Tìm marker của gen ứng cử viên ở locus Rk (red kidney) để phát triển giống đậu cô ve hạt màu hồng chậm bị sẫm màu

 Tìm marker của gen ứng cử viên ở locus Rk (red kidney) để phát triển giống đậu cô ve hạt màu  hồng chậm bị sẫm màu

Caroline Osborne, Phillip E. McClean, Alvaro Soler Garzón, Atena Oladzad-Nejad, Rian Lee,  Phillip N. Miklas, Juan M. Osorno, Justin D. Faris & Jayanta Roy. 2026. A candidate gene marker at the red kidney color locus (Rk) enables the development of slow-darkening pink beans. Theoretical and Applied Genetics; 20 May 2026; vol. 139; article157

Xác định gen ứng cử viên Rk và những markers chẩn đoán cho phép nhà chọn giống du nhập được chính xác alen SD (slow‑darkening: làm chậm lại sự sậm màu) trong giống đậu hồng (pink beans), cho ra giống đậu có kiểu hình  SD ổn định và mở rộng sự hữu dụng của chọn giống theo phân khúc thị trường.

Đậu cô ve - common bean (Phaseolus vulgaris L.) là cây thực phẩm quan trọng của thế giới về dinh dưỡng và có phân khúc thị trường theo thị hiếu người tiêu dùng khác nhau. Đa gen điều khiển tính trạng màu vỏ hạt (seed coat color) và hoa văn vỏ hạt. Chúng phải phù hợp với thị hiếu trên thị trường. Do đó, hiểu biết về di truyền tính trạng này là yêu cầu bức thiết cho cải tiến giống đậu cô ve, đặc biệt phan khúc thị trường rất khác nhau. Một gen Rk, viết tắt từ chữ “red kidney” là gen quy định màu hạt đậu. Alen lặn rkp điều khiển biểu hiện màu hồng theo phân loại thị trường (market class). Kết quả phân tích GWAS, chạy trình tự gen ứng cử viên thông qua nhiều “market classes” khác nhau, kết quả bản đồ di truyền, kết quả phân tích di truyền huyết thống, cho phép người ta xác định “gene model” (mô phỏng gen) của PvUI111.02G213800, nó mã hóa protein “anthocyanidin reductase”, đây là ứng cử viên nặng ký cho gen Rk. Cô ve hồng, kèm theo là những đòi hỏi theo chuẩn thị trường, gặp phải hiện tượng sẫm màu hạt sau thu hoạch (postharvest seed coat darkening), vấn đề phẩm chất hạt này làm giảm giá trị kinh tế và chưa đáp ứng cho người tiêu dùng và giá trị dinh dưỡng đậu (nutritional value). Alen Psd có trong giống pinto tác động “slow-darkening” (làm chậm sự sẫm màu) viêt tắt SD. Du nhập alen Psd này vào giống đậu cô ve trên thị trường đậu hồng, thông qua lai hữu tính 3 giống đậu “pink” và giống đậu trồng “SD pinto” có tên thương mại ND Palomino. Sàng lọc 2240 con lai F2 với chỉ thị PACE nhằm đến đa gen (Psd, rkp, và pi) điều khiển tính trạng màu hồng và tính trạng “slow-darkening”, 32 cá thể biểu hiện các alen mong muốn và cho kiểu kình “SD pink”. Kiểu hình SD này được xác minh bằng xét nghiệm ultra-violet (UV) (λ = 254 nm), và xét nghiệm ngoài đồng ở quần thê con lai F5 – tất cả đều minh chứng tính ổn định của kiểu hình cần có. Các nỗ lực song song đang được triển khai nhằm đưa tính trạng SD này vào giống đậu cô ve hồng (light red kidney) và giống đậu cô ve “cranberry”, mở rộng tính hữu dụng theo phân khúc thị trường

 Xem https://link.springer.com/article/10.1007/s00122-026-05256-z

Hình: Biểu đồ Manhattan plot vàQ-Q plot theo phân tích GWAS. Biểu đồ Manhattan plot có đỉnh rất mạnh của Rk trên nhiễm sắc thể 2. Di truyền association còn cho kết qua gen Pi và gen B.


GHI CHÚ

Trong nghiên cứu di truyền học thực vật hiện đại—đặc biệt là đối với các loại cây trồng có sự phân hóa mạnh mẽ về kiểu hình thương mại như lúa, đậu tương hay lúa mì—việc kết hợp giữa di truyền học số lượng (Quantitative Genetics) và genomic chức năng (Functional Genomics) là chìa khóa để giải mã các tính trạng phức tạp.

Dưới đây là bài phân tích hệ thống kết nối các mắt xích từ GWAS, Market Classes, Bản đồ di truyền, Huyết thống (Pedigree) cho đến việc xác định Gene Model.

