21. HƯỚNG DẪN PHÂN TÍCH TÍNH ĐA HÌNH DI TRUYỀN CỦA PLASMODIUM FALCIPARUM VÀ PLASMODIUM VIVAX DỰA TRÊN SỐ LIỆU GIẢI TRÌNH TỰ TOÀN BỘ HỆ GEN
Nội dung chính của bài viết
Tóm tắt
Mục tiêu: Nghiên cứu này hướng dẫn quy trình phân tích tính đa hình di truyền của Plasmodium falciparum và Plasmodium vivax bằng cách sử dụng dữ liệu giải trình tự toàn bộ hệ gen.
Phương pháp nghiên cứu: Sử dụng quy trình chuẩn hóa phân tích dữ liệu hệ gen bao gồm: gọi biến thể di truyền (SNPs, InDels) từ dữ liệu thô. Chú thích và phân loại biến thể. Xây dựng cây phát sinh loài và đánh giá quần thể. Phân tích mối tương quan giữa biến thể di truyền và tính kháng thuốc.
Kết quả nghiên cứu: Tổng số SNPs phát hiện dao động từ 50.000-80.000 trong P. falciparum và 40.000-60.000 trong P. vivax, trong khi số lượng InDels dao động từ 5.000-15.000. Đột biến pfcrt (72-76 CVIET) liên quan đến kháng Chloroquine có tần suất cao, đạt 92,7% (51/55) trong giai đoạn 2017-2018 và 91,1% (72/79) trong giai đoạn 2019-2020 tại Việt Nam, trong khi tỉ lệ này tại châu Phi thấp hơn (< 5%) do chuyển đổi sang phác đồ điều trị dựa trên Artemisinin. Đột biến k13 C580Y, dấu hiệu quan trọng của kháng Artemisinin, xuất hiện nhiều nhất tại biên giới Thái Lan - Campuchia (60%), trong khi tại Việt Nam, nghiên cứu ghi nhận tần suất 82% (41/50), phản ánh xu hướng lan rộng của các dòng kháng thuốc trong khu vực Đông Nam Á. Đáng chú ý, đột biến pfmdr1 (> 1,5 copy), liên quan đến kháng Mefloquine, được ghi nhận với tần suất 23,6% (13/55) trong giai đoạn 2017-2018, nhưng giảm xuống 1,3% (1/79) trong giai đoạn 2019-2020 tại Việt Nam.
Kết luận: Việc áp dụng giải trình tự toàn bộ hệ gen kết hợp với các phương pháp tin sinh học tiên tiến có thể cung cấp thông tin quan trọng về tính đa hình di truyền của ký sinh trùng sốt rét, hỗ trợ việc giám sát kháng thuốc và phát triển chiến lược kiểm soát sốt rét hiệu quả hơn.
Chi tiết bài viết
Từ khóa
Plasmodium falciparum, Plasmodium vivax, đa hình di truyền, giải trình tự toàn bộ hệ gen, kháng thuốc
Tài liệu tham khảo
[2] McKenna A, Hanna M, Banks E et al, The Genome Analysis Toolkit: A MapReduce framework for analyzing next-generation DNA sequencing data, Genome Research, 2010, 20 (9), 1297-1303.
[3] Danecek P, Auton A, Abecasis G et al, The variant call format and VCFtools, Bioinformatics, 2011, 27 (15), 2156-2158.
[4] Cingolani P, Platts A, Wang L.L et al, A program for annotating and predicting the effects of single nucleotide polymorphisms, SnpEff, Fly, 2012, 6 (2), 80-92.
[5] Miotto O, Amato R, Ashley E.A et al, Genetic architecture of Artemisinin-resistant Plasmodium falciparum, Nature Genetics, 2015, 47 (3), 226-234.
[6] Amato R, Pearson R.D, Almagro-Garcia J et al, Origins of the current outbreak of multidrug-resistant malaria in Southeast Asia, Nature Microbiology, 2018, 3, 1195-1205.
[7] Stamatakis A, RAxML version 8: a tool for phylogenetic analysis and post-analysis of large phylogenies, Bioinformatics, 2014, 30 (9), 1312-1313.
[8] Alexander D.H, Novembre J, Lange K, Fast model-based estimation of ancestry in unrelated individuals, Genome Research, 2009, 19 (9), 1655-1664.
[9] Đỗ Mạnh Hà, Trương Văn Hạnh, Bùi Quang Phúc, Tần suất đột biến gen K13 liên quan đến kháng Artemisinin của quần thể P. falciparum tại Việt Nam, 2016-2018, Tạp chí Phòng chống bệnh sốt rét và các bệnh ký sinh trùng, 2023, 129 (3), 38-46.
[10] WHO, World Malaria Report 2021, Geneva, 2021.