Tổng quan nghiên cứu

Thị trường thương mại dược liệu thuộc chi Panax trên toàn cầu hiện đạt giá trị ước tính vượt 2,1 tỷ USD mỗi năm, khẳng định vị thế kinh tế và y học vượt trội của các loài nhân sâm. Trong số đó, sâm Ngọc Linh (Panax vietnamensis Ha et Grushv.) là loài dược liệu đặc hữu vô cùng quý hiếm của Việt Nam, chứa hàm lượng saponin khung dammaran và ocotillol phong phú với hơn 50 hợp chất ginsenoside có hoạt tính sinh học cao. Do áp lực khai thác cạn kiệt trong tự nhiên và vùng phân bố hẹp tại vùng núi cao Ngọc Linh, loài thực vật này đã được đưa vào Sách đỏ Việt Nam năm 2007 và Danh lục đỏ của Liên minh Quốc tế Bảo tồn Thiên nhiên (IUCN).

Vấn đề nghiên cứu then chốt hiện nay là sự thiếu hụt dữ liệu di truyền học chức năng ở cấp độ hệ phiên mã (transcriptome) đặc hiệu theo từng cơ quan mô. Để giải quyết rào cản này, luận văn tập trung vào mục tiêu giải trình tự, lắp ráp de novo và chú giải chức năng toàn diện hệ phiên mã của mô lá và mô thân rễ trên 6 mẫu sâm Ngọc Linh 4 năm tuổi thu thập tại Trại Sâm gốc Tắk Ngo, huyện Nam Trà My, tỉnh Quảng Nam. Nghiên cứu hoàn thành vào năm 2022 thuộc chuyên ngành Sinh học thực nghiệm.

Ý nghĩa khoa học và thực tiễn của công trình được thể hiện qua các chỉ số định lượng cụ thể: thiết lập bộ dữ liệu hệ phiên mã chuẩn hóa với hơn 46.000 unigene đại diện, đạt tỷ lệ chú giải chức năng tổng thể lên tới 60,85% trên 7 cơ sở dữ liệu quốc tế. Kết quả này cung cấp cơ sở dữ liệu phân tử quan trọng phục vụ chọn tạo giống, định danh nguồn gốc và tối ưu hóa các con đường sinh tổng hợp hoạt chất saponin quý phục vụ ngành dược liệu Việt Nam.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Nghiên cứu được xây dựng trên nền tảng lý thuyết sinh học phân tử hiện đại về biểu hiện gen đặc hiệu mô (tissue-specific gene expression) và sinh tổng hợp các hợp chất chuyển hóa thứ cấp ở thực vật bậc cao. Hệ phiên mã phản ánh toàn bộ các phân tử RNA được phiên mã trong một tế bào hoặc mô tại một thời điểm sinh lý xác định, cung cấp bức tranh động về chức năng hệ gen. Bên cạnh đó, mô hình sinh tổng hợp triterpene saponin thông qua con đường mevalonate (MVA) và methylerythritol phosphate (MEP) là cơ sở lý thuyết định hướng việc phát hiện các gen mã hóa enzyme chủ chốt như squalene synthase, squalene epoxidase và dammarenediol-II synthase.

Các khái niệm chuyên ngành cốt lõi được áp dụng xuyên suốt bao gồm:

  1. Giải trình tự RNA thế hệ mới (RNA-Seq): Kỹ thuật giải trình tự thông lượng cao cho phép định lượng và phân tích cấu trúc của toàn bộ hệ phiên mã với độ nhạy vượt trội.
  2. Lắp ráp de novo (De novo assembly): Quá trình ghép nối các đoạn đọc ngắn (reads) thành các đoạn trình tự liên tục (contigs) mà không cần dựa trên hệ gen tham chiếu đã biết.
  3. Unigene: Tập hợp các bản phiên mã đại diện duy nhất, không dư thừa sau khi phân cụm các đoạn contig tương đồng thuộc cùng một locus gen.
  4. Khung đọc mở (Open Reading Frame - ORF): Vùng trình tự nucleotide liên tục bắt đầu từ codon mở đầu đến codon kết thúc, có khả năng dịch mã thành chuỗi polypeptide hoàn chỉnh.

