Thu thập và tổ chức dữ liệu Gene phục vụ nghiên cứu cây trồng biến đổi di truyền

BỘ GIÁO DỤC VÀ ĐÀO TẠO
ĐẠI HỌC NÔNG LÂM TP. HỒ CHÍ MINH
BỘ MÔN CÔNG NGHỆ SINH HỌC
  


KHÓA LUẬN TỐT NGHIỆP



THU THẬP VÀ TỔ CHỨC DỮ LIỆU GENE
PHỤC VỤ NGHIÊN CỨU CÂY TRỒNG
BIẾN ĐỔI DI TRUYỀN






NGÀNH HỌC: CÔNG NGHỆ SINH HỌC
NIÊN KHÓA: 2001-2005
SINH VIÊN THỰC HIỆN:
NGUYỄN KỲ TRUNG 01125137
LÊ THÀNH TRUNG 01126165



Thành phố Hồ Chí Minh
Tháng 9/2005

ii
BỘ GIÁO DỤC VÀ ĐÀO TẠO
ĐẠI HỌC NÔNG LÂM TP. HỒ CHÍ MINH
BỘ MÔN CÔNG NGHỆ SINH HỌC
  





THU THẬP VÀ TỔ CHỨC DỮ LIỆU GENE
PHỤC VỤ NGHIÊN CỨU CÂY TRỒNG
BIẾN ĐỔI DI TRUYỀN






Giảng viên hƣớng dẫn: Sinh viên thực hiện:
PGS.TS. BÙI THỌ THANH NGUYỄN KỲ TRUNG
TS. BÙI MINH TRÍ LÊ THÀNH TRUNG
TS. NGUYỄN CÔNG VŨ






Thành phố Hồ Chí Minh

Tháng 9/2005


iii

LỜI CẢM ƠN

Chúng em chân thành cảm ơn:
- Ban Giám hiệu trƣờng Đại học Nông Lâm thành phố Hồ Chí Minh.
- Ban Giám đốc Trung tâm Phân tích Thí nghiệm Trƣờng Đại học Nông Lâm thành
phố Hồ Chí Minh.
- Ban chủ nhiệm Bộ Môn Công nghệ Sinh học cùng toàn thể Quý Thầy Cô đã truyền
đạt kiến thức cho chúng em trong suốt quá trình học tập tại trƣờng.
Chúng em xin gửi lòng biết ơn sâu sắc đến:
- TS. Bùi Minh Trí
- PGS.TS. Bùi Thọ Thanh
- TS. Nguyễn Công Vũ
Đã tận tình hƣớng dẫn tạo điều kiện tốt nhất cho chúng em trong suốt quá trình
thực hiện đề tài và hoàn thành luận văn tốt nghiệp này.
Chúng em đồng chân thành cảm ơn đến:
- Thầy Lƣu Phúc Lợi
- TS. Đinh Duy Kháng
- Các bạn sinh viên Khoa Công nghệ Thông tin đang làm việc trong nhóm
Bioinformatics Đại học Nông Lâm thành phố Hồ Chí Minh
- Các anh chị đang làm việc tại Trung tâm Phân tích Hóa sinh
- Các bạn trong lớp CNSH27
Đã hết giúp đỡ, hỗ trợ, động viên, chia sẽ những buồn vui trong suốt thời gian
chúng tôi thực tập và thực hiện đề tài này.
Tp. Hồ Chí Minh tháng 09 năm 2005
Sinh viên thực hiện

Nguyễn Kỳ Trung
Lê Thành Trung


iv

TÓM TẮT

Tên đề tài: THU THẬP VÀ TỔ CHỨC DỮ LIỆU GENE PHỤC VỤ
NGHIÊN CỨU CÂY TRỒNG BIẾN ĐỔI DI TRUYỀN, do hai sinh viên:
NGUYỄN KỲ TRUNG và LÊ THÀNH TRUNG thực hiện tháng 9/2005.
Giảng viên hƣớng dẫn: PGS.TS. BÙI THỌ THANH
TS. BÙI MINH TRÍ
TS. NGUYỄN CÔNG VŨ
Đề tài thực hiện nhằm mục đích tập hợp, tổ chức dữ liệu gene phục vụ cho nghiên
cứu cây trồng biến đổi di truyền. Công việc đƣợc tiến hành tại Trung Tâm Phân Tích
Hóa Sinh (Đại học Nông Lâm TP.HCM), Phòng thực hành mạng (Khoa Công Nghệ
Thông Tin, Đại học Nông Lâm TP.HCM).
Công việc đƣợc tiến hành chia ra nhiều giai đoạn:
 Khai thác thông tin ấn phẩm bài báo về cây trồng biến đổi di truyền trên
kho dữ liệu khổng lồ trên internet bằng hai công cụ tìm kiếm trang web Google
và Scirus.
 Khai thác thông tin trình tự trên GenBank tại NCBI bằng hai công cụ
Entrez và BLAST.
 Tổ chức thông tin dữ liệu với ngôn ngữ Perl.
 Xử lý dữ liệu, tạo giao diện sử dụng khai thác dữ liệu cho ngƣời dùng
với Biojava, công nghệ Java servlet và công cụ thiết kế web Frontpage,
Dreamweaver.
Kết quả tạo ra qui trình tìm trình tự gene mong muốn trên cơ sở dữ liệu trình tự
chung GenBank và tạo đƣợc cơ sở dữ liệu riêng về các gene liên quan đến cây trồng

biến đổi di truyền phục vụ khai thác dễ dàng thuận lợi cho các nhà nghiên cứu trong
lĩnh vực này.



