Chương 5 Ứng dụng tin sinh học trong phân tích di truyền mục tiêu

- Làm rõ được khái niệm Tin sinh học và các lĩnh vực nghiên cứu của Tin sinh học.

- Biết và thâm nhập vào được ba Trung tâm cơ sở dữ liệu sinh học và công nghệ sinh học trên thế giới (NCBI, EMB, DDBJ).

- Phân tích được đặc điểm cơ bản của dữ liệu sinh học và công nghệ sinh hoc;

- Nắm được đặc điểm của cơ sở dữ liệu của NCBI và thành thạo trong làm việc với web này.

- Sử dụng được một số chương trình phân tích dữ liệu như BioEdit, DNAstar và BLAST trong NCBI.

1. Chu Hoàng Mậu (2008). Phương pháp phân tích di truyền hiện đại trong chọn giống cây trồng. Nxb Đại học Thái Nguyên.

2. Bài giảng

A. NỘI DUNG GIẢNG TRÊN LỚP

1. Tin sinh học (Bioinformatics)

1.1. Khái niệm tin sinh học

Tin sinh học là khoa học nghiên cứu việc ứng dụng khoa học máy tính và kỹ thuật thống kê vào việc quản lý và xử lý các thông tin sinh học, thiết kế xây dựng mô hình cấu trúc phân tử sinh học và cơ chế quá trình sinh học.

Trong đề án genome, Tin sinh học bao gồm cả việc xây dựng và phát triển các phương pháp tìm kiếm, khai thác nhanh ngân hàng dữ liệu, phân tích trình tự và cấu trúc của ADN và protein. Tin sinh học còn bao gồm cả việc thu thập số liệu, phân tích, quản lý tệp số liệu và tìm kiếm khi cần.

Tin sinh học đang hướng tới cải tiến phương pháp phân tích, xử lý số liệu, cải tiến khả năng dự đoán vùng hoạt động và ngưng nghỉ của hệ gen trong tế bào, cải tiến khả năng phỏng đoán phản ứng của tế bào đối với tác nhân ngoại sinh, thiết lập các cấu trúc phân tử protein có hoạt tính cao và định hướng phân hoá tế bào một cách hiệu quả.

Những thông tin về sinh học phân tử đang được lưu giữ tại các ngân hàng gen quốc tế, trong đó có ba ngân hàng dữ liệu gen lớn nhất thế giới là World Gen Bank (Hoa kỳ), EMBL (Châu Âu), JDDB (Nhật Bản) lưu giữ hơn 9 tỷ dữ liệu về gen. Ngoài ra còn có ngân hàng dữ liệu về protein của Thụy Sĩ (Swiss Protein Database) lưu giữ thông tin về trình tự axit amin, các tính chất và chức năng sinh học của protein, mô hình cấu trúc phân tử của các loại protein. Các ngân hàng trên đều thuộc loại công cộng và có thể sử dụng miễn phí.

Sau khi phân lập và xác định trình tự gen, việc mô hình hoá cấu trúc không gian của gen phải nhờ công cụ Tin sinh học; xác định cấu trúc, trình tự của một loại protein trong tế bào, dự đoán mô hình một quá trinh sinh học... cũng là lĩnh vực của Tin sinh học. Tin sinh học và mạng internet có mối liên hệ chặt chẽ với nhau.

Các lĩnh vực nghiên cứu của Tin sinh học bao gồm:

Các thông tin sinh học được lưu giữ tại các trung tâm thông tin lớn trên thế giới (Hoa Kỳ, Châu Âu, Nhật Bản), bao gồm các bài báo khoa học mang tính cập nhật, các dữ liệu về gen, protein, nhiễm sắc thể, tế bào, vi sinh vật, thực vật, động vật và người. Những dữ liệu này được quản lý bằng công nghệ thông tin và được liên kết bởi mạng internet. Các dữ liệu về gen được lưu giữ ở ngân hàng gen quốc tế, dữ liệu về protein lưu giữ ở ngân hàng dữ liệu protein. Khi muốn tìm hiểu một trình tự gen nào đó thì người ta sử dụng trang wesite, vào địa chỉ của GenBank để lựa chọn trình tự gen và mạng sẽ tự động tìm trình tự gen mong muốn. Khi người nghiên cứu muốn tìm hiểu thông tin mới công bố liên quan với vấn đề nghiên cứu đang được quan tâm thì mạng sẽ tự động tìm những bài báo mới nhất trên các tạp chí hay các báo cáo tại các hội nghị khoa học...

