04 cac ứng dụng của sinh thái học phân tử sinh thai hoc phan tu - ts tran hoang dung

1. SINH THÁI HỌC
PHÂN TỬ
Phần 4: Các ứng dụng của
sinh thái học phân tử
TS TRẦN HOÀNG DŨNG
TRANHOANGDUNG1975@YAHOO.COM
ĐT: 01222999537

2. Ứng dụng của
các phương pháp phân tử (1)
 Nhận diện:
 Giới tính
 Cá thể (cũng có thể từ các dấu vết sinh học)
 Cha mẹ, huyết thống
 Loài
 Đa dạng di truyền và các nhân tố ảnh hưởng đến nó
 Xác định mức độ đa dạng
 Quá trình và lịch sử diễn tiến đa dạng và quần thể
 Dòng chảy gene và cấu trúc gene của quần thể
 Phân tích sự phát tán bằng marker phân tử
 Xác định cấu trúc di truyền và diễn dịch thông tin này

3. Ứng dụng của
các phương pháp phân tử (2)
 Phả hệ gene và suy luận phả hệ gene
 Lịch sử về quần thể
 Dòng chảy gene giữa các quần thể
 Địa lý phát sinh loài học
 Di truyền học bảo tồn – ứng dụng marker phân tử vào công
tác bảo tồn
 Sinh vật biến đổi gene và hệ sinh thái
 Thích nghi cấp độ phân tử

4. Xác định giới tính cấp độ phân tử
 Hữu dụng khi:
 Không có đặc điểm khác biệt rõ ràng về giới tính
 Xác định tỉ lệ giới tính trong lứa con sinh ra
 Xác định giới tính của con non, ấu trùng
 Phân tích các dấu vết sinh học, vd phân...
 Marker phân biệt giới tính không phổ quát cho mọi nhóm
phân loài

5. Xác định giới tính cấp độ phân tử
Chim
 Nhận biết giới tính trong các loài không có đặc điểm giới tính rõ ràng
 Tỉ lệ giới tính sơ cấp (đối với phôi)
Gene CHD
 Intron A của các gene CHD1 – Z và CHD1 – W
ZZ ZZ ZZ ZW ZW ZW ZW
Bắt đầu
400 bp
200bp
ĐỰC CÁI

6. Xác định giới tính cấp độ phân tử
Động vật có vú
 Xác định giới tính từ dấu vết sinh học (vd phân)
 Xác định giới tính con non
 Gene SRY
 Vi vệ tinh NST Y
 Gene xuất hiện ở cả 2
giới tính sẽ được dùng
làm mẫu đối chứng
(PCR thành công)
Zfy/Zfx
Sry
Bryja & Konecny 2003
♂ ♀ ♂ ♀

7. Nhận diện cá thể
 Một lượng nhỏ locus đa hình có thể cho ra lượng lớn kiểu
gene khả thi
 Công thức: 𝐺 =
𝑛2(𝑛+1)2
4
(đối với 2 locus)
 n = số allele; với n = 4 thì G = 100
 Số kiểu gene khả thi của n locus 2 allele là 3n
 Marker phân tử đa hình rất hữu dụng để nhận diện cá thể

8. Nhận diện cá thể
 Phân biệt từng cá thể trong nhóm các cá thể nhân dòng vô tính
 Nấm Armillaria bulbosa,
một dòng vô tính có thể
bao phủ diện tích 15 ha,
nặng 10 tấn, có tuổi 1500
năm
 Phân tích dựa trên RAPD

9. Xác định chế độ giao phối di truyền
 Các khía cạnh của hệ thống giao phối
 Cá thể nào giao phối với cá thể nào
 Có bao nhiêu cá thể sinh sản
 Các cá thể sống cùng nhau trong bao lâu
 Cá thể nào chăm sóc con cái
Cá thể sinh sản thành công
Hệ thống hành vi so với hệ thống giao phối di truyền
?
+ marker phân tử

10. Hệ thống giao phối di truyền và hệ
thống giao phối hành vi
 Hệ thống giao phối hành vi – dựa trên quan sát trực tiếp các hành vi giao
phối
 Hệ thống giao phối di truyền – xác định ở cấp độ phân tử các cá thể sinh
sản và cha mẹ của cá thể non
?
Hệ thống giao phối hành vi = hệ thống giao phối di truyền
Cần thiết phải xác định cha mẹ về mặt di truyền

11. Phân tích cha mẹ
 Hiện có một số cách tiếp cận đơn giản và thường dùng nhất
đó là
 Loại trừ
 Dựa trên nguyên lý di truyền Menđen – đối với loài có NST nhị bội thì
mỗi cha/mẹ có đúng 1 allele giống hệt với mỗi cá thể con trong mỗi
locus của NST thường.
 Nhận diện rõ ràng
 Tính toán xác suất cha mẹ “thật” của các cá thể khả năng (không bị
loại trừ), cá thể có xác suất lớn nhất được coi là cha mẹ thực sự; xác
suất này phụ thuộc vào kiểu gene
 Cha mẹ sẽ được nhận diện dễ dàng hơn nếu biết trước kiểu gene của
một trong hai cha mẹ (vd hạt lấy từ một cây)
 Có thể suy ra kiểu gene cha mẹ từ kiểu gene con cái