v

SUMMARY
“COLECTING AND ORGANIZING GENE DATA SERVES GENETIC
MODIFIED PLANT RESEARCHES” by TRUNG NGUYEN KY and TRUNG
LE THANH in 9/2005.
Supervisors: Assoc. prof. PhD. THANH BUI THO
PhD. TRI BUI MINH
PhD. VU NGUYEN CONG
The purpose of this research is to collect, orgarnize gene data to surve research in
genetic modified plant. The research was carried out at the Chemical and Biological
Analysis and Experiment Center and the practical network department (in the
Information Facuty at Nong Lam University).
The process was devided in various phases as following:
Accessing articles about GM plants on the internet with two web search
engines Google and Scirus.
Accessing comparing and selecting sequences of interest from the
GenBank at NCBI with Entrez and BLAST tools.
Organizing data with Perl language.
Processing data, designing user interfaces with Biojava, Java Servlet
technology in combination with Frontpage and Dreamweaver.
The establishing database allows researchers in the related fields easily to access
and satisfied with basic requirement in genetic research.

vi

MỤC LỤC

Nội dung Trang
Trang tựa ............................................................................................................................ ii
Lời cảm ơn ......................................................................................................................... iii
Tóm tắt ............................................................................................................................... iv
Sumary ................................................................................................................................ v
Mục lục .............................................................................................................................. vi
Danh sách các chữ viết tắt .................................................................................................. x
Danh sách các sơ đồ và bảng .............................................................................................. xi
Danh sách các hình ........................................................................................................... xii
PHẦN A: GIỚI THIỆU ................................................................................................... 1
I. Đặt vấn đề ................................................................................................................. 1
II. Mục đích của đề tài .................................................................................................. 2
III. Yêu cầu của đề tài .................................................................................................... 2
IV. Các giai đoạn tiến hành .............................................................................................. 3
V. Giới hạn .................................................................................................................... 3
PHẦN B: TỔNG QUAN TÀI LIỆU ............................................................................... 4
I. GIỚI THIỆU VỀ SINH HỌC .................................................................................... 4
I.1. Cơ sở sinh học về gene ........................................................................................ 4
I.1.1. Thuật ngữ và quan niệm về gene ................................................................ 4
I.1.2. DNA ở các sinh vật khác nhau .................................................................... 5
I.1.2.1. Sự khác nhau giữa các phân tử DNA ................................................. 5
I.1.2.2. Cấu trúc acid nucleic .......................................................................... 6
I.1.3 Mã di truyền ................................................................................................. 8
I.1.3.1. Thuật ngữ ............................................................................................ 8
I.1.3.2. Từ điển mã di truyền ........................................................................... 8

I.1.3.3. Ba đặc tính quan trọng của mã di truyền ............................................ 10
I.1.4 Cấu trúc căn bản của một gene eukaryote .................................................... 12
I.2. Cơ sở sinh học về chuyển gene ............................................................................ 13


vii
I.2.1. Các vấn đề chủ yếu trong việc cải biến di truyền ...................................... 14
I.2.2. Các phƣơng pháp chuyển gene ................................................................... 14
I.2.3. Những khó khăn trong chuyển gene ........................................................... 17
I.2.4. Sản phẩm của kỹ thuật di truyền ................................................................. 18
I.2.5. Tiềm năng của chuyển gene ........................................................................ 19
I.2.5.1. Các chức năng mới trong cải biến di truyền thực vật ......................... 19
I.2.5.2. Các tính trạng mới (News traits)......................................................... 20
I.2.5.3. Sự biểu hiện gene ................................................................................ 21
I.2.6. Locus chuyển gene ...................................................................................... 22
I.3. Hiện trạng sản xuất cây trồng chuyển gene trên thế giới .................................... 24
II. GIỚI THIỆU VỀ BIOINFORMATICS ..................................................................... 28
II.1. Khái niệm về Bioinformatics .............................................................................. 28
II.2. Vài nét về các cơ sở dữ liệu Sinh học ................................................................ 29
II.2.1. NCBI ......................................................................................................... 29
II.2.2. EMBL......................................................................................................... 29
II.2.3. DDBJ .......................................................................................................... 30
II.3. Vài công cụ Bioinformatics hiện nay ................................................................. 31
II.3.1. Readseq ...................................................................................................... 31
II.3.2. BLAST ....................................................................................................... 31
II.3.3. BLAT ......................................................................................................... 32
II.3.4. ClustalW..................................................................................................... 32
II.3.5. HMMER..................................................................................................... 32
II.3.6. MEME/MAST ........................................................................................... 33
II.3.7. EMBOSS .................................................................................................... 33

II.4. Ngôn ngữ dùng trong Bioinformatics................................................................. 34
III. CƠ SỞ TIN HỌC CHO VIỆC XÂY DỰNG CƠ SỞ DỮ LIỆU TRÌNH TỰ ........... 35
III.1. Khái niệm về lập trình ....................................................................................... 35
III.2. Ngôn ngữ Perl dùnh trong Bioinformatics ........................................................ 39
III.2.1. Giới thiệu Perl ........................................................................................... 39
III.2.2. Thành phần cơ bản trong Perl ................................................................... 39
III.3. Công nghệ Java ứng dụng trong công việc xử lý dữ liệu Bioinformatics ........ 50
III.3.1. Biojava ...................................................................................................... 50


