Giới thiệu dự án

Biến đổi khí hậu toàn cầu đang gây ra sự gia tăng nghiêm trọng của các hiện tượng thời tiết cực đoan như hạn hán, xâm nhập mặn, sốc nhiệt và thoái hóa đất do ô nhiễm kim loại nặng. Theo thống kê nông nghiệp quốc tế (Devasirvatham and Tan, 2018), các yếu tố bất lợi phi sinh học (abiotic stresses) làm sụt giảm gần 50% tổng sản lượng cây trồng toàn cầu hàng năm. Trong bối cảnh đó, cây sắn (Manihot esculenta Crantz) giữ vị trí chiến lược an ninh lương thực cho hơn 500 triệu người tại châu Phi, châu Á và Mỹ Latinh, đồng thời là nguồn nguyên liệu công nghiệp chủ chốt để sản xuất tinh bột biến tính và nhiên liệu sinh học (năng suất ethanol đạt 6.000 L/ha/năm, vượt trội so với mía đường 4.900 L/ha/năm và ngô 2.050 L/ha/năm). Tại Việt Nam, sản lượng sắn đạt trên 10,1 triệu tấn (đứng thứ 8 thế giới năm 2019).

Về mặt sinh học phân tử, khi cây trồng đối mặt với các căng thẳng phi sinh học, tế bào sẽ tích tụ quá mức các gốc chứa oxy nguyên tử hoạt động (Reactive Oxygen Species - ROS). Các gốc ROS này tấn công trực tiếp vào các đại phân tử sinh học, trong đó liên kết thioether của amino acid Methionine (Met) trong chuỗi polypeptide rất nhạy cảm với quá trình oxy hóa, chuyển hóa thành Methionine sulfoxide (MetO). Quá trình này làm biến đổi cấu trúc không gian 3D, khiến protein mất hoạt tính sinh học và kích hoạt chuỗi chết tế bào. Nhóm protein giàu Methionine (Methionine-Rich Proteins - MRP) đóng vai trò kép: vừa là mục tiêu mẫn cảm của stress oxy hóa, vừa hoạt động như một "hệ đệm dọn dẹp ROS" (ROS sink) và tham gia vào mạng lưới truyền tín hiệu phòng vệ. Tuy nhiên, dữ liệu về hệ gen và hệ protein mã hóa MRP ở giống sắn mô hình KU50 phục vụ công tác chọn tạo giống chống chịu vẫn chưa được khai phá hoàn chỉnh.

Đề tài "Xác định và khai thác dữ liệu biểu hiện của các gene mã hóa protein mẫn cảm với tác động của đa yếu tố bất lợi phi sinh học ở giống sắn (Manihot esculenta) mô hình KU50" được thực hiện nhằm giải quyết bài toán trên thông qua 5 mục tiêu cụ thể:

  1. Sàng lọc và định danh toàn bộ các MRP đạt tiêu chuẩn kích thước $\ge 95$ amino acid và hàm lượng $Met \ge 6%$ trên proteome sắn KU50.
  2. Phân loại chức năng sinh học phân tử của các MRP định danh thông qua hệ thống phân loại MapMan.
  3. Xác định các đặc tính lý hóa in silico của nhóm MRP chưa rõ chức năng bằng công cụ ExPASy ProtParam.
  4. Dự đoán vị trí cư trú nội bào và peptide tín hiệu của các MRP thông qua thuật toán mạng nơ-ron TargetP.
  5. Khai thác, chuẩn hóa và phân tích dữ liệu biểu hiện phiên mã (RNA-seq) của các gen mã hóa MRP trên 11 mẫu mô/cơ quan của sắn KU50 trong điều kiện sinh lý tiêu chuẩn.

Phạm vi nghiên cứu tập trung vào toàn bộ dữ liệu hệ gen và hệ protein của giống sắn KU50 (BioProject: PRJNA234389) kết hợp dữ liệu transcriptome 11 mô cơ quan (GEO: GSE82279). Kết quả kỳ vọng cung cấp danh mục 155 gen MRP, phân tích sâu 52 gen ứng viên chưa rõ chức năng và phát hiện các gen chỉ thị biểu hiện mô đặc hiệu phục vụ công nghệ chỉnh sửa gen và nhân giống cây trồng chống chịu stress.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Trước đây, việc phân lập gen chống chịu stress ở cây trồng chủ yếu dựa vào phương pháp sinh học thực nghiệm truyền thống (thu nhận mẫu, tinh sạch protein bằng sắc ký, giải trình tự protein Edman hoặc điện di 2 chiều) kết hợp gây đột biến thực địa. Cách tiếp cận này bộc lộ nhiều điểm nghẽn về thời gian, chi phí và tỷ lệ sàng lọc thấp.

