Bài giảng Tin sinh học: Chương 4 - ThS. Nguyễn Thành Luân

4/9/2013

TRƢỜNG ĐẠI HỌC CN THỰC PHẨM TPHCM KHOA CNSH & KTMT

HỆ ĐẠI HỌC

Chƣơng 4 Phép phân tích hệ thống cây phát sinh loài (Phylogeny Analysis)

ThS. Nguyễn Thành Luân

luannt@cntp.edu.vn

Các ứng dụng thực tiễn

Bioinformatics

1 4/9/2013

Bioinformatics

Câu hỏi

Tại sao ngày nay vẫn còn tồn tại những động vật có cấu tạo phức tạp như động vật có xương sống bên cạnh động vật nguyên sinh có cấu tạo rất đơn giản?

Bioinformatics

Tìm hiểu các quan hệ loài

Bioinformatics

2 4/9/2013

CÂY PHÁT SINH LOÀI LÀ GÌ?

 Miêu tả lịch sử tiến hóa của một nhóm

loài với những đặc tính khác nhau nhưng có cùng mối quan hệ họ hàng với nhau và cùng hình thành từ một tổ tiên trong quá khứ PHYLOGENETIC TREE

Bioinformatics

Cây phát sinh loài (Phylogeny)

 Cây phát sinh loài „kể lại‟các thời

điểm „lâu đời nhất‟ trong mối quan hệ loài từ 1 tổ tiên chung.  Biểu hiện tổ tiên chung cho tất cả các

loài/gene trong cây phát sinh

 Các loài gần nhau, có khoảng cách từ gốc đến ngọn sát nhau có thể là họ hàng „gần‟ của nhau trong 1 thời điểm ở quá khứ

Bioinformatics

Ý nghĩa cây phát sinh loài

 Phản ánh

 Mức độ quan hệ giữa các nhóm loài sinh

vật

 Quá trình tiến hoá của các nhóm sinh vật từ thấp đến cao, từ đơn giản đến phức tạp.

 Biết được số lượng của các nhóm động

vật

Bioinformatics

3 4/9/2013

Tác phẩm “Nguồn gốc các loài”

 Tác giả: Charles Darwin

 Xuất bản năm 1859

 Giới thiệu giả thuyết các loài tiến hóa là kết quả của quá trình chọn lọc tự nhiên

 Quyển sách gây tranh cãi vì mâu

thuẫn với niềm tin tôn giáo

Charles Darwin (1809 – 1882)

HMS Beagle

Bioinformatics 10

Hành trình trên chuyến tàu Beagle

Bioinformatics 11

1831 - 1836

Bioinformatics 12

4 4/9/2013

Cây phát sinh loài đầu tiên được vẽ

Ý tưởng về cây phát sinh loài

Bioinformatics 13

Ý tưởng …

 Darwin cho rằng các loài có chung

một nguồn gốc khi ông quan sát các loài “tương tự” trong suốt chuyến hành trình

Bioinformatics 14

Bioinformatics 15

5 4/9/2013

Ý tưởng …

Nhóm 1: 6 loài (1, 3, 4, 5, 6, 10) sống trên cây Nhóm 2: 6 loài (7, 8, 11, 12, 13, 14) sống trên mặt đất Nhóm 3: 1 loài (9) sống ở đảo Cocos Nhóm 4: 1 loài (2) khác với chim sẽ và giống chim nháy

Bioinformatics 16

Darwin‟s tree of life

Quan điểm Darwin về tiến hóa của loài người

Bioinformatics 17

Bioinformatics 18

6 4/9/2013

Darwin vs Tôn giáo

Xây dựng cây phát sinh loài

 Hình thái

 Hóa thạch

 Bằng chứng phôi thai học

 Di chỉ khảo cổ học

 Gen

Bioinformatics 19

Bioinformatics 20

Xây dựng cây phát sinh loài hiện đại

 Hình thái

 Hóa thạch

 Di chỉ khảo cổ học

 Gen

Bioinformatics 21

7 4/9/2013

Trình tự bảo tồn

 Là những trình tự mã hóa hoặc không

mã hóa protein đóng vai trò chức năng quan trọng đối với sinh vật

Bioinformatics 22

Ví dụ: promoter

 Trình tự -10: TATAAT, trong đó T cuối có mức độ bảo tồn cao nhất. Trình tự này chứa nhiều T/A để 2 mạch dễ tách nhau.