Phương pháp nghiên cứu

Về cỡ mẫu và phương pháp chọn mẫu, nghiên cứu sử dụng tổng cộng 6 mẫu sinh học độc lập từ cây sâm Ngọc Linh 4 năm tuổi sinh trưởng khỏe mạnh tại Nam Trà My, Quảng Nam. Mẫu được chia đều thành 2 nhóm mô chuyên biệt gồm 3 mẫu mô lá (ký hiệu L4.1, L4.2, L4.3) và 3 mẫu mô thân rễ (ký hiệu C4.1, C4.2, C4.3). Phương pháp chọn mẫu phân tầng có chủ đích nhằm so sánh chính xác sự khác biệt chức năng giữa cơ quan quang hợp và cơ quan dự trữ saponin chính.

Về quy trình xử lý ướt, mẫu mô tươi được rửa sạch, khử trùng bề mặt và cố định ngay trong dung dịch RNAlater ở 4 độ C trong 24 giờ trước khi bảo quản lâu dài tại âm 80 độ C. RNA tổng số được tách chiết bằng bộ kit RNeasy Plant Mini Kit của hãng Qiagen, xử lý DNase để loại bỏ DNA tạp nhiễm. Nồng độ và độ tinh sạch của RNA được kiểm định nghiêm ngặt qua độ hấp thụ quang phổ A260/A280 đạt dải chuẩn từ 1,90 đến 2,15 và điện di trên gel agarose 0,8%. Thư viện cDNA mạch đôi được xây dựng bằng bộ kit TruSeq Stranded mRNA LT của Illumina và tiến hành giải trình tự Paired-End trên hệ thống NGS Illumina hiện đại.

Lý do lựa chọn chuỗi công cụ tin sinh học: Do sâm Ngọc Linh chưa có hệ gen tham chiếu hoàn chỉnh, quy trình xử lý dữ liệu được thiết kế tối ưu cho lắp ráp de novo. Dữ liệu thô được kiểm tra chất lượng bằng FastQC v0.11.5 và làm sạch qua Trimmomatic v0.36 để loại bỏ triệt để adapter và các base có điểm chất lượng thấp, loại các đoạn đọc ngắn hơn 36 bp. Phần mềm Trinity r20140717 với 3 module độc lập (Inchworm, Chrysalis, Butterfly) được lựa chọn nhờ thuật toán đồ thị de Bruijn mạnh mẽ nhất hiện nay trong lắp ráp transcriptome thực vật. Các contig sau đó được phân nhóm bằng CD-HIT-EST v4.6.4 với ngưỡng tương đồng 90% (loại bỏ trình tự dưới 200 bp) để tạo tập hợp unigene sạch. Công cụ TransDecoder v3.0.1 dự đoán các ORF với ngưỡng tối thiểu 100 axit amin dựa trên mô hình Markov bậc 5. Mức độ biểu hiện và độ phong phú của unigene được định lượng bằng phần mềm RSEM v1.2.31 tích hợp Bowtie. Cuối cùng, chức năng gen được chú giải đồng thời trên 7 ngân hàng dữ liệu chuẩn quốc tế (NCBI NR, NCBI NT, GO, KEGG, UniProtKB, Pfam, EggNOG) bằng công cụ DIAMOND BLASTX/BLASTN với ngưỡng tin cậy E-value bằng 1.0e-5. Toàn bộ quy trình nghiên cứu được triển khai thực hiện trong giai đoạn từ năm 2020 đến cuối năm 2022.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

Thứ nhất, dữ liệu giải trình tự thô đạt chất lượng kỹ thuật rất cao. Sau bước tiền xử lý bằng Trimmomatic, bộ dữ liệu thu được hàng chục triệu đoạn đọc sạch với tổng số hơn 43 triệu base đọc chất lượng cao. Điểm chất lượng trung bình Q20 (độ chính xác 99%) đạt trên 95% và chỉ số Q30 (độ chính xác 99,9%) đạt trên 90% ở tất cả các mẫu, tỷ lệ GC phân bố đồng đều quanh mức 43% đến 45%, chứng minh độ tin cậy tuyệt đối để bước vào phân tích sâu.

