Chương 1 BÀI TOÁN XÂY DỰNG CÂY BOOTSTRAP TIẾN HÓA 1. Một số khái niệm cơ bản Phần này của luận án sẽ trình bày các khái niệm cơ bản trong lĩnh vực phân tích quan hệ tiến hóa dựa trên dữ liệu sinh học phân tử: thông tin di truyền, sắp hàng đa chuỗi, cây tiến hóa.1 Thông tin di truyền Kiểu hình của sinh vật sống luôn là kết quả của thông tin di truyền (mà sinh vật mang và truyền cho thế hệ kế tiếp) và tương tác với môi trường. Vì vậy, để nghiên cứu về tiến hóa, ta cần tìm hiểu về biến đổi trong thông tin di truyền của sinh vật [50]. Bộ gen của hầu hết các sinh vật là DNA (axít deoxyribonucleic), trong khi một số virus có bộ gen RNA (axít ribonucleic).
DNA là một phân tử mã hóa bản đồ thiết kế di truyền của sinh vật. Nói cách khác, DNA chứa tất cả các thông tin để tạo ra và duy trì một sinh vật. DNA được cấu tạo từ nhiều phân tử nhỏ gọi là các nucleotide. Có 4 loại nucleotide là: adenine (A), cytosine (C), guanine (G) và thymine (T) được xếp thành 2 nhóm purin (gồm A và G) và pyrimidine (gồm C và T) dựa trên các điểm tương đồng về cấu trúc hóa học.
Các nucleotide kết hợp với nhau thành một mạch dài nhờ các liên kết hóa học để tạo thành một chuỗi nucleotide (còn gọi là chuỗi polynucleotide). DNA có cấu tạo gồm hai chuỗi nucleotide, trong đó các nucleotide giữa 2 chuỗi liên kết với nhau bằng liên kết hydrogen theo nguyên tắc bổ sung: A với T và G với C [1]. Do tính chất đặc biệt của ghép cặp bổ sung, mỗi chuỗi trong 2 chuỗi polynucleotide nói trên có chứa đầy đủ các thông tin mang trong chuỗi còn lại. RNA được tổng hợp từ DNA nhờ quá trình phiên mã theo nguyên tắc bổ sung.
Trong RNA, thymine được thay bằng uracil (U). 20 Axít amin là một hợp chất hữu cơ được cấu tạo bởi ba thành phần: nhóm amin (-NH2), nhóm cacboxyl (-COOH) và nguyên tử cacbon trung tâm đính với 1 nguyên tử hyđrô và nhóm biến đổi R quyết định tính chất của axít amin [1,11]. Các axít amin kết hợp với nhau thành một mạch dài nhờ các liên kết peptide (còn gọi là chuỗi polypeptide) để tạo thành một chuỗi axít amin hay còn gọi là protein. Các chuỗi này có thể xoắn cuộn hoặc gấp theo nhiều cách để tạo thành các bậc cấu trúc không gian khác nhau của protein [2].
Mối quan hệ giữa nucleotide và axít amin được thể hiện qua quá trình tổng hợp protein. Trong một chuỗi nucleotide mã hóa protein, mỗi chuỗi ba nucleotide liên tiếp được gọi là một codon. Mỗi codon có thể mã hóa một axít amin hoặc là tín hiệu bắt đầu hoặc kết thúc của một quá trình tổng hợp protein [50]. Có tất cả 64 codon, trong đó có 61 codon mã hóa cho các axít amin, 3 codon còn lại được gọi là stop-codon (xem thêm Bảng 1.
Danh sách 64 codon. Mỗi codon mã hoá một axít amin. T C A G Axít Axít Axít Axít Codon Codon Codon Codon amin amin amin amin TTT Phe TCT Ser TAT Tyr TGT Cys T TTC Phe TCC Ser TAC Tyr TGC Cys C T TTA Leu TCA Ser TAA STOP TGA STOP A TTG Leu TCG Ser TAG STOP TGG Trp G CTT Leu CCT Pro CAT His CGT Arg T CTC Leu CCC Pro CAC His CGC Arg C C CTA Leu CCA Pro CAA Gln CGA Arg A CTG Leu CCG Pro CAG Gln CGG Arg G ATT Ile ACT Thr AAT Asn AGT Ser T ATC Ile ACC Thr AAC Asn AGC Ser C A ATA Ile ACA Thr AAA Lys AGA Arg A ATG Met ACG Thr AAG Lys AGG Arg G GTT Val GCT Ala GAT Asp GGT Gly T GTC Val GCC Ala GAC Asp GGC Gly C G GTA Val GCA Ala GAA Glu GGA Gly A GTG Val GCG Ala GAG Glu GGG Gly G 21 Tuy nhiên, do có nhiều codon cùng mã hoá một axít amin nên số axít amin được mã hoá chỉ là 20 [11]. Tên đầy đủ và viết tắt của 20 axít amin được liệt kê đầy đủ trong Bảng 1.