Tiêu chí so sánh Phương pháp sàng lọc truyền thống Phương pháp Protein Mass Spectrometry Phương pháp Tin sinh học Genome-wide (Dự án)
Thời gian thực hiện 12 – 24 tháng 3 – 6 tháng 2 – 4 tuần
Chi phí triển khai Rất cao (hóa chất, nhà kính) Cao (thiết bị khối phổ LC-MS/MS) Tối ưu (khai thác tài nguyên tính toán & Big Data)
Độ phủ dữ liệu Hạn chế (vài protein đơn lẻ) Trung bình (phụ thuộc độ phong phú mẫu) Toàn diện 100% Proteome (43.286 chuỗi protein)
Khả năng định danh gen hiếm Thấp Dễ bỏ sót các protein biểu hiện thấp Phát hiện chính xác mọi locus gen trên toàn bộ NST
Phân tích lý hóa & biểu hiện Thực hiện rời rạc, tốn mẫu Không xác định trực tiếp mức biểu hiện RNA Tích hợp đồng bộ lý hóa, vị trí nội bào và FPKM 11 mô

Phân tích yêu cầu hệ thống theo mô hình MoSCoW:

  • Must have: Sàng lọc chính xác các chuỗi có chiều dài $\ge 95$ aa và $%Met \ge 6%$; loại bỏ chuỗi dư thừa/trùng lặp qua BlastP; ánh xạ vị trí locus trên 18 nhiễm sắc thể (NST).
  • Should have: Phân tích 5 chỉ số lý hóa cốt lõi (Chiều dài, Khối lượng phân tử, pI, Chỉ số bất ổn định, Độ ưa nước GRAVY); định vị 4 nhóm bào quan đích (cTP, mTP, SP, Khác).
  • Could have: Lập bản đồ nhiệt (Heatmap) ma trận biểu hiện FPKM trên 11 cơ quan; phân loại 8 nhóm chức năng MapMan.
  • Won't have (trong giai đoạn này): Đánh giá phân tích cấu trúc không gian 3D tinh thể học X-ray thực nghiệm của 52 protein.

Thiết kế hệ thống

Quy trình xử lý dữ liệu tin sinh học (Bioinformatics Pipeline) được thiết kế theo kiến trúc module hóa tuần tự:

Technology Stack và thông số môi trường:

  • Công cụ sinh học phân tử & cơ sở dữ liệu: BioEdit v7.2.5, NCBI-BLAST+ v2.11.0, Phytozome v12.1 (Cassava v6.1 pipeline), ExPASy ProtParam API, TargetP v2.0 Deep Neural Network server.
  • Hệ thống xử lý & phân tích dữ liệu: Python v3.8 (Biopython v1.78, pandas v1.2.4, NumPy v1.20.1), MapMan v3.6.0RC1.
  • Dữ liệu tham chiếu: NCBI BioProject PRJNA234389 (Bộ gen sắn KU50 kích thước 582,25 Mb phân bố trên 18 NST, 33.033 locus mã hóa protein, 85.665 EST, tỷ lệ GC 35,9%) và NCBI GEO GSE82279.

