Chương 1 trình bày tổng quan và các khái niệm cơ bản trong sinh học phân tử, các định dạng dữ liệu trong bài toán Tin – Sinh học. Mục tiêu chính của chương này nhằm làm rõ các khái niệm giới thiệu vấn đề và nội dung sẽ trình bày trong chương tiếp theo của luận văn. 1 LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com Chương 2 trình bày quá trình giải mã hệ gen, bài toán gióng hàng trình tự trong việc giải mã hệ gen. Chương 2 sẽ nêu một số thuật toán cơ bản giải bài toán gióng hàng trình tự.
Trọng tâm của chương 2 giới thiệu ý tưởng và quá trình xây dựng thuật toán Burrows–Wheeler Transform trong quá trình giải mã hệ gen. Chương 3 Trình bày về quá trình thực nghiệm và ứng dụng thuật toán trên dữ liệu sinh học. Tác giả tham gia cùng nhóm nghiên cứu thuộc phòng Tin – Sinh học, viện Công nghệ Sinh học, Viện Hàn lâm Khoa học và Công nghệ Việt Nam xây dựng công cụ dóng hàng trình tự BWTAligner dựa trên thuật toán BWT đã tìm hiểu. Đối chứng kết quả khi dóng hàng trình tự trên công cụ dóng hàng phổ biến BWA.
Trong chương này thực hiện từng bước chuẩn bị dữ liệu, cài đặt môi trường, sử dụng công cụ, đưa ra kết quả thực nghiệm và đánh giá kết quả của luận văn. 2 LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com CHƢƠNG 1: CƠ SỞ LÝ THUYẾT Tin - Sinh học là một lĩnh vực mới mẻ trong phạm vi nghiên cứu tại Việt Nam. Những năm gần đây, Tin - Sinh học đã được các nhà nghiên cứu Việt Nam tiếp cận gần hơn và đạt được những thành công bước đầu nổi trội. Trong chương đầu của luận văn, tác giả sẽ giới thiệu đến những khái niệm cơ bản của Tin - Sinh học, hướng phát triển của Tin – Sinh học nói chung và tại Việt Nam nói riêng, từ đó làm tiền đề để phát biểu mục tiêu của luận văn.
Phần cuối chương một sẽ trình bày các định nghĩa cơ bản trong bài toán Tin – Sinh học mà sẽ được nhắc đến xuyên suốt trong những phần sau của luận văn này.1 Tin – Sinh học Tin - Sinh học (Bioinformatics) là một lĩnh vực khoa học sử dụng các công nghệ của các ngành toán học ứng dụng, tin học, thống kê, khoa học máy tính, trí tuệ nhân tạo, hóa học và hóa sinh để giải quyết các vấn đề sinh học. Tin - Sinh học thiên về việc phát triển các giải thuật, lý thuyết và các kĩ thuật thống kê tính toán để giải quyết các bài toán bắt nguồn từ nhu cầu quản lí và phân tích dữ liệu sinh học. Những lĩnh vực nghiên cứu chính của Tin - Sinh học gồm phân tích trình tự, tìm kiếm gen, tìm kiếm các đột biến, phân tích chức năng gen …vv. Mọi sinh vật đều có hệ gen, và người ta khẳng định rằng hệ gen mã hóa hầu hết thông tin di truyền của sinh vật.