Danh sách 20 axít amin. STT Tên axít amin Tên viết tắt (3 ký tự) Tên viết tắt (1 ký tự) 1 Alanine Ala A 2 Arginine Arg R 3 Asparagine Asn N 4 Aspartic Asp D 5 Cysteine Cys C 6 Glutamine Gln Q 7 Glutamic Glu E 8 Glycine Gly G 9 Histidine His H 10 Isoleucine Ile I 11 Leucine Leu L 12 Lysine Lys K 13 Methionine Met M 14 Phenylalanine Phe F 15 Proline Pro P 16 Serine Ser S 17 Threonine Thr T 18 Tryptophan Trp W 19 Tyrosine Tyr Y 20 Valine Val V 1.2 Sắp hàng đa chuỗi Để xây dựng cây tiến hóa, ta sử dụng các đặc tính tương đồng – là đặc tính ở những sinh vật khác nhau nhưng tương tự nhau bởi chúng được kế thừa từ một tổ tiên chung có đặc tính đó. Trong phân tích tiến hóa dựa trên dữ liệu phân tử sinh học, ta sử dụng các chuỗi nucleotide/axít amin tương đồng 22 Quá trình tiến hóa làm cho các chuỗi phân tử sinh học (nucleotide/axít amin) tương đồng khác nhau về nội dung cũng như độ dài. Sắp hàng đa chuỗi (multiple sequence alignment – MSA) sẽ giúp làm rõ các phép biến đổi giữa các chuỗi phân tử sinh học.
Sắp hàng đa chuỗi có thể được hiểu như một ma trận các phân tử sinh học. Trong đó mỗi hàng chính là một chuỗi phân tử sinh học còn mỗi cột chứa các phân tử sinh học tương đồng của các chuỗi [50] (xem thêm Hình 1. Mỗi cột được gọi là một vị trí sắp hàng. Kích thước của một sắp hàng đa chuỗi được hiểu là số lượng chuỗi có trong sắp hàng đó, còn chiều dài của một sắp hàng đa chuỗi chính là chiều dài của một chuỗi trong sắp hàng.1 là một ví dụ của một sắp hàng đa chuỗi với bốn chuỗi axít amin của bốn loài linh trưởng.
Sắp hàng có chiều dài là 15. 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 Người E H D - N D E M C Q L K P L P Tinh tinh F H D R - D E M C Q L K P L P Khỉ đột F G R R - D E M C Q L K P L P Đười ươi F G D R - V H M C Q L K P L P Hình 1. Minh họa một sắp hàng đa chuỗi axít amin của bốn loài linh trưởng.3 Cây tiến hóa Cây tiến hóa là một dạng sơ đồ phân nhánh thể hiện mối quan hệ tiến hóa giữa các loài (cũng có thể mở rộng cho các cá thể hay các gen) dựa trên những điểm giống và khác trong thông tin di truyền. Các loài đưa vào phân tích quan hệ tiến hóa được cho là có một tổ tiên chung.
Mối quan hệ tiến hóa giữa các loài thường được biểu diễn bởi một cây nhị phân với cấu trúc như sau: mỗi đỉnh lá của cây biểu diễn một loài hiện tại (cho bởi dữ liệu vào); mỗi đỉnh trong của cây biểu diễn một loài tổ tiên (ta không có thông tin về các loài tổ tiên); mỗi cạnh của cây nối hai đỉnh của cây và biểu diễn mối quan hệ trực tiếp giữa hai loài ở hai đỉnh của cây; độ dài của cạnh nối hai loài trên cây cho biết khoảng cách tiến hóa giữa chúng. Khoảng cách tiến hóa này có thể được biểu diễn bằng thời 23 gian, hay số lượng các biến đổi nucleotide/axít amin giữa hai chuỗi nucleotide/axít amin được sử dụng để so sánh hai loài. Ta thường không có thông tin về các loài tổ tiên, cho nên không xác định được chính xác gốc của cây tiến hóa. Chính vì vậy, cây tiến hóa thường được biểu diễn bằng một cây nhị phân không gốc như minh họa ở Hình 1.