viii
III.3.2. Biojava và CSDL ...................................................................................... 50
III.3.3. Tổng quan về công nghệ servlet cho các ứng dụng trên Web .................. 51
III.3.4. Chức năng cơ bản của servlet ................................................................... 52
III.3.5. Thuận lợi của servlet so với các công nghệ thiết kế web khác ................ 53
III.3.6. Sự xây dựng ứng dụng servlet .................................................................. 55
PHẦN C: PHƢƠNG TIỆN VÀ PHƢƠNG PHÁP TIẾN HÀNH ................................ 57
I. PHƢƠNG TIỆN ........................................................................................................ 57
I.1. Thiết bị ................................................................................................................. 57
I.2. Thời gian và địa điểm xây dựng CSDL ............................................................... 57
II. TÌM KIẾM DỮ LIỆU BÀI BÁO .............................................................................. 58
II.1. Tìm kiếm tổng hợp tính trạng ............................................................................. 58
II.2. Tổng hợp dữ liệu Primer dùng trong phát hiện GMO ........................................ 64
III. TÌM KIẾM DỮ LIỆU TRÌNH TỰ ............................................................................ 66
III.1. Tìm kiếm trình tự bằng Keyword ...................................................................... 66
III.2. Tìm kiếm trình tự bằng Primer .......................................................................... 70
PHẦN D: KẾT QUẢ VÀ THẢO LUẬN ....................................................................... 82
I. Kết quả thu đƣợc từ quá trình tìm kiếm ấn phẩm khoa học ...................................... 82
II. Kết quả thu đƣợc từ quá trình tìm kiếm trình tự trên NCBI ...................................... 82
II.1. Kết quả tìm kiếm trình tự bằng keyword ............................................................ 83

II.2. Kết quả tìm kiếm trình tự bằng Primer ............................................................... 84
II.3. Dùng Perl xử lý kết quả thu đƣợc ....................................................................... 85
II.3.1. Loại bỏ trùng lắp dữ liệu, tổng hợp danh sách tổng hợp ........................... 85
II.3.2. Tải trình tự ................................................................................................. 90
III. Các kết quả thu đƣợc từ quá trình tải trình tự từ Genbank ........................................ 92
IV. Tổ chức dữ liệu .......................................................................................................... 93
IV.1. Cách thức tổ chức dữ liệu ................................................................................. 93
IV.2. Tiến hành tổ chức, phân loại dữ liệu ................................................................. 94
V. Java xử lý dữ liệu ....................................................................................................... 98
V.1. Các yêu cầu đặt ra .............................................................................................. 98
V.2. Xử lý yêu cầu bằng Java và Biojava .................................................................. 99
V.3. Thiết kế giao diện ............................................................................................... 101
V.4. Lập trình hiển thị giao diện sử dụng .................................................................. 104


ix
VI. Kết quả giao diện tìm kiếm với dữ liệu tập hợp đƣợc .............................................. 108
PHẦN E: KẾT LUẬN VÀ ĐỀ NGHỊ ............................................................................. 118
I. Kết luận ...................................................................................................................... 118
II. Đề nghị ....................................................................................................................... 119
TÀI LIỆU THAM KHẢO ................................................................................................ 121
Phụ lục A ............................................................................................................................ 126
Phụ lục B ............................................................................................................................ 139
Phụ lục C ............................................................................................................................ 152
Phụ lục D ............................................................................................................................ 173
Phụ lục E ............................................................................................................................. 197



x

DANH SÁCH CÁC CHỮ VIẾT TẮT
A adenine
API application programing interface
BLAST Basic Local Alignment Search Tools
BLAT BLAST-Like Alignment Tool
C cytosine
CDS coding sequence
CGI common gateway interface
CIB the Center for Information Biology
CSDL Cơ sở dữ liệu
DDBJ DNA Data Bank of Japan
DNA deoxyribonucleic acid
EBI the European Bioinformatics Institute
EMBL the European Molecular Biology Laborary
EPSP 5-enolpyruvyl-shikimate-3-phosphate synthase
E-value expected value
G guanine
gi GenInfo Indentifier
Gln Glutamine
GM plant Genetic modified plant
GMO Genetic modified organism
HTML hypertext markup language
HTTP hypertext transfer protocol
ID identify
J2EE Java 2 Enterprise Edition
JDBC Java Database Connectivity
JSP JavaServer page
Met methionine
mRNA messenger ribonucleic acid

NCBI the National Center for Biotechnology Information
NIG the National Institute of Genetics
NIH the National Institutes of Health
NLM the Nation Library of Medicine
NOS noplaine synthase
Phe phenylalanine
RNA ribonucleic acid
SQL Structure Query Language
STDIN standard input
T thymine
T-DNA transfer DNA
tRNA tranfer ribonucleic acid
Trp tryptophan
U uracil


xi

DANH SÁCH CÁC SƠ ĐỒ VÀ BẢNG

Bảng Trang
PHẦN A
PHẦN B
Bảng 1.1: Một số loài đã đƣợc chuyển gene .................................................................... 19
Bảng 1.2: Bảng thống kê danh sách các tính trạng đƣợc chuyển vào cây trồng ............. 24
Bảng 2.1: Bảng liệt kê một số chƣơng trình BLAST ...................................................... 31
Sơ đồ 3.1: Sơ đồ một ứng dụng phần mềm...................................................................... 54
Sơ đồ 3.2: Cấu trúc của một ứng dụng Servlet (Servlet Application) ............................. 56
Sơ đồ 3.3: Một cấu trúc phổ biến hơn của một server application .................................. 56

PHẦN C
Sơ đồ 2.1: Quy trình tìm kiếm thông tin sinh học ........................................................... 58
Bảng 2.1: Địa chỉ những phƣơng tiện tìm kiếm trên Internet .......................................... 59

PHẦN D
Sơ đồ 4.1: Mô hình tổ chức một hệ thống ứng dụng ....................................................... 93





xii

DANH SÁCH CÁC HÌNH

Hình Trang
PHẦN A
PHẦN B
Hình 1.1: Sự biểu hiện thông tin di truyền. ................................................................. 4
Hình 1.2: Cấu trúc xoắn kép DNA .............................................................................. 6
Hình 1.3: Cấu trúc của các base pyrimidine và purine. ............................................... 6
Hình 1.4: Cấu trúc của Oligonucleotide ...................................................................... 7
Hình 1.5: Chi tiết cấu trúc của chuỗi Polynucleotide. ................................................. 8
Hình 1.6: Sao chép và dịch mã .................................................................................... 9
Hình 1.7: Mã di truyền của nhân (các codon của mRNA) .......................................... 9
Hình 1.8: Mã di truyền ty thể ngƣời ............................................................................ 10
Hình 1.9: Các kiểu wobble trong tế bào chất (ở các hữu nhũ) .................................... 11
Hình 1.10: Các trình tự đƣợc sao chép của DNA (gene) ............................................. 12
Hình 1.11: Cắt DNA Plasmid sử dụng enzyme cắt giới hạn ....................................... 13
Hình 1.12: Gắn gene chuyển vào vector (Plasmid) ..................................................... 13

