن‌های Beta tubulin و Beta actin در ریشه دارای بیشترین میزان پایداری هستند. بر اساس آماره توصیفی ژن ACT11 دارای بیشترین همبستگی (836/0 و 722/0 به ترتیب در ریشه و برگ) با شاخص BestKeeper بود. همچنین با توجه به نتایج این برنامه، ژن Beta tubulin در برگ و ریشه دارای بیشترین پایداری (کمترین ضریب تغییرات) بود. بنابراین می‌توان عنوان کرد که ژن‌های Beta tubulin، Beta actin و ACT11 می‌توانند بهعنوان ژن‌های مرجع مناسب در گیاه آلوروپوس بهمنظور نرمال‌سازی داده‌های بیانی مورد استفاده قرار بگیرند.
واژه‌های کلیدی: آلوروپوس، واکنش زنجیره‌ی پلی‌مراز زمان واقعی، تنش شوری، ژن مرجع، BestKeeperBestKeeperBestkeeper
نوع مطالعه: پژوهشي |
موضوع مقاله:
اصلاح براي تنش هاي زنده و غيرزنده محيطي
دریافت: 1395/8/12 | ویرایش نهایی: 1397/4/16 | پذیرش: 1395/12/1 | انتشار: 1397/4/17
دریافت: 1395/8/12 | ویرایش نهایی: 1397/4/16 | پذیرش: 1395/12/1 | انتشار: 1397/4/17
فهرست منابع
1. Andersen, C.L., J.L. Jensen and T.F. Rntoft. 2004. Normalization of real-time quantitative reverse transcription-PCR data: a model-based variance estimation approach to identify genes suited for normalization, applied to bladder and colon cancer data sets. Cancer Research, 64: 5245-50. [DOI:10.1158/0008-5472.CAN-04-0496]
2. Ben-Saad, R., W. Ben-Ramdhan, N. Zouari, J. Azaza, D. Mieulet and E. Guiderdoni. 2012. Marker-free transgenic durum wheat cv. Karim expressing the AlSAP gene exhibits a high level of tolerance to salinity and dehydration stresses. Molecular Breeding, 30: 521-33. [DOI:10.1007/s11032-011-9641-3]
3. Bevitori, R., M.B. Oliveira, M.F. Grossi-de-Sá, A.C. Lanna, R.D. da Silveira and S. Petrofeza. 2014. Selection of optimized candidate reference genes for qRT-PCR normalization in rice (Oryza sativa L.) during Magnaporthe oryzae infection and drought. Genetics and Molecular Research, 13: 9795-9805. [DOI:10.4238/2014.November.27.7]
4. Bustin, S.A. 2000. Absolute quantification of mRNA using Real-time reverse transcription polymerase chain reaction assays. Journal of Molecular Endocrinology, 25: 169-93. [DOI:10.1677/jme.0.0250169]
5. Bustin, S.A. 2002. Quantification of mRNA using real-time reverse transcription PCR RT-PCR: trends and problems. Journal of Molecular Endocrinology, 29: 23-29. [DOI:10.1677/jme.0.0290023]
6. Cao, J., L. Wang and H. Lan. 2016. Validation of reference genes for quantitative RT-PCR normalization in Suaeda aralocaspica, an annual halophyte with heteromorphism and C4 pathway without Kranz anatomy. PeerJ, 4: 16-97. [DOI:10.7717/peerj.1697]
7. Ebrahimi, A., R. Maali-Amiri, Gh.A. Nematzadeh and H. Alizadeh. 2014. Bioinformatical analysis of Isolated ESTs from Aeluropus littoralis under salinity stress. Genetics engineering and Biosafety Journal, 3: 31-40 (In Persian).
8. Fedoroff, N.V., D.S. Battisti, R.N. Beachy, P.J.M. Cooper, D.A. Fischhoff, C.N. Hodges, V.C. Knauf, D. Lobell, B.J. Mazur, D. Molden, M.P. Reynolds, P.C. Ronald, M.W. Rosegrant, P.A. Sanchez, A. Vonshak and J.K. Zhu. 2010. Radically rethinking agriculture for the 21st century, Science, 327: 833-834. [DOI:10.1126/science.1186834]
9. Flowers, T.J. 2004. Improving crop salt tolerance. Journal of Experimental Botany, 55: 307-319. [DOI:10.1093/jxb/erh003]
10. Flowers, T.J. and T.D. Colmer. 2008. Salinity tolerance in halophytes. New Philologist, 179: 945-963. [DOI:10.1111/j.1469-8137.2008.02531.x]
11. Gal, A.B., J.W. Carnwath, A. Dinnyes, D. Herrmann, H. Niemann and C. Wrenzycki. 2006. Comparison of real-time polymerase chain reaction and end-point polymerase chain reaction for the analysis of gene expression in pre-implantation embryos. Reproduction, Fertility and Development, 18: 365-371. [DOI:10.1071/RD05012]
12. Gulzar, S., M.A. Khan and I.A. Ungar. 2003. Salt tolerance of a coastal salt marsh grass. Communications in Soil science and Plant analysis, 34: 2595-2605. [DOI:10.1081/CSS-120024787]
13. Gutierrez, L., M. Mauriat, J. Pelloux, C. Bellini and O. Van Wuytswinkel. 2008. towards a systematic validation of references in real-time RT-PCR. The Plant Cell, 20: 17-34. [DOI:10.1105/tpc.108.059774]
14. Hashemi, S.H.R., G.A. Nematzadeh, G.R. Ahmadian, A. Yamchi and M. Kuhlmann. 2016. Identification and validation of Aeluropus litoralis reference genes for Quantitative Real-Time PCR Normalization. Journal of Biological Research-Thessaloniki, 23: 18 pp. [DOI:10.1186/s40709-016-0053-8]