Thứ hai, kết quả lắp ráp de novo bằng Trinity phản ánh sự phong phú vượt trội của hệ phiên mã mô lá so với mô thân rễ ở sâm 4 năm tuổi. Tại mẫu mô lá L4.1, hệ thống lắp ráp được 70.526 gen Trinity tương ứng 106.618 bản phiên mã với chỉ số N50 đạt 993 bp, kích thước contig trung bình là 728,62 bp và tổng chiều dài lắp ráp đạt hơn 77,1 triệu base. Trong khi đó, ở mẫu thân rễ C4.1, số lượng ghi nhận là 47.870 gen với 69.590 bản phiên mã, chỉ số N50 đạt 861 bp và tổng chiều dài lắp ráp đạt hơn 44,0 triệu base. Sau bước phân nhóm loại bỏ dư thừa bằng CD-HIT-EST, số lượng unigene đơn lẻ ở mô lá L4.1 đạt 46.882 unigene với kích thước trung bình 592,72 bp.

Thứ ba, tỷ lệ ánh xạ (mapping rate) của các đoạn đọc sạch quay trở lại hệ phiên mã lắp ráp đạt mức cao từ 66,92% đến 72,76% khi đánh giá bằng Bowtie, cho thấy cấu trúc transcriptome đã tái hiện chính xác đại đa số các phân tử RNA biểu hiện. Quá trình dự đoán khung đọc mở bằng TransDecoder xác định được từ 33,04% đến 37,01% unigene ở mô lá mang ORF, trong đó tỷ lệ ORF hoàn chỉnh (chứa đầy đủ codon mở đầu và kết thúc) chiếm tới 32,68% đến 48,40%.

Thứ tư, hiệu quả chú giải chức năng đạt bước tiến đột phá với 60,85% tổng số unigene (tương đương 22.149 unigene) được chú giải thành công trên ít nhất một cơ sở dữ liệu. Xét theo từng hệ thống cơ sở dữ liệu riêng biệt:

  • KEGG đạt tỷ lệ chú giải cao nhất với 57,95% (21.090 unigene).
  • NCBI NR đạt tỷ lệ 57,75% (21.018 unigene).
  • EggNOG đạt tỷ lệ 56,56% (20.584 unigene).
  • Gene Ontology (GO) đạt tỷ lệ 53,29% (19.394 unigene).
  • NCBI NT đạt tỷ lệ 45,82% (16.674 unigene).
  • Pfam đạt tỷ lệ 45,45% (16.541 unigene).
  • UniProtKB đạt tỷ lệ 45,40% (16.523 unigene).

Thảo luận kết quả

Sự vượt trội về số lượng bản phiên mã và gen biểu hiện ở mô lá so với thân rễ phản ánh bản chất sinh học chuyên hóa của từng cơ quan. Mô lá là trung tâm quang hợp, chuyển hóa năng lượng sơ cấp và phản ứng với các stress môi trường ánh sáng, do đó duy trì mức độ phiên mã đa dạng hơn. Ngược lại, mô thân rễ ở giai đoạn 4 năm tuổi tập trung chủ yếu vào chức năng dự trữ và sinh tổng hợp các hợp chất thứ cấp đặc thù, đặc biệt là nhóm saponin triterpenoid.

Tỷ lệ chú giải 60,85% trong luận văn này vượt trội rõ rệt khi so sánh với công bố năm 2020 của nhóm tác giả trước đó trên mẫu hỗn hợp sâm Ngọc Linh không xác định độ tuổi, vốn chỉ đạt tỷ lệ chú giải 35,49% (với 31.686 unigene). Sự cải thiện này bắt nguồn từ chiến lược giải trình tự sâu đặc hiệu theo từng mô và sử dụng thuật toán DIAMOND thế hệ mới với các ngân hàng dữ liệu protein cập nhật toàn diện. Khoảng 39,15% unigene chưa được chú giải mở ra tiềm năng to lớn về các gen mới độc bản chỉ tồn tại ở sâm Ngọc Linh mà các loài trong chi Panax khác không có.

Về phương thức trực quan hóa dữ liệu, các phát hiện nghiên cứu được mô hình hóa chặt chẽ qua hệ thống biểu đồ khoa học: Biểu đồ hộp FastQC minh chứng độ tin cậy của chất lượng đọc; Bảng ma trận so sánh phân bố chiều dài contig và chỉ số N50 thể hiện tính toàn vẹn của thuật toán lắp ráp; Biểu đồ Venn đa hướng mô tả tương quan giao thoa giữa 7 cơ sở dữ liệu chú giải; và Biểu đồ thanh phân tầng GO trực quan hóa 3 nhóm chức năng lớn gồm: Quá trình sinh học (Biological Process chiếm 13,80% đến 18,09%), Thành phần tế bào (Cellular Component chiếm 15,15% đến 19,50%) và Chức năng phân tử (Molecular Function chiếm 13,41% đến 17,50%). Kết quả chú giải KEGG đã tái lập hoàn chỉnh mạng lưới các con đường sinh hóa chính, đặc biệt là con đường chuyển hóa trao đổi chất và sinh tổng hợp các chất chuyển hóa thứ cấp của sâm.