Sự quản lý thông tin sinh học sẽ giúp cho các nhà nghiên cứu, các giảng viên và những người yêu thích sinh học được cập nhật kiến thức sinh học.

b) Phân tích, xử lý các thông tin sinh học

Trước đây việc phân tích, xử lý các số liệu sinh học được thực hiện thủ công theo các phương pháp toán học và thống kê. Phương pháp này tốc độ chậm, độ chính xác tương đối và hiệu quả thấp. Sử dụng công nghệ thông tin xử lý các dữ liệu sẽ mang lại hiệu quả cao thể hiện ở tốc độ nhanh, sản phẩm nhiều và độ chính xác cao. Ở một số lĩnh vực sinh học khác thì chỉ có Tin sinh học mới có thể thực hiện chính xác được.

Ví dụ 1: Kết quả phân tích trình tự gen dehydrin của giống đậu tương Cao Bằng 4 và Vàng Mường Khương được so sánh với 34 trình tự gen khác trên ngân hàng dữ liệu gen quốc tế bằng công cụ Tin sinh học, Kết quả đã xác định được mức độ tương đồng giữa hai trình tự gen này với các trình tự gen đã công bố là 99%. Khi so sánh giữa hai trình tự VMK và CB4 với nhau thì thu được kết quả độ tương đồng là 99,87%.

Ví dụ 2: Từ kết quả phân tích điện di protein, sử dụng phân tích khối phổ và Tin sinh học để nhận dạng protein trong tế bào, xác định cấu trúc và đặc tính lý hoá của protein.

Phân tích protein bằng phương pháp khối phổ

c) Mô hình hoá cấu trúc các đại phân tử sinh học

Trong phân lập gen, sau khi tách dòng và xác định trình tự gen thì công việc tiếp theo là gen được mô hình hoá cấu trúc không gian bằng phần mềm tin học. Tương tự như vậy phân tử protein cũng được xác định cấu trúc không gian bằng phần mềm tin sinh học. Việc xây dựng mô hình cấu trúc gen và protein cho phép dự đoán cấu trúc đúng của protein và gen trong tế bào. Ví dụ: Phân tử chaperonin được cấu tạo gồm 8 tiểu đơn vị có tên là: α, β,γ, δ, ε, ζ, η, θ và hình thành nên cấu trúc vòng bi kép. Sự sắp xếp các tiểu đơn vị trong cấu trúc không gian của vòng bi có vai trò rất quan trọng để gắn cơ chất

Các quá trình sinh học trong tế bào cũng được mô phỏng bằng công nghệ thông tin, đó là các phần mềm thiết kế mồi cho nhân bản ADN in vitro; phần mềm mô phỏng quá trình sinh lý tế bào...

Sử dụng các nano tinh thể CdS trong các linh kiện sinh học mới (Nature;2003)


e) Thiết kế, chế tạo các thiết bị Tin sinh học

Các thiết bị Tin sinh học được chế tạo trên nguyên tắc thiết bị công nghệ thông tin và hoạt động sinh học. Ví dụ như thiết bị xác định trình tự ADN tự động, thiết bị phân tích khối phổ, thiết bị nhân gen, thiết bị phân tích hình ảnh gel, chíp ADN, chíp protein, lab-on-chip, sensor sinh học...

Mạng internet dùng trong nghiên cứu sinh học với mục đích khai thác thông tin và liên kết thông tin. Sử dụng mạng sinh học có thể thường xuyên cập nhật được thông tin, phân tích, so sánh các kết quả nghiên cứu với các dữ liệu trong các ngân hàng dữ liệu sinh học.

Từ các lĩnh vực nghiên cứu trên mà các chuyên ngành nghiên cứu của Tin sinh học bao gồm (i) Phân tích, xử lý các thông tin sinh học, (ii) Phân tích cấu trúc và chức năng của các đại phân tử sinh học, (iii) Lập trình trong Tin sinh học, (iv) Mô hình hoá cấu trúc các đại phân tử sinh học, và (v) Thiết kế, chế tạo thiết bị công nghệ thông tin sinh học.