1. Nghiên cứu liên kết toàn hệ gen (GWAS) & Sự phân tầng quần thể theo “Market Classes”

GWAS (Genome-Wide Association Studies) dựa trên hiện tượng mất cân bằng liên kết (Linkage Disequilibrium - LD) để tìm mối tương quan giữa các đa hình đơn nucleotide (SNP) và kiểu hình. Tuy nhiên, trong chọn giống thực vật, quần thể nghiên cứu thường bị phân mảnh sâu sắc bởi các Market Classes (các nhóm thương mại/thị trường—ví dụ: gạo hạt dài hạt tròn, lúa mì cứng/mềm, đậu hạt màu đặc thù).

  • Thách thức về cấu trúc quần thể (Population Structure): Các market classes bản chất là các tiểu quần thể đã trải qua quá trình chọn lọc nhân tạo định hướng khác nhau. Nếu chạy GWAS thô mà không kiểm soát yếu tố này, sai số loại I (dương tính giả) sẽ bùng nổ do các SNP đặc trưng cho một market class bị nhầm là liên kết với tính trạng mục tiêu.

  • Chiến lược xử lý: * Sử dụng mô hình hỗn hợp tuyến tính (Mixed Linear Models - MLM) như Q+K hoặc Fixed and random model Circuitous Probability Unification (FarmCPU). Trong đó, ma trận Q (hoặc cấu trúc PCA) đại diện cho sự phân tầng quần thể (bao gồm cả market classes) và ma trận di truyền huyết thống K (Kinship) đóng vai trò biến ngẫu nhiên để kiểm soát quan hệ thân thuộc.

    • Chạy GWAS phân tầng (Stratified GWAS): Chạy GWAS riêng biệt trên từng market class cụ thể để tìm các alen hiệu ứng lớn đặc hiệu nhóm, sau đó so sánh với GWAS trên toàn quần thể (meta-analysis) để phát hiện các alen có hiệu ứng phổ quát (stable QTLs).

2. Bản đồ di truyền (Genetic Mapping) & Phân tích huyết thống (Pedigree Analysis)

Để thu hẹp vùng genomic chứa gen ứng cử viên được chỉ ra từ GWAS, chúng ta cần đối chiếu với Bản đồ di truyền và Hệ thống huyết thống.

  • Bản đồ di truyền (Bản đồ liên kết - Linkage Map): * Trong khi GWAS tận dụng các sự kiện tái tổ hợp lịch sử qua hàng ngàn thế hệ, bản đồ di truyền dựa trên các quần thể lai cụ thể (F2, RILs, BILs) tạo ra từ các dòng bố mẹ thuộc các market classes khác nhau.

    • Bản đồ liên kết giúp xác định khoảng cách di truyền (centiMorgan - cM), khẳng định chắc chắn trật tự vật lý của các locus và loại bỏ các tín hiệu GWAS giả do hiệu ứng epistatic (tương tác gen) hoặc do LD nhân tạo ở các vùng cận tâm động (pericentromeric regions) nơi tần suất tái tổ hợp rất thấp.
  • Phân tích di truyền huyết thống (Pedigree-based Genetic Analysis):

    • Phân tích này giúp truy vết nguồn gốc của các alen ưu việt (Identity-by-Descent - IBD).

    • Bằng cách xây dựng ma trận hệ số quan hệ huyết thống từ phả hệ kết hợp dữ liệu marker (Haplotype sharing), người nghiên cứu có thể biết chính xác alen đích từ GWAS được du nhập từ dòng bố mẹ nào, thuộc market class nào và cấu trúc haplotype xung quanh vùng gen đó có bị giữ lại thông qua quá trình “selective sweep” (quét chọn lọc) hay không.

3. Chạy trình tự gen ứng cử viên (Candidate Gene Sequencing)

Khi các tín hiệu peak từ Manhattan plot của GWAS trùng khớp với khoảng QTL trên bản đồ liên kết, một danh sách các gen ứng cử viên (Candidate Genes) trong vùng LD block sẽ được sàng lọc (thường dựa trên chú giải chức năng - Functional Annotation từ các database như NCBI, Gramene, Ensembl Plants).

  • Targeted Resequencing / Amplicon Sequencing: Tiến hành chạy trình tự sâu (Deep sequencing) vùng genomic của gen ứng cử viên trên một tập hợp các dòng đại diện cho nhiều market classes khác nhau.

  • Mục tiêu: * Phát hiện toàn bộ các biến dị tự nhiên bao gồm các SNP nằm trong vùng exon (đồng nghĩa/không đồng nghĩa), vùng intron (ảnh hưởng đến splicing), và đặc biệt là vùng promoter/UTR (ảnh hưởng đến mức độ biểu hiện).