Methodology

Quy trình nghiên cứu áp dụng mô hình vòng đời phân tích dữ liệu sinh học (Bioinformatics Life Cycle) với quy chuẩn kiểm chuẩn chất lượng (Quality Assurance):

  • Ngưỡng lọc nghiêm ngặt: Giá trị kỳ vọng $E\text{-value} \le 10^{-5}$ trong phân tích BlastP để loại trừ triệt để hiện tượng gán nhầm gen giả (pseudogenes) hoặc protein tương đồng ngẫu nhiên.
  • Chuẩn hóa FPKM: Khung phân loại mức độ biểu hiện phiên mã phân bố thành 4 phân vị rõ rệt: $\text{FPKM} \le 10$ (Dưới ngưỡng phát hiện), $10 < \text{FPKM} \le 50$ (Có biểu hiện nền), $50 < \text{FPKM} \le 70$ (Có xu hướng biểu hiện mạnh), và $\text{FPKM} > 70$ (Biểu hiện mạnh đặc hiệu).
  • Tiến độ triển khai: Đề tài được hoàn thành trong 6 tháng (01/2021 – 06/2021) tại Phòng thí nghiệm Sinh học Phân tử – Viện Di truyền Nông nghiệp và Bộ môn Sinh học Phân tử – Học viện Nông nghiệp Việt Nam.

Implementation và kết quả

Development process

Quá trình sàng lọc và xử lý dữ liệu được tự động hóa thông qua các script phân tích tin sinh học. Thuật toán tính toán tỷ lệ dư lượng amino acid Methionine trên mỗi chuỗi polypeptide được định nghĩa:

$$\text{Met Ratio (%)} = \left( \frac{N_{\text{Met}}}{L_{\text{Protein}}} \right) \times 100%$$

Trong đó $N_{\text{Met}}$ là tổng số gốc Methionine trong chuỗi, $L_{\text{Protein}}$ là tổng chiều dài chuỗi amino acid. Điều kiện chấp nhận: $L_{\text{Protein}} \ge 95$ và $\text{Met Ratio} \ge 6,0%$.

#!/usr/bin/env python3
"""
MRP_Screener.py - Screening Methionine-Rich Proteins from Cassava Proteome
Version: 1.0.0 | Environment: Python 3.8 / Biopython 1.78
"""
from Bio import SeqIO
import pandas as pd

def screen_mrp(fasta_input: str, min_len: int = 95, min_met_ratio: float = 6.0) -> pd.DataFrame:
    mrp_records = []
    
    for record in SeqIO.parse(fasta_input, "fasta"):
        seq_str = str(record.seq).upper()
        seq_len = len(seq_str)
        
        if seq_len < min_len:
            continue
            
        met_count = seq_str.count('M')
        met_percentage = (met_count / seq_len) * 100.0
        
        if met_percentage >= min_met_ratio:
            mrp_records.append({
                "Protein_ID": record.id,
                "Description": record.description,
                "Length_aa": seq_len,
                "Met_Count": met_count,
                "Met_Percent": round(met_percentage, 2),
                "Sequence": seq_str
            })
            
    df_results = pd.DataFrame(mrp_records)
    return df_results

# Execute screening over 43,286 proteins in KU50 Proteome
# raw_hits = screen_mrp("Manihot_esculenta_KU50_proteome.fasta")
# Filtered duplicates via reciprocal BlastP -> 155 unique MRP loci

Testing và validation

Từ tổng số 43.286 chuỗi protein trong cơ sở dữ liệu proteome sắn KU50, thuật toán ban đầu thu nhận được 196 chuỗi protein ứng viên. Sau khi tiến hành BlastP đối chiếu chéo lên hệ gen Phytozome v12.1 và NCBI để rà soát mã RNA, mã protein, mã locus và mã gen, đã loại bỏ 41 chuỗi trùng lặp isoform, xác lập danh sách chuẩn hóa gồm 155 MRP không dư thừa.

Phân bố 155 gen mã hóa MRP trên 18 Nhiễm sắc thể của Sắn KU50:
Chr 01: [████████████████████] 20 gen (Cao nhất)
Chr 09: [███████████████     ] 15 gen
Chr 08: [█████████████       ] 13 gen
Chr 05: [████████████        ] 12 gen
Chr 06: [████████████        ] 12 gen
Chr 04: [████████            ]  8 gen
Chr 07: [████████            ]  8 gen
Chr 15: [████████            ]  8 gen
Chr 02: [███████             ]  7 gen
Chr 03: [███████             ]  7 gen
Chr 11: [██████              ]  6 gen
Chr 12: [█████               ]  5 gen
Chr 13: [█████               ]  5 gen
Chr 14: [█████               ]  5 gen
Chr 17: [█████               ]  5 gen
Chr 18: [█████               ]  5 gen
Chr 10: [████                ]  4 gen (Thấp nhất)
Chr 16: [████                ]  4 gen (Thấp nhất)
Chưa định vị (Scaffold): 6 gen

Toàn bộ 149 gen đã được neo chính xác trên 18 cặp NST của cây sắn, 6 gen nằm trên các scaffold chưa định vị, và 0 gen nằm ngoài tế bào chất (lục lạp/ty thể genome).