Đề xuất và khuyến nghị

Dựa trên các phát hiện thực nghiệm, luận văn đưa ra 4 nhóm giải pháp chiến lược có tính hành động cao:

  1. Xây dựng ngân hàng dữ liệu hệ phiên mã số hóa mở cho sâm Ngọc Linh: Chủ thể thực hiện là Viện Hàn lâm Khoa học và Công nghệ Việt Nam, đặt mục tiêu số hóa 100% dữ liệu RNA-Seq đã chuẩn hóa và các unigene chú giải lên cổng thông tin truy cập mở trong lộ trình 6 đến 12 tháng, tạo tài nguyên nghiên cứu dùng chung cho cộng đồng khoa học trong nước và quốc tế.
  2. Khai thác sâu các gen vi sai điều hòa sinh tổng hợp saponin: Giao cho các nhóm nghiên cứu sinh học phân tử thực hiện phân tích biểu hiện vi sai (DEG) kết hợp RT-qPCR trong vòng 12 đến 18 tháng tới, nhằm định vị chính xác từ 10 đến 15 gen enzyme then chốt tham gia chuyển hóa các ginsenoside đặc hữu như Majonoside R2 (MR2).
  3. Ứng dụng chỉ thị phân tử SSR trong giám định và bảo tồn giống thuần chủng: Các viện nghiên cứu giống cây trồng phối hợp cùng Bộ Khoa học và Công nghệ khai thác các đoạn lặp SSR từ tập hợp 46.882 unigene đã xây dựng, thiết lập bộ kít chỉ thị phân tử phục vụ kiểm định 100% lô sâm giống thương phẩm, ngăn chặn triệt để tình trạng trà trộn sâm giả trong vòng 2 năm tới.
  4. Tích hợp công nghệ giải trình tự đoạn dài để hoàn thiện hệ gen hoàn chỉnh: Phối hợp liên ngành thực hiện giải trình tự toàn bộ hệ gen (Whole Genome Sequencing) bằng công nghệ PacBio HiFi kết hợp dữ liệu RNA-Seq hiện có, với mục tiêu đạt độ bao phủ hệ gen trên 95% trong tầm nhìn chiến lược 3 đến 5 năm tới.

Đối tượng nên tham khảo luận văn

Công trình luận văn thạc sĩ này là tài liệu tham khảo có giá trị học thuật và ứng dụng cao cho 4 nhóm đối tượng trọng tâm:

  1. Các nhà nghiên cứu và học viên cao học chuyên ngành Công nghệ Sinh học, Tin sinh học và Di truyền học: Luận văn cung cấp trọn vẹn quy trình phân tích tin sinh học de novo chuẩn mực, từ tiền xử lý dữ liệu RNA-Seq Illumina, thuật toán lắp ráp Trinity, phân cụm CD-HIT-EST cho đến phương pháp chú giải đa cơ sở dữ liệu trên 7 ngân hàng quốc tế.
  2. Các nhà khoa học và doanh nghiệp hoạt động trong lĩnh vực Dược liệu và Dược học cổ truyền: Nghiên cứu mang lại cái nhìn sâu sắc về đặc điểm biểu hiện gen tại cơ quan thân rễ và lá của sâm 4 năm tuổi, hỗ trợ xây dựng quy trình thu hái dược liệu đúng độ tuổi tích lũy hoạt chất cao nhất.
  3. Các nhà quản lý tài nguyên sinh học và chuyên gia bảo tồn nguồn gen: Cung cấp cơ sở dữ liệu phân tử xác thực hỗ trợ công tác quản lý, đăng ký chỉ dẫn địa lý, bảo hộ bản quyền giống sâm Ngọc Linh theo các tiêu chuẩn quốc tế và Sách đỏ Việt Nam.
  4. Các kỹ sư công nghệ sinh học và chuyên gia nuôi cấy mô thực vật: Tài liệu hỗ trợ đắc lực cho việc nghiên cứu biểu hiện gen trong nuôi cấy sinh khối rễ bất định hoặc huyền phù tế bào sâm trong hệ thống bioreactor công nghiệp.