12. Loại trừ

13. Phân tích cha mẹ
 Tốt nhất là dùng vi vệ tinh có tính đa hình cao, đôi khi có thể dùng các
SNP, đặc biệt là các AFLP hay allozyme
 Marker phải có độ đa dạng cao
 Số lượng marker phải đủ lớn, thế nào là lớn tùy thuộc vào mức độ đa
hình, vd chỉ cần 5 – 30 vi vệ tinh là đủ, nhưng có thể cần > 50 SNP
 Quy trình xác định kiểu gene phải đáng tin cậy, phải ước tính được
mức độ sai sót và mức độ này phải thấp
 Locus không liên kết
 Quy trình lấy mẫu thực địa phải phù hợp, lấy được càng nhiều phần
mẫu càng tốt
 Phải cân nhắc đến đặc điểm sinh học của loài (vd số con trong lứa)
 Có thể dùng nhiều loại chương trình vi tính: Cervus, FAP, Pasos,
Colony…

14. Cha mẹ “ngoài giá thú”
 Quan sát thấy ở 90% loài chim sống một vợ một chồng
 Các loài này có trung bình 11% số con cái sinh ra bởi “ngoại tình” –
tỉ lệ này dao động rất lớn và tùy thuộc vào nhiều yếu tố
 Loài chim Emberiza
schoeniclus có 55%
số con cái là do “ngoại
tình”, và 86% cá thể
chim có con từ những
lần “ngoại tình”
 Từ giữa thập niên 1980
người ta bắt đầu dùng
tiểu vệ tinh (minisattelite)
 Nay thì dùng vi vệ tinh:
khoảng từ vài đến vài chục locus
 Hiệu quả cao và chính xác

15. Nhận diện cá thể
 Điều tra tội phạm
 Nhận diện những phần còn lại của thân thể (người mất tích, tai nạn…)
 Phân tích cha mẹ

16. Chọn loại marker nào (1)
 Marker dùng để nhận diện người
 DNA của nhân
 Vi vệ tinh (STR) – NST thường
 Vi vệ tinh (STR) – NST giới tính (Y-STR, X-STR)
 DNA ti thể (tóc, xương)
 HV1, HV2

17. Chọn loại marker nào (2)
 Vật liệu so sánh trong các trường hợp cần biết phải chọn loại marker nào
và xác định độ mạnh của bằng chứng
 Mẫu từ nghi phạm/nạn nhân; Vật dụng cá nhân của người mất tích (bàn chải
đánh răng…)
 Mẫu từ cha và mẹ (tất cả các marker)
 Mẫu chỉ từ mẹ (DNA nhân + DNAti thể); Mẫu chỉ từ cha (DNA nhân bao hàm Y-
STR)
 Mẫu từ các họ hàng xa hơn – họ nội và họ ngoại; Con cái
 Dấu vết của động vật
 Cytochrome b, vi vệ tinh
 STR (đoan lặp ngắn trước – sau) = vi vệ tinh

18. Nhận diện di vật của Nicôlai Côpécních
 Xương lấy từ nhà thờ Frombork
 Dựng lại khuôn mặt từ hộp sọ
 Thông tin DNA từ xương và răng
 Thông tin DNA này trùng khớp với
DNA mẫu tóc lấy từ quyển sách
vốn là tài sản của Côpécních

19. Nhận diện loài và giống lai (1)
 Hiện nay (và có thể là cả sau này) không có khái
niệm về “loài” được chấp nhận trên toàn cầu
 Khái niệm loài sinh học so với các định nghĩa khác
 Nhiều loài có hình thái rất khó phân biệt (loài anh em,
loài bí hiểm – cryptic species), vấn đề này đặc biệt
nghiêm trọng đối với vi sinh vật

20. Nhận diện loài và giống lai (2)
 Loài có các điểm đặc trưng dựa trên di truyền – > các loài
khác nhau về mặt di truyền
 Marker chẩn đoán – mỗi loài có tồn tại những allele đặc trưng
cho riêng nó
 Có thể dễ dàng nhận diện các giống lai giữa các loài bằng
marker chẩn đoán
(con lai)
Allele chẩn đoán của loài B
Allele chẩn đoán của loài A

21. Nhận diện loài và giống lai (3)
 Nếu con lai có thể sinh sản và lai ngược lại với cha mẹ, có
thể chỉ có vài locus chẩn đoán của con lai là thể dị hợp
 Càng nhiều marker chẩn đoán thì càng tốt; có thể nhận diện
được cá thể với một phần nhỏ bộ gene có nguồn gốc từ loài
khác
 Marker nhận chỉ từ
một cha/mẹ (vd DNA
ti thể) giúp xác định
chiều hướng lai, vd
♀A x ♂B chứ không
phải ♀B x ♂A