Hình 1.13: Plasmid dùng trong chuyển gene đậu nành ............................................... 15
Hình 1.14: Chuyển gene thông qua môi trƣờng Agrobacterium tumefaciens ............. 16
Hình 1.15: Súng bắn gene đƣợc dùng trong chuyển gene ........................................... 16
Hình 1.16: Chuyển gene thông qua vi ......................................................................... 17
Hình 1.17: Ví dụ cấu trúc di truyền đƣợc dùng ức chế gene UDP 6-glucose
dehydrogenease trong đậu nành. .................................................................................. 23
Hình 1.18: Bản đồ một số nƣớc chính có cây trồng chuyển gene lớn trên thế giới .... 27
Hình 1.19: Diện tích cây trồng chuyển gene các nƣớc trên thế giới ........................... 27
Hình 1.20: Biểu đồ tỷ lệ các gene kháng đƣợc chuyển vào cây trồng trên thế giới .... 27
Hình 3.1: Một chu kỳ sống của CGI ............................................................................ 53
Hình 3.2: Chu kỳ sống của CGI hiện nay .................................................................... 54
PHẦN C
Hình 2.1: Trang kết quả tìm kiếm bằng Google sau khi nhập từ khóa ........................ 60
Hình 2.2: Trang tìm kiếm Scirus.com nâng cao .......................................................... 61


xiii
Hình 2.3: Trang kết quả của Scirus sau khi tìm kiếm ................................................. 62
Hình 2.4: Trang chủ NCBI .......................................................................................... 62
Hình 2.5: Trang Entrez PubMed của NCBI ................................................................ 63
Hình 2.6: Trang kết quả Entrez PubMed sau khi tìm kiếm ......................................... 63
Hình 2.7: Trang chủ Agbios.com ................................................................................ 64
Hình 2.8: Kết quả tìm kiếm bằng Google với keyword .............................................. 65
Hình 2.9: Trang Entrez Nucleotide với từ khóa cần tìm ............................................. 66
Hình 2.10: Trang kết quả của Entrez Nucleotide sau tìm kiếm................................... 67
Hình 2.11: Trang kết quả Entrez Nucleoide dạng text ................................................ 67
Hình 2.12: Kết quả sau khi nhấp vào mục Details ...................................................... 68
Hình 2.13: Nhập từ khóa cần tìm vào khung tìm kiếm .............................................. 69
Hình 2.14: Xem chi tiết (Details) khi kết quả không tìm thấy .................................... 70
Hình 2.15: Trang BLAST của cơ sở dữ liệu NCBI ..................................................... 70

Hình 2.16: Trang BLAST Nucleotide của NCBI ........................................................ 71
Hình 2.17: Khung nhập trình tự ................................................................................... 71
Hình 2.18: Phần tùy chọn của trang BLAST Nucleotide ............................................ 72
Hình 2.19: Phần lựa chọn định dạng trang kết quả BLAST ........................................ 73
Hình 2.20: Trang trung gian kết quả BLAST .............................................................. 74
Hình 2.21: Phần đầu của trang kết quả BLAST .......................................................... 74
Hình 2.22: Phần ảnh minh họa tổng thể kết quả BLAST ............................................ 75
Hình 2.23: Phần tóm tắt kết quả BLAST..................................................................... 75
Hình 2.24: Phần xem chi tiết về sự gióng trình tự trên trang kết quả BLAST ............ 76
Hình 2.25: Lấy trình tự cần từ trang kết quả BLAST .................................................. 76
Hình 2.26: Nhập trình tự Primer vào khung tìm kiếm gene cryIA(b) ......................... 77
Hình 2.27: Kết quả tìm kiếm với Primer gene cryIA(b) .............................................. 78
Hình 2.28: Kết quả tìm kiếm sau khi thay đổi thông số ............................................. 78
Hình 2.29: Lựa chọn lại thông số là Pat thay vì nr ...................................................... 79
Hình 2.30: Kết quả tìm kiếm với Database Pat ........................................................... 79
Hình 2.31: Trang lấy kết quả từ chƣơng trình BLAST ............................................... 80
Hình 2.32: Tìm kiếm trình tự bằng số xác định qua trang BLAST ............................. 80
Hình 2.33: Kết quả BLAST dạng HTML .................................................................... 81
Hình 2.34: Kết quả BLAST dạng text ......................................................................... 81


xiv
PHẦN D
Hình 2.1: Kết quả dạng text khi tìm kiếm bằng keyword 1 ........................................ 83
Hình 2.2: Kết quả dạng text khi tìm kiếm bằng keyword 2 ........................................ 83
Hình 2.3: Kết quả dạng text khi tìm kiếm bằng keyword ........................................... 84
Hình 2.4: Kết quả dạng text khi tìm kiếm bằng Primer ............................................... 85
Hình 2.5: Minh họa 1 file kết quả thu đƣợc sau khi tìm kiếm trình tự trên NCBI ...... 86
Hình 2.6: Chƣơng trình Perl bắt đầu chạy ................................................................... 88
Hình 2.7: Nhập đƣờng dẫn đến thƣ mục chứa file kết quả tìm kiếm .......................... 89