Câu hỏi thường gặp

Tại sao nghiên cứu lại chọn cây sâm Ngọc Linh ở độ tuổi 4 năm để giải trình tự hệ phiên mã?

Giai đoạn 4 năm tuổi là mốc sinh trưởng bản lề khi cây sâm Ngọc Linh bắt đầu bước vào giai đoạn trưởng thành sinh sản ổn định và tích lũy mạnh mẽ các hợp chất triterpene saponin trong thân rễ. Dữ liệu hệ phiên mã ở thời điểm này phản ánh toàn diện các con đường trao đổi chất đang hoạt động tối đa giữa lá và củ.

Vì sao phải sử dụng phương pháp lắp ráp de novo thay vì ánh xạ trực tiếp vào hệ gen tham chiếu?

Do cây sâm Ngọc Linh (Panax vietnamensis) chưa có hệ gen chuẩn hoàn chỉnh được công bố trên thế giới, phương pháp lắp ráp de novo bằng Trinity là lựa chọn kỹ thuật tối ưu và bắt buộc. Thuật toán đồ thị de Bruijn cho phép tái tạo chính xác hơn 46.000 unigene trực tiếp từ các đoạn đọc ngắn.

Tỷ lệ 60,85% unigene được chú giải chức năng có ý nghĩa gì đối với nghiên cứu dược liệu?

Tỷ lệ 60,85% (tương ứng 22.149 unigene) được định danh chức năng trên 7 cơ sở dữ liệu quốc tế như KEGG, GO, NR khẳng định độ tin cậy vượt bậc của dữ liệu. Đồng thời, 39,15% trình tự chưa chú giải mở ra cơ hội phát hiện các gen mới đặc hữu quy định những hoạt chất saponin độc bản của sâm Việt Nam.

Sự khác biệt cơ bản giữa hệ phiên mã mô lá và mô thân rễ sâm Ngọc Linh là gì?

Mô lá thể hiện tính đa dạng phiên mã cao hơn với 70.526 gen và N50 đạt 993 bp, phục vụ các chức năng quang hợp và phản ứng môi trường. Mô thân rễ thể hiện tính chuyên hóa sâu với 47.870 gen và N50 đạt 861 bp, tập trung ưu tiên cho các con đường sinh hóa tích lũy sinh khối và saponin.

Dữ liệu từ luận văn có thể ứng dụng như thế nào trong việc chống gian lận thương mại sâm Ngọc Linh?

Từ cơ sở dữ liệu 46.882 unigene thu được, các nhà khoa học có thể sàng lọc các chỉ thị phân tử đặc hiệu loài như SSR và SNP. Các chỉ thị này cho phép phát triển bộ kit xét nghiệm PCR nhanh giúp phân biệt chính xác 100% sâm Ngọc Linh thật với các loài sâm ngoại lai khác trên thị trường.

Kết luận

  • Luận văn đã phân tích thành công hệ phiên mã đặc hiệu mô lá và thân rễ trên 6 mẫu sâm Ngọc Linh 4 năm tuổi bằng công nghệ giải trình tự NGS Illumina với chất lượng dữ liệu vượt trội (chỉ số Q30 trên 90%).
  • Lắp ráp de novo hoàn chỉnh hệ phiên mã bằng Trinity và CD-HIT-EST, xác lập bộ dữ liệu chuẩn gồm 46.882 unigene đại diện với chỉ số N50 đạt 993 bp ở mô lá và 861 bp ở mô thân rễ.
  • Đạt tỷ lệ chú giải chức năng 60,85% tổng số unigene trên 7 cơ sở dữ liệu chuẩn quốc tế, trong đó ngân hàng KEGG đạt tỷ lệ định danh cao nhất là 57,95%.
  • Đóng góp nguồn dữ liệu di truyền học chức năng toàn diện đầu tiên cho sâm Ngọc Linh 4 năm tuổi, làm sáng tỏ các con đường trao đổi chất và sinh tổng hợp saponin đặc hữu.
  • Tạo tiền đề kỹ thuật vững chắc cho lộ trình 12 đến 24 tháng tới nhằm phân tích biểu hiện gen vi sai, phát triển chỉ thị phân tử và thúc đẩy các ứng dụng công nghệ sinh học bảo tồn nguồn gen sâm quý của Việt Nam.