22. Nhận diện loài và giống lai (4)
 Có các phương pháp ước tính – dựa trên cơ sở kiểu gene đa
locus – thành phần nào của gene có nguồn gốc từ cha hay
mẹ
 Dựa trên mô hình xác suất và thuyết Bayes –
vd STRUCTURE

23. Mã vạch DNA (1)
 Quy trình chuẩn hóa để nhận diện loài bằng các đoạn trình tự DNA ngắn
(100 – 1000 bp) và đặc trưng
 Gene phù hợp
 Mồi bảo tồn – các vùng lân cận bảo tồn
 Vùng đối tượng phải đủ đa dạng
 Hiện diện trong tất cả các nhóm phân loài lớn (vi khuẩn, cổ khuẩn, thực vật, động
vật, nấm)

24. Mã vạch DNA (2)
 Tạo dựng dữ liệu trình tự cho một nhóm phân loài nào đó (được nhận dạng
bởi chuyên gia phân loài học)
 So sánh trình tự của sinh vật chưa biết với trình tự của dữ liệu
 Trong tương lai có thể tự động hóa hoàn toàn

25. Mã vạch DNA (3)
 Mặc dù ban đầu vấp phải các chỉ trích, mã vạch DNA thực sự tỏ ra hiệu quả
trên nhiều nhóm sinh vật (tỉ lệ thành công 95%)
 Hạn chế lớn nhất là tạo dựng cơ sở dữ liệu
 Những cũng có thể thực hiện mà không cần cơ sở dữ liệu…
http://www.barcodinglife.org
http://barcoding.si.edu

26. Mã vạch DNA (4)
 Giải trình tự kiểu Sanger chậm và tốn kém
 Khuếch đại DNA lấy từ mẫu môi trường bằng mồi phổ
quát đòi hỏi phải dòng hóa để tách riêng trình tự từ
các loài khác nhau – > lại càng cồng kềnh
 Công nghệ giải trình tự thế hệ mới có thể cung cấp
hàng triệu đoạn đọc từ một phân tử DNA đơn (dòng
hóa phi tế bào) – có thể nhanh chóng phân tích cả
một hệ sinh thái

27. Mã vạch DNA (5)
 Nhận diện loài trong các nhóm ít thông
tin và khác biệt hình thái rất nhỏ, vd bộ
Hai cánh, bộ Cánh vẩy, ngành Giun tròn
(ít hơn 1% số loài được miêu tả dựa trên
hình thái)
 Nhận diện loài dựa trên dấu vết sinh học:
lông tóc, phân,… – theo dõi các loài bị đe
dọa (hổ Sibir, báo Amur)
 Nhận diện loài từ các sản phẩm đã qua
chế biến kỹ (thịt, da, trứng cá muối) –
theo dõi quá trình buôn bán các loài bị đe
dọa

28. Mã vạch DNA (6)
 Cổ sinh thái học: DNA từ các tảng
băng 45 vạn năm cho thấy thời
xưa từng có rừng taiga ở
Greenland
 Chế độ ăn uống (và thay đổi về hệ
thực vật) của một loài lười cổ đã
tuyệt chủng (1 – 3 vạn năm trước)
 Chế độ ăn uống của sinh vật ngày
nay (phân tích thành phần thức ăn
trong dạ dày hoặc thành phần
phân

29. Gene học môi trường và
phân loại học DNA
 Các gene RNA ribosome (rRNA) giúp nhận diện vi sinh vật
 Phần lớn vi sinh vật không thể nuôi trồng, ít được biết,
không rõ số lượng về hình thái
 Giải trình tự sinh vật trong mẫu cát, nước biển, trầm tích đáy
biển
 Giải trình tự các đoạn
rRNA xác định bằng cách
xác định số lượng đơn vị
phân loài hoạt động cấp
độ phân tử (MOTU) –
ngưỡng phân kì trình tự
 “Sinh quyển hiếm”

30. Thách thức đối với mã vạch và phân
loại học DNA
 Một đoạn đơn lẻ của bộ gene – lai hóa, lai nhập gene,
sắp xếp dòng không hoàn chỉnh là vấn đề lớn
 Ngưỡng phân kì dùng cho MOTU chưa chắc phản ánh
đúng thực tế sinh học
 Hiểu biết hạn chế về tỉ lệ đa dạng trong loài và giữa loài
với loài
 Độ dài mã vạch tiêu chuẩn lớn hơn 500 bp, trong khi việc
khuếch đại lớn hơn 150 bp từ các DNA bị hỏng một phần
thường là bất khả – > độ phân giải bị hạn chế

31. Tranh cãi về kết quả ước tính
đa dạng DNA

32. Tìm kiếm cơ sở dữ liệu trình tự
 NCBI – GenBank và các cơ sở
dữ liệu khác
 BLAST – nhận diện mau
chóng các trình tự giống nhau
 Tìm kiếm qua bộ gene
 Tìm kiếm cơ sở dữ liệu protein
 Tiếp cận miễn phí đến các dữ
liệu di truyền quy mô toàn cầu
Vô số dữ liệu trình tự đang được kiến tạo hàng ngày – rất có
khả năng đoạn trình tự cần tìm đã có sẵn trong các cơ sở dữ
liệu