Hình 2.8: Chƣơng trình Perl đã chạy xong .................................................................. 89
Hình 2.9: Lƣu danh sách này vào file tonghopdulieu.txt ................................ 89
Hình 2.10: Nội dung file tonghopdulieu.txt .................................................... 90
Hình 2.11: Chƣơng trình load.pl đang chạy .......................................................... 92
Hình 2.12: Minh họa kết quả các trình tự đƣợc tải về ................................................. 92
Hình 4.1: Vị trí thể hiện Division trong nội dung của 1 record Genbank ................... 95
Hình 4.2: Chƣơng trình phân chia Division bắt đầu chạy ........................................... 96
Hình 4.3: Chƣơng trình đã chạy xong ......................................................................... 96
Hình 4.4: Kết quả cuối cùng sau khi chƣơng trình phân Division đã chạy xong ....... 97
Hình 5.1: Các trƣờng tìm kiếm chính xác. .................................................................. 99
Hình 5.2: Các trƣờng cung cấp thông tin trình tự cần tách ......................................... 100
Hình 5.3: Trang giao diện tìm kiếm GM Databases .................................................... 102
Hình 5.4: Nội dung trang tìm kiếm.............................................................................. 103
Hình 5.5: Một trƣờng hợp tìm kiếm trên web ............................................................. 105
Hình 5.6: Thể hiện kết quả tìm kiếm với nội dung tóm tắt ......................................... 107
Hình 6.1: Trang chủ tìm kiếm trình tự GM Plants bằng keyword .............................. 109
Hình 6.2: Nhập keyword cần tìm vào khung tìm kiếm ............................................... 110
Hình 6.3: Trang kết quả tìm kiếm mặc định là dạng Summary .................................. 111
Hình 6.4: Trang biểu diễn kết quả dạng GenBank ...................................................... 113
Hình 6.5: Trang biểu diễn kết quả dạng FASTA ......................................................... 114
Hình 6.6: Trang biểu diễn vùng trình tự mã hóa (CDS) dạng FASTA. ...................... 114
Hình 6.7: Trang Biểu diễn trình tự aminoacid do CDS mã hóa, dạng FASTA........... 115
Hình 6.8: Trang biểu diễn kết quả dạng text của kiểu GenBank ................................. 116
PHẦN A: GIỚI THIỆU
NGUYỄN KỲ TRUNG – LÊ THÀNH TRUNG
1

A. GIỚI THIỆU
I. Đặt vấn đề
Có thể thấy rằng trong những năm gần đây nƣớc ta đang có những đầu tƣ rất lớn

vào các phòng thí nghiệm, các công trình nghiên cứu trong lĩnh vực Công Nghệ Sinh
Học. Các nhà khoa học, các sinh viên theo lĩnh vực này đang nỗ lực, phấn đấu để hoàn
thành các nghiên cứu sinh học của mình.
Tuy nhiên, các nhà nghiên cứu cơ bản lẫn nghiên cứu ứng dụng đang vƣớng phải
một khó khăn rất lớn đó chính là việc tìm kiếm, phân tích, so sánh, trích tải những dữ
liệu sinh học liên quan đến các nghiên cứu của họ.
Chính những thông tin đa dạng, quá phong phú trong các cơ sở dữ liệu khổng lồ
trên thế giới, đƣợc tải trên nhiều trang thông tin khác nhau đã trở thành những khó
khăn đầu tiên cho các nhà nghiên cứu. Việc tìm kiếm những thông tin ngắn gọn, dễ
dàng và nhanh chóng nhƣng vẫn đảm bảo tính chính xác nhằm phục vụ riêng cho từng
cá nhân nghiên cứu ở mỗi phòng thí nghiệm là hết sức cần thiết.
Công nghệ di truyền thực vật nói chung và sự xuất hiện của cây trồng và thực
phẩm biến đổi di truyền nói riêng (GM Plants, GM Food) hiện là vấn đề toàn cầu.
Diện tích cây trồng biến đổi di truyền không ngừng tăng qua các năm. Theo thống kê
gần đây nhất về diện tích canh tác cây chuyển gene đƣợc thể hiện ở bảng dƣới đây:

(Agrifood Awareness Australia Limited- AFAA, February 2005)
Bên cạnh các thành tựu đã thành công và thƣơng mại hóa nhƣ: chuyển gene
kháng bệnh, kháng côn trùng, kháng thuốc trừ cỏ; chuyển gene có năng suất nông học
cao hay chuyển gene có đặc tính mong muốn từ các thực vật khác cho mục đích dinh
dƣỡng và dƣợc liệu … là những mối nguy hại mà cây trồng chuyển gene có thể ảnh
hƣởng tiềm ẩn nhƣ: sự đa dạng của cây trồng, ảnh hƣởng độc và dị ứng, khả năng phát
sinh cỏ dại, sự xâm chiếm hay sự phóng thích ngoài ý muốn của gene ra quần thể cây
trồng, các cây trồng không phải cây trồng đích …
PHẦN A: GIỚI THIỆU
NGUYỄN KỲ TRUNG – LÊ THÀNH TRUNG
2
Về khoa học, ta không thể phủ nhận những thành tựu cũng nhƣ những mặt hạn
chế mà công nghệ chuyển gene mang lại. Việc nắm bắt thông tin về các gene chuyển
hiện nay sẽ giúp ta chủ động trong các nghiên cứu về lĩnh vực còn khá mới này.

Đƣợc sự hƣớng dẫn của thầy TS. Bùi Minh Trí, cùng các thầy PGS. TS. Bùi Thọ
Thanh và thầy TS. Nguyễn Công Vũ chúng tôi đã thực hiện đề tài “THU THẬP VÀ
TỔ CHỨC DỮ LIỆU GENE PHỤC VỤ NGHIÊN CỨU CÂY TRỒNG BIẾN
ĐỔI DI TRUYỀN”, bƣớc đầu đặt cơ sở cho việc ứng dụng Bioinformatics vào xây
dựng Cơ sở dữ liệu Sinh học đầu tiên tại trƣờng Đại Học Nông Lâm Tp HCM.

