安徽常绿杜鹃花上斑痣盘菌物种多样性研究及散斑壳属两近似种的分子鉴定

来源 :安徽农业大学 | 被引量 : 4次 | 上传用户:zhifeiji1
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
斑痣盘菌科(Rhytismataceae)及相关类群是世界菌物资源中的重要组成部分,广泛分布于世界各地。本文采用多性状综合分类的方法,以形态学特征、个体发育、生态习性、地理分布等表型性状为主要依据对安徽常绿杜鹃花上的斑痣盘菌进行较系统的分类与物种多样性研究。同时在表型性状分类的基础上,根据rDNA-ITS区序列,对散斑壳属两近似种进行分类鉴定,以明确二者种间亲缘关系及种内遗传差异。主要研究结果如下:1.以Darker(1967)、Cannon & Minter(1983, 1986)、Johnston(1986)、Spooner(1991)、Kirk et al.(2001)[10, 86, 14, 87, 74, 16]等人提出的若干分类原则为主要依据,对自行采集和安徽农业大学森林菌物研究室(AAUF)保藏的安徽省常绿杜鹃花上的干标本进行鉴定与分类。共查明隶属齿裂菌属(Coccomyces)、散斑壳属(Lophodermium)、新齿裂菌属(Neococcomyces)3属的7个种,即小齿裂菌(Coccomyces leptideus)、纠丝散斑壳(Lophodermium implicatum)、厚唇散斑壳(L. pachychilum)、红褐散斑壳(L. rufum)、坛状散斑壳(L. urniforme)、强壮散斑壳(L. validum)、杜鹃新齿裂菌(Neococcomyces rhododendri),其中坛状散斑壳为新种。编制了二叉式分种检索表,各种均附有形态解剖学特征的描述与图解以及寄主、生境的记载,并加以讨论。2.对针叶树散斑壳(Lophodermium conigenum)与其近似种南方散斑壳(L. australe)的形态学特征及生态习性等进行了比较研究,同时对这两个种8个菌株的rDNA-ITS区进行了PCR扩增和序列测定,结合GenBank中16个相关ITS序列构建了系统发育树。结果表明,L. conigenum与L. australe有着非常密切的关系。L. conigenum除子囊果形状、子座基部层、线纹和寄生性外,其余特征与L. australe基本相同。L. conigenum的ITS序列的G+C含量(51.0%)小于L. australe的G+C含量(54.0%)。在系统发育树中,此二种形成两个明显独立的分支,支持了依据形态学等表型性状的分类。二者种间及种内的遗传差异与寄主有较大的相关性,而与产地无明显关联。通过表型性状和ITS序列的分析与比较,可准确地将L. conigenum与L. australe鉴别开来。
其他文献
新疆南疆盆地由于干旱少雨,人均可耕作土地稀少,为了充分利用土地资源,枣(Ziziphus jujuba)-棉(Gossypium hirsutum)间作是新疆南疆主要间作方式之一。但是间作的不合理,会引
21世纪的竞争是人才的竞争,而21世纪人才的第一条标准就是要具备良好的人品。在国家大力扶持中职教育的前提下,中职教育得到迅速的发展,同时也面临着德育方面的许多问题,各中
故事教学是小学英语教学的重要组成部分,采用"阅读圈"模式,能使学生在小组合作探究中发展语言能力、提升思维品质、培养文化品格。通过故事课教学的例子,从角色分工、自主阅
杂交马褂木(Liriodendron chinense×L.tulipifera)生长快速、树干通直、木材品质优良,本文以两年生杂交马褂木无性系为材料,研究杂交马褂木扦插繁殖及组织培养技术。主要研究
本文以大兴安岭地区樟子松天然林为研究对象,分别在莫尔道嘎和红花尔基两个研究区采样,结合两地生境因子,研究分析了不同立地条件下,樟子松的径生长特征。结合两个研究区气候
我与北文先生相识相交转瞬间已廿馀年了 !北文先生长我十六岁 ,以年龄、学问、人品而言 ,他都是我深心钦敬的师长 ,“予私淑诸人也”。而北文先生却始终谦抑自处 ,以朋友待我
近年来,专家系统以其独特的优势被广泛应用于现代社会的各个领域之中。专家系统通过知识库中的专家知识,结合推理机、解释器的功能,模拟专家的推理决策过程,解决其领域内的复
西伯利亚杏具有很好的应用价值和开发前景,但因花期晚霜及高比例的无效花严重影响着其产品——苦杏仁的丰产和稳产性。因此,选出能够避免晚霜冻害的优良晚花单株变得尤为重要。
森林是人类宝贵的物质财富,是可再生的自然资源。发展和保护好这些资源,不仅关系到国家的经济建设事业,也直接关系各地区的生态环境建设和保护,这是一项功在当代,荫及子孙的
本文在基于域理论的自适应谐振神经网络算法FTART的基础上,提出了一种新的神经网络算法FTART2,该算法学习速度快、分类精度高。基准测试表明,FTART2是一种较好的快速自适应分