Tin sinh học đào tạo những người có trình độ về công nghệ thông tin, về sinh học, biết sử dụng công cụ tin học trong nghiên cứu sinh học. Họ là những chuyên gia trong lĩnh vực tin sinh học, và như vậy các ngành nghề của Tin sinh học bao gồm: (1) Chuyên gia Tin sinh học; (2) Chuyên gia lập trình Tin sinh học; (3) Chuyên gia khai thác ngân hàng dữ liệu Tin sinh học; (4) Chuyên gia quản lý Công nghệ thông tin Tin sinh học.

• 
  Tin sinh học genome
  
• 
  Tin sinh học protein
  
• 
  Tin sinh học tiến hoá
  
• 
  Tin sinh học nông nghiệp
  
• 
  Tin sinh học y học
  
• 
  Phát triển các công cụ và cơ sở nền
  

• 
  Tập hợp, lưu trữ, sắp xếp, truy xuất và chia sẻ cơ sở dữ liệu.
  
• 
  Hỗ trợ cho việc tìm kiếm, phân tích, xử lý và dự đoán các kết quả nghiên cứu.
  
• 
  Hỗ trợ trong các nghiên cứu về cấu trúc không gian phân tử.
  
• 
  Hỗ trợ trong nghiên cứu đa dạng và tiến hoá của sinh vật
  

Những lĩnh vực của Tin sinh học đang được tập trung nghiên cứu:

• 
  Quản lý cơ sở dữ liệu
  
• 
  Phân tích, biên dịch dữ liệu
  
• 
  Phát triển các thuật toán
  
• 
  Các cấu trúc cơ sở dữ liệu
  
• 
  Thiết kế các giao diện và hiển thị
  

Trong những năm gần đây, Tin sinh học phát triển mạnh, thu được nhiều thành tựu và có những ứng dụng trong thực tiễn. Thành tựu nổi bật của tin sinh học có thể là các chương trình máy tính dùng trong phân tích sinh học.

- Khái niệm dữ liệu sơ cấp: Dữ liệu thô...

- Khái niệm dữ liệu thứ cấp: Dữ liệu đã được phân tích, xử lý bởi các nhà khoa học của NCNI.

2.2. Một số cơ sở dữ liệu liên quan đến công nghệ sinh học

http://www.ncbi.nlm.nih.gov/ http://www.ebi.ac.uk http://www.nig.ac.jp http://www.expasy.org http://www.atcc.org http://www.dsmz.de

Trung tâm thông tin quốc gia về Công nghệ sinh học Mỹ Cơ sở dữ liệu thuộc Viện tin sinh học châu Âu Cơ sở dữ liệu thuộc Viện gen quốc gia Nhật Bản Hệ thống nghiên cứu phân tích cấu trúc protein của Thụy Sĩ Viện Bảo tàng giống quốc gia Mỹ Viện Bảo tàng giống Quốc gia cộng hòa liên bang Đức

Cơ sở dữ liệu sinh học (CSDL) chủ yếu đề cập đến các thông tin về trình tự axit nucleic (ADN, ARN), trình tự axit amin của các phân tử protein, thông tin về cấu trúc của một số genom, mô hình cấu trúc không gian của các đại phân tử.

Các thông tin này được sắp xếp và lưu trữ bởi một hệ thống các máy chủ rất mạnh của 3 ngân hàng gen lớn nhất thế giới là NCBI, EMBL và DDBJ.

Dữ liệu ADN và Protein là gi?

Dữ liệu về trình tự nucleotit trong ADN và trình tự axit amin trong protein là những thông tin sinh học ở mức độ phân tử. Đối với ADN đó là số lượng, thành phần và trật tự sẵp xếp của các nucleotit, ribonucleotit trên một phân tử ADN, mRNA.

Các thông tin về ADN thường được chỉ rõ chúng mã hóa cho sản phẩm gen gì? có mặt ở đối tượng sinh vật nào? phân bố ở đâu. Ngoài ra các thông tin này còn liên quan đến vấn đề nghiên cứu gì và của tác giả nào?

Sử dụng các dữ liệu ADN và Protein để làm gì?