II. Mục đích của đề tài
 Tập hợp và chọn lọc các ấn phẩm, bài báo khoa học liên quan đến cây trồng
biến đổi di truyền.
 Khảo sát một số công cụ tìm kiếm trình tự trên NCBI.
 Tập hợp các trình tự liên quan đến cây trồng biến đổi di truyền.
 Tổ chức dữ liệu gene phục vụ việc tìm kiếm thông tin về các gene một cách
nhanh chóng và gọn nhất.
 Thiết kế giao diện thân thiện, thiết thực đáp ứng nhu cầu của ngƣời dùng. Giải
quyết công việc tìm kiếm một cách khó khăn trên mạng Internet của các nhà nghiên
cứu CNSH Thực vật. Giúp các nhà nghiên cứu CNSH Thực vật thuận tiện, dễ dàng tra
cứu, tìm kiếm gene phù hợp với từng yêu cầu riêng.

III. Yêu cầu của đề tài
 Tất cả các thông tin trong dữ liệu theo chuẩn quốc tế.
 Dễ tìm kiếm theo nhiều chiều.
 Sử dụng các loại ngôn ngữ lập trình thông dụng, giúp dữ liệu mang tính dễ truy
suất, dễ phát triển về sau, đó là ngôn ngữ lập trình Perl và ngôn ngữ lập trình Java.
 Dữ liệu có tính “mở” về nội dung Sinh học có thể phát triển, bổ sung bởi các
công trình nghiên cứu về sau của Đại học Nông Lâm Thành phố Hồ Chí Minh.




PHẦN A: GIỚI THIỆU

NGUYỄN KỲ TRUNG – LÊ THÀNH TRUNG
3

IV. Các giai đoạn tiến hành đề tài
Giai đoạn 1: Tìm hiểu thông tin và các công cụ có liên quan.
 Tìm hiểu ngôn ngữ lập trình Perl dùng trong Bioinformatics.
 Tìm hiểu ngôn ngữ Java dùng trong Bioinformatics.
 Tìm hiểu dữ liệu bài báo trên PubMed và dữ liệu trình tự GenBank trên NCBI.
 Tìm hiểu các công cụ sinh học dùng trong Bioinformatics.
Giai đoạn 2: Xây dựng và tổ chức các dữ liệu.
 Tìm kiếm dữ liệu cho đề tài (bài báo khoa học, trình tự).
 Tiến hành xây dựng trang tìm kiếm với dữ liệu trình tự tìm đƣợc.

V. Giới hạn của đề tài
Do thời gian thực tập tốt nghiệp có hạn, kiến thức cần thiết để xây dựng đƣợc
một cơ sở dữ liệu hoàn chỉnh thì nhiều, do đó đề tài có rất nhiều hạn chế cần hoàn
thiện về sau :
 Dữ liệu không lớn chỉ vài ngàn gene đƣợc xem là thông dụng nhất trong công
nghệ chuyển gene hiện nay.
 Phải thiết lập các mối liên hệ trong dữ liệu, tiến tới quản lý dữ liệu một cách có
hệ thống bằng một hệ quản trị cơ sở dữ liệu hoặc nghiên cứu sử dụng công nghệ mới
vào quản lý dữ liệu.
 Giao diện Web của chƣơng trình chƣa hoàn chỉnh. Về sau sẽ phát triển, nâng
cấp mở rộng phục vụ nhiều nhu cầu khác của ngƣời dùng.
 Chƣa đƣa đƣợc các công cụ phân tích gene sẵn có vào sử dụng trực tiếp trên cơ
sở dữ liệu.



PHẦN B: TỔNG QUAN - Giới thiệu Sinh học – Gene

NGUYỄN KỲ TRUNG – LÊ THÀNH TRUNG
4
B. TỔNG QUAN TÀI LIỆU
I. Giới thiệu về sinh học
I.1. Cơ sở sinh học về gene
I.1.1. Thuật ngữ và quan niệm về gene
Sinh học phân tử là gì ?
Sinh học phân tử (Molecular biology) là môn học nghiên cứu các hiện tƣợng sinh
học ở mức phân tử.
Ngày nay, sinh học phân tử đƣợc hiểu là sinh học phân tử của gene (Molecular
biology of the gene), là môn học nghiên cứu cấu trúc, sự biểu hiện và kiểm soát sự
biểu hiện của các gene, là đơn vị thông tin di truyền riêng biệt chứa một trình tự
chuyên biệt trong DNA (hay trong RNA của virus).
Quan niệm về gene – lý thuyết trung tâm của sinh học phân tử
1866, Mendel đề ra giả thuyết về các đơn vị qui định các đặc tính di truyền, tức
các gene.
1909, Garrod cho rằng gene điều khiển kiểu hình qua enzyme.
1940, Beadle và Tatum đề nghị giả thuyết “một gene - một enzyme” (một gene
điều khiển sự sản xuất một enzyme chuyên biệt). Thuyết này đã phát triển để trở nên
khái quát hơn , “một gene – một protein”, và hiện nay “một gene – một polypetide”.
1953, Watson và Crick đề nghị cấu trúc xoắn kép của phân tử DNA. Sau đó, là sự
ra đời lý thuyết trung tâm (central dogma) của sinh học phân tử (Crick, 1958): thông
tin di truyền đƣợc mang bởi chuỗi DNA (hay RNA ở vài virus) qua các giai đoạn sao
chép (transcription) và dịch mã (translation), đƣợc chuyển thành các trình tự amino
acid của protein. Sự tái bản DNA (DNA replication) là cơ chế giúp một phân tử DNA
tự tái sinh thành hai phân tử DNA giống nhau.