    • Phân tích Haplotype: Gom cụm các biến dị này thành các haplotype đặc trưng. Từ đó đánh giá sự phân bố của các haplotype này giữa các market classes. (Ví dụ: Haplotype A mang lại năng suất cao nhưng chỉ xuất hiện ở market class gạo hạt dài, hoàn toàn vắng bóng ở gạo hạt tròn).

4. Xác định Mô phỏng gen (Gene Model)

Bước cuối cùng để chuyển từ dữ liệu di truyền số lượng sang sinh học phân tử là xác định chính xác Gene Model của gen mục tiêu. Một gene model mô tả cấu trúc giải phẫu hoàn chỉnh của gen trên bộ gen tham chiếu (Reference Genome) và các biến thể phiên mã của nó.

Để dựng hoặc chuẩn hóa một gene model chính xác cho gen ứng cử viên, quy trình thực nghiệm và tin sinh học thường bao gồm:

  • Xác định cấu trúc Exon-Intron:

    • Sử dụng dữ liệu RNA-Seq (Transcriptome) thu nhận từ các mô và giai đoạn sinh trưởng khác nhau của các dòng đại diện.

    • Áp dụng các công cụ như StringTie hoặc Scallop để lắp ráp các đoạn đọc RNA-Seq lên bộ gen tham chiếu, xác định chính xác các vị trí cắt nối (Splice sites - GT/AG rule).

    • Iso-Seq (PacBio/Oxford Nanopore): Chạy trình tự RNA mạch dài để phát hiện các biến thể phiên mã thay thế (Alternative Splicing events) mà RNA-Seq mạch ngắn có thể bỏ sót. Việc thay đổi gene model do alternative splicing có thể dẫn đến các protein có chức năng đối kháng nhau.

  • Xác định vùng điều khiển (Promoter & UTR):

    • Xác định vị trí bắt đầu phiên mã (TSS) thông qua CAGE-seq hoặc phân tích dữ liệu RNA-seq có định hướng mạch (Stranded RNA-Seq).

    • Dự đoán các motif liên kết của yếu tố phiên mã (Transcription Factor Binding Sites) ở vùng thượng nguồn (Upstream - 2kb tính từ ATG).

  • Đồng bộ hóa với dữ liệu đa hình (VCF):

    • Tích hợp dữ liệu chạy trình tự gen ứng cử viên từ mục (3) vào cấu trúc gene model.

    • Phân tích hiệu ứng của biến dị (Variant Effect Prediction - ví dụ dùng công cụ SnpEff hoặc VEP): Xem xét liệu SNP/Indel tìm được từ GWAS có gây ra đột biến dịch khung (frameshift), xuất hiện mã kết thúc sớm (premature stop codon), hay làm thay đổi amino acid phân cực tại trung tâm hoạt động của enzyme hay không.

Tóm tắt luồng công việc (Workflow)

[Quần thể đa dạng các Market Classes] 
       │
       ├───> GWAS (Kiểm soát Q+K để tránh dương tính giả do phân tầng) ───> Xác định Tín hiệu Đỉnh (Peak SNPs)
       │                                                                       │
[Bản đồ di truyền & Phả hệ] ──────────────────────────────────────────────────> Đối chiếu & Thu hẹp vùng LD Block
                                                                               │
                                                                               ▼
                                                                  [Gen ứng cử viên (Candidate Genes)]
                                                                               │
                                                                               ▼
                                                                  [Targeted Resequencing & Haplotype]
                                                                               │
                                                                               ▼
                                                              [Xác định Gene Model + RNA-Seq/Iso-Seq]
                                                                               │
                                                                               ▼
                                                               [Kiểm chứng chức năng (Knock-out/Overexpression)]

Sự kết hợp chặt chẽ này giúp các nhà chọn giống không chỉ dừng lại ở việc tìm ra “marker liên kết” mà tiến thẳng tới việc hiểu rõ “cơ chế phân tử”, từ đó áp dụng chọn giống thiết kế chính xác (Breeding by Design) hoặc chỉnh sửa gen (Gene Editing) một cách hiệu quả trên các dòng thương mại mục tiêu.

PHẦM MỀM NGHIÊN CỨU 

1. Phân tích GWAS và Di truyền số lượng

  • TASSEL (Trait Analysis by Association, Evolution and Linkage): Phần mềm hàng đầu để chạy GWAS, tính toán ma trận huyết thống (Kinship - K), cấu trúc quần thể (Q), cấu trúc liên kết haplotype và LD. Hỗ trợ các mô hình MLM, GLM.

  • GAPIT (Genome Association and Prediction Integrated Tool): Gói lệnh mạnh mẽ chạy trên môi trường R, tích hợp các mô hình GWAS tiên tiến nhất như FarmCPU, BLINK, giúp kiểm soát phân tầng quần thể cực tốt (phù hợp khi phân tích nhiều market classes).

