Xác định tham số quan trọng cho việc thiết kế gen dùng trong tái tổ hợp

Bài viết này trình bày kết quả khảo sát các tham số ảnh hưởng đến tối ưu hóa gen từ các chương trình đang được sử dụng hiện nay như: Eugene, GeneOptimizer, VisualGeneDeveloper, OptimumGene. Đánh giá các tiêu chí tối ưu hóa của chương trình giữa gen tự nhiên và gen tối ưu hóa trên cùng bộ gen MHA5. Các kết quả thống kê được dùng để xác định các tham số quan trọng cho việc thiết kế gen dùng trong tái tổ hợp.

Kỷ yếu Hội nghị Khoa học Quốc gia lần thứ IX ―Nghiên cứu ứng dụng Công nghệ thông tin (FAIR'9)‖; Cần Thơ, ngày 4-5/8/2016 DOI: 10.15625/vap.2016.000103 XÁC ĐỊNH THAM SỐ QUAN TRỌNG CHO VIỆC THIẾT KẾ GEN DÙNG TRONG TÁI TỔ HỢP Dương Thị Kim Chi1, Trần Văn Lăng2,3,*, Lê Mậu Long3 Khoa Công nghệ Thông tin, Trường Đại học Thủ Dầu Một Viện Cơ học Tin học ứng dụng, Viện Hàn lâm Khoa học Công nghệ Việt Nam Khoa Công nghệ thông tin, Trường Đại học Nguyễn Tất Thành chidtk@tdmu.edu.vn, langtv@vast.vn, lmlong@ntt.edu.vn TÓM TẮT— Việc sử dụng gen tự nhiên trình sản xuất sản phẩm tái tổ hợp dùng y học, dược học, hay cải tạo giống trồng nông nghiệp thường cho kết biểu thấp Việc thiết kế gen hay tối ưu hóa gen tiến hành nghiên cứu nhóm Hugo G Menzella năm 2011 Vào năm 2014, nhóm Agnieszka Zylicz-Stachula năm 2014 chứng minh khả gia tăng mức độ biểu gen mục tiêu sau tối ưu hóa so với gen tự nhiên ban đầu Bài viết trình bày kế t khảo sát tham số ảnh hưởng đến tối ưu hóa gen từ chương trình sử dụng như: Eugene, GeneOptimizer, VisualGeneDeveloper, OptimumGene Đánh giá tiêu chí tối ưu hóa chương trình gen tự nhiên gen tối ưu hóa gen MHA5 Các kết thống kê dùng để xác định tham số quan trọng c ho việc thiết kế gen dùng tái tổ hợp Từ khóa— Tối ưu, sinh tin học I GIỚI THIỆU Phân tử DNA tái tổ hợp (recombinant DNA technology) ống nghiệm (in vitro) đời từ năm đầu thập niên 1970; sở cho đời công nghệ sinh học đại: kỹ thuật di truyền (genetic engineering) [1] Sự đời phát triển nhanh chóng lĩnh vực khơng đưa lại hiểu biết sâu sắc cấu trúc chế hoạt động gen gen; mà trở thành lực lượng sản xuất trực tiếp xã hội, góp phần giải vấn đề thực tiễn đặt y dược học, nông nghiệp môi trường Việc sản xuất protein tái tổ hợp thường bắt đầu việc lựa chọn gen mong muốn, phân lập gen cắt gen enzyme hạn chế Gen tách gắn vào vector tạo dòng (plasmid) đưa vào vật chủ; đoạn gen dịch mã thành protein đặc biệt [2], protein gọi protein tái tổ hợp Khi tuyển chọn gen tự nhiên vào trình sản xuất thường cho kết biểu thấp gen đưa vào hệ thống biểu xuất khơng tương thích xu hướng sử dụng codon hay thành phần GC gen, trình tự lặp lại Từ làm giảm khả biểu protein mục tiêu Chọn lựa gen tốt cho việc sản xuất làm gia tăng biểu protein mục tiêu, điều nghiên cứu nhóm Hugo G Menzella cộng năm 2011 [3] hay AgnieszkaZylicz-Stachula cộng năm 2014 [4] Việc thiết kế lại gen tự nhiên hay tối ưu hóa gen dựa sở đánh giá tiêu chí sinh học làm nâng cao biểu gen mục tiêu [5] Đã có nhiều phần mềm