Kết quả đạt được

1. Phân loại chức năng gen (MapMan Functional Ontology): Trong 155 gen mã hóa MRP:

  • 103 gen đã rõ chức năng (66,45%): Phân bổ thành 8 nhóm sinh lý chính gồm: Kiểm soát ion kim loại (Metal ion homeostasis), Đáp ứng điều kiện bất lợi (Stress response), Xử lý RNA (RNA processing), Điều hòa phiên mã (Transcriptional regulation), Biến đổi sau dịch mã (Protein modification), Truyền dẫn tín hiệu tế bào (Signal transduction), Chu trình tế bào (Cell cycle) và Vận chuyển kim loại (Metal transport). Tiêu biểu như các protein cảm biến canxi CML38, protein họ HIPP (Heavy metal-associated isoprenylated plant protein) và Calmodulin7 (CAM7).
  • 52 gen chưa rõ chức năng (33,55%): Đây là nhóm đối tượng trọng tâm được nghiên cứu sâu về lý hóa, định vị và biểu hiện mô.

2. Đặc tính lý hóa in silico của 52 MRP chưa rõ chức năng:

  • Kích thước & Trọng lượng phân tử: Tỷ lệ thuận tuyến tính, dao động từ 95 aa (10,30 kDa ở XP_021606075.1) đến 279 aa (32,91 kDa ở XP_021603163.1). Giá trị trung bình đạt $148,13 \pm 38,2 \text{ aa}$ và $16,84 \pm 4,5 \text{ kDa}$.
  • Điểm đẳng điện (pI): Trải rộng từ 4,43 (XP_021628067.1) đến 10,74 (XP_021628969.1). Có 21 protein mang tính acid ($\text{pI} < 7$) và 31 protein mang tính base ($\text{pI} > 7$).
  • Chỉ số bất ổn định (Instability Index - II): Dao động từ 16,62 (XP_021624467.1) đến 76,54 (XP_021607519.1). Có 13 protein đạt trạng thái bền vững trong ống nghiệm ($\text{II} < 40$) và 39 protein thuộc nhóm không ổn định ($\text{II} > 40$).
  • Độ ưa nước trung bình (GRAVY): Giá trị dao động từ -1,102 (XP_021628075.1) đến +0,448 (XP_021634563.1). Có 35/52 protein ưa nước ($\text{GRAVY} < 0$) và 17/52 protein có tính kỵ nước ($\text{GRAVY} > 0$).

3. Dự đoán vị trí cư trú nội bào (TargetP v2.0):

  • Vị trí khác / Tế bào chất / Nhân: 44 protein (chiếm 84,62%).
  • Lục lạp (cTP - Chloroplast transfer peptide): 1 protein (XP_021630288.1, chiếm 1,92%).
  • Ty thể (mTP - Mitochondrial transfer peptide): 3 protein (tiêu biểu XP_021602841.1, chiếm 5,77%).
  • Hệ thống bao gói / Tiết xuất (SP - Signal peptide): 4 protein (tiêu biểu XP_021626513.1, chiếm 7,69%).

4. Dữ liệu biểu hiện gen trên 11 mô cơ quan (FPKM Matrix): Số lượng gen mã hóa MRP biểu hiện ($\text{FPKM} > 10$) phân bổ đa dạng giữa các cơ quan: Lá (13 gen), Rễ sợi (13 gen), Mô sẹo phôi hóa FEC (12 gen), Gân lá (11 gen), Chồi bên (11 gen), Cấu tạo phát sinh phôi soma OES (9 gen), Thân (8 gen), Củ (8 gen), Mô phân sinh đỉnh chồi SAM (8 gen), Mô phân sinh chóp rễ RAM (7 gen), Cuống lá (6 gen).