 Trình tự -35: TTGACA, trong đó TTG

có mức độ bảo tồn cao nhất

 Khoảng giữa: cần cho sự nhận diện

Ví dụ: vị trí bảo tồn của protein

Bioinformatics 23

Bioinformatics 24

8 4/9/2013

Phương pháp nghiên cứu

 Sắp xếp các trình tự

 Phối hợp với thời gian

 Xây dựng cây phát sinh loài

Bioinformatics 25

Các phần mềm hỗ trợ

 Sắp xếp đa trình tự BLAST của NCBI

 Sắp xếp đa trình tự ClustalX,

ClustalW

 Thể hiện cây phát sinh loài TreeView

hoặc MEGA

Bioinformatics 26

Các thuật ngữ trong cây phát sinh loài

Bootstrap Distance Parsimony Likelihood Rooted tree Unrooted tree

 Phylogeny –phylogenetic –phylo

Bioinformatics

9 4/9/2013

Các đột biến có thể xảy ra

 Transition (Sự chuyển đoạn)

 Xảy ra ở các nhóm chuyển tiếp từ purine (A <-> G) hay

pyrimidine (C <->T)

 Transversion (Sự đảo đoạn)

 Xảy ra ở các nhóm chuyển từ purine sang pyrimidine hoặc ngược lại (A<->T, C<->G, A<->C, T<->G)

 Tất cả các đột biến trên đều là đột biến điểm

(point mutation) trong di truyền với các loại: mất đoạn, chuyển đoạn, thêm đoạn, hoặc đảo đoạn

Bioinformatics

Các dạng khác nhau của cây tiến hóa

Các dạng cây tiến hóa loài với dạng cây phát sinh loài không biết rõ nguồn gốc (a) và cây biết rõ nguồn gốc (b)

Bioinformatics

10 4/9/2013

Cây phát sinh loài không rõ nguồn gốc (Unrooted tree)

 Là dạng mạng lƣới quan hệ loài Không chắc chắn thời gian, không

gian khởi đầu

Biểu hiện quan hệ họ hàng nhưng

không phản ánh sự tiến hóa

Không thể nhận rõ khi quá trình

nhân bản gene diễn ra

Bioinformatics

Cây phát sinh loài biết rõ nguồn gốc (Rooted tree)

 Cây phát sinh loài biểu hiện rõ sự

tiến hóa  Có thể chỉ ra quá trình nhân bản gene xuất

hiện

 Có nguồn gốc - Ví dụ tổ tiên chung liên quan

đến tất cả các trình tự gene hoặc loài

 Đòi hỏi1 nhóm đặc biệt không liên quan đến

nhóm nghiên cứu (outgroup)

Bioinformatics

Cây phát sinh loài biết rõ nguồn gốc (Rooted tree)

 Outgroup là một trình tự có khoảng cách xa/mối quan hệ xa với tất cả các nhóm trình tự nghiên cứu.

Ví dụ: Nghiên cứu quan hệ Hemoglobin A, sử dụng nhóm không liên quan là Hemoglobin B

Bioinformatics

11 4/9/2013

Các dạng của cây phát sinh loài biết rõ nguồn gốc (Rooted tree)

Cây phát sinh sơ đồ phân ly (Cladograms) biểu hiện tất cả các tỷ lệ quan hệ loài ngang nhau ở mức độ quan hệ họ hàng. Cây phát sinh nhánh tiến hóa (phylograms) biểu hiện các nhánh có tỷ lệ khác nhau tiêu biểu cho sự khác biệt giữa gene/loài.

Bioinformatics

Cây phát sinh nhánh tiến hóa

Các nhánh dài hơn chỉ ra việc tiến hóa diễn ra nhanh hơn – đặc biệt hữu ích trong việc tìm hiểu các quan hệ đƣợc sinh ra từ dữ liệu mã hóa trình tự, có thể chỉ ra sự thay đổi về chức năng, hoặc về môi trƣờng sống…

Bioinformatics

Ví dụ

Cây phát sinh loài 1, 2, 3 theo thứ tự là; (a) Dạng phân ly, nhánh tiến hóa và dendrogram (b) Không rõ nguồn gốc, nhánh tiến hóa và phân ly. (c) Có nguồn gốc, phân ly và nhánh tiến hóa (d) Không có đáp án nào đúng Bioinformatics

12 4/9/2013

Các phƣơng pháp để xây dựng cây phát sinh loài

Các phương pháp cơ bản trong phân tích quan hệ loài: 3 dạng

PP dựa vào ma trận khoảng cách

(Distance Matrix)

PP thống kê không tham số

(Parsimony)

PP dựa vào khả năng có thể xảy

ra (Likelihood)

Bioinformatics

Phƣơng pháp Distance

Bioinformatics

Distance Matrix

 Các trình tự giống nhau nhất = có

mối liên hệ loài gần nhất

Là 1 cơ chế phân tử nghiêm ngặt

(theo dạng đồng hồ)

–Tỷ lệ đột biến gen ngang nhau trong

mỗi giống loài

– Khi tỷ lệ khác biệt 1 cách chắn

chắn  không chính xác

Bioinformatics

13 4/9/2013

Cách tính

(1) a + b = 3 (2) a + e + c = 9 (3) b + e + c = 8 _______________ (2)-(3) a - b = 1 (1) a+ b = 3 (2-3+1) 2a = 4 a = 2 b = 1 Tương tự: c = 5 d = 3 e = 2

Bioinformatics

Kết quả

 Sự khác biệt giữa các nhánh có thể biểu hiện dạng số hay độ dài của các nhánh tiến hóa.  Nhánh tiến hóa càng ngắn, loài đó được xem như xuất hiện trước, nhánh tiến hóa dài biểu hiện loài xuất hiện sau

Bioinformatics

Phƣơng pháp thống kê không tham số (Parsimony)

Bioinformatics

Nguồn gốc Parsimony: giả thuyết đơn giản nhất nên là 1 giả thuyết thích hợp nhất (the preferred hypothesis) Là 1 dạng ứng dụng xây dựng cây phát sinh loài dựa trên trình tự, cây nào được suy ra có ít tỷ lệ đột biến nhất sẽ được chọn là cây phát sinh loài thích hợp.

14 4/9/2013

Ví dụ

•Xây dựng cây phát sinh loài dạng Parsimony bằng cách vẽ ra mọi trƣờng hợp có thể có về cây phát sinh loài đó: •4 loài -> 3 cây •5 loài -> 15 cây •6 loài -> 105 cây • Sau đó vẽ sơ đồ cột đầu tiên của trình tự đƣợc sắp xếp trên mỗi cây, đếm số lƣợng các thay đổi trong trình tự

Bioinformatics

Phƣơng pháp Parsimony

 Sequence 1 GCACCT  Sequence 2 GCACGT  Sequence 3 ATTCGA  Sequence 4 ACTCGA

 Lặp lại các phân tích cho mỗi cột trình tự  Tổng hợp các thay đổi cho mỗi loại cây phát sinh có thể xảy ra tạo nên cây phát sinh loài:  Ví dụ: Tree 1 = 1 (Cột 1) + 1 (Cột 2) + 1(Cột 3)

+ 0(Cột 4) ...

 Cây phát sinh thích hợp được lựa chọn dựa trên

sự thay đổi ít nhất của số lần thay đổi.

Bioinformatics

Phƣơng pháp tìm kiếm các khả năng có thể xảy ra (Likelihood)

 Tương tự như PP Parsimony tối đa  Tập trung phân tích mỗi cột trong 1 chuỗi

trình tự

 Tập trung vào các cây phát sinh có thể có.  Thay vì tính toán số lượng thay đổi riêng

biệt, tính toán các khả năng có thể xảy ra  Đƣa ra 1 mô hình tiến hóa nhất.

 Tính toán lại các nghiên cứu thực tiễn để so

sánh các khác biệt

Bioinformatics

15 4/9/2013

Khảo sát sự tiến hóa

 Quá trình chuyển đoạn (transition A↔G, C↔T) xảy

ra thường xuyên hơn quá trình đảo đoạn (transversion A↔C, A↔T, G↔C, G↔T)  Sequence 1 GCACAT  Sequence 2 GCACGT  Sequence 3 ATGCGC  Sequence 4 ACTCGC

 Các sự đảo đoạn miêu tả những sự thay đổi mãnh liệt hơn so với các trình tự nhóm với nhau bởi quá trình chuyển đoạn. Bioinformatics

Khảo sát sự tiến hóa

Bioinformatics

Khảo sát sự tiến hóa

 Các nguồn thông tin về các mẫu base quyết định tỷ lệ đột biến (Base thường xuất hiện và các tỷ lệ đột biến).

 Đưa ra các hình mẫu, sau đó tính toán các khả năng có thể xảy ra của mỗi cây phát sinh loài tại mỗi vị trí của trình tự sắp xếp.

 Tổng hợp các khả năng đồng thời và xác định cây phát sinh loài thích hợp nhất

Bioinformatics

16 4/9/2013

Câu hỏi ôn tập

 Theo bảng cột dữ liệu trình tự dưới

đây,cây phát sinh loài nào thích hợp hơn nếu PP likelihood được sử dụng để phân tích dữ liệu.

Bioinformatics

Độ tin cậy của cây phát sinh loài

 Phương pháp chuẩn cho tất cả các cây (ma trận khoảng cách, parsimony, likelihood) là điểm lặp lại (bootstrap)

Sequence1 GAGCTAGGGAATCTTAATTTGAAGGTT Sequence2 GAACTCGGGACTCTTGATCTGAGGGTT Sequence3 ATGTGAGGGAATCTTATATTGAAGGTT Sequence4 ATATGAGGAAATCTTAATTTGAAGGTT

Bioinformatics

Điểm lặp lại (Bootstrap)

 Là kỹ thuật xử lý thống kê các phép đo lường về độ chính xác với các khoảng ước lượng về mẫu nghiên cứu

 Cho phép sự ước lượng các giá trị khác biệt trong 1 sự phân bố các mẫu nghiên cứu (sample)

 Kiểm định giả thuyết trong thống kê bằng số lần thử lại (resampling) với sự thay thế từ nguồn dữ liệu gốc (original data)

Bioinformatics

17 4/9/2013

Điểm lặp lại (Bootstrap)

 Ngẫu nhiên khảo sát các cột từ trình tự n

lần  1 số cột được trình bày nhiều lần, 1 số khác thì

hoàn toàn không

 Xác định cây phát sinh loài tốt nhất trong nguồn

dữ liệu

 Lặp lại ngẫu nhiên mẫu nghiên cứu và khảo sát cây phát sinh loài nhiều lần khác nhau (100 – 1000 lần)

 Đếm số lần mỗi nhóm phục hồi lại cây phát sinh

loài đó

Bioinformatics

Re-sampling

Bioinformatics

Các mặt hạn chế của cây phát sinh loài

 Không hoàn toàn mô tả chính xác lịch

sử tiến hóa của các loài

 Các vấn đề về việc dựa vào các phân tích trên 1 loại đơn lẻ về tính trạng hoặc biểu hiện gen & protein

 Thường khác biệt với loài đầu tiên so sánh dựa trên dữ liệu khác biệt trong nghiên cứu

Bioinformatics

18 4/9/2013

Các hạn chế của cây phát sinh

 Dữ liệu đầu ra của phân tích quan hệ loài là 1 phép ước lượng các biểu hiện phát sinh loài (phylogenetic characteristic) VD: 1 cây phát sinh loài về 1 tiểu phần gen về Haemoglobin) không phải cây phát sinh loài về phân loại về Haemoglobin của loài từ các đặc tính được khảo sát.

=> 1 gen không thể quyết định quan

hệ 1 loài nào đó

Bioinformatics

Các hạn chế

 Khi 1 loài đã tuyệt chủng có trong cây phát sinh loài, chúng là đại diện cho 1 nhánh cuối không liên quan vì chúng hầu như không giống 1 tổ tiên trực tiếp của 1 loài đang còn tồn tại khi chưa được chứng minh.

 Theo quan điểm chủ nghĩa hoài nghi, 1 loài đã tuyệt chủng được phân tích trình tự hoàn toàn hoặc 1 phần khó chính xác mặc dù sự thật là chỉ 1 đoạn DNA cổ đại hữu ích được bảo quản hơn 100,000 năm

Bioinformatics

Luận điểm của Louisiana vs Schmidt

 Nha sĩ truyền bệnh HIV/AIDS cho bệnh nhân

nhổ răng.

 Lần đầu tiên trong lịch sử một ngành nghiên cứu tiến hóa được ứng dụng trong việc xác định các tội phạm trong xét xử.  Xác định phụ nữ mang thai mang virus HIV+ trong các

biểu đồ tuần hoàn máu sau khi mang thai

 Chồng cô đã kiểm tra HIV âm tính  Người phu nữ khẳng định rằng cô ta không có thói

quen “bừa bãi trong sinh hoạt”

Bioinformatics

19 4/9/2013

Luận điểm của Louisiana vs Schmidt

 Cô ta khẳng định rằng chỉ 1 nguồn duy nhất có thể lây truyền là 1 chất tiêm “Vitamin K” được đưa bởi bạn trai cũ.  Chia tay không êm thắm. Bạn trai cũ nổi giận, chia tay với những cuộc viếng thăm hoặc cuộc gọi không mong muốn

 Bạn trai cũ của cô là 1 nha sĩ, có 1 bệnh nhân HIV mà anh ấy đã lấy mẫu máu

Bioinformatics

Luận điểm của Louisiana vs Schmidt

 Bạn trai cũ chích cho cô ấy 1 mũi nghi

ngờ “Vitamin K‟

 Dựa vào chiều dài của thời gian từ khi tiêm và tỷ lệ phát triển nhanh của các đột biến di truyền của virus HIV/AIDS, căn cứ theo các nguồn dữ liệu về AIDS trong người phụ nữ trở thành 1 ngành nghiên cứu về cây phân tích phát sinh loài

Bioinformatics

Luận điểm của Louisiana vs Schmidt

Câu hỏi: Có phải dòng HIV từ ngƣời phụ nữ có phải có mối liên quan với dòng HIV đƣợc lấy từ máu bệnh nhân của nha sĩ?

Bioinformatics

20 4/9/2013

Giả thiết

2 giả thiết đƣợc đƣa ra -Người phụ nữ ngay thẳng -Người phụ nữ gian dối

Bioinformatics

Chứng minh giả thiết

 Chiết DNA, phóng đại DNA bằng PCR và giải mã trình tự từ những nhóm gen riêng biệt như:

–Người phụ nữ –Virus HIV của người nha sĩ –Từ bệnh nhân có mang HIV+ –Các dòng AIDS từ các phân bố và phân loại loài

có liên hệ gần của Lafayette

 Sắp xếp tất cả trình tự  Phân tích cây phát sinh loài

Bioinformatics

Chứng minh giả thiết dựa trên cây phát sinh loài

Bioinformatics

21 4/9/2013

Các ứng dụng khác

Bioinformatics

Các tài liệu tham khảo thêm

 Cây phát sinh loài không rõ nguồn gốc biểu hiện mối quan hệ giữa trình tự aa của F. rubripes IL-6 cho toàn bộ chiều dài phân tử với các nhóm IL-6 đã biết trong trình tự thành viên của họ IL 6.

 Cây phát sinh loài được xây dựng dựa trên mối quan hệ láng giềng (neighbour- joining)

Bioinformatics