Hình 1.1: Sự biểu hiện thông tin di truyền.
PHẦN B: TỔNG QUAN - Giới thiệu Sinh học – Gene
NGUYỄN KỲ TRUNG – LÊ THÀNH TRUNG

5
* Lý thuyết trung tâm của sinh học phân tử giúp ta hiểu:
- Cấu trúc của DNA là cơ sở phân tử của sự di truyền; sự tái bản DNA là cơ sở
phân tử để hiểu vì sao con cái giống cha mẹ; sự chuyển thông tin vào protein là cơ sở
phân tử của các đặc tính kiểu hình.
- Hình thái và chức năng sống chủ yếu của sinh vật là sự biểu hiện về cách tổ
chức và hoạt động của các protein trong cơ thể sinh vật. Chính sự sắp xếp các thành
phần amino acid của protein quyết định sự sắp xếp trong không gian (cấu trúc bậc hai
và bậc ba) và chức năng của protein.
I.1.2. DNA ở các sinh vật khác nhau
I.1.2.1. Sự khác nhau giữa các phân tử DNA
DNA là vật liệu mang thông tin di truyền ở sinh vật nói chung, trừ RNA ở vài
virus. DNA ở mọi sinh vật (động vật, thực vật, vi khuẩn hay virus) có cùng kiểu cấu
trúc hai sợi xoắn DNA, trừ ngoại lệ ở vài virus. Sự khác nhau giữa các phân tử DNA
xoắn kép ở các loài là do:
- Vị trí của các phân tử DNA trong tế bào: trong nhân (ở eukaryote) hay trong tế
bào chất (ở prokaryote).
- Số phân tử DNA: một phân tử ở virus hay vi khuẩn (nhƣ E.coli), nhiều phân tử
trong tế bào động vật và thực vật bậc cao.
- Hình dạng: thẳng (ở eukaryote) hay vòng (ở prokaryote). Khái niệm: “vòng” chỉ
tính khép kýn của chuỗi DNA, không chỉ hình thể trong không gian.
- Chiều dài phân tử DNA: Các virus có phân tử acid nucleic ngắn nhất: DNA
virus có từ vài ngàn tới vài chục ngàn nucleotide. DNA prokaryote dài hơn DNA virus
khoảng một ngàn lần: DNA của E.coli có chừng bốn triệu cặp nucleotide. Ở
prokaryote, đôi khi còn có các plasmid, tức các đoạn DNA nhỏ, dạng vòng, bên cạnh
nhiễm sắc thể. Ở eukaryote, phân tử DNA rất dài, chứa từ vài ngàn đến vài tỉ đơn vị
nucleotide; các đơn vị nucleotide này đƣợc phân phối trên nhiều nhiễm sắc thể riêng
biệt. Không có sự tƣơng quan giữa lƣợng DNA và tính phức tạp của sinh vật.
PHẦN B: TỔNG QUAN - Giới thiệu Sinh học – Gene
NGUYỄN KỲ TRUNG – LÊ THÀNH TRUNG

6

Hình 1.2: Cấu trúc xoắn kép DNA
- Các trình tự base đặc trƣng. Đây là tính chất quan trọng nhất của mỗi phân tử
DNA.
I.1.2.2. Cấu trúc acid nucleic
Các đơn vị nucleotide
Acid nucleotide, nhƣ tên gọi, là các chất lúc khởi đầu đƣợc cô lập từ nhân
(nucleus). Có hai kiểu acid nucleic:
- Acid deoxyribonucleic (DNA) đƣợc tìm thấy chủ yếu ở trong nhân tế bào
(eukaryote).
- Acid ribonucleic (RNA) đƣợc tìm thấy chủ yếu trong tế bào chất.
- Acid nucleic đƣợc cấu tạo bởi các đơn vị gọi là nucleotide. Mỗi nucleotide đƣợc
cấu tạo bởi ba yếu tố: base nitrogen, pentose và acid phosphoric.

Hình 1.3: Cấu trúc của các base pyrimidine và purine.
PHẦN B: TỔNG QUAN - Giới thiệu Sinh học – Gene
NGUYỄN KỲ TRUNG – LÊ THÀNH TRUNG
7
Trong các nucleotide, base là dẫn xuất của pyrimidine hay purine. Các base
pyrimidine là: cytosine (C) và uracil (U) trong RNA; cytosine (C) và thymine (T)
trong DNA. Có vài base bất thƣờng, đặc biệt ở vài bacteriophage, nhƣ
hydroxymethylcytsine thay vì cytosine hay hydroxymethyluracil thay vì thymine.
Hai base purine chính đƣợc tìm thấy trong DNA cũng nhƣ RNA là adenine (A)
và guanine (G). Ngoài ra, có những base purine hiếm chỉ đƣợc tìm thấy trong vài acid
nucleic (nhất là t-RNA), thí dụ: isopentenyladenin (chất có hoạt tính hormone
cykotinin ở thực vật).
Các base nitrogen của phân tử DNA mang thông tin di truyền, trong khi các
nhóm pentose và phosphate chỉ có vai trò cấu trúc. Tùy theo bản chất của pentose, ta
có ribonucleotide hay deoxyribonucleotide. Theo qui ƣớc, ngƣời ta đọc một chuỗi acid

nucleotide theo hƣớng 5‟P tới 3‟OH; để đơn giản ngƣời ta chỉ viết các số 5‟ và 3‟.

Hình 1.4: Cấu trúc của Oligonucleotide
Cấu trúc bậc hai của DNA do Watson và Crick (1953) đề nghị có ba đặc
tính quan trọng
 Đối song: hai chuỗi nucleotide song song nhƣng ngƣợc hƣớng.
 Bổ sung: sự liên kết hai sợi DNA theo qui tắc: “A đối T, C đối G”.
 Xoắn ốc: hai chuỗi DNA xoắn quanh một trục tƣởng tƣợng.
PHẦN B: TỔNG QUAN - Giới thiệu Sinh học – Gene
NGUYỄN KỲ TRUNG – LÊ THÀNH TRUNG
8
Tóm lại, trong phân tử DNA, deoxyribose và H
3
PO
4
giống nhau suốt chiều dài
phân tử. Ngƣợc lại, 4 base khác nhau và trình tự của các base đặc trƣng cho mỗi phân
tử DNA. Theo qui ƣớc, ta có thể viết chuỗi acid nucleic với các base A, T, C, G với:
C = nucleotide chứa Cystosine, T = nucleotide chứa Thymine,
A = nucleotide chứa Adenine, G = nucleotide chứa Guanine.