Do vậy, việc giải mã hệ gen là một bài toán có ý nghĩa vô cùng quan trọng trong ngành sinh học trên thế giới nói chung, và với một nước đang phát triển như Việt Nam nói riêng. Giải mã trình tự gen là một bài toán có quy mô rộng lớn trong ngành Tin – Sinh học và đã đem lại được những thành tựu nghiên cứu có ý nghĩa vô cùng to lớn: Năm 2003, thành công của dự án giải mã 1000 hệ gen người (Human Genome Project ) đã mang tới bước đột phá lớn của sinh học trong công nghệ, khởi đầu cho 3 LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com hàng loạt các dự án giải mã hệ gen cho các loài khác nhau trên thế giới. Một số dự án nổi bật khác trên thế giới có thể kể tên như dự án “750 người Hà Lan” giải trình tự tại BGI - Hongkong bắt đầu năm 2011, “một triệu người Trung Quốc” bắt đầu từ năm 2011, dự án “giải mã hệ gen một người Hàn Quốc” vào năm 2009, “giải mã hệ gen một người Nhật Bản” vào năm 2010. Việc xây dựng và giải mã thành công hệ gen có tác động lớn đến nhiều lĩnh vực khác nhau, trong đó nổi bật là y học, dược học, công nghệ sinh học và tin học ứng dụng, đồng thời thúc đẩy sự phát triển nền kinh tế của các quốc gia.
Đặc biệt các nghiên cứu giải mã hệ gen có ý nghĩa to lớn trong việc đưa ra cảnh báo, phòng ngừa và điều trị sớm, phát triển các các phương pháp điều trị và chữa bệnh hướng đến từng cá thể, nghiên cứu duy trì và phát triển nguồn giống tốt. Có thể nói rằng sự nhập cuộc của Tin - Sinh học với sự hợp tác chặt chẽ giữa các nhà Tin học và các nhà nghiên cứu Sinh học nhằm khai phá dữ liệu hiệu quả đã trở thành mục tiêu công nghệ của ngành Sinh học trong thế kỉ mới.2 Khai phá dữ liệu trong Tin – Sinh học Khai phá dữ liệu rất quan trọng trong các lĩnh vực khác nhau như: tài chính - thị trường chứng khoán (phân tích tình hình tài chính và dự báo giá của các loại cổ phiếu trong thị trường chứng khoán,…), kinh doanh - thương mại (quảng cáo, thương mại điện tử, phát hiện lỗi, chăm sóc sức khỏe, công nghiệp, thể thao, giải trí, truyền thông,…), text mining & Web mining (phương tiện tìm kiếm, xử lý văn bản, phân lớp văn bản và các trang web, tóm tắt văn bản,…), bảo hiểm, điều khiển, viễn thông,… Không nằm ngoài các lĩnh vực này, sinh học phân tử cũng rất cần công nghệ khai phá dữ liệu để khám phá tri thức mới. Cũng giống như hỗ trợ các lĩnh vực khác, khi khai phá dữ liệu hỗ trợ lĩnh vực sinh học phân tử đã giúp cho lĩnh vực này phát triển một cách vượt bậc. Như trong nghiên cứu về di truyền, khai phá dữ liệu đã giúp tìm kiếm và phát hiện loài, xác định DNA, dự đoán protein, … chăm sóc sức khỏe cộng đồng, điều trị y học.
Khai phá dữ liệu đã giúp cho việc chẩn đoán bệnh, đưa ra phương pháp 4 LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com điều trị tốt hơn, tìm ra mối liên hệ giữa các triệu chứng, tiên lượng gen gây bệnh,… Ngoài ra, khai phá dữ liệu sinh học phân tử còn có nhiều tác động đến các lĩnh vực khác như công nghệ sinh học (biotechnology) và y sinh (biomedical). Nó có các ứng dụng như điều chế dược phẩm, khoa học pháp y (forensic DNA analysis), và công nghệ sinh học trong nông nghiệp.3 Hƣớng phát triển của ngành Tin – Sinh học tại Việt Nam Bắt kịp xu thế phát triển của khoa học thế giới, các nhà Tin - Sinh học Việt Nam đã xác định được những hướng đi phù hợp và đạt được thành công bước đầu với một số công trình nghiên cứu mang tính ứng dụng cao. Ví dụ như một số nghiên cứu trong lĩnh vực phân tích gen, xác định trình tự DNA của một số loài để đánh giá về mặt di truyền, biến dị, xác định hệ số di truyền tìm ra các họ hàng thân thích, đánh giá mức độ biến đổi tính di truyền, nghiên cứu về đa dạng sinh học, xây dựng ngân hàng gen (gen bank). Một số đơn vị nghiên cứu trong nước đã lựa chọn Tin - Sinh học là hướng nghiên cứu và phát triển có thể kể đến như: Khoa Công nghệ Sinh học, Trường Đại học Khoa học Tự nhiên TP Hồ Chí Minh; Viện Công nghệ Sinh học, Viện Khoa học và Công nghệ Việt Nam; Trường Đại học Y Dược TP Hồ Chí Minh.