- Đối với trình tự nucleotide: So sánh một đoạn ADN bất kỳ với các dữ liệu trong ngân hàng gen có thể chúng ta xác định được đoạn ADN đó của sinh vật nào Biết được trình tự sắp xếp các nucleotit của một đoạn ADN có thể suy ra trình tự các axit amin tương ứng trên mạch polypeptide nếu đoạn ADN đó mã hóa Xác định đột biến, sự sai khác về trình tự nucleotit trong cùng một sản phẩm gen (isozyme, allozyme…) có ý nghĩa trong nghiên cứu tiến hóa và ứng dụng thực tiễn.

- Về mặt phân loại sinh học, đối với một số gen có tính bảo thủ cao, mang tính đặc thù loài, chẳng hạn các gen mã hóa cho ARN ribosome (rRNA). Dựa vào những trình tự ADN của các gen này ở những loài sinh vật khác nhau mà người ta có thể so sánh chúng trên cơ sở xác định mức độ sai khác về trình tự nucleotit từ đó mô phỏng mối quan hệ loài, dưới loài.

- Biết được trình tự của một gen (chẳng hạn gen ung thư hay sự có mặt của các virus nguy hiểm chẳng hạn H5N1, bệnh virus đốm trắng ở tôm…) người ta có thể phát hiện sớm bằng kỹ thuật PCR, lai ADN để ngăn chặn, điều trị.

- Thiết kế những cặp mồi (primer) để nhân bản các đoạn này cho những mục đích nghiên cứu khác nhau như: Nghiên cứu sự có mặt của gen đó trong các sinh vật khác nhau (xác định sự có mặt gen chống bệnh bạc lá, đạo ôn, xác định giới tính, bệnh di truyền…). Ngoài ra, còn sử dụng các kỹ thuật microarray, DNA chip để phát hiện sự có mặt và mức độ hoạt động của các gen trong những điều kiện nhất định.

- Từ trình tự nucleotit của một phân tử ADN có thể biết được bản đồ các vị trí nhận biết của các enzym cắt hạn chế. Điều này đặc biệt có ý nghĩa trong công nghệ ADN tái tổ hợp.

- Một trong những phương pháp trị liệu gen (gene therapy) dựa trên trình tự ribonucleotit trên phân tử mRNA để tổng hợp sợi bổ sung (antisense) nhằm ngăn chặn sự hoạt động của các gen đó.

- Một trong những ứng dụng quan trọng đó là chuyển gen để tạo ra các sinh vật mới mang những đặc tính mong muốn hoặc có thể chuyển gen vào các tế bào vi khuẩn, nấm men… để sản xuất sản phẩm gen theo con đường tái tổ hợp (protein, enzym, vaccine và các hợp chất có hoạt tính sinh học).

- Nếu như chúng ta biết được thành phần, trình tự sắp xếp của các axit amin trong phân tử protein, enzym nào đó có thể đánh giá được sự sai khác giữa các axit amin trong các phân tử protein, enzym cùng chức năng ở các loài khác nhau để biết được thành phần axit amin nào đóng vai trò quan trọng.

Cơ sở dữ liệu Trung tâm thông tin quốc gia về công nghệ sinh học Mĩ (NCBI - National Centre Biotechnology Infomatic) được thành lập vào năm 1988 từ một phần của thư viện y học NIH (National Institutes of Health).

Hiện nay, NCBI là cơ sở dữ liệu sinh học lớn nhất thế giới. NCBI cung cấp các thông tin về trình tự nucleotide, cấu trúc chuỗi amino acid, cấu trúc gen các loài,... Các thông tin trong NCBI được tổ chức và quản lý theo từng nhóm tin và giữa chúng có sự kết nối chặt chẽ.

NCBI cho phép cung cấp các dữ liệu về trình tự gen, nó cũng là công cụ giúp khai thác, phân tích dữ liệu về nucleotide và cung cấp miễn phí các thông tin cần thiết.

- Trang Web của NCBI là: www.ncbi.nlm.nih.gov



Các dịch vụ mà NCBI cung cấp là:

- Genbank: là mảng dữ liệu về về trình tự gen và amino acid. Các dữ liệu này được tổ chức theo nhóm, các nhóm được tổ chức theo cấu trúc phân lớp. Các thông tin liên quan đến trình tự đều do chính tác giả cung cấp.