Hình 1.5: Chi tiết cấu trúc của chuỗi Polynucleotide.
I.1.3. Mã di truyền
I.1.3.1. Thuật ngữ
Thông tin di truyền đƣợc viết bởi các codon (mã di truyền) và đƣợc dịch thành
các trình tự amino acid. Nói cách khác, thông tin di truyền đƣợc sao chép thành RNA
và sau đó dịch mã thành polypeptide.
Để dịch chính xác một ngôn ngữ, cần có một quyển từ điển. Tƣơng tự, để giải mã
di truyền, cần có quyển từ điển mã di truyền. Mã di truyền hay “codon” đƣợc viết bởi
ba chữ, chính xác hơn là ba nucleotide, tạo thành một “bộ ba” (triplet). Một “bộ ba”,

trong phân tử mRNA sẽ đƣợc dịch mã thành một amino acid.
I.1.3.2. Từ điển mã di truyền
Theo qui ƣớc, các base đƣợc trình bày trong từ điển mã di truyền là các
ribonucleotide. Theo đó, U có trong RNA thay cho T. Đối với các mã di truyền trong
DNA, T thay cho U.
PHẦN B: TỔNG QUAN - Giới thiệu Sinh học – Gene
NGUYỄN KỲ TRUNG – LÊ THÀNH TRUNG
9

Hình 1.6: Sao chép và dịch mã
Trong 64 codon, ta có thể kể:
 Ba codon UAA, UAG, UGA là các “codons non sens”, không đƣợc dịch thành
amino acid; chúng là dấu hiệu chấm dứt sự đọc, nên còn đƣợc gọi là “codon
stop”.
 61 codon còn lại mã hóa 20 amino acid. Trừ Met và Trp chỉ đƣợc mã hóa bởi 1
codon, các amino acid khác đƣợc mã hóa bởi nhiều codon. Nhƣ vậy có nhiều
codon cùng nghĩa.

Hình 1.7: Mã di truyền của nhân (các codon của mRNA)

PHẦN B: TỔNG QUAN - Giới thiệu Sinh học – Gene
NGUYỄN KỲ TRUNG – LÊ THÀNH TRUNG
10
I.1.3.3. Ba đặc tính quan trọng của mã di truyền
 Phổ biến (universal): Mã di truyền cơ bản giống nhau cho mọi sinh vật
(động vật, thực vật, vi khuẩn hay virus). Chính vì thế từ điển mã di truyền ra
đời là bằng chứng thuyết phục về nguồn gốc tiến hóa chung của sinh vật.
 Suy biến (degenerate): nhiều codon mã hóa cho một amino acid. Trong phần
lớn các trƣờng hợp, các bộ ba mã hóa cho một amino acid chỉ khác nhau ở
base thứ ba, thí dụ: UUU và UUC (Phe), CAA và CAG (Gln)…

 Không gối nhau: Mã di truyền đƣợc đọc tuần tự từ “bộ ba” này đến “bộ ba”
kế tiếp, liên tục trong một chuỗi, từ điểm khởi đầu cho đến kết thúc.
a) Giả thuyết về base “dao động”
*Thế nào là base “dao động”
Mã di truyền chung (có tính phổ biến) là điều hết sức lý thú để hiểu về sinh vật.
Tuy nhiên, Sanger (1980) đã đặt lại vấn đề, vì có vài codon khác biệt trong ti thể. Và
vì Met và Trp đƣợc mã hóa bởi hai codon thay vì một.

Hình 1.8: Mã di truyền ty thể ngƣời
Sau phát hiện này, ngƣời ta còn thấy những codon khác ở nấm men,
Paramecium,…Thí dụ UAA của mRNA tế bào chất của Paramecium không phải là
codon Stop, mà là Gln.
PHẦN B: TỔNG QUAN - Giới thiệu Sinh học – Gene
NGUYỄN KỲ TRUNG – LÊ THÀNH TRUNG
11
Mã di truyền có 61 codon mã hóa cho 20 amino acid. Do đó ta có thể nghĩ rằng
có 61 tRNA (qui tắc bổ sung codon-anticodon). Tuy nhiên, thực tế một mRNA nhận
biết nhiều codon mã hóa cho cùng một amino acid. Nói cách khác không cần phải có
đủ 61 tRNA để vận chuyển acid amin trong quá trình dịch mã (nhƣng một tRNA
không bao giờ nhận biết hai amino acid khác nhau).
Theo giả thuyết base “dao động” (Crick, 1966), hai nucleotide đầu tiên của một
codon (mRNA) bổ sung một cách nghiêm chỉnh với anticodon của t-RNA, nhƣng base
thứ ba của codon bắt cặp với base thứ nhất của anticodon theo cách tƣơng đối lỏng lẻo.
b) Ích lợi của tính suy biến mã di truyền và base “dao động”
Có ba điều lợi chính:
 Sự suy biến mã di truyền tạo nên một hệ thống bảo vệ đối với các đột biến có
thể sinh ra, sự thay đổi base thứ ba thƣờng không gây hậu quả, vì codon đột
biến không làm thay đổi tRNA.
 Các nối wobble cho phép tế bào tiết kiệm vật chất và năng lƣợng: không cần 61
tRNA để nhận biết 61 codon.

 Cầu nối yếu hơn giữa base thứ nhất của anticodon và base thứ base của codon
giúp các tRNA phân ly dễ hơn, và do đó sự tổng hợp protein nhanh hơn.

Hình 1.9: Các kiểu wobble trong tế bào chất (ở các hữu nhũ)