Tuy là một ngành khoa học mới mẻ tại Việt Nam trong những năm gần đây nhưng cộng đồng Tin - Sinh học Việt Nam nói chung cũng đã có những đóng góp và thành tựu đang kể. Đáng chú ý là sản phẩm phần mềm Tin - Sinh học do PGS. Trần Văn Lăng (Viện Công nghệ thông tin tại TP Hồ Chí Minh) chủ trì đã tạo ra phần mềm HiBio riêng với một số tính năng cần thiết cho việc tìm hiểu về sinh học phân tử và việc tiếp cận với những bài toán Tin Sinh trở nên trực quan và ưu Việt. Năm 2012, Viện Hàn lâm Khoa học và Công nghệ Việt Nam khởi động dự án xây dựng bản đồ gen người cho 54 dân tộc Việt Nam và thành lập Viện hệ gen học.
Lê Sỹ Vinh – giảng viên Trường Đại học Công nghệ và các cộng sự đã công bố những kết quả đầu tiên về việc nghiên cứu 5 LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com xây dựng và phân tích hệ gen người Việt, bắt đầu từ tiếp cận của các kỹ thuật tính toán Tin – Sinh học. Và còn nhiều công trình nghiên cứu khác đã được công bố thể hiện những thành công bước đầu của Tin - Sinh học Việt Nam. Xét về nguồn dữ liệu gen, Việt Nam có những lợi thế về những nguồn thông tin to lớn, hữu ích, do đó trở thành một điều kiện thuận lợi và cũng là thách thức cần đến sự đóng góp của Tin - Sinh học. Có thể kể đến những nguồn dữ liệu đa dạng, sẵn có trong nước về nhiều lĩnh vực khác nhau như nông nghiệp, chăn nuôi, hải sản, phòng chống bệnh văcxin, kit chẩn đoán và y dược phẩm.
Kết hợp được sự đa dạng, sẵn có của nguồn dữ liệu gen với những hiểu biết về Tin học ứng dụng hứa hẹn về sự phát triển thành công của Tin - Sinh học nước nhà.2 Mục tiêu của luận văn Về mặt giải thuật: Với những tiếp cận đầu tiên về ngành Tin – Sinh học như đã trình bày ở trên và trong khuôn khổ nghiên cứu luận văn của mình, tôi tập trung vào nghiên cứu một bài toán quan trọng trong quá trình giải mã hệ gen nhằm tìm kiếm các biến dị di truyền (đa hình) là: bài toán gióng hàng trình tự (Sequence Alignment). Cụ thể trong nghiên cứu của mình, tôi tìm hiểu thuật toán Burrows – Wheeler Transform (BWT) để giải bài toán gióng hàng trình tự, đồng thời so sánh thuật toán BWT với một số thuật toán khác đã được ứng dụng. Về mặt thực nghiệm: Với sự hỗ trợ nguồn dữ liệu từ Viện Di truyền Nông nghiệp, Viện Khoa học Nông nghiệp Việt Nam, cùng với sự cộng tác của các thành viên trong phòng Tin – Sinh, Viện Công nghệ Sinh học, Viện Hàn Lâm khoa học Việt Nam về mặt công nghệ, tôi đã góp phần xây dựng công cụ gióng hàng trình tự BWTAligner dựa trên thuật toán BWT đã nghiên cứu. Luận văn thực hiện trên dữ liệu thực nghiệm là bộ dữ liệu lúa Chiêm Nhỡ (Bắc Ninh) của Viện Di truyền Nông nghiệp.