Nhóm mức độ biểu hiện Tiêu chí FPKM Danh sách gen mã hóa MRP tiêu biểu Cơ quan biểu hiện đặc thù
Dưới ngưỡng phát hiện $\text{FPKM} \le 10$ Manes.17G076700, Manes.18G141100 Dưới ngưỡng ở tất cả 11 mẫu mô
Biểu hiện thông thường $10 < \text{FPKM} \le 50$ Manes.05G057700, Manes.07G110100 Gân lá (10,20), Thân (17,68), SAM (39,83)
Xu hướng biểu hiện mạnh $50 < \text{FPKM} \le 70$ Manes.13G009900 Cuống lá (62,69), Củ (57,58), Rễ sợi (64,27), OES (59,89)
Biểu hiện rất mạnh $\text{FPKM} > 70$ Manes.01G143500
Manes.05G182700
Manes.10G129200		 FEC (488,09), Thân (73,51)
Củ (332,47), Thân (189,64), Cuống lá (81,45)
5 cơ quan: Củ (186,54), RAM (153,98), Cuống (85,62), SAM (84,86), Thân (81,19)

Gen Manes.10G129200 được xác định là gen ứng viên sáng giá nhất khi đạt mức độ phiên mã siêu mạnh đồng thời tại cả 5 cơ quan sinh dưỡng và mô phân sinh trọng yếu.

Đổi mới và đóng góp

Nghiên cứu mang lại những đóng góp mới cho hệ thống dữ liệu gen học của cây sắn nói riêng và thực vật bậc cao nói chung:

  1. Lập danh lục MRP toàn diện đầu tiên trên sắn KU50: Đây là công trình đầu tiên xác lập cơ sở dữ liệu hoàn chỉnh 155 gen mã hóa MRP ở sắn mô hình, thu hẹp khoảng cách nghiên cứu sinh học phân tử giữa sắn và các cây trồng mô hình khác.
  2. So sánh đa hệ thống thực vật:
Chỉ số so sánh Arabidopsis thaliana (Chu Đức Hà et al., 2015) Glycine max - Đậu tương (Chu et al., 2016) Manihot esculenta - Sắn KU50 (Công trình này)
Số lượng MRP xác định 121 protein 213 protein 155 protein
Tỷ lệ chưa rõ chức năng 50,45% (56 gen) 43,00% (92 gen) 33,55% (52 gen)
Gen mã hóa ngoài tế bào chất 2 gen (Ty thể) 0 gen 0 gen
Gen chưa có thông tin chú giải 0 gen 0 gen 6 gen (trên scaffold)
Nhiễm sắc thể chứa nhiều gen nhất Phân bố trên 5 NST Đa dạng trên 20 NST NST 01 (20 gen), NST 09 (15 gen)
  1. Rút ngắn thời gian sàng lọc gen: Phương pháp in silico giúp giảm 95% thời gian và chi phí so với việc phân tích biểu hiện protein bằng các kỹ thuật ướt (wet-lab) ngẫu nhiên.
  2. Công bố khoa học: Kết quả nghiên cứu đã được nghiệm thu và công bố trên Tạp chí Khoa học Công nghệ Nông nghiệp Việt Nam (Số 5/2021) với bài báo tiêu đề: "Phân loại và phân tích dữ liệu của nhóm protein giàu Methionine thông qua sàng lọc hệ protein của cây sắn (Manihot esculenta)".