  • PLINK: Phần mềm chạy bằng dòng lệnh (Command-line) cực mạnh để xử lý thô dữ liệu genotype lớn, kiểm tra chất lượng dữ liệu (Quality Control: lọc tỷ lệ mất dấu - call rate, tần suất alen hiếm - MAF).

2. Xử lý trình tự gen và Cấu trúc gen (Gene Model)

  • BioEdit: Phần mềm kinh điển, giao diện trực quan trên Windows dùng để căn chỉnh trình tự (Sequence Alignment), đọc file sắc ký đồ DNA (.ab1, .seq), dịch mã trình tự nucleotide sang protein.

  • IGV (Integrative Genomics Viewer): Trình xem bộ gen trực quan. Cực kỳ cần thiết để trực quan hóa dữ liệu RNA-Seq, bản đồ các đoạn đọc (reads mapping) để kiểm tra cấu trúc Exon-Intron, vùng cắt nối (Splice sites) khi dựng Gene Model.

  • MegaX (Molecular Evolutionary Genetics Analysis): Phần mềm miễn phí dùng để căn chỉnh đa trình tự (ClustalW/Muscle) và xây dựng cây phát sinh chủng loại (Phylogenetic tree) nhằm phân tích huyết thống hoặc quan hệ tiến hóa của các gen ứng cử viên.

II. Cơ sở dữ liệu (Database) cốt lõi

  • NCBI (National Center for Biotechnology Information): Kho tàng lớn nhất chứa trình tự nucleotide (GenBank), protein, cấu trúc gen và các công cụ tra cứu mã vạch phân tử.

  • Ensembl Plants / BioMart: Hệ thống quản lý bộ gen thực vật toàn diện (lúa, ngô, đậu tương...). Công cụ BioMart tại đây cho phép tải hàng loạt (bulk download) các chú giải gen, tọa độ nhiễm sắc thể, và vùng promoter của các gen ứng cử viên.

  • Gramene: Cơ sở dữ liệu so sánh bộ gen và các con đường chuyển hóa sinh học (Pathways) chuyên biệt cho các loài thực vật, hỗ trợ đắc lực cho việc chú giải chức năng của vùng QTL tìm thấy từ GWAS.

III. Website hỗ trợ nghiên cứu & Công cụ trực tuyến

1. Phân tích chức năng gen & Dự đoán biến dị

  • UniProt: Cơ sở dữ liệu thông tin protein toàn diện nhất. Giúp kiểm tra chức năng sinh học, vùng cấu trúc (domains) của protein mà gen ứng cử viên mã hóa.

  • KEGG Pathway: Website hỗ trợ tra cứu các sơ đồ mạng lưới phản ứng sinh hóa, giúp xác định gen ứng cử viên của bạn nằm ở mắt xích nào trong các con đường chuyển hóa sinh học của tế bào.

  • SnpEff / Variant Effect Predictor (VEP): Các công cụ trực tuyến hoặc dòng lệnh giúp dự đoán ảnh hưởng của các SNP (tìm thấy từ GWAS/Chạy trình tự) lên mô phỏng gen (ví dụ: SNP đó gây đột biến vô nghĩa - Missense, hay làm hỏng vị trí cắt nối Splice site).

2. Thiết kế mồi (Primer Design) để chạy trình tự gen ứng cử viên

  • Primer3Plus: Công cụ trực tuyến chuẩn xác và phổ biến nhất để thiết kế cặp mồi PCR, phục vụ cho việc giải trình tự Sanger hoặc giải trình tự mục tiêu (Targeted Resequencing) các exon của gen ứng cử viên.

Mẹo phối hợp công cụ: > 1. Dùng PLINK để lọc sạch dữ liệu SNP → Chạy GWAS bằng TASSEL hoặc GAPIT để tìm Marker đỉnh.

2. Lấy tọa độ vùng nhiễm sắc thể chứa Marker đỉnh tra cứu trên Ensembl Plants để xuất danh sách Gen ứng cử viên.

3. Thiết kế mồi bằng Primer3Plus để chạy trình tự các dòng thuộc các market classes khác nhau, sau đó đọc và căn chỉnh file trình tự bằng BioEdit/MEGAX.

4. Tải dữ liệu RNA-seq của gen đó về, nạp vào IGV để kiểm tra và chuẩn hóa lại Gene Model

Comments

Popular posts from this blog

Di truyền tính kháng virus gây bệnh “bud necrosis” do vector bọ trĩ trên đậu phông

GWAS tìm ra loci mới quy định tính kháng bệnh rosette của đậu phụng châu Phi

Gene quan trọng trong hàm lượng protein đậu tương được tìm thấy sau 30 năm