15. Jain, M., A. Nijhawan, A.K. Tyagi and J.P. Khurana. 2006. Validation of housekeeping genes as internal control for studying gene expression in rice by quantitative real-time PCR. Biochemical and Biophysical Research Communications, 345: 646-651. [DOI:10.1016/j.bbrc.2006.04.140]
16. Jain, M., N. Kaur, R. Garg, J.K. Thakur, A.K. Tyagi and J.P. Khurana. 2006. Structure and expression analysis of early auxin-responsive Aux/IAA gene family in rice (Oryza sativa). Functional and Integrative Genomics, 6: 47-59. [DOI:10.1007/s10142-005-0005-0]
17. Jarošová, J. and K.K. Jiban. 2010. Validation of reference genes as internal control for studying viral infections in cereals by quantitative real-time RT-PCR. BioMed Central Plant Biology, 10: 146. [DOI:10.1186/1471-2229-10-146]
18. Jian, B., B. Liu, Y. Bi, W. Hou, C. Wu and T. Han. 2008. Validation of internal control for gene expression study in soybean by quantitative real-time PCR. BioMed Central Molecular Biology, 9: 59 pp. [DOI:10.1186/1471-2199-9-59]
19. Kamrava, S., B.J. Nadali and B. Nadali. 2016. Evaluation of Some Soybean Genotypes (Glycine max) under Salt Stress. Journal of Crop Breeding, 8: 57-63. [DOI:10.29252/jcb.8.18.57]
20. Karge, W.H., E.J. Schaefer and J.M. Ordovas. 1998. Quantification of mRNA by polymerase chain reaction (PCR) using an internal standard and a nonradioactive detection method. Methods in Molecular Biology, 110: 43-61. [DOI:10.1385/1-59259-582-0:43]
21. Kaya, C., H. Kirnak, D. Higgs and K. Saltali. 2002. Supplementary calcium enhances plant growth and fruit yield in strawberry cultivars grown at high (NaCl) salinity. Scientia Horticulturae, 93: 65-74. [DOI:10.1016/S0304-4238(01)00313-2]
22. Modarresi, M., G.A. Nematzadeh and F. Moradian. 2011. Enzyme Assay of Aeluropus littoralis Regarding to the Salt (NaCl) Stresses, 5: 17-29.
23. Munns, R. 1993. Physiological processes limiting plant growth in saline soil: some dogmas and hypotheses. Plant, Cell Environment, 16: 15-24. [DOI:10.1111/j.1365-3040.1993.tb00840.x]
24. Narsai, R., A. Ivanova, S. Ng and J. Whelan. 2010. Defining reference genes in Oryza sativa using organ, development, biotic and abiotic transcriptome datasets. BioMed Central Plant Biology, 10: 56. [DOI:10.1186/1471-2229-10-56]
25. Pfaffl, M.W., A. Tichopad, C. Prgomet and T.P. Neuvians. 2004. Determination of stable housekeeping genes, differentially regulated target genes and sample integrity: BestKeeper-Excel-based tool using pair-wise correlations. Biotechnology Letters, 26: 509-515. [DOI:10.1023/B:BILE.0000019559.84305.47]
26. Podevin, N., A. Krauss, I. Henry, R. Swennen and S. Remy. 2012. Selection and validation of reference genes for quantitative RT-PCR expression studies of the non-nodel crop Musa. Molecular Breeding, 30: 1237-1252. [DOI:10.1007/s11032-012-9711-1]
27. Saad, R.B., W.B. Romdhan., N. Zouari, J. Azaza, D. Mieulet, J.L. Verdeil, E. Guiderdoni and A. Hassairi. 2011. Promoter of the AlSAP gene from the halophyte grass Aeluropus littoralis directs developmental-regulated, stress-inducible, and organ-specific gene expression in transgenic tobacco. Transgenic Research, 20: 10-18. [DOI:10.1007/s11248-010-9474-6]
28. Vandesompele, J., K. De Preter, F. Pattyn, B. Poppe, N. Van Roy, A. De Paepe and F. Speleman. 2002. Accurate normalization of real-time quantitative RT-PCR data by geometric averaging of multiple internal control genes. Genome Biology, 31 pp.
29. Wang, Z.L., L. Ping-hua, F. Mark, G. Zhi-zhong, C.S. Kim, Z. Changquing, B. Hans, Z. Jian-kang, B. Ray, H. Paul, Z. Yan-xiu and Z. Hui. 2004. Expressed sequence tags from Thellungiella halophila, a new model to study plant salt-tolerance. Plant Science, 166: 609-616. [DOI:10.1016/j.plantsci.2003.10.030]
30. Zouari, N., R. Ben Saad, T. Legavre, J. Azaza, X. Sabau, M. Jaoua, K. Masmoudi and A. Hassairi. 2007. Identification and sequencing of ESTs from the halophyte grass Aeluropus littoralis. Gene, 404: 61-69. [DOI:10.1016/j.gene.2007.08.021]
ارسال پیام به نویسنده مسئول
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |
