Xây dựng cơ sở dữ liệu hai gene hsp - 70 và reverse transcripte - RNaseH ở một số loài virus thực vật

TRƢỜNG ĐẠI HỌC NÔNG LÂM TP. HỒ CHÍ MINH BỘ MÔN CÔNG NGHỆ SINH HỌC ***000*** KHÓA LUẬN TỐT NGHIỆP XÂY DỰNG CƠ SỞ DỮ LIỆU HAI GENE HSP-70 và REVERSE TRANSCRIPTE-RNaseH Ở MỘT SỐ LOÀI VIRUS THỰC VẬT Nghành học: CÔNG NGHỆ SINH HỌC Niên khóa: 2001-2005 Sinh viên thực hiện: NGUYỄN VĂN THÁI Thành phố Hồ Chí Minh Tháng 8/2005 BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƢỜNG ĐẠI HỌC NÔNG LÂM TP. HỒ CHÍ MINH BỘ MÔN CÔNG NGHỆ SINH HỌC ************ XÂY DỰNG CƠ SỞ DỮ LIỆU HAI GENE HSP-70 và REVERSE TRANSCRIPTASE-RNaseH Ở MỘT SỐ LOÀI VIRUS THỰC VẬT Giáo viên hƣớng dẫn: TS. TRẦN THỊ DUNG Cử Nhân. LƢU PHÚC LỢI Thành phố Hồ Chí Minh Tháng 8/2005 Sinh viên thực hiện: NGUYỄN VĂN THÁI iii LỜI CẢM TẠ Thành kính ghi ơn công lao dạy dỗ, tận tụy suốt đời vì con của cha mẹ. Xin bày tỏ lòng biết ơn sâu sắc đến: TS. Trần Thị Dung Cử Nhân. Lưu Phúc Lợi Đã tận tụy hướng dẫn, truyền đạt kiến thức cho tôi hoàn thành khóa luận này, đặc biệt là thầy Lưu Phúc Lợi đã trang bị cho tôi những kiến thức quí báu và là người đầu tiên đưa tôi đến với Bioinformatics. Xin chân thành cảm ơn đến quí thầy cô bộ môn Công Nghệ Sinh Học, khoa Công Nghệ Thông Tin. Đã nhiệt tình giúp đỡ, khuyên bảo, tạo điều kiện thuận lợi và đóng góp ý kiến chân thành cho tôi trong suốt thời gian làm khóa luận này. Xin gởi lời cảm ơn đến tập thể lớp Công Nghệ Sinh Học K27 đã động viên, giúp đỡ và luôn ở bên cạnh tôi trong những lúc khó khăn trong suốt thời gian học đại học. Nguyễn Văn Thái iv TÓM TẮT KHOÁ LUẬN NGUYỄN VĂN THÁI, Đại học Nông Lâm TP. Hồ Chí Minh. Tháng 8/2005. “XÂY DỰNG CƠ SỞ DỮ LIỆU HAI GENE HSP-70 VÀ REVERSE TRANSCRIPTASE-RNaseH Ở MỘT SỐ LOÀI VIRUS THỰC VẬT” Hội đồng hƣớng dẫn: TS. Trần Thị Dung Cử Nhân. Lƣu Phúc Lợi Khóa luận đƣợc thực hiện tại bộ môn Công Nghệ Sinh Học. Trƣờng Đại Học Nông Lâm TP. Hồ Chí Minh. Trong khoảng thời gian từ tháng 3/2005 đến 8/2005. Với sự phát triển của kỹ thuật giải trình tự, một số lƣợng lớn các gene hsp-70 và RT- RNaseH đã đƣợc giải trình tự. Những trình tự gene này đƣợc lƣu trữ trong CSDL sinh học lớn nhƣ NCBI, EMBL, DDBj,…Vì các CSDL này quá lớn và chứa rất nhiều thông tin khác nhau, không tập trung thành từng gene cụ thể nên khó có thể thực hiện việc truy xuất các thông tin phục vụ trực tiếp cho một nghiên cứu chuyên biệt. Do vậy, mục tiêu của chúng tôi là tiến hành xây dựng cơ sở dữ liệu hai gene hsp-70 và reverse transcriptase-RNaseH ở một số loài virus thực vật. Để đạt đƣợc mục tiêu trên, khóa luận cần đảm bảo thực hiện nội dung nhƣ sau: Dùng Perl script để thu nhận trình tự các nucleotide và protein của hai gene từ trang CSDL GenBank (NCBI cơ sở dữ liệu nucleotide). Xác định gene và protein của hai gene hsp-70 và Reverse transcriptase-RNaseH (RT-RNaseH) trong genome hay ORF (Open Reading Frame) của virus. Tìm hiểu về mô hình dữ liệu quan hệ, sử dụng mô hình này vào việc lƣu trữ dữ liệu các trình tự nucleotide và protein của hai gene, tạo CSDL hai gene này. Dùng Perl script để chuyển tự động các dữ liệu vào CSDL. Sử dụng giao thức CGI kết hợp với ngôn ngữ lập trình Perl, để thiết kế trang web CSDL về hai gene hsp-70 và RT-RNaseH ở trên hai họ virus Closteroviridae và Caulimoviridae. v Sau khi thực hiện các nội dung trên chúng tôi đạt đƣợc những kết quả nhƣ sau:  Chúng tôi đã tải đƣợc 325 trình tự gene hsp-70 và RT-RNaseH từ cơ sở dữ liệu NCBI.  Thông qua việc tìm hiểu về hai họ virus, trình tự gene tƣơng đồng, trình tự protein bảo tồn và kết hợp với ClustalW. Chúng tôi đã xác định đƣợc vị trí gene hsp-70 và RT-RNaseH trong ORF hay nằm trong genome của chúng.  CSDL có 325 trình tự đƣợc tích hợp với Web.  Trang Web CSDL gene hsp-70 và RT-RNaseH gồm có 6 trang chính, đó là HOME, SEARCH, TOOL, TAXONOMY, LINK, ABOUT PAGE. Ngoài ra, từ những trang web chính này còn có thể kết nối đến những trang phụ khác để cung cấp những tiện ích cho ngƣời dùng. Từ các trang web này, ngƣời sử dụng có thể truy xuất thông tin, so sánh một trình tự quan tâm với các trình tự trong cơ sở dữ liệu gene hsp-70 và RT-RNaseH, tìm kiếm trình tự, các đặc tính của loài,… vi MỤC LỤC Nội dung Trang Trang bìa ........................................................................................................................... i Trang trong ...................................................................................................................... ii Lời Cảm Tạ .................................................................................................................... iii Tóm Tắt Luận Văn ......................................................................................................... iv Mục Lục .......................................................................................................................... vi Danh Sách Các Bảng ...................................................................................................... ix Danh Sách Các Hình ....................................................................................................... x Danh Sách Các Chử Viết Tắt ........................................................................................ xii Phần 1. LỜI MỞ ĐẦU .................................................................................................. 1 Phần 2. TỔNG QUAN TÀI LIỆU ................................................................................ 4 2.1. SƠ LƢỢC VỀ CƠ SỞ DỮ LIỆU .......................................................................... 4 2.1.1. Định nghĩa .................................................................................................... 4 2.1.2. Hệ quản trị CSDL ......................................................................................... 4 2.1.3. Các mô hình dữ liệu ...................................................................................... 5 2.1.3.1. Định nghĩa ........................................................................................ 5 2.1.3.2. So sánh các mô hình dữ liệu………………………………………..5 2.2. NGÔN NGỮ LẬP TRÌNH PERL, MẠNG INTERNET VÀ WEB .................... 6 2.2.1. Perl ................................................................................................................ 6 2.2.1.1. Tóm tắt lịch sử phát triển .................................................................. 6 2.2.1.2. Ứng dụng .......................................................................................... 7 2.2.1.3. Một số module của Perl thƣờng đƣợc sử dụng ................................. 7 2.2.2. Giới thiệu về mạng Internet ......................................................................... 8 2.2.2.1. Tóm lƣợc lịch sử phát triển ............................................................... 8 2.2.2.2. Một số khái niệm .............................................................................. 9 2.2.3. Web ............................................................................................................... 9 2.2.3.1. Tóm lƣợt lịch sử phát triển ............................................................... 9 2.2.3.2. Tích hợp CSDL với web dùng CGI ................................................ 10 2.3. CƠ SỞ DỮ LIỆU SINH HỌC ........................................................................... 11 2.3.1. NCBI ........................................................................................................... 11 vii 2.3.1.1. Vài nét về NCBI ............................................................................. 11 2.3.1.2. Một số cơ sở dữ liệu trong NCBI.................................................... 11 2.3.1.3. Một số công cụ trong NCBI ............................................................ 12 2.3.2. EBI .............................................................................................................. 13 2.3.2.1. Vài nét về EBI ................................................................................. 13 2.3.2.2. Một số cơ sở dữ liệu trong EBI ....................................................... 13 2.3.2.3. Một số công cụ hỗ trợ phân tích trình tự sinh học .......................... 14 2.3.3. SIB ............................................................................................................. 15 2.3.4. DDJB và PDBj ............................................................................................ 15 2.4. VIRUS CAULIMOVIRIDAE VÀ CLOSTEROVIRIDAE ................................... 18 2.4.1. CAULIMOVIRIDAE ................................................................................... 19 2.4.1.1. Khái quát .......................................................................................... 19 2.4.1.2. Cấu tạo ............................................................................................. 20 2.4.1.3. Đặc tính sinh học ............................................................................. 20 2.4.1.4. Cơ chế xâm nhiễm và sao mã trong tế bào ký chủ .......................... 20 2.4.2. CLOSTEROVIRIDAE ................................................................................. 21 2.4.2.1. Khái quát .......................................................................................... 21 2.4.2.2. Cấu tạo ............................................................................................. 21 2.4.2.3. Cơ chế xâm nhiễm và sao mã trong tế bào ký chủ .......................... 22 2.5. Gene Hsp-70 và Reverse transcriptase-RNaseH ................................................ 23 2.5.1. Gene Reverse transciptase-RNaseH ........................................................... 23 2.5.2.1. Vị trí gene RT-RNaseH nằm trong genome .................................... 23 2.5.2.2. Chức năng của protein ..................................................................... 23 2.5.2. Gene hsp-70 ................................................................................................ 24 2.5.1.1. Vị trí gene hsp-70 nằm trong genome ............................................. 24 2.5.1.2. Chức năng ........................................................................................ 24 PHẦN 3. PHƢƠNG PHÁP VÀ CHƢƠNG TRÌNH SỬ DỤNG ............................. 25 3.1. Các chƣơng trình và ngôn ngữ lập trình đƣợc sử dụng...................................... 25 3.1.1. Hệ điều hành ............................................................................................... 25 3.1.2. Các chƣơng trình phân tích trình tự ........................................................... 25 3.1.2.1. Chƣơng trình so sánh trình tự ClustalW .......................................... 25 3.1.2.2. Chƣơng trình tìm kiếm các trình tự tƣơng đồng – BLAST ............. 25 viii 3.1.2.3. Hệ quả trị CSDL quan hệ MySQL .................................................. 26 3.1.2.4. Apache web Server .......................................................................... 27 3.1.2.5. Ngôn ngữ lập trình Perl và các gói sử dụng .................................... 27 3.2. Phƣơng pháp ....................................................................................................... 28 3.2.1. Thu nhận trình tự ........................................................................................ 28 3.2.2. Xác định gene và protein trong bộ gene virus ............................................ 29 3.2.3. Thiết kế CSDL trình tự gene và protein hsp-70 và RT-RNaseH ................ 32 3.2.3.1. Phân tích dữ liệu .............................................................................. 32 3.2.3.2. Thiết kế CSDL dạng bảng ............................................................... 34 3.2.3.3. Lƣu trữ các thông tin vào CSDL ..................................................... 35 3.2.4. Tích hợp CSDL gene hsp-70 và RT-RNaseH với trang Web .................... 37 Phần 4. KẾT QUẢ VÀ THẢO LUẬN ....................................................................... 39 4.1. Kết quả thu nhận trình tự của hai họ Closteroviridae và Caulimoviridae .......... 39 4.2. Kết quả thu nhận trình tự hai gene hsp-70 và Reverse transcriptase-RNaseH ... 41 4.3. CSDL trình tự gene hsp-70 và RT-RNaseH ........................................................ 42 4.4. Trang web thể hiện thông tin CSDL gene hsp-70 và RT-RNaseH ..................... 46 4.4.1. Trang thông tin chung về CSDL gene hsp-70 và RT-RNaseH .................... 47 4.4.2. Trang tìm kiếm ............................................................................................ 47 4.4.3. Trang công cụ .............................................................................................. 49 4.4.4. Trang cây phân loài ..................................................................................... 52 4.4.4.1. Trang Caulimoviridae ..................................................................... 52 4.4.4.2. Trang Closteroviridae ..................................................................... 54 4.4.5. Trang liên kết ............................................................................................... 54 4.4.6. Trang thông tin về bộ môn công nghệ sinh học .......................................... 54 PHẦN 5. KẾT LUẬN VÀ ĐỀ NGHỊ ......................................................................... 55 4.1. KẾT LUẬN ........................................................................................................ 55 4.2. ĐỀ NGHỊ ........................................................................................................... 55 PHẦN 6. TÀI LIỆU THAM KHẢO .......................................................................... 57 PHỤ LỤC ..................................................................................................................... 59 ix DANH MỤC BẢNG Trang Bảng 2.1. Một số CSDL sinh học lớn và các địa chỉ web tƣơng ứng ........................... 17 Bảng 2.2. Một số CSDL sinh học lớn và các địa chỉ web tƣơng ứng.(tiếp theo) .......... 18 Bảng 3.1. Các đối tƣợng phụ dựa trên đối tƣợng chính Sinh vật (Organism) .............. 33 Bảng 3.2. Các đối tƣợng phụ dựa trên đối tƣợng chính trình tự (Sequence) ................ 34 Bảng 4.1 Tổng số trình tự trong CSDL gene hsp-70 và RT-RNaseH ........................... 43 Bảng 4.2 Số trình tự gene hsp-70 .................................................................................. 43 Bảng 4.3 Số trình tự gene RT-RNaseH .......................................................................... 43 x DANH MỤC HÌNH Trang Hình 1.1 Định nghĩa Bioinformatics theo NCBI ............................................................. 1 Hình 1.2 Định nghĩa bioinformatics đƣợc mở rộng ........................................................ 2 Hình 2.1 Tƣơng tác giữa Perl script-DBI-DBD-và RBDMS .......................................... 8 Hình 2.2 Tƣơng quan giữa NCBI, NLM ....................................................................... 11 Hình 2.3 Một số cơ sở dữ liệu trong NCBI ................................................................... 14 Hình 2.4 Ba cơ sở dữ liệu nucleotide (GenBank – EMB - DDB) và công cụ tìm kiếm tƣơng ứng……………………………………………………………………………...16 Hình 2.5. Sự hợp nhất của ba cơ sở dữ liệu MSD, PDBj, PDB .................................... 16 Hình 2.6 Tổ chức genome của virus CaMV .................................................................. 19 Hình 2.7 Một số loài trong họ Caulimoviridae ............................................................. 20 Hình 2.8 Cơ chế nhân bản, sao mã và dịch mã vào tế bào ký chủ của virus dsDNA ......... 21 Hình 2.9 Hình thái virion của Citrus tristeza virus thuộc Closterovirus ...................... 22 Hình 2.10 Cơ chế nhân bản, sao mã và dịch mã vào tế bào ký chủ của virus (+)ssRNA ...................................................................................................................... 22 Hình 2.11 Vị trí gene RT-RNasseH nằm trong cấu trúc genome Cauliflower mosaic virus ...................................................................................................................... 23 Hình 2.12. Protein reverse transcriptase ........................................................................ 24 Hình 2.13 Vị trí gene hsp-70 nằm trong tổ chức genome của Beet yellows virus .............. 24 Hình 2.14 Protein HSP-70 ............................................................................................. 24 Hình 3.1 Sơ đồ tóm tắt quá trình thu nhận trình tự ....................................................... 28 Hình 3.2 Sơ đồ xác định gene trong genome virus ....................................................... 29 Hình 3.3 Định dạng FASTA để thực hiện sắp gióng cột hai trình tự ............................ 30 Hình 3.4 Kết quả sắp gióng cột cặp trình tự gene RT-RNaseH (đã biết vị trí) với RT- RNaseH trong ORF hay genome của virus .......................................................... 31 Hình 3.5 Sơ đồ các đối tƣợng của CSDL gene hsp-70 và RT-RNaseH ........................ 32 Hình 3.6 Tiến trình lấy thông tin từ CSDL hai gene ở hai loài virus ........................... 37 Hình 3.7 Sơ đồ chi tiết các bảng quan hệ trong CSDL hai gene và protein hsp-70 và RT-RNaseH ở hai họ virus Caulimoviridae và Closteroviridae …………………………38 Hình 4.1 File chứa accession number và dòng định nghĩa của giống Crinivirus.......... 39 xi Hình 4.2 Mẫu tin về gene hsp-70 của Sweet potato chlorotic stunt virus trên NCBI………..40 Hình 4.3 Mô hình thu nhận gene RT-RNaseH trong ORF5 của CMV………………..41 Hình 4.4 Sơ đồ cấu trúc của trang web CSDL gene hsp-70 và RT-RNaseH ................. 46 Hình 4.5 Trang HOME PAGE ...................................................................................... 47 Hình 4.6 Trang tìm kiếm trình tự khi biết ACCESSION NUMBER ............................ 48 Hình 4.7 Trang kết quả tìm kiếm trình tự khi biết ACCESION NUBER ..................... 48 Hình 4.8 Trang tìm kiếm trình tự tƣơng đồng bằng Alignment .................................... 50 Hình 4.9 Trang kết quả khi thực hiện Alignment giữa các trình tự…………………..51 Hình 4.10 Trang tìm kiếm trình tự tƣơng đồng bằng BLAST ...................................... 51 Hình 4.11 Trang cây phân loài của hai họ Caulimoviridae và Closteroviridae ............ 52 Hình 4.12 Trang web thể hiện nội dung các đặc tính của họ…………………………53 xii DANH SÁCH CÁC CHỮ VIẾT TẮT CSDL Cơ sở dữ liệu. RT-RNaseH Reverse transcriptase-RnaseH hsp-70 Heat sock protein 70. Perl Practical Extraction and Report Language CGI Common Gateway Interface DBI Database Interface DBD Datadbase Driver WWW World Wide Web HTML Hypertext Markup Language HTTP Hypertext Transfer Protocol NCBI Center for Bioinformatic Information BLAST Basic Local Alignment Search Tool EBI European Bioinformatics Insiture EMBL European Molecular Biology Laboratory SIB Swiss Insitute of Bioiformatics DDBJ DNA Data Bank Japan PDBj Protein Database Japan CaMV Caulimoflower mosaic virus 1 PHẦN 1 LỜI MỞ ĐẦU Với những bƣớc tiến vƣợt bậc trong việc khám phá và ứng dụng những kỹ thuật sinh học phân tử vào trong giải trình tự genome của sinh vật, ngày càng nhiều trình tự đƣợc giải. Đòi hỏi có sự lƣu trữ, tổ chức, quản lý và khai thác tốt các thông tin về trình tự thu đƣợc này ngày càng hiệu quả và nhanh chóng hơn. Vì vậy, cần có sự hỗ trợ đắc lực của các nghành khoa học khác.Với khả năng xử lý, lƣu trữ, liên kết và truy xuất một lƣợng thông tin lớn một cách nhanh chóng của máy tính đã giúp nó trở thành một công cụ hữu ích cho việc ứng dụng vào trong lĩnh vực sinh học. Sự kết hợp giữa ngành tin học và sinh học dẫn đến cho ra đời một công cụ mới, phục vụ cho việc nghiên cứu trong sinh học đó là Tin - sinh học. Mặc dù Tin - sinh học là một lĩnh vực mới ra đời nhƣng triển vọng của nó phục vụ cho nghiên cứu sinh học rất lớn. KHÁI NIỆM VỀ TIN - SINH HỌC Sự kết hợp, liên thông giữa các ngành khoa học giúp cho khoa học có những bƣớc phát triển mới.Trong thời đại khoa học hiện nay, sự kết hợp giữa các ngành lại với nhau là hết sức cần thiết. Không một ngành khoa học nào có thể phát triển mà không cần sự hổ trợ của ngành khác.Với những bƣớc đột phá mạnh mẽ trong lĩnh vực công nghệ thông tin và một số thành tựu mới trong nghiên cứu sinh học (giải mã toàn bộ genome của ngƣời và một số loài khác) thì sự kết hợp này cho ra đời một lĩnh vực nghiên cứu mới – Bioinformatics hay Tin - sinh học là một ví dụ điển hình cho sự liên kết này. Nhƣ vậy, bioinformatics là gì? Có nhiều định nghĩa khác nhau về thuật ngữ này. Có thể định nghĩa một cách ngắn gọn thuật ngữ này nhƣ sau “Bioinformatics là sự kết hợp giữa công nghệ sinh học và công nghệ thông tin với mục tiêu giúp hiểu biết và khám phá những nguyên lý trong sinh học” (theo trang web NCBI). [7, 22] Công nghệ sinh học Bioinformatics: giúp hiểu biết và khám phá những nguyên lý trong sinh học Hình 1.1 Định nghĩa Bioinformatics theo NCBI. Công nghệ tin học 2 TOÁN HỌC KHOA HỌC MÁY TÍNH THỐNG KÊ SINH HỌC HÓA HỌC VẬT LÝ Bioinformatics Hình 1.2 Định nghĩa bioinformatics đƣợc mở rộng Thật vậy, sự kết hợp này đã giải quyết hàng loạt những nghiên cứu trong sinh học mà đòi hỏi thời gian khá dài hay khó có thể thực hiện bằng tay và mắt thƣờng đƣợc. Nhƣng định nghĩa trên chƣa hoàn toàn đầy đủ, vì bioinformatics không chỉ đơn thuần là sự kết hợp giữa công nghệ sinh học và công nghệ thông tin, mà là sự kết hợp của nhiều ngành khoa học khác nhau nhƣ toán học, thống kê, khoa học máy tính, sinh học, hóa học, vật lý,… Ngoài ra, sự kết hợp này có sự đan xen tƣơng hỗ với nhau. Vì thế, thành quả nghiên cứu mang lại của ngành học này không chỉ đóng góp cho sinh học mà còn cho các ngành khác. Một ví dụ rõ ràng nhất là trong qui trình nghiên cứu về hệ thần kinh của động vật, con ngƣời đã phát hiện ra neuron thần kinh và cách xung thần kinh đƣợc dẫn truyền các tính hiệu qua các tế bào thần kinh. Kết hợp với những tính toán vật lý, trí tuệ nhân tạo, những lý thuyết sinh học trên đƣợc áp dụng vào tin học, để hình thành một mạng tính toán (Neuron network). Một ví dụ khác là thuật giải di truyền (GA - Genetic Algorithm) giúp giải những bài toán gần đúng có tính chính xác cao, dựa trên lý thuyết tiến hóa trong sinh học của Darwin. Nhƣ vậy, sơ đồ trên cần đƣợc bổ sung nhƣ sau: 3 Hầu hết, các nhà tin – sinh học trên thế giới hiện nay đang phát triển bioinformatics theo hƣớng nhƣ định nghĩa ban đầu (theo trang NCBI) do công nghệ sinh học là ngành khoa học mũi nhọn của thế kỷ 21. Sự phát triển của kỹ thuật giải trình tự, một số lƣợng lớn các gene hsp-70 và RT-RNaseH đã đƣợc giải trình tự. Những trình tự gene này đƣợc lƣu trữ trong CSDL sinh học lớn nhƣ NCBI, EMBL, DDBj,… Vì các CSDL này quá lớn và chứa rất nhiều thông tin khác nhau, không tập trung thành từng gene cụ thể nên khó có thể thực hiện việc truy xuất các thông tin phục vụ trực tiếp cho một nghiên cứu chuyên biệt Vì vậy, khóa luận đƣợc thực hiện với các mục tiêu lần lƣợt nhƣ sau. Một là xây dựng cơ sở dữ liệu (CSDL) về trình tự nucleotide và protein của 2 gene hsp-70 và Reverse transcriptase-RNaseH (RT-RNaseH). Hai là dùng giao diện web để truy xuất thông tin về cơ sở dữ liệu và thực hiện việc chia sẻ thông tin đó. Để đạt đƣợc mục tiêu này, khóa luận cần đảm bảo thực hiện nội dung nhƣ sau: Dùng Perl script để thu nhận trình tự các nucleotide và protein của hai gene từ CSDL GenBank (NCBI cơ sở dữ liệu nucleotide). Xác định gene và protein của hai gene hsp-70 và Reverse transcriptase-RNaseH (RT-RNaseH) trong genome hay ORF (Open Reading Frame) của virus. Tìm hiểu về mô hình dữ liệu quan hệ, sử dụng mô hình này vào việc lƣu trữ dữ liệu các trình tự nucleotide và protein của hai gene, tạo CSDL hai gene này. Dùng Perl script để chuyển tự động các dữ liệu vào CSDL. Sử dụng giao thức CGI kết hợp với ngôn ngữ lập trình Perl, để thiết kế trang web CSDL về hai gene hsp-70 và RT-RNaseH trên hai họ virus Closteroviridae và Caulimoviridae. 4 PHẦN 2 TỔNG QUAN TÀI LIỆU 2.1. SƠ LƢỢC VỀ CƠ SỞ DỮ LIỆU 2.1.1. Định nghĩa [3, 8] Cơ sở dữ liệu (CSDL) là một tập hợp dữ liệu đƣợc tổ chức theo một cấu trúc chặt chẽ nhằm phục vụ cho nhiều mục tiêu khác nhau một cách có chọn lọc. Tập hợp dữ liệu sẽ đƣợc lƣu trữ trên các thiết bị lƣu trữ thông tin thứ cấp nhƣ băng từ, đĩa từ,… để thỏa mãn nhu cầu khai thác thông tin đồng thời của nhiều ngƣời sử dụng hay nhiều chƣơng trình ứng dụng với nhiều mục đích khác nhau. Nhƣ vậy, các đặc tính của một CSDL là: Tính nhất quán Tính toàn vẹn Tính tích hợp Tính chia sẻ Tính độc lập dữ liệu Tính an toàn Tính bảo mật 2.1.2. Hệ quản trị CSDL (Database Management System – DBMS) Là một hệ thống phần mềm cho phép các nhà phân tích và thiết kế CSDL cũng nhƣ ngƣời khai thác CSDL đƣợc thuận lợi trong quá trình định nghĩa, thao tác, truy xuất và quản lý dữ liệu. Hệ quản trị CSDL đầu tiên ra đời vào đầu những năm 60 dựa trên mô hình dữ liệu phân cấp và mô hình mạng. Năm 1976 đánh dấu sự ra đời hệ quản trị CSDL đầu tiên dựa trên mô hình quan hệ mang tên System-R. Đến những năm 90, bắt đầu xuất hiện các hệ quản trị CSDL dựa trên mô hình hƣớng đối tƣợng,… Tuy nhiên chúng vẫn dựa chủ yếu vào nền tảng là mô hình quan hệ. Hệ quản trị ODMG ra đời năm 1996 đƣợc coi là hệ quản trị thuần hƣớng đối tƣợng nhất. Hiện nay, một số hệ quản trị CSDL mạnh đang đƣợc đƣa ra thị trƣờng nhƣ Visual FoxPro, SQL-Server, Oracle,… 5 Một hệ quản trị cơ sở dữ liệu phải có khả năng giải quyết các vấn đề:  Tính chủ quyền của dữ liệu: đó là phải bảo đảm vấn đề an toàn dữ liệu và tính chính xác của dữ liệu.  Tính bảo mật và quyền khai thác thông tin của ngƣời sử dụng.  Tranh chấp dữ liệu: do có thể cùng một lúc có nhiều ngƣời cùng truy cập vào một nguồn tài nguyên dữ liệu với các mục đích khác nhau nên hệ quản trị CSDL phải có cơ chế ƣu tiên truy cập dữ liệu. Cơ chế ƣu tiên có thể đƣợc thực hiện bằng cách cấp quyền ƣu tiên cho ngƣời khai thác (ngƣời đƣợc cấp quyền hạn ƣu tiên cao hơn thì đƣợc phép truy cập dữ liệu trƣớc) hay dựa vào thời điểm truy cập (ngƣời truy xuất trƣớc thì có quyền truy cập dữ liệu trƣớc).  Phục hồi dữ liệu khi có sự cố. 2.1.3. Các mô hình dữ liệu [2, 3] 2.1.3.1. Định nghĩa Mô hình dữ liệu là sự trừu tƣợng hóa thế giới thực, là sự biểu diễn dữ liệu mức quan niệm. Mô hình dữ liệu đƣợc phân loại dựa trên các cách tiếp cận dữ liệu khác nhau của các nhà phân tích, thiết kế CSDL. Mô hình dữ liệu hoàn toàn độc lập giữa hệ thống máy tính và cấu trúc dữ liệu. Hiện nay, có năm loại mô hình dữ liệu chính. Đó là:  Mô hình dữ liệu mạng: thập niên 60-70.  Mô hình dữ liệu phân cấp: thập niên 60-70.  Mô hình dữ liệu quan hệ: thập niên 80.  Mô hình dữ liệu thực thể kết hợp: thập niên 90.  Mô hình dữ liệu hƣớng đối tƣợng: thập niên 90. 2.1.3.2. So sánh các mô hình dữ liệu [2] Sự ra đời của mô hình dữ liệu quan hệ đã khắc phục đƣợc những khó khăn khi thiết kế và quản lí CSDL theo mô hình mạng và mô hình phân cấp.  Thứ nhất, mô hình mạng và mô hình phân cấp sử dụng nguyên lý chủ nhân – thành viên, cha – con rất khó khăn cho việc thiết kế, sắp xếp và sau khi thiết kế xong muốn sửa đổi rất phức tạp, hầu nhƣ phải làm lại từ đầu. Mô hình quan hệ tổ chức dữ liệu dƣới dạng bảng dễ hiểu và đơn giản hơn 6 trong việc thiết kế và sửa đổi sau này. Ngoài ra, việc thiết kế mô hình quan hệ hoàn toàn độc lập với hệ quản trị CSDL.  Thứ hai, các ngôn ngữ để tạo và thao tác các cấu trúc trong mô hình mạng và mô hình phân cấp rất khó sử dụng. Ví dụ khi sử dụng hệ quản trị IDMS đòi hỏi phải thông thạo về ngôn ngữ từ điển dữ liệu tích hợp và các trình biên dịch lƣợc đồ và lƣợc đồ con. Trong khi đó, các hệ quản trị theo mô hình quan hệ dễ sử dụng hơn vì sử dụng ngôn ngữ truy vấn dữ liệu ở mức độ cao nhƣ SQL,… Do những ƣu điểm trên CSDL quan hệ ngày càng đƣợc sử dụng rộng rãi. Tuy nhiên, trong một số trƣờng hợp, mô hình quan hệ trở nên không thích hợp, nhất là khi sử dụng nó để thể hiện những dữ liệu có quan hệ cấu trúc nhƣ cây hệ thống sinh học. đối với những loại dữ liệu loại này, sử dụng mô hình dữ liệu hƣớng đối tƣợng là thích hợp nhất. Khi một CSDL đƣợc xây dựng xong, thì việc tiếp theo là làm sao để có thể truy xuất thông tin từ CSDL này, nghĩa là ngƣời dùng có thể nhận đƣợc các thông tin mà họ cần hay có thể bổ sung thêm một vài thông tin qua một giao diện thân thiện. Hơn thế nữa, ngƣời dùng còn muốn chia sẻ thông tin với các nơi khác. Để thực hiện đƣợc điều đó, ngƣời ta thƣờng chọn giao thức CGI, hiển thị những đòi hỏi thông tin về CSDL của ngƣời dùng thông qua dịch vụ web. 2.2. NGÔN NGỮ LẬP TRÌNH PERL, MẠNG INTERNET VÀ WEB 2.2.1. Perl [19] 2.2.1.1. Tóm tắt lịch sử phát triển Perl là chữ viết tắt của “Practical Extraction and Report Language”. Larry Wall tạo ra ngôn ngữ Perl năm 1986 nhằm quản trị và cấu hình các mạng máy tính lớn. Ngôn ngữ này phát sinh từ ngôn ngữ lập trình C và bị ảnh hƣởng bởi ngôn ngữ khác nhƣ BASIC, awk, sed và UNIX shell. Năm 1987, Perl 1.0 ra đời. Năm 1988, Perl 2.0 phát hành và đƣợc các nhà quản trị UNIX sử dụng rộng rãi. 7 Năm 1989, Perl 3.0 ra đời, nhƣng phiên bản này đƣợc phát hành dƣới bản quyền đƣợc bảo vệ của GNU. Với phiên bản này Perl nhanh chóng trở thành tiêu chuẩn để viết CGI script dùng cho việc xử lý dữ liệu đƣợc gửi trên Internet. Năm 1991, phiên bản 4.0 đƣợc đƣa ra vào tháng 3. Đến thời điểm này, Perl đã trở thành ngôn ngữ khá hoàn chỉnh mặc dù vẫn còn một số khuyết điểm nhỏ. Năm 1994, phiên bản Perl 5.0 ra đời cùng với sự ra đời của DBI (Database Interface) và DBD (Datadbase Driver) cho hệ quản trị CSDL Oracle của Tim Bunce. Từ đó, các DBD của các hệ quản trị CSDL khác cũng dần xuất hiện. Năm 2000, phiên bản 5.6 xuất hiện vào tháng 3. Phiên bản này đã chuyển sang định dạng tiêu chuẩn và có sự hỗ trợ cả Unicode và UTF-8. Năm 2002, phiên bản Perl 5.8 ra đời cùng với nhiều cải tiến mới đƣợc bổ sung. 2.2.1.2. Ứng dụng [6] Perl đƣợc dùng để xử lý tập tin, truy cập dữ liệu và đƣợc dùng cho giao diện cổng chung (Common Gateway Interface – CGI), tiến hành tạo script của Microsoft Windows, tạo giao diện ngƣời dùng đồ họa (graphical user interface – GUI). Ƣu điểm: là ngôn ngữ dễ nắm bắt, thích hợp cho xử lý chuỗi và văn bản thuần túy, đƣợc sự hổ trợ của nhiều hệ điều hành. Vì vậy, Perl là ngôn ngữ lập trình thích hợp cho các nhà tin – sinh học vì nó có thể giúp cho việc thao tác trên các chuỗi trình tự sinh học, tạo CSDL sinh học dễ dàng hơn. Ngoài ra, Perl còn đƣợc sự hỗ trợ module (tập các hàm) giúp kết nối, truy xuất CSDL với trang Web, tạo ra trang web động. Nhƣợc điểm: chỉ có thể dùng để viết các chƣơng trình, script nhỏ. 2.2.1.3. Một số module của Perl thƣờng đƣợc sử dụng [20, 21] Mudule CGI (Common Gateway Interface – CGI) của Perl: do Lincoln D. Stein viết và bổ sung, nâng cấp thêm các tính năng từ version 1.44 đến version 3.04. Module này gồm các hàm giúp viết kịch bản Perl theo giao thức CGI. Các script này giúp lấy thông tin từ trình diệt khách gởi đến máy chủ, đƣa vào chƣơng trình sử lý và đƣa lại thông tin kết quả đến máy khách. Module DBI (Database Interface) của Perl: là tập các hàm, biến và những qui ƣớc cần thiết cho việc tƣơng tác với một CSDL nhất định thông qua Perl script, hoàn toàn độc lập với hệ quản trị CSDL (do tác giả của DBI, Tim Bunce, định nghĩa). 8 Những tƣơng tác có thể nhập, nâng cấp, xử lý, rút trích,…dữ liệu vào hay ra khỏi CSDL. Phiên bản hiện tại là 1.48. Module DBD (Datadbase Driver) của Perl: là một module phụ thuộc loại hệ quản trị CSDL và liên kết với module BDI để truy cập vào một loại hệ quản trị CSDL nhất định. Nhƣ vậy tƣơng ứng với một hệ quản trị CSDL có một loại DBD. Ví dụ nhƣ hệ quản trị MySQL có Database Driver là DBD::MySQL. 2.2.2. Giới thiệu về mạng Internet [2] 2.2.2.1. Tóm lƣợc lịch sử phát triển Năm 1957, Bộ quốc phòng Mỹ thành lập cơ quan nghiên cứu các dự án kỹ thuật cao ARPA (Advanced Research Projects Agency), thuộc một bộ phận trong bộ quốc phòng. Chỉ một thập niên sau, năm 1969, ARPA thiết lập mạng ARPANET – tiền thân của Internet ngày nay. ARPANET là một mạng máy tính nối bốn máy chủ tại các trƣờng đại học California – Los Angeles, đại học California – Santa Barbara, viện nghiên cứu Standford và đại học Utah lại với nhau. Từ năm 1969 đến 1986, số lƣợng máy chủ tăng lên khoảng năm ngàn. Đến năm 1973, mạng xuyên quốc gia đầu tiên đƣợc thiết lập giữa hai nƣớc Anh và Na Uy. Năm 1982, giao thức TCP/IP ra đời và nhanh chóng trở thành giao thức chuẩn. Internet dần dần đƣợc phát triển và đột phá từ khi có sự ra đời của dịch vụ WWW (World Wide Web). Và từ đây, Internet đƣợc mở rộng sử dụng cho các ngành nghiên cứu khác và trở thành một công cụ có mụch đích thƣơng mại. P E R L S C R I P T D B I S w it c h DBD DBD DBD RDBMS RDBMS RDBMS Hình 2.1 Tƣơng tác giữa Perl script-DBI-DBD-và RBDMS RDBMS (Relational Database Management Systems): hệ quản trị CSDL quan hệ 9 2.2.2.2. Một số khái niệm Internet là một mạng toàn cầu, kết nối các mạng máy tính theo cùng một giao thức chung TCP/IP. Giao thức là cách thức đóng gói, mã hóa dữ liệu truyền trên đƣờng mạng và các qui tắc để thiết lập và duy trì quá trình trao đổi dữ liệu. Giao thức TCP/IP là giao thức dùng cho hệ mạng Internet/Intranet. 2.2.3. Web [2, 4] 2.2.3.1. Tóm lƣợt lịch sử phát triển Năm 1991, WWW đƣợc phát triển đầu tiên ở Thụy Sỹ và trở thành dịch vụ thông dụng trên mạng Internet. Tim Berners – Lee và các cộng sự tại phòng thí nghiệm Vật lý Phân tử Châu Âu đã phát minh ra giao thức truyền thông trên cơ sở các thông tin dạng siêu văn bản (Hypertext). Từ đó, một loạt các thuật ngữ lần lƣợt ra đời nhƣ webServer, webClient, webPage, webSite, URL: WebServer: máy cung cấp thông tin dạng web. WebClient: máy truy xuất thông tin từ web server. WebSite: tập hợp các trang web của một tổ chức, một website có thể có nhiều web server. WebPage: một trang tự liệu web. URL (Uniform Resource Locator) đƣờng dẫn chỉ đến một tập tin trong một máy chủ trên Internet. Để truy xuất các thông tin trên web server, các web client phải sử dụng một chƣơng trình để duyệt các thông tin này gọi là web browser. Đến năm 1993, trung tâm ứng dụng siêu máy tính quốc gia NCSA (National Center Supercomputer Application) xây dựng trình duyệt web, có tên là Mosaic, đầu tiên có giao diện đồ họa. Năm 1995, đánh dấu sự ra đời của trình duyệt Netscape và sau đó là Microsoft Internet Explorer. Các trình duyệt này cho phép truy xuất dữ liệu khu trú trên máy WWW. Hai công cụ hỗ trợ WWW là ngôn ngữ đánh dấu siêu văn bản HTML (Hypertext Markup Language) dùng để tạo ra các trang web và giao thức truyền siêu văn bản HTTP (Hypertext Transfer Protocol). 10 Tuy nhiên, các trang web này chỉ là những trang web tĩnh. Khi nhu cầu trao đổi thông tin ngƣời sử dụng và các nhà cung cấp thông tin ngày càng tăng, các trang web động dần dần thay thế các trang web tĩnh. Trang web động là trang web đƣợc tạo ra để đáp ứng các dữ liệu nhập vào của ngƣời dùng trực tiếp hay gián tiếp và trả lại kết quả thông qua sự tƣơng tác với hệ thống CSDL. Có nhiều kỹ thuật đƣợc dùng để tích hợp CSDL với web để tạo ra trang web động nhƣ CGI, PHP, ASP, JSP, Coldfusion. Trong đó:  CGI (Common Gateway Interface): là kỹ thuật ra đời sớm nhất và đƣợc các nhà tin – sinh học sử dụng. Cụ thể CGI đƣợc định nghĩa là một cách thức mà web server chạy một chƣơng trình một cách cục bộ và trả lại kết quả thông qua máy server về trình duyệt web (ở máy client) của ngƣời dùng yêu cầu nội dung động. Nhiều ngôn ngữ lập trình đƣợc sử dụng để viết CGI nhƣ Perl, C, C++.  ASP (Active Server Page): là kỹ thuật của Microsoft sử dụng Visual Basic hay các ngôn ngữ khác để viết, thƣờng chỉ ứng dụng trên hệ điều hành Windows.  JSP (Java Server Page): là thuật ngữ dùng Java để viết, có thể chạy trên các hệ điều hành nhƣ Unix, Linux, Windows, Mac,…  PHP (Hypertext Preprocessior): là dự án của Apache Software Foundation. Tƣơng tự nhƣ ASP và JSP, PHP có một tập các thẻ mã chƣơng trình đặt bên cạnh các thẻ HTML. 2.2.3.2. Tích hợp CSDL với web dùng CGI [2] Gồm ba bƣớc: Bƣớc 1: từ trình duyệt web (trên máy client) gởi đi những yêu cầu của ngƣời dùng đến máy server. Ở máy server, thông qua trình ứng dụng CGI chuyển những yêu cầu đó thành những câu truy vấn SQL. Bƣớc 2: kết nối CSDL, thực hiện những câu truy vấn đó. Bƣớc 3: thu lấy kết quả truy vấn, thông qua trình ứng dụng CGI chuyển kết quả thu đƣợc từ CSDL thành định dạng HTML, rồi trả về máy client. 11 NLM NCBI NIH Hình 2.2 Tƣơng quan giữa NCBI, NLM (National Library of Medicine và NIH) 2.3. CƠ SỞ DỮ LIỆU SINH HỌC Dữ liệu sinh học ngày càng tăng theo cấp số mũ qua các dự án giải trình tự bộ gene, do sự phát triển của kỹ thuật và thiết bị thí nghiệm nhƣ kỹ thuật DNA micro array, kỹ thuật giải trình tự tự động cho phép tạo ra hàng ngàn dữ liệu sinh học trong chốc lát. Nhƣ vậy vấn đề đặt ra là cần phải có biện pháp lƣu trữ, quản lý, sử dụng và chia sẽ nguồn dữ liệu này. Do đó cần xây dựng các dữ liệu này thành một CSDL hoàn chỉnh để có thể thực hiện đƣợc mục đích trên. Hơn thế nữa, với việc hệ thống hóa toàn bộ dữ liệu trên, chúng ta dễ dàng thực hiện việc chia sẽ những thông tin ấy qua mạng Internet hay kết nối thêm vào những tập dữ liệu ở nơi khác. Một số CSDL lớn, trực tuyến đã đƣợc xây dựng để cung cấp thông tin cho các nhà nghiên cứu sinh học nhƣ NCBI, EBI, SIB, DDBJ,… 2.3.1. NCBI (National Center for Bioinformatic Information) [22] 2.3.1.1. Vài nét về NCBI NCBI là chữ viết tắt của “Center for Bioinformatic Information”. Đây là trung tâm quốc gia về Công nghệ sinh học, thuộc viện sức khỏe quốc gia của Hoa kỳ (NIH – National Insitute of Health). NCBI chính thức đƣợc thành lập vào ngày 4/10/1988. Đến năm 1991, NCBI đảm nhiệm việc quản lý CSDL trình tự DNA và từ đó NCBI còn đƣợc gọi là GenBank. NCBI là nơi cung cấp, trao đổi thông tin về sinh học phân tử của Mỹ, thông qua những CSDL trực tuyến. Ngoài ra, NCBI còn tham gia những nghiên cứu về “sinh học tính toán” (computation biology), phát triển những công cụ phân tích dữ liệu bộ gene, protein,… 2.3.1.2. Một số cơ sở dữ liệu trong NCBI Nucleotide (GenBank): là CSDL về trình tự nucleotide. Protein: là CSDL về trình tự amino acid. Genome: trình tự toàn bộ genome của một số sinh vật. 12 Structure: hay còn có tên gọi là MMDB (Molecular Modeling Database) chứa cấu trúc ba chiều của những đại phân tử bao gồm cả protein lẫn những chuỗi nucleotide. Ngoài ra, NCBI còn một số CSDL khác. Chúng là các CSDL trung gian, đƣợc tạo thành từ sự kết hợp của hai hay nhiều CSDL trên, hay do liên kết đến các CSDL khác. 2.3.1.3. Một số công cụ trong NCBI  Công cụ khai thác dữ liệu o Tìm kiếm thông tin sinh học dựa trên từ khóa có dạng văn bản: Entrez: chứa các phƣơng thức tìm kiếm nhƣ tìm kiếm dựa trên accession number, hay dựa theo tên sinh vật, tên gene, tên protein,… trên tất cả các CSDL đã đề cập ở phần 2.3.1.2. o Tìm kiếm trình tự tƣơng đồng: có phần mềm điển hình nhƣ: BLAST (Basic Local Alignment Search Tool): có BLAST Homepage là nơi cung cấp thông tin hƣớng dẫn về BLAST, chƣơng trình BLAST,… Blink: nơi hiển thị kết quả bằng BLAST trên mọi protein có trong mọi CSDL protein Entrez. Network-client BLAST: client BLAST (blastcl3) có thể thâm nhập vào bộ máy BLAST của NCBI. Blastcl3 này có thể tìm kiếm tất cả các trình tự dƣới dạng file FASTA và tạo sự gióng cột một-nhiều trình tự, sau đó lƣu dƣới dạng file text hay HTML. Ngoài ra, blastcl3 còn có thể thực hiện việc tìm kiếm trên nhiều CSDL. Stand-alone BLAST: là phần mềm có thể tải về từ NCBI. Phần mềm này thực hiện việc tìm kiếm các trình tự tƣơng tự trên CSDL trình tự cục bộ. o Phân loại sinh vật: Taxonomy Browser: công cụ thực hiện việc tìm kiếm trên CSDL Taxonomy. Taxonomy BLAST: nhóm lại những kết quả có tỉ lệ tƣơng đồng khi thực hiện BLAST, tùy thuộc vào sự phân loại của chúng trong CSDL Taxonomy. TaxTable: tóm tắt kết quả sau khi thực hiện BLAST với CSDL Taxonomy và hiển thị mối quan hệ giữa sinh vật này với sinh vật khác bằng các biểu đồ màu. 13  Công cụ phục vụ cho việc góp trình tự protein, DNA, EST, STS, …lên NCBI Sequin: phần mềm này có thể tải về từ NCBI, hổ trợ cho việc tạo ra những file văn bản (chứa trình tự, tên tác giả, bài báo,…) có cấu trúc theo khuôn mẫu. Trong phần mềm này còn kèm theo một số công cụ nhỏ nhƣ công cụ tìm khung đọc mở, công cụ gióng cột trình tự,… phần mềm này thích hợp cho việc góp nhiều trình tự cùng một lúc.  NCBI còn tích hợp khá nhiều những công cụ, phần mềm phân tích trình tự DNA, protein nhƣ: BanklIt, ORF Finder, Electronic-PCR (e-PCR), VecScreen, Homologene, COGs, COGnitor, GEO, MGC, Clone Registry, CDD, LocusLink,… 2.3.2. EBI (European Bioinformatics Insiture) [23] 2.3.2.1. Vài nét về EBI EBI là viện Tin - sinh học của Cộng đồng chung Châu Âu, EBI đặt tại Welcome Trust Genome Campus nƣớc Anh, thành lập năm 1992. EBI bắt nguồn từ EMBL (European Molecular Biology Laboratory). EBML đƣợc thành lập năm 1980 tại phòng thí nghiệm sinh học phân tử Heidelberg của Đức và đây là CSDL trình tự nucleotide đầu tiên của thế giới. EBI phục vụ cho việc nghiên cứu trong các lĩnh vực nhƣ sinh học phân tử, di truyền, y học, nông nghiệp,… bằng cách xây dựng, duy trì những CSDL chia sẻ trực tuyến thông tin cần thiết. Bên cạnh đó, EBI còn thực hiện những nghiên cứu trong lĩnh vực Tin-sinh học và sinh học phân tử tính toán. 2.3.2.2. Một số cơ sở dữ liệu trong EBI EMBL (European Molecular Biology Laboratory): còn đƣợc gọi là EMBL- BANK chứa CSDL về trình tự DNA, RNA. MSD (Macromolecular Structure Database): chứa thông tin cấu trúc của các đại phân tử sinh học nhƣ protein, DNA, RNA,… ArrayExpress: tích trữ nguồn dữ liệu về sự biểu hiện của gene dựa trên kỹ thuật microArray. TrEMBL (Translate EMBL): là cơ sở dữ liệu về protein. Do lƣợng trình tự này ngày càng nhiều và để quản lý tốt hơn, TrEMBL đã kết hợp với Swiss-Prot (CSDL 14 Cơ sở dữ liệu về protein của Thụy Sỹ đặt tại Genva Cơ sở dữ liệu về protein của trƣờng đại học Y Georgetown (Mỹ) Hình 2.3 Một số cơ sở dữ liệu trong EBI về trình tự protein của Thụy Sỹ), PIR (CSDL về protein của trƣờng đại học Y Georgetown, Hoa Kỳ) tạo thành CSDL UniProt. Ngoài ra, EBI còn một số CSDL khác. Chúng là các CSDL trung gian, đƣợc tạo thành từ sự kết hợp của hai hay nhiều CSDL trên, hay do liên kết đến CSDL khác 2.3.2.3. Một số công cụ hỗ trợ phân tích trình tự sinh học FASTA: Do Smith và Waterman tạo ra năm 1981, là chƣơng trình tìm kiếm những trình tự tƣơng đồng, có thể là trình tự DNA hay trình tự protein, trong CSDL đã chọn. BLAST: chủ yếu là phần mềm WU-BLAST (Washington University Bacis Local Alignment Tool version 2.0). Đặc điểm chính của công cụ này là tìm kiếm vùng trình tự tƣơng đồng nhanh chóng. ClustalW: là công cụ dành cho việc sắp gióng cột ở hai hay nhiều trình tự sinh học (cả protein và DNA), công cụ này cho ra kết quả có ý nghĩa sinh học cao. 15 2.3.3. SIB (Swiss Insitute of Bioiformatics) [32] Là viện Tin-sinh học của Thụy Sỹ đặt tại Genva, nơi cung cấp dịch vụ trên web chất lƣợng cao cho cộng đồng khoa học thế giới qua trang ExPASy (Expert Protein Analyis System). Một số CSDL trong ExPASy: SWISS-PROT: là CSDL protein, đƣợc thành lập năm 1986. Nhƣng kể từ năm 1987, SWISS-PROT liên kết với EBI. SWISS-2DPAGE (2-dimensional polyacrylamide gel electrophoresis database): chứa dữ liệu điện di hai chiều từ protein của ngƣời, chuột, E.coli,… PROSITE: tích trữ về các họ protein có cùng chức năng. ENZYME (enzyme nomenclature): cung cấp thông tin về danh pháp của enzyme. SWISS-3DIMAGE: lƣu trữ hình ảnh chất lƣợng cao của các đại phân tử sinh học đã biết cấu trúc không gian ba chiều. 