Sau đó, khi có thêm thông tin tiến hóa, ta sẽ dùng một kỹ thuật định gốc, ví dụ như kỹ thuật outgroup: lúc đầu bổ sung vào sắp hàng một chuỗi nucleotide/axít amin của một loài khác xa với nhóm loài đang xét, tới cuối cùng khi đã tìm được cây thì đặt gốc trên cạnh nối với loài này [50]. (A) (B) Người Tinh tinh Khỉ đột Đười ươi Người Khỉ đột Tinh tinh Đười ươi Hình 1. Một ví dụ về cây tiến hóa giữa bốn loài linh trưởng: (A) dạng cây nhị phân có gốc và (B) dạng cây nhị phân không gốc. Cây tiến hóa là một thành phần hữu ích trong các lĩnh vực sinh học, tin sinh học và nhân chủng học.
Trong luận án này, nếu không có chú thích thêm thì cây tiến hóa được gọi tắt là cây. Ngoài ra, luận án gọi cây tiến hóa là cấu trúc phân nhánh khi muốn nhấn mạnh việc các cạnh của cây chưa xác định được độ dài mà chỉ thể hiện mối quan hệ liền kề giữa các đỉnh trong cây. Luận án này sẽ bàn nhiều về cạnh trong của cây với vai trò phân hoạch. Đây là đơn vị nhỏ nhất trong quan hệ tiến hóa mà cây thể hiện.
Xét cạnh trong 𝑒𝑒(𝑎𝑎, 𝑏𝑏) thuộc tập cạnh 𝐸𝐸 của cây 𝑇𝑇, cạnh trong 𝑒𝑒 sẽ phân tách tập các lá của cây 𝑇𝑇 ra thành hai tập con 𝐿𝐿𝑎𝑎 |𝐿𝐿𝑏𝑏 , trong đó tập 𝐿𝐿𝑎𝑎 chứa các lá nằm cùng phía với đỉnh 𝑎𝑎; tập 𝐿𝐿𝑏𝑏 chứa các lá nằm cùng phía với đỉnh 𝑏𝑏. Ta gọi 𝐿𝐿𝑎𝑎 |𝐿𝐿𝑏𝑏 là một cách phân hoạch của cây 𝑇𝑇. Lưu ý, 24 hai phân hoạch 𝐿𝐿𝑎𝑎 |𝐿𝐿𝑏𝑏 và 𝐿𝐿𝑏𝑏 |𝐿𝐿𝑎𝑎 được coi là như nhau. Cây trong Hình 1.2B có duy nhất một cạnh trong.
Nó thể hiện rằng “Người” có họ hàng gần với “Tinh tinh” hơn là với “Khỉ đột” và “Đười ươi”.2 Tổng quan phân tích tiến hóa Theo Warnow [90], một quy trình phân tích quan hệ tiến hóa tổng quát và hoàn thiện gồm các bước: (1) Nhà sinh học nhận định câu hỏi nghiên cứu, từ đó lựa chọn các loài và các gen cần phân tích. (2) Thu thập chuỗi phân tử sinh học cho các loài và các gen này, thường là chuỗi DNA. (3) Với mỗi gen, xây dựng sắp hàng đa chuỗi. (4) Với mỗi gen, sử dụng sắp hàng đa chuỗi để xây dựng cây tiến hóa đơn gen.
(5) Tính toán độ hỗ trợ thống kê cho mỗi cạnh trong của cây tiến hóa đơn gen. Cách phổ biến nhất là dùng phương pháp bootstrap phi tham số (non- parametric bootstrap) [15]. Do trong luận án không khảo sát bootstrap có tham số (parametric bootstrap) [15] nên sau đây sẽ gọi tắt phương pháp bootstrap phi tham số là phương pháp bootstrap. (6) Xây dựng cây tiến hóa hoặc mạng lưới tiến hóa đa gen (phylogenomic tree/network) nhờ kết hợp các cây tiến hóa đơn gen.
(7) Sử dụng kết quả của bước 6 để trả lời câu hỏi ở bước 1. Bước 5 thường gắn chặt với kết quả của bước 4.