hỗ trợ cho nhà sinh học việc tối ưu hóa gen Nhìn chung phần mềm dựa số nghiên cứu nhà sinh học để chọn lựa tiêu chí cho việc xây dựng chương trình tối ưu hóa gen Có ba phương pháp tối ưu hóa gen phần mềm áp dụng sau:  Nhóm giải pháp Một amino acid – codon (One amino acid – one codon): Đây phương pháp phát triển sớm Phương pháp sử dụng codon ưa thích cho amino acid dựa vào bảng thống kê xu hướng sử dụng codon cho lồi Từ trình tự amino acid protein mục tiêu, chương trình thay amino acid codon ưa thích tương ứng Phương pháp chương trình GenOptimizer áp dụng dựa giải pháp Puigbò P., Guzmán E.Romeu A and Garcia-Vallvé S 2007 [6]  Nhóm giải pháp Một amino acid – nhiều codon (One amino acid – one randomization): phương pháp xét tất codon mã hóa cho amino acid tương ứng trình tự, kết hợp với tiêu chí khác %GC, trình tự nhận biết enzyme cắt giới hạn, trình tự lặp lại, để từ mã hóa trình tự protein mục tiêu Phương pháp sử dụng hàm mục tiêu để tìm gen tối ưu Đại diện cho phương pháp chương trình Eugene dựa đề xuất Paulo Gaspar [3, 7]  Phương pháp kết hợp (Hybrid construct): Đây phương pháp kết hợp từ hai phương pháp trên, xét amino acid mã hóa codon có tần suất sử dụng cao; nguyên tắc rút ngắn thời gian xử lý bỏ qua số trình tự tốt Chương trình áp dụng phương pháp DNA Words, sử dụng giải pháp Hoover and Lubkowski [8] Xu hướng ứng dụng khoa học tính tốn hỗ trợ công việc thiết kế gen cho sản xuất protein tái tổ hợp nhóm nghiên cứu công ty công nghệ sinh học quan tâm Các sản phẩm phần mềm thường hỗ trợ miễn phí website hay phần mềm ứng dụng Những người nghiên cứu sinh học cần tối ưu hóa gene để nâng cao khả biểu protein tái tổ hợp sử dụng chương trình tối ưu hóa gene phát triển giới GeneOptimizer, OptimunGene hay Eugene, đặt mua gen tối ưu hóa từ cơng ty sinh học Dương Thị Kim Chi, Trần Văn Lăng, Lê Mậu Long 847 Trong báo với mục đích khảo sát phần mềm thiết kế gen Eugene, GeneOptimizer, Visual Gene Developer, OptimumGene Tiêu chí khảo sát quy trình thiết kế, tham số sử dụng cho tối ưu hóa gen, thuật tốn áp dụng, cơng nghệ thiết kế Các kết thống kê so sánh với sản phẩm Gen mha5.1 – gen tái tổ hợp đư ợ c tổ ng hợ p từ hãng (Genscript), qua xác định tham số quan trọng cho việc thiết kế gen tái tổ hợp Các phần cịn lại báo trình bày theo nội dung sau: phần đưa phân tích khảo sát tham số ảnh hưởng, phần trình bày kết thực nghiệm Gen ha5 phần mềm thiết kế gen so sánh với gen mha5.1, phần cuối kết luận A Bài tốn tìm tham số quan trọng cho thiết kế gen tái tổ hợp a) DNA tái tổ hợp: DNA tái tổ hợp phân tử DNA tạo thành từ hai hay nhiều trình tự DNA lồi sinh vật khác Trong kỹ thuật di truyền, DNA tái tổ hợp thường tạo thành từ việc gắn đoạn DNA có nguồn gốc khác vào vector tách dòng Những vectơ tách dòng mang DNA tái tổ hợp biểu thành protein tái tổ hợp sinh vật Hình [9] Hình Minh họa hình thành DNA tái tổ hợp từ Plasmid (vectơ tách dòng) DNA lạ Codon đồng nghĩa (Synonymous Condon) Cơ sở khoa học việc tối ưu hóa gen dựa tượng codon đồng nghĩa Một codon gồm ba nucleotide có 43 = 64 loại codon Tuy nhiên 64 loại có 20 amino acid, amino acid mã hóa hai loại codon khác nhau, từ dẫn đến codon đồng nghĩa [11] Ví dụ: Như minh họa Hình - đóng khung, Amino acid Ala (hay A) có bốn codon đồng nghĩa GCA, GCC, GCG, GCU Hình Minh họa codon đồng nghĩa B Hàm mục tiêu Một protein cấu tạo từ gen đồng nghĩa tạo từ nhiều amino acid, mã hóa nhiều gen khác nhau, gen gọi gen đồng nghĩa Việc tối ưu hóa gen lựa chọn gen đồng nghĩa tốt hay gen mang lại hiệu suất biểu cao thỏa mãn yêu cầu tối ưu Tập hợp yêu cầu tối ưu gọi tham số quan trọng cho trình thiết kế gen tham số dùng cho hàm mục tiêu tốn tối ưu hóa Các chương trình thiết gen hay tối ưu hóa gen tập trung xây dựng cải tiến hàm mục tiêu XÁC ĐỊNH THAM SỐ QUAN TRỌNG CHO VIỆC THIẾT KẾ GEN DÙNG TRONG TÁI TỔ HỢP 848 Các cách xây dựng hàm mục tiêu chương trình tối ưu hóa gen dựa vào ba cách tiếp cận thiết kế gen nêu để xây dựng thuật tốn cho hàm tính điểm cho chương trình Các hàm tính điểm riêng lẻ Trong phương pháp này, đa số tiêu chí xem xét cách so sánh với giá trị ngưỡng cho trước Nếu trình tự xem xét thỏa mãn điều kiện thu nhận, ngược lại bị loại bỏ Bên cạnh đó, tiêu chí khơng xác định ngưỡng loại bỏ dùng hàm tính điểm riêng lẻ để xếp thứ tự trình tự xem xét Trình tự thực thuật toán xem xét tiêu chí theo thứ tự quy định trước tuỳ theo mức độ quan trọng tiêu chí Chương trình Visual Gene Developer áp dụng phương pháp để thiết kế gen tối ưu hóa Gọi tiêu chí là: x1 : giá trị độ thích nghi tương đối (Wc) codon x2 : khoảng giá trị %GC min-max x3 : chiều dài trình tự lặp lại chiều ngược chiều tối thiểu … xn : giá trị tiêu chí n Hàm tính điểm riêng lẻ có dạng ( ) với điều kiện ràng buộc ( ) ( ) (1.1) { Hàm tính điểm tuyến tính Hàm mục tiêu xây dựng với mục tiêu tối ưu hố gen theo nhiều tiêu chí, chương trình lựa chọn tối ưu đồng thời hay tối ưu tiêu chí Khi chọn tối ưu hoá đồng thời, thuật toán cần xây dựng hàm tính điểm tổng để có đánh giá tổng hợp tất tiêu chí cần xem xét Các chương trình tối ưu hố gen GeneOptimizer sử dụng hàm tính điểm có dạng tổ hợp tuyến tính hàm tính điểm cho tiêu chí thành phần Để thể mức độ ảnh hưởng, hay gọi độ ưu tiên cho tiêu chí, hệ số đứng trước tiêu chí hàm tuyến tính chương trình người dùng lựa chọn để tìm kiếm kết phù hợp yêu cầu Chương trình GeneOptimizer sử dụng hàm tính điểm dạng Ký hiệu tham số quan trọng: x1: Giá trị độ thích nghi tương đối (Wc) codon: x2: Khoảng giá trị %GC min-max: x3: Chiều dài trình tự lặp lại chiều ngược chiều tối thiểu: … xn : giá trị tiêu chí n c1, c2, c3… cn : hệ số cho tiêu chí Hàm tính điểm tuyến tính [12] có dạng sau: ( ) ( ) ( ) (1.2) với điều kiện ràng buộc { Hàm tính điểm phi tuyến Cơ chế ảnh hưởng yếu tố lên biểu protein mục tiêu phức tạp Các yếu tố ảnh hưởng (hỗ trợ xung đột) lẫn nên cần dạng hàm tính điểm khác để biểu thị Tùy vào thuật toán áp Dương Thị Kim Chi, Trần Văn Lăng, Lê Mậu Long 849 dụng phần mềm mà chọn hàm mục tiêu dạng, phần mềm EuGene sử dụng thuật giải di truyền (Genetic Algorithm) để dự đoán gen tối ưu [13] II PHÂN TÍCH CÁC TIÊU CHÍ TỐI ƯU HĨA GEN CỦA MỘT SỐ PHẦN MỀM Có nhiều phần mềm hỗ trợ cơng cụ tối ưu hóa gen sử dụng như: Visual Gen Developer, OPTIMIZER, OptimumGene, EUGene, DNAWork, Jcat, Synthetic gene designer, GeneDesign, Gene Designer 2.0, mRNA Optimizer, COOL, D-Tailor, … Các phần mềm thường cung cấp miễn phí có hai hình thức người dùng sử dụng dạng website dạng ứng dụng Các tham số đầu vào cho chương trình sử dụng tùy theo yêu cầu người sử dụng không cần cung cấp Mỗi phần mềm có đặc trưng riêng có tiêu chí riêng tối ưu hóa gen Nhìn chung phần mềm có đặc điểm chung như: ngơn ngữ thiết kế cho phép nâng cấp hay không, thuật tốn áp dụng, quy trình thực hiện, phạm vi viết chúng tơi trình bày thống kê đặc điểm chung nhóm phần mềm đại diện A Phần mềm Eugene Eugene [13] chương trình ứng dụng kết hợp nhiều thuật tốn phục vụ cho việc tối ưu hóa gene phát triển Paulo Gaspar đồng công bố năm 2012 Chức chương trình phân tích thiết kế lại gen sử dụng nhiều phương pháp tối ưu hóa nhằm mục tiêu tăng tối đa hiệu mã hóa gen Sử dụng kết hợp thuật tốn: thuật tốn mơ luyện kim (Simulated Annealing Alogorithm) thuật toán di truyền (Genetic Algorithm) Eugene thực tối ưu hóa đa tiêu chí dựa số tiêu chí xu hướng sử dụng codon (codon usage), thành phần codon (codon context), số phần trăm GC (%GC), mã kết thúc ẩn (Hidden Stop Codons), trình tự lặp lại, trình tự Shine – Dalgarno Đây phần mềm thuộc dạng đóng gói, chọn lựa hay nhiều tiêu chí tối ưu hóa gen chờ kết hiển thị kết phấn mềm với thiết kế tối ưu hóa đa mục tiêu nên chọn nhiều tiêu chí thời gian thực thi lớn Sau hoạt động tổng quát Eugene Sơ đồ Hình Input Sequence Các tiêu chí tối ưu hóa Codon usage, codon context, restriction site elimination, Input Sequence Hình Sơ đồ hoạt động nhóm phần mềm đóng gói dạng đóng gói Eugene B GeneOptimizer GeneOptimizer [8] website lớn lưu trữ sở liệu quan trọng sở liệu gen biểu cao (HEG Database), sở liệu xu hướng sử dụng codon 150 hệ thống biểu với nhiều cơng cụ tính tốn tối ưu hóa gene CAIcal, E-CAI, Optimizer [8] Chương trình tối ưu hóa GeneOptimizer cung cấp cho người dùng nhiều phương pháp tối ưu hóa gen: amino acid - codon, amino acid – nhiều codon; sử dụng Phương pháp Monte Carlo Các tiêu chí xu hướng sử dụng codon, trình tự nhận biết enzyme cắt giới hạn, %GC chương trình đưa cho người dùng tùy chọn trình tối ưu hóa Sơ đồ hoạt động GeneOptimizer mơ tả Hình 4: từ trình tự ban đầu chương trình tính số sử dụng codon, chọn lựa phương án tối ưu hóa amino acid-một codon, amino acid – nhiều codon mà tính lại cập nhật kết thiết kế gen Restriction Site Redesign Input Sequence Condon usage Restriction Site Elimination Output Sequence Hình Sơ đồ hoạt động nhóm phần mềm GeneOptimizer C Visual Gene Developer Visual Gene Developer[14] phần mềm thiết kế chuyên ngành gen có nhiều chức để phân tích, thiết kế tối ưu hóa gen Ban đầu, phần mềm phát triển để tối ưu hóa chuỗi DNA (chủ yếu để tối ưu hóa codon) gen mục tiêu nâng cấp để có gói phần mềm nói chung kể từ năm 2008 Để tận dụng công nghệ lập trình nhất, phần mềm áp dụng ngơn ngữ lập trình Visual Studio Net FrameWork thiết kế lại tất mã nguồn chương trình để có thêm tính phát triển module người dùng, thuật toán di truyền sử dụng Visual Gene Developer áp dụng hàm tính điểm riêng lẻ tính hàm tính điểm phi tuyến để dự đốn gen tối ưu hóa XÁC ĐỊNH THAM SỐ QUAN TRỌNG CHO VIỆC THIẾT KẾ GEN DÙNG TRONG TÁI TỔ HỢP 850 Với quy tắc nhập vào trình tự lần, người dùng chọn module tính tốn phù hợp, phần mềm tính toán trả kết gen tối ưu phù hợp (Hình 5) Input Sequence Module Module Module Module … Codon Usage Output Sequence Hình Sơ đồ hoạt động phần mềm Visual Gene Deverloper D OptimumGene OptimumGene [15] phần mềm công ty hàng đầu giới dịch vụ tổng hợp gen Các thuật toán OptimumGene đưa vào xem xét loạt yếu tố quan trọng liên quan đến giai đoạn khác biểu protein, chẳng hạn khả thích ứng codon, cấu trúc mRNA, yếu tố phiên mã dịch mã Quy trình hoạt động phần mềm đơn giản hình 6, cần nhập vào đoạn gen cần tối ưu, phần mềm tính tốn trả kết trình tự mong muốn gen Input Sequence Condon usage Restriction Site Elimination Output Sequence Hình Sơ đồ hoạt động phần mềm OptimumGene E Xác định kết hệ thống tham số dựa kết thống kê Các tham số sử dụng phần mềm mô tả giá trị sinh học sau [1]:  Oligo generation: đoạn trình tự nhỏ, số cho biết gene có chứa codon “ưa thích” đối làm làm giảm hiệu suất hệ thống biểu  Condon usage: xu hướng sử dụng codon Chỉ số thích nghi codon (Codon Adaptation index – CAI, giá trị dao động từ đến Giá trị CAI = gene có xu hướng sử dụng codon phố biến hệ thống biểu giá trị CAI = gene sử dụng codon không dùng hệ thống biểu  Condon context: thành phần codon  GC.AT content: Hàm lượng GC phân bố dọc theo chiều dài gen Tỉ lệ GC cao lực liên kết hai mạch lớn, gây khó khăn cho cắt đứt liên kết trình tách mạch  Restriction site manipulation: bảng ghi nhận vị trí thay đổi vùng trình tự  mRNA secondary structure: định tính bền phân tử, cịn ảnh hưởng trực tiếp đến khả tham gia vào trình dịch mã tạo protein  Motif avoidance: loại bỏ motif trình tự  Repetitous base removal: trình tự lặp lại  Hidden stop codons: mã kết thúc ẩn, Việc xuất mã kết thúc giúp trình dịch mã tránh sản phẩm dịch mã lệch khung Bảng Tham số tham số dùng phần mềm thống kê x x x x x x x Hidden stop codons x x x x x Repetitous base removal GC.AT content Condon context x Motif avoidance x x x x mRNA secondary structure x x x Restriction site manipulation Optimizer Visual Gene Developer EUgene OptimumGene Condon usage Tên phần mềm Oligo generation Tham số x x x x Dương Thị Kim Chi, Trần Văn Lăng, Lê Mậu Long 851 Các tham số quan trọng dùng phần mềm thiết kế gen Số thuộc tính Hình Kết tổng hợp tham số quan trọng chọn cho tốn tối ưu hố gen có tái tổ hợp Bảng Các thông số kỹ thuật địa tải phần mềm Tên chương trình Địa tải sử dụng Các thuật tốn tham Ngơn ngữ lập phần mềm khảo trình Khả nâng cấp người dùng Optimizer http://genomes.urv.c at/OPTIMIZER/ Puig bò et al (2007), PHP Không Visual Gene Developer http://visualgenedev eloper.net Jung and McDonald Net (2011) Framework Có khả nâng cấp số modules, không chỉnh sửa module thiết kế EUgene http://bioinformatics ua.pt/eugene/ Gaspar et al (2003) Java Không OptimumGene http://www.genscrip t.com/codonopt.html OptimumGene™ (2011) PHP Không Monte Carlo III KẾT QUẢ THỰC NGHIỆM Trong viết sử dụng gen ha5.1 (mã số AJ867074) từ ngân hàng gen NCBI, dùng trình tự gen kiểm tra cho phần mềm nêu thu nhận bảng so sánh tham số như: CAI; hàm lượng GC; vị trí tương đối nucleotide; tỷ lệ phần trăm mã ba Gen tối ưu thiết kế lại gọi mha5.1 hãng Genscript tổng hợp Các số kiểm định thực nghiệm nhóm nghiên cứu Võ Viết Cư ng, Lê Thị Huệ , Đỗ Thị Huyền, Lê Quỳnh Giang, Nguyễ n Thị Quý, Trư ng Nam Hả i chứng minh gen cải biến mha5.1 có khả biểu tốt gen ha5.1[10] Kết kiểm định phần mềm tiêu chí so sánh với hai gen ha5.1, mha5.1: A Tham số codon usage - Chỉ số thích nghi codon- CAI Gen ha5.1 trước cải biến có số CAI thấp, CAI = 0,69, Sau cải biến mã, gen mha5.1 có số phù hợp mã CAI đạ t 0,98 [10] Các phầ n mềm đư ợ c kiể m tra gen ha5.1 cho kết khác biệ t trư ng hợ p phầ n mềm Eugene dùng số codon đồ ng nghĩa - RSCU (Relative Synonysmous Codon Usage) để áp dụ ng cho tham số codon usage nên giá trị củ a phầ n mềm cho biể u đồ thố ng kê Do áp dụ ng thuậ t toán n giả n nên phầ n mềm Optimizer cho kết cao nhấ t 100% thấ p nhấ t Visual Gene Deverloper 66,7%, XÁC ĐỊNH THAM SỐ QUAN TRỌNG CHO VIỆC THIẾT KẾ GEN DÙNG TRONG TÁI TỔ HỢP 852 Tỷ lệ CAI gen ha5.1 mha5.1 1.5 0.5 ha5.1 mha5.1 Hình Kết kiểm tra phần mềm so sánh tham số codon usage- CAI B Tham số sử dụng condon đồng nghĩa Enc- Efective Number of Codons Phầ n mềm đư ợ c thiết kế theo phư ng pháp Một amino acid – codon Optimizer cho kết tỷ lệ gen tối ưu thấp so với gen tự nhiên Các phần mềm sử dụng Một amino acid – nhiều codon cho tỷ lệ cao hơ n gen đư ợ c thiết kế Đặ c biệ t kết Enc củ a phầ n mềm Optimungene tăng mạ nh từ 44% lên 94% [10] Tỷ lệ Enc gen ha5.1 mha5.1 100 80 60 40 20 ha5.1 mha5.1 Hình Kết kiểm tra phần mềm so sánh tham số Enc C Tham số GC.AT content Hàm lượng GC cao phân bố không dễ tạo cấu trúc thứ cấp, cấu trúc kẹp tóc Cấu trúc thứ cấp hình thành hay gần vùng mRNA không dịch mã gần mã ba khởi đầu có ảnh hưởng đến tốc độ suy thoái mRNA ảnh hưởng tới khởi đầu dịch mã Hàm lượng GC trung bình giảm xuống gen sau tối ưu phần mềm giảm xuống Tỷ lệ % C-G gen ha5.1 mha5.1 50 40 30 20 10 ha5.1 mha5.1 Hình 10 Kết kiểm tra phần mềm so sánh tham số GC.AT content Theo kết phân tích nhóm tác giả khảo sát [10] “sau cải biến mã, gen mha5.1 có số phù hợp mã CAI để biểu P pastoris đạ t 0,98 Các mã ba có tầ n số sử dụ ng mứ c cao 60% khơng cịn mã ba Hàm lư ợ ng GC trung bình giả m xuố ng 36,64%, lư ợ ng GC phân bố hơ n so vớ i trư c i biến Đặ c biệ t tầ n suấ t sử dụ ng mã ba mứ c 91-100% tăng mạ nh từ 44% lên 94%, lạ i 2% mã bap hân bố Dương Thị Kim Chi, Trần Văn Lăng, Lê Mậu Long 853 mứ c 51-60%, 2% phân bố mứ c 71-80% Trình tự nucleotide gen ha5.1 mha5.1 trư c sau i biến có độ tư ng đồ ng 77% Trình tự axit amin hai gen ha5.1 mha5.1 mã hóa có độ tư ng đồ ng100% Kết bật nghiên cứu gen sau cải biến biểu protein có hoạt tính HA cao mà chúng tơi khơng thấy dòng gen chưa cải biến”[10] Như phần mềm OptimunGene với tham số Condon usage, Condon context GC.AT, content mRNA, secondary structure, Motif avoidance, kết hợp hợp hàm tính điểm đa điểm cho q trình tối ưu hóa gen nên cho kết gen sửa đổi có chất lượng tương đối tốt hữu ích cho nhà sinh học thực nghiệm Tuy nhiên phần mềm có trả phí áp dụng tối ưu hóa gen có trình tự lớn Việc khảo sát phần mềm hỗ trợ cho thiết kế gen để chọn lựa tiêu chí quan trọng Oligo generation Condon usage, Condon context, GC.AT content, Restriction site manipulation, mRNA secondary structureMotif avoidance, Repetitous base removal , Hidden stop codons giá trị ràng buộc cho tham số dùng xây dựng hàm mục tiêu áp dụng giải thuật phù hợp để xây dựng phần mềm thiết kế gen tái tổ hợp IV KẾT LUẬN Bài báo trình bày cách thức thiết kế gen tái tổ hợp cách tiếp cận phần mềm có hỗ trợ thiết kế gen kết khảo sát công nghệ thiết kế phần mềm này, quy trình thực tối ưu hóa gen, giải thuật hay phương pháp tiếp cận hàm mục tiêu, thống kê so sánh hiệu gen tái tổ hợp áp dụng thực nghiệm gen ha5.1 Các kết bước đầu khẳng định tham số xác định viết tham số quan trọng cho trình thiết kế gen cho tái tổ hợp TÀI LIỆU THAM KHẢO [1] Nguyễn Hoàng Lộc, L V D., Trần Quốc Dung, "Giáo Trình Cơng nghệ DNA tái Tổ hợp ĐH Quốc gia, TP Hồ Chí Minh", 2007 [2] Hồng Trọng Phán, Trương Thị Bích Phượng., "Giáo trình Di truyền học, vi sinh vật ứng dụng" ĐH Huế, 2008 [3] Menzella, H.G., "Comparison of two codon optimization strategies to enhance recombinant protein production in Escherichia coli", Microbial cell factories, 2011 [4] Agnieszka Zylicz-Stachula, O.Z., Katarzyna Sliwinska, Joanna Jezewska-Frackowiak and a.P.M Skowron, "Modified ‗one amino acid-one codon‘ engineering of high GC content TaqII-coding gene from thermophilic Thermus aquaticus results in radical expression increase", Microbial Cell Factories, 2014 [5] Gupta, S., "Project report Codon optimization", 2003 [6] Pere Puigbo, E G., Antoni Romeu1 and Santiago Garcia-Vallve, "A web server for optimizing the codon usage of DNA sequences" Nucleic Acids Research, p W126–W131, 2007 [7] Gaspar, P., J Carbonell, and J L Oliveira, "On the parameter optimization of Support Vector Machines for binary classification", J Integr Bioinform, 9(3): p 201, 2012 [8] Hoover, D M and J Lubkowski, "DNAWorks: an automated method for designing oligonucleotides for PCR-based gene synthesis" Nucleic Acids Research, 30(10): p e43-e43, 2002 [9] N A CampBell, J B R.y., L A Urry, M L C, Rain, S A Wasserman, P V Minorsky, R B Jackson, "Sinh Học", GDVN, p 10-15, 2014 [10] Võ Viết Cường , L T H., Đỗ Thị Huyền, Lê Quỳnh Giang , Nguyễn Thị Quý, Trương Nam Hải, "Biểu gen ha5.1 cải biến mã có hoạt tính sinh học tron nấm men pichia pastoris x3" tạp chí sinh học, p 35, 2013 [11] A Carbone, A Zinovyev and F Képès, "Codon adaptation index as a measure of dominating codon bias" Oxford University Press, 2003 [12] Thanh, N H., "Giáo trình tối ưu hóa" Nhà xuất Bách khoa - Hà Nội, p 16, 2006 [13] Paulo Gaspar1, Jose Lus Oliveira , Joărg Frommlet, Manuel A.S Santos and Gabriela Moura, “EuGene: maximizing synthetic gene design for heterologous expression‖, Bioinformatics applications note, 2012 [14] Jung, S.-K and K McDonald () "Visual Gene Developer: a fully programmable bioinformatics software for synthetic gene optimization", BMC Bioinformatics 12(1): 340, 2011 [15] D H Aggen, A S Chervin, T M Schmitt, B Engels, J D Stone, S A Richman, K H Piepenbrink, B M Baker, P D Greenberg, H Schreiber andD M Kranz “Single-chain VαVβ T-cell receptors function without mispairing with endogenous TCR chains‖, Gene Therapy July, 2011 [16] Gene-Wei Li, Eugene Oh, and Jonathan S Weissman, “The anti-Shine-Dalgarno sequence drives translational pausing and codon choice in bacteri‖, Nature , 484(7395): 538–541, 2012 IDENTIFYING IMPORTANT PARAMETERS FOR DESIGN FOR RECOMBINANT DNA DESIGN Duong Thi Kim Chi, Tran Van Lang, Le Mau Long ABSTRACT— The use of natural genes in the manufacturing process of recombinant products used in medicine, pharmacology, or breeding of agricultural crops often result in low expression The design of the gene or genes that have been optimized for the study 854 XÁC ĐỊNH THAM SỐ QUAN TRỌNG CHO VIỆC THIẾT KẾ GEN DÙNG TRONG TÁI TỔ HỢP of group G Menzella Hugo et al 2011 or Agnieszka Zylicz-Stachula et al in 2014 demonstrated the ability to increase the expression level of target genes after optimizing natural than the original gene This article presents the results of the survey parameters optimization affects genes from the program being used now as Eugene, GeneOptimizer, VisualGeneDeveloper, OptimumGene Assessment criteria of program optimization between natural and genetically optimized gene on the genome MHA5 The statistical results are used to determine the important parameters for the design used in the recombinant DNA Design  ... cơng nghệ thiết kế Các kết thống kê so sánh với sản phẩm Gen mha5.1 – gen tái tổ hợp đư ợ c tổ ng hợ p từ hãng (Genscript), qua xác định tham số quan trọng cho việc thiết kế gen tái tổ hợp Các... 66,7%, XÁC ĐỊNH THAM SỐ QUAN TRỌNG CHO VIỆC THIẾT KẾ GEN DÙNG TRONG TÁI TỔ HỢP 852 Tỷ lệ CAI gen ha5.1 mha5.1 1.5 0.5 ha5.1 mha5.1 Hình Kết kiểm tra phần mềm so sánh tham số codon usage- CAI B Tham. .. hàm mục tiêu XÁC ĐỊNH THAM SỐ QUAN TRỌNG CHO VIỆC THIẾT KẾ GEN DÙNG TRONG TÁI TỔ HỢP 848 Các cách xây dựng hàm mục tiêu chương trình tối ưu hóa gen dựa vào ba cách tiếp cận thiết kế gen nêu để