Ứng dụng thực tế và triển khai

  • Ứng dụng chọn giống cây trồng: Các chỉ thị phân tử gắn liền với các locus MRP biểu hiện mạnh (như Manes.10G129200, Manes.05G182700) có thể được chuyển giao cho các viện nghiên cứu nông nghiệp để chọn lọc cá thể sắn kháng hạn, chịu mặn ngay từ giai đoạn vườn ươm mà không cần chờ cây trưởng thành.
  • Chiến lược triển khai thực địa:
    • Giai đoạn 1 (Ngắn hạn 1-2 năm): Thiết kế mồi đặc hiệu và kiểm chứng mức độ cảm ứng phiên mã của 52 gen MRP dưới các điều kiện xử lý stress nhân tạo (PEG 6000 mô phỏng hạn, NaCl 200 mM mô phỏng mặn, $CdCl_2$ mô phỏng kim loại nặng) bằng kỹ thuật RT-qPCR.
    • Giai đoạn 2 (Trung hạn 3-5 năm): Tạo dòng sắn chuyển gen biểu hiện vượt mức (overexpression) hoặc chỉnh sửa gen CRISPR/Cas9 nhắm vào vùng promoter của gen Manes.10G129200 để tăng cường khả năng chống oxy hóa mô củ và rễ.
    • Giai đoạn 3 (Dài hạn): Khảo nghiệm đồng ruộng diện rộng tại các vùng đất cát ven biển miền Trung và đất đồi khô hạn Tây Nguyên.
  • Phân tích hiệu quả kinh tế (ROI): Việc nâng cao khả năng chống chịu của giống sắn thêm 15-20% trong điều kiện khô hạn có thể bảo vệ hàng triệu tấn củ tươi, mang lại giá trị gia tăng hàng trăm tỷ đồng cho ngành sản xuất tinh bột và cồn sinh học tại Việt Nam.

Hạn chế và hướng phát triển

  • Hạn chế kỹ thuật hiện tại:
    • Dữ liệu biểu hiện RNA-seq khai thác từ GEO GSE82279 phản ánh trạng thái sinh lý cây trong điều kiện tiêu chuẩn, chưa trực tiếp đối chiếu thư viện giải trình tự phiên mã dưới các xử lý stress khắc nghiệt theo chuỗi thời gian (time-course stress library).
    • Kết quả dự đoán vị trí nội bào (TargetP) và đặc tính lý hóa (ProtParam) là suy luận in silico dựa trên mô hình toán sinh học, cần được thẩm định thực tế qua phương pháp dung hợp protein huỳnh quang (GFP/YFP tagging) và quan sát dưới kính hiển vi đồng tiêu quét laser (CLSM).
  • Hướng nghiên cứu tiếp theo:
    • Thực hiện Real-time RT-qPCR trên giống sắn KU50 và KM94 chịu các nghiệm thức gây hạn, mặn, rét để xác thực biên độ tăng/giảm phiên mã của nhóm gen MRP.
    • Phân tích tương tác protein (Yeast Two-Hybrid - Y2H và BiFC) để lập bản đồ mạng lưới tín hiệu ROS có sự tham gia của Manes.10G129200.
    • Nghiên cứu cơ chế tái khử nhóm sulfoxide của enzyme Methionine Sulfoxide Reductase (MSR) đối với các MRP được định danh.

Đối tượng hưởng lợi

  • Sinh viên, học viên chuyên ngành Công nghệ Sinh học / Nông nghiệp: Tiếp cận mô hình nghiên cứu chuẩn mực về khai phá dữ liệu hệ gen (Genomics), hệ protein (Proteomics) và hệ phiên mã (Transcriptomics).
  • Chuyên gia Tin sinh học (Bioinformaticians): Thu nhận bộ khung quy trình (pipeline) xử lý dữ liệu FASTA quy mô lớn, thuật toán lọc peptide và trích xuất chỉ số lý hóa.
  • Các nhà chọn tạo giống và doanh nghiệp nông nghiệp: Sở hữu danh sách các locus gen ứng viên đã được sàng lọc để phát triển giống cây trồng biến đổi gen thích ứng biến đổi khí hậu.
  • Cộng đồng nghiên cứu quốc tế: Bổ sung dữ liệu đối sánh giữa cây sắn với các loài thực vật mô hình như Arabidopsis, lúa nước và đậu tương.

Câu hỏi thường gặp

1. Yêu cầu kỹ thuật và cấu hình phần cứng để triển khai quy trình tin sinh học này là gì?

Hệ thống yêu cầu máy trạm chạy hệ điều hành Linux (Ubuntu 20.04 LTS trở lên) hoặc Windows 10/11 có tích hợp môi trường Anaconda/Python 3.8+. Phần cứng tối thiểu bao gồm CPU 4 nhân (khuyến nghị 8 nhân 16 luồng để chạy đa luồng BLAST+ cục bộ), RAM tối thiểu 16 GB để nạp dữ liệu transcriptome ma trận FPKM lớn và ổ cứng SSD dung lượng trống tối thiểu 50 GB.