- Pubmed: cho phép khai thác các công trình đã công bố trong MEDLINE và các công trình liên quan có cùng chủ đề. Ngoài ra, NCBI còn có dịch vụ Pubmed Central cho phép truy cập cả những công trình khoa học sắp phát hành.

- Entrez: kết nối liên thông giữa các mảng dữ liệu giúp người truy cập tiếp cận nhanh và đầy đủ các thông tin tìm kiếm.sSử dụng dịch vụ này người khai thác có thể dễ dàng tiếp cận các thông tin liên quan từ nhiều mảng khác nhau.

- VAST (Vector Alignment Search Tool) : nghiên cứu cấu trúc tương đồng

- BLAST (Basic Local Alignment Search Tool): so sánh trình tự gen.

Cơ sở dữ liệu Genbank đồng thời là sản phẩm hợp tác quốc tế giữa ba trung tâm dữ liệu gen lớn nhất thế giới là: Genbank của NCBI, DNA data bank of Japan (DDBJ), European Molecular Biology Laboratory nucleotide database (EMBL). Ba cơ sở này kết nối trực tiếp và trao đổi thông tin hàng ngày nên thông tin của cả ba cơ sở này tương đương nhau. Cơ sở dữ liệu này gồm 2 mảng: mảng dữ liệu về nucleotide và mảng dữ liệu về protein.

Phòng thí nghiệm sinh học phân tử châu Âu (EMBL) được thành lập vào năm 1974, đây là hệ thống liên kết các phòng thí nghiệm sinh học của 17 nước Tây Âu và Israel, trong đó tập trung vào trung tâm nghiên cứu lớn ở Heidelberg và Hamburg (CHLB Đức), Grenoble (Pháp), Hinston (Anh), Monterotondo (Italia). Năm 1994, Viện tin sinh học châu Âu (Europian Bioinfomatic Institute, trực thuộc EMBL) được thành lập với mục tiêu lưu trữ, xử lý cơ sở dữ liệu và cung cấp các dịc vụ thông tin liên quan đến sinh học phana tử và tin sinh học.

Cơ sở dữ liệu này quản lý khoảng 80 mảng khác nhau, ví dụ như: EMBL nucleotide sequence databases, TrEMBL and SWISS-PROT protein sequence databases,.... Ngoài ra, nó còn cung cấp các phần mềm để xử lý thông tin sinh học.

- Mảng dữ liệu cấu trúc ADN (EMBL nucleotide sequence databases): thành lập năm 1998, hiện đang lưu giữ thông tin về trình tự nucleotide.

- Mảng dữ liệu cấu trúc protein (TrEMBL và SWISS-PROT protein sequence databases): SWISS-PROT ra đời năm 1986 tại trường đại học tổng hợp Giơnevơ (Thụy Sĩ) là một thành viên thường xuyên hợp tác với EBI từ 1987. Đây là cơ sở dữ liệu lớn về cấu trúc chuỗi protein và các đặc tính của chúng cùng với việc xử lý, mô phỏng cấu trúc và đặc tính của phân tử protein. Do nhu cầu xử lý thông tin ngày càng nhiều nên EBI đã thiết lập thêm cơ sở dữ liệu TrEMBL cùng tồn tại song song và kết nối chặt chẽ với SWISS-PROT.

- Mảng dữ liệu cấu trúc phân tử lượng lớn (Macromolecular structure databases-EBI MSD): là cơ sở dữ liệu liên quan đến các hợp chất có phana tử lượng lớn.

- Trang Web của EMBL là: www. ebi.ac.uk

2.2.3. Cơ sở dữ liệu DDBJ

Cơ sở dữ liệu DDBJ (DNA data bank of Japan) là cơ sở dữ liệu đặt dưới sự quản lý của trung tâm thông tin sinh học, Viện di truyền quốc gia Nhật Bản (Japan National Institute of Genetics). DDBJ là cơ sở dữ liệu quan trong và duy nhất ở Nhật Bản. Do hợp tác và liên kết với hai trung tâm NCBI và EBI nên DDBJ đã trở thành một trong ba trung tâm dữ liệu lớn nhất thế giới hiện nay.