2.3.4. DDBJ (DNA Data Bank Japan) và PDBj (Protein Database Japan) [25] DDBJ là CSDL về trình tự DNA của Nhật Bản, chính thức đi vào hoạt động năm 1986, đặt tại viện di truyền quốc gia (NIG). Đến năm 2001, trung tâm thông tin về sinh học ở NIG đƣợc tổ chức lại với cái tên là CIB (Center Information Biology) kết hợp với DDBJ, viết tắt CIB/DDBJ. PDBj là CSDL của Nhật Bản, tích trữ dữ liệu về cấu trúc, chức năng protein. DDBJ của Nhật Bản, EMBL của Châu Âu, NCBI của Hoa Kỳ là ba CSDL về trình tự nucleotide lớn, mang tính chất toàn cầu và ba cơ sở dữ liệu này có sự hợp tác, trao đổi qua lại dữ liệu. Từ đó càng làm cho dữ liệu về trình tự nucleotide trở nên phong phú hơn. 16 Các tổ chức này đều xây dựng công cụ tìm kiếm trong CSDL của họ. Với NCBI là Entrez, EBI là SRS và CIB là getentry. Nhƣ vậy để có thể khai thác hiệu quả các CSDL này thì việc đầu tiên cần thực hiện là nắm vững các hoạt động của công cụ tìm kiếm (“search engines”) này. Ngoài ra, cũng có sự kết hợp của các CSDL protein trên thế giới để tạo ra một CSDL thống nhất wwPDB (world wide Protein Database). EB I GenBank DDBJ EMB L EMB L Entrez SRS getentry NIG CI B NCB I NI H •Submissions •Updates •Submissions •Updates •Submissions •Updates Hình 2.4 Ba cơ sở dữ liệu nucleotide (GenBank – EMB -DDB) và công cụ tìm kiếm tƣơng ứng. Hình 2.5 Sự hợp nhất của ba cơ sở dữ liệu MSD, PDBj, PDB 17 Bảng 2.1. MỘT SỐ CSDL SINH HỌC LỚN VÀ CÁC ĐỊA CHỈ WEB TƢƠNG ỨNG. STT Tổ chức Tên cơ sở dữ liệu Địa chỉ trang web 1 EBI ( ww.ebi.a c.uk/) EMBL-BANK TrEMBL MSD Ensembl ArrayExpress 2 NCBI ( ww.ncbi. nlm.nih. gov) OMIM GenBank Protein Genome MMDB Taxonomy dbSNP CDD Pubmed Cancer Chromosomes Chromosomes dbEST dbSTS DbGSS 18 Bảng 2.2. MỘT SỐ CSDL SINH HỌC LỚN VÀ CÁC ĐỊA CHỈ WEB TƢƠNG ỨNG (tiếp theo) 2.4. VIRUS CAULIMOVIRIDAE VÀ CLOSTEROVIRIDAE Giới thiệu chung [1] Bệnh hại do virus thực vật gây ra cho nền nông nghiệp rất lớn. Nhƣng xác định đúng tác nhân gây ra những thiệt hại này đối với từng loại cây trồng gặp nhiều khó khăn vì bệnh do virus gây ra thƣờng rất khó xác định, do kích thƣớc của chúng quá bé, do biến chuyển của quá trình gây bệnh thƣờng rất phức tạp và chịu ảnh hƣởng của nhiều điều kiện khác nhau. Ví dụ: Theo J.S.Hu và cộng sự, bệnh héo do virus (Mealybug wilt of pineapple- MWP) là bệnh gây thiệt hại ở nhiều khu vực trồng dứa trên thế giới. Các nghiên cứu đã chứng minh rằng một yếu tố tiềm tàng liên quan đến bệnh là virus. Một dạng closterovirus hình que gấp khúc đƣợc phân lập từ những cây có triệu chứng MWP ở Hawaii. Tuy nhiên sau đó những tiểu phần closterovirus cũng đƣợc tìm thấy ở cả cây dứa có và không có thể hiện triệu chứng trên phạm vi thế giới. Virus liên quan đến bệnh héo ở dứa (PMWaV) thực chất là phức hợp của 2 loại virus PMWaV-1 và PMWaV-2. Vì tác nhân không biểu hiện ra ngoài không gây ảnh hƣởng đến sự sinh trƣởng và phát triển của dứa, để phát hiện phân biệt hai tác nhân này ở những cây không và có biểu hiện ra ngoài là rất khó khăn. STT Tổ chức Tên cơ sở dữ liệu Địa chỉ trang web 3 SIB ( asy.org) SWISS-PROT SWISS-2DPAGE PROSITE ENZYME SWISS-3DIMAGE CD40L 4 CIB/DDBJ DDBJ 5 Pdbj Pdbj 6 PDB PDB 7 wwPDB wwPDB 19 Trong đó: ORF I Movement protein ORF II Insect transmission factor ORF III ORF IV Capsid protein ORF V Protease, reverse transcriptase and RNaseH ORF VI Translational activator / Inclusion body protein ORF VII Unknown (dispensable) Hình 2.6 Tổ chức genome của virus CaMV (Caulimoflower mosaic virus) 2.4.1. CAULOMOVIRIDAE [29] 2.4.1.1. Khái quát Caulimoviriruse là họ virus thực vật có genome chứa dsDNA. Đƣợc chia ra làm năm nhóm gồm:  Caulimovirus (loài đặc trƣng: cauliflower mosaic virus).  Soymovirus (loài đặc trƣng: Soybean chlorotic mottle-like viruses).  Cavemovirus (loài đặc trƣng: Cassava vein mosaic-like viruses).  Tungrovirus (loài đặc trƣng: Rice tungro bacilliform-like viruses).  Badnavirus (loài đặc trƣng: Cammelina yellow mottle virus).  Petuvirus (loài đặc trƣng: Petunia vein clearing-like virus). Trong đó, Virion của các loài Caulimovirus, Soymovirus, Cavemovirus, Petuvirus có đƣờng kính khoảng 50 nm. Còn Tungrovirus và Badnavirus có chiều dài 110-400 và 130 nm, đƣờng kính khoảng 30-35 và 30-35 nm tƣơng ứng. Các loài trong họ có kích thƣớc genome khoảng 7,5-8 kb và tổ chức genome gồm 9 ORF (Open Reading Frame) trong ORF1 gồm có ORF1a và ORF1b). Sự sao mã genome của virus trong tế bào ký chủ phụ thuộc vào gene reverse transcriptase (gene này không chèn vào DNA của tế bào ký chủ trong quá sao mã và dịch mã) 20 2.4.1.2. Cấu tạo Virion có cấu trúc đơn giản gồm một lớp vỏ capsid. Viron không có áo (enveloped) bao bọc bên ngoài. Capsid có hình cầu hoặc dạng bacilliform. Ở dạng cầu có đƣờng kính khoảng 35-47.52-50 nm. Các lớp vỏ (shell) capsid của virion là tổ hợp của những màng đa, sự sắp xếp của capsomer không có sự phân biệt. Còn ở dạng bacilliform thì capsid có độ dài 130 nm hoặc 60-900 nm và có đƣờng kính 24-30-35 nm. 2.4.1.3. ĐẶC TÍNH SINH HỌC  Dãy ký chủ tự nhiên Ký chủ của virus liên quan đến Domain Eucarya.  Mối quan hệ vector và ký chủ trung gian Virus có thể đƣợc vận chuyển bởi một số nhân tố sau: vector, hạt, phấn hoa, sự cọ sát giữa hai ký chủ,…  Vùng phân bố Phân bố khắp nơi nhƣ châu Phi, Mỹ, Á,… 2.4.1.4. Cơ chế xâm nhiễm và sao mã trong tế bào ký chủ [1