2. Tại sao lại đặt ngưỡng sàng lọc là chiều dài chuỗi $\ge 95$ aa và hàm lượng $\text{Met} \ge 6%$?

Hàm lượng Methionine tự nhiên trong đa số protein thực vật chỉ dao động trung bình từ 1,0% đến 1,5% (và lý thuyết không vượt quá 5% cho 20 loại amino acid chuẩn). Việc thiết lập ngưỡng $\ge 6,0%$ nhằm đảm bảo thu nhận các protein thực sự giàu gốc Met vượt trội so với trung bình hệ proteome. Ngưỡng chiều dài $\ge 95$ aa giúp loại bỏ các mảnh peptide ngắn hoặc sản phẩm dịch mã chưa hoàn chỉnh gây sai lệch thống kê cấu trúc.

3. Làm thế nào để tích hợp danh mục gen MRP này vào hệ thống cơ sở dữ liệu chọn giống hiện có?

Các mã locus (ví dụ: Manes.10G129200) tương thích hoàn toàn với hệ thống định danh chuẩn của Phytozome và NCBI. Dữ liệu có thể được chuyển đổi thành các bảng định dạng GFF3/BED để tích hợp vào các trình duyệt hệ gen (Genome Browsers như JBrowse hoặc IGV) phục vụ việc gióng hàng với các dữ liệu giải trình tự tái lập bộ gen (Resequencing) và dữ liệu GWAS.

4. Chi phí triển khai và tính khả thi trong việc chuyển giao công nghệ sang phòng thí nghiệm ướt?

Quy trình in silico này tiết kiệm gần như 100% chi phí hóa chất ban đầu. Khi chuyển giao sang giai đoạn kiểm chứng ướt, chi phí chủ yếu chỉ phát sinh ở việc thiết kế mồi PCR/qPCR (khoảng vài trăm nghìn đồng/cặp mồi) và hóa chất tách chiết RNA, giúp các viện trường tối ưu hóa ngân sách nghiên cứu trước khi bước vào các thử nghiệm chuyên sâu đắt đỏ.

5. Những rủi ro tiềm ẩn khi chọn gen ứng viên chỉ dựa trên dữ liệu biểu hiện điều kiện thường là gì?

Một số gen chống chịu bất lợi chỉ được kích hoạt (inducible genes) khi có tín hiệu stress môi trường và có mức biểu hiện rất thấp ở điều kiện thường ($\text{FPKM} \le 10$). Do đó, bên cạnh việc ưu tiên gen biểu hiện mạnh đa cơ quan như Manes.10G129200, không nên loại bỏ hoàn toàn các gen có FPKM thấp mà cần lưu giữ để đối chiếu khi có dữ liệu giải trình tự RNA-seq trong điều kiện xử lý hạn/mặn thực nghiệm.

Kết luận

Khóa luận tốt nghiệp đã hoàn thành toàn diện và xuất sắc các mục tiêu đề ra, mang lại bức tranh tổng quan sâu sắc về nhóm protein giàu Methionine ở giống sắn mô hình KU50:

  • Sàng lọc và định danh thành công 155 gen mã hóa MRP không dư thừa từ 43.286 chuỗi protein của hệ proteome sắn, lập bản đồ phân bố chi tiết trên 18 nhiễm sắc thể.
  • Phân loại chức năng làm rõ 103 gen đã biết thuộc 8 nhóm sinh lý và phân tích hệ thống 52 gen mã hóa MRP chưa rõ chức năng.
  • Xác lập hồ sơ đặc tính lý hóa in silico, vị trí phân bố nội bào và lập ma trận biểu hiện phiên mã trên 11 mẫu mô cơ quan; trong đó phát hiện gen ứng viên nổi bật Manes.10G129200 có mức phiên mã vượt trội tại 5 cơ quan trọng yếu (củ, chóp rễ, cuống lá, đỉnh sinh trưởng chồi và thân cây).
  • Các kết quả đạt được cung cấp cơ sở dữ liệu học thuật vững chắc, mở ra hướng ứng dụng trực tiếp cho công tác chọn tạo giống sắn năng suất cao, chống chịu tốt với đa yếu tố bất lợi phi sinh học, phục vụ phát triển nông nghiệp bền vững trong kỷ nguyên biến đổi khí hậu.