- Trang Web của DDBJ là: www.nig.ac.jp

3. Ứng dụng một số phần mềm Tin sinh học trong phân tích di truyền

3.1. Phân tích bằng BLAST trong NCBI

BLAST (Basic Local Alignmet Tools) là chương trình so sánh cấu trúc chuỗi ADN, chuỗi amino acid cần phân tích với các chuỗi tương ứng lưu giữ trong Ngân hàng dữ liệu nhằm tìm kiếm chuỗi tương đồng với chuỗi kiểm tra. Người phân tích sẽ khai thác các thông tin đã biết của các chuỗi trong Ngân hàng gen để dự đoán xác định cấu trúc hay đặc tính của chuỗi cần phân tích. Mục đích của việc phân tích là nhằm tìm kiếm xác định vùng tương đồng và mức độ phân ly về cấu trúc của chuỗi phân tích với các chuỗi khác trên Ngân hàng gen. Chương trình BLAST cho phép xác định sự tương đồng cấu trúc ở hai mức độ là : mang tính cục bộ hay mang tính tổng thể giữa hai chuỗi với nhau.

Phần mềm BioEdit và DNAstar được sử dụng để phân tích so sánh các trình tự nucleotide và trinh tự axit amin nhằm xác định độ tương đồng và độ sai khác qua bảng ma trận, thiết lập sơ đồ hình cây.

Sử dụng phần mềm NTSYS để phân tích sự đa dạng và mối quan hệ di truyền của sinh vật dựa trên các đoạn DNA: (1) Nhập dữ liệu vào bảng NTEDIT, (2) Xử lý, (3) Lập bảng ma trận về hệ số giống nhau và khác nhau, (4) Thiết lập sơ đồ hình cây.

Đối với nhà nghiên cứu mạng internet là công cụ thông tin nhanh nhất, hiệu quả nhất, về việc (i) xử lý, phân tích và so sánh các kết quả nghiên cứu của mình với các công bố, (ii) tổng quan vấn đề nghiên cứu, (iii) trợ giúp tìm hiểu thông tin liên quan đến vấn đề nghiên cứu, (iv) nhận dạng các đối tượng nghiên cứu, (v) cập nhật các kiến thức sinh học qua các bài báo công bố mới nhất.

Mạng internet giúp khai thác dữ liệu của các trung tâm nghiên cứu, trung tâm lưu giữ trên thế giới, các tạp chí khoa học, các thư viện sách, và làm thương mại điện tử...

Mạng internet là cầu nối giữa các nhà khoa học, giúp các nhà khoa học có thể trao đổi trực tuyến về các vấn đề khoa học, giao lưu và hỗ trợ nhau trong công tác nghiên cứu.

Trên thế giới, mạng lưới các trung tâm nghiên cứu, các phòng thí nghiệm luôn có sự hợp tác, hỗ trợ của các nhà khoa học.

• 
  Viện Công nghệ Sinh học: www.ibt.ac.vn/
  
• 
  Trung tâm thông tin CNSH Hoa Kỳ: www.ncbi.nlm.nih.gov/
  
• 
  Công cụ tra cứu trang Web,hình ảnh, nhóm, thư­ mục. www.google.vn/
  
• 
  Copy hình ảnh từ web: copy sang paint, dán vao PowerPoint.
  

• 
  Bài báo có thể search từ trang Web: www.ncbi.nlm.nih.gov/, Google, Yahoo …
  
• 
  Tra ở trang www.ncbi.nlm.nih.gov/:
  
• 
  Search: Pubmed For: Soybean dehydrin for tolerance ability gen
  
• 
  Trang Google hoặc Yahoo thì chỉ cần ghi tên tập hợp từ vào Search
  

1. 
   Hãy giới thiệu cấu trúc và sử dụng trang web NCBI.
   
2. 
   Phân tích so sánh trình tự nucleotide của một gen khai thác từ NCBI
   
3. 
   Lập bảng ma trận về hệ số tương đồng và hệ số sai khác, thiết lập sơ đồ hình cây về mối quan hệ di truyền dựa trên trình tự nucleotide và trình tự axit amin.
   
4. 
   Sử dụng phần mềm BLAST, BioEdit, DNAstar, NTSys trong phân tích sinh học phân tử.