Nghiên cứu liên kết toàn bộ gen là phương pháp tiếp cận dịch tễ học di truyền khảo sát hàng triệu biến thể đơn nucleotide trên toàn bộ hệ gen của các nhóm cá thể nhằm xác định các locus di truyền liên kết có ý nghĩa thống kê với một bệnh lý hoặc tính trạng kiểu hình quan tâm. Không giống như các nghiên cứu gen ứng viên truyền thống chỉ tập trung vào một số gen giả định trước, phương pháp này quét toàn diện toàn bộ hệ gen mà không cần giả thuyết sinh học tiên nghiệm về chức năng của từng vùng gen. Bài viết này trình bày cơ sở lý thuyết di truyền học, quy trình phân tích chuẩn, các công cụ thống kê, ứng dụng y học cá thể hóa và những thách thức phương pháp luận của nghiên cứu liên kết toàn bộ gen.
Cơ sở lý thuyết và nguyên lý di truyền học
Nghiên cứu liên kết toàn bộ gen, thường được viết tắt là GWAS (Genome-Wide Association Study), dựa trên sự tương tác giữa các biến thể di truyền phổ biến và tính trạng kiểu hình phức tạp theo giả thuyết "bệnh phổ biến - biến thể phổ biến" (Common Disease - Common Variant hypothesis). Phần lớn các biến thể được phân tích trong GWAS là các biến thể đơn nucleotide (Single Nucleotide Polymorphisms - SNP), tức là những vị trí đơn lẻ trên phân tử DNA có sự sai khác nucleotide giữa các cá thể trong quần thể.
Nguyên lý cốt lõi của GWAS dựa trên hiện tượng mất cân bằng liên kết (Linkage Disequilibrium - LD). LD mô tả sự kết hợp không ngẫu nhiên giữa các alen tại các locus khác nhau trên cùng một nhiễm sắc thể qua các thế hệ truyền giao phối. Nhờ hiện tượng LD, một SNP được đo trực tiếp trên chip vi mảng (genotyping microarray) có thể đóng vai trò là marker chỉ điểm (tag SNP) đại diện cho một khối haplotype chứa nhiều biến thể di truyền lân cận cùng di truyền kế thừa với nhau. Do đó, việc tìm thấy một SNP liên kết có ý nghĩa thống kê không nhất thiết đồng nghĩa SNP đó là biến thể nguyên nhân gây bệnh trực tiếp, mà thường phản ánh rằng locus hoặc khối LD đó chứa biến thể chức năng thực sự.
Lịch sử phát triển và nghiên cứu bước ngoặt
Ý tưởng về việc khảo sát liên kết toàn hệ gen đã được đề xuất từ cuối thế kỷ 20, nhưng chỉ thực sự trở nên khả thi sau khi Dự án Bản đồ Haplotype Quốc tế (International HapMap Project) hoàn thành và công nghệ vi mảng SNP thông lượng cao ra đời. Sự kiện mang tính bước ngoặt đánh dấu kỷ nguyên GWAS hiện đại là công trình nghiên cứu của Hiệp hội Wellcome Trust Case Control Consortium (WTCCC) công bố vào năm 2007 (Wellcome Trust Case Control Consortium, 2007). Nghiên cứu này tiến hành khảo sát trên 14 000 ca bệnh của 7 bệnh lý phức tạp phổ biến (bao gồm đái tháo đường typ 1, đái tháo đường typ 2, bệnh mạch vành, tăng huyết áp, viêm khớp dạng thấp, bệnh Crohn và rối loạn lưỡng cực) cùng 3 000 đối chứng dùng chung, xác định thành công hàng loạt locus nguy cơ mới chưa từng được biết đến trước đó.
Sau 10 năm phát triển kể từ công trình năm 2007, theo tổng quan hệ thống của Visscher và cs. (2017), các nghiên cứu GWAS trên toàn cầu đã phát hiện và xác thực hơn 10 000 locus liên kết di truyền mạnh mẽ với hàng trăm tính trạng số lượng và bệnh lý mạn tính. Các phát hiện này đã làm thay đổi căn bản hiểu biết của giới khoa học về kiến trúc di truyền của các tính trạng phức tạp ở người.
Quy trình thực nghiệm và phân tích dữ liệu chuẩn
Một quy trình nghiên cứu liên kết toàn bộ gen hoàn chỉnh trải qua các giai đoạn tuần tự nghiêm ngặt, từ thu thập mẫu phẩm, xác định kiểu gen đến kiểm soát chất lượng và mô hình hóa thống kê:
| Giai đoạn | Mục tiêu chính | Các tiêu chuẩn và công cụ áp dụng |
|---|---|---|
| Thiết kế nghiên cứu và thu thập mẫu | Xác định kiểu hình chính xác và thu thập mẫu DNA | Thiết kế bệnh chứng (case-control) hoặc thuần tập dựa trên dân số (population cohort) |
| Xác định kiểu gen (Genotyping) | Đọc dữ liệu hàng trăm nghìn đến hàng triệu SNP | Sử dụng chip vi mảng SNP (như Illumina, Affymetrix) hoặc giải trình tự toàn bộ hệ gen (WGS) |
| Kiểm soát chất lượng mẫu (Sample QC) | Loại bỏ các mẫu phẩm lỗi hoặc không đồng nhất | Loại bỏ mẫu có call rate thấp, mẫu dị bội giới tính, mẫu cận huyết ngoài ý muốn |
| Kiểm soát chất lượng marker (SNP QC) | Loại bỏ các biến thể đo sai hoặc không đủ độ tin cậy | Lọc theo tần số alen hiếm (MAF), call rate của SNP, và kiểm định cân bằng Hardy-Weinberg (HWE) |
| Nội suy kiểu gen (Genotype Imputation) | Dự đoán kiểu gen của hàng chục triệu SNP chưa đo | Sử dụng bảng tham chiếu hệ gen (Haplotype Reference Consortium, TOPMed) |
| Kiểm soát phân tầng quần thể | Loại bỏ yếu tố gây nhiễu do khác biệt nguồn gốc tổ tiên | Phân tích thành phần chính (PCA) hoặc mô hình hỗn hợp tuyến tính (Linear Mixed Models - LMM) |
| Kiểm định thống kê liên kết | Ước tính mức độ liên kết và kích thước hiệu ứng | Mô hình hồi quy logistic (cho biến định tính) hoặc hồi quy tuyến tính (cho biến liên tục) |
Kiểm soát chất lượng và ngưỡng ý nghĩa toàn hệ gen
Kiểm soát chất lượng (Quality Control - QC) là bước quan trọng nhất nhằm loại bỏ sai số hệ thống kỹ thuật trước khi tiến hành phân tích thống kê. Theo hướng dẫn thực hành chuẩn của Anderson và cs. (2010), quy trình QC tiêu chuẩn yêu cầu áp dụng các tiêu chí nghiêm ngặt:
- Kiểm soát chất lượng mức mẫu phẩm: Loại bỏ các cá thể có tỷ lệ xác định kiểu gen thành công (call rate) dưới 95% đến 98%, các mẫu có sự sai lệch giữa giới tính ghi nhận trên lâm sàng và kiểu gen nhiễm sắc thể giới tính, cũng như các cá thể có quan hệ huyết thống gần không được khai báo trước.
- Kiểm soát chất lượng mức biến thể: Loại bỏ các SNP có tỷ lệ đọc kiểu gen thấp, các SNP có tần số alen hiếm (Minor Allele Frequency - MAF) dưới 1% (vì các biến thể quá hiếm không đủ lực thống kê trong thiết kế GWAS thông thường), và các biến thể có sự sai lệch nghiêm trọng so với định luật cân bằng Hardy-Weinberg (Hardy-Weinberg Equilibrium - HWE) ở nhóm đối chứng với mức ý nghĩa .
Do tiến hành đồng thời hàng triệu phép kiểm định giả thuyết thống kê trên từng SNP riêng lẻ, GWAS đối mặt với vấn đề kiểm định đa biến (multiple testing problem) vô cùng trầm trọng. Nếu sử dụng ngưỡng ý nghĩa thống kê thông thường (), số lượng kết quả dương tính giả sẽ lên tới hàng chục nghìn. Để giải quyết vấn đề này, cộng đồng di truyền học áp dụng phép hiệu chỉnh Bonferroni dựa trên ước tính hệ gen người chứa khoảng 1 000 000 khối mất cân bằng liên kết độc lập. Theo Uffelmann và cs. (2021), ngưỡng ý nghĩa thống kê chuẩn toàn hệ gen (genome-wide significance threshold) được thống nhất áp dụng là:
Chỉ những biến thể có giá trị p vượt qua ngưỡng khắt khe này mới được công nhận là locus liên kết có ý nghĩa thực sự với kiểu hình quan tâm.
Trực quan hóa dữ liệu và diễn giải sinh học
Kết quả thống kê từ GWAS thường được trực quan hóa thông qua hai công cụ đồ họa tiêu chuẩn:
- Đồ thị Manhattan (Manhattan plot): Trục hoành biểu diễn tọa độ các nhiễm sắc thể từ nhiễm sắc thể số 1 đến nhiễm sắc thể số 22 và nhiễm sắc thể giới tính. Trục tung biểu diễn giá trị . Các đỉnh nhọn vươn cao vượt qua đường giới hạn có ý nghĩa thống kê toàn hệ gen giống như các tòa nhà chọc trời trên bầu trời Manhattan thể hiện các vùng locus liên kết mạnh nhất.
- Đồ thị phân vị - phân vị (Quantile-Quantile plot hay Q-Q plot): So sánh phân phối thực nghiệm của các giá trị thống kê quan sát được với phân phối kỳ vọng dưới giả thuyết vô hiệu (). Hệ số lạm phát bộ gen (genomic inflation factor, ký hiệu là ) được tính toán để kiểm tra xem liệu có hiện tượng dương tính giả lan tỏa do phân tầng quần thể hay lỗi kỹ thuật chưa được hiệu chỉnh hay không.
Kiến trúc di truyền và ứng dụng điểm số nguy cơ đa gen
Một trong những kết luận quan trọng nhất được rút ra từ hàng nghìn nghiên cứu GWAS là kiến trúc di truyền đa gen (polygenic architecture) của hầu hết các bệnh mạn tính và tính trạng phức tạp ở người (như chiều cao, chỉ số khối cơ thể BMI, huyết áp, đái tháo đường, tim mạch). Theo phân tích của Visscher và cs. (2017), tính trạng phức tạp không do một vài gen chủ chốt điều khiển mà chịu ảnh hưởng của hàng trăm đến hàng nghìn biến thể di truyền rải rác trên khắp hệ gen. Mỗi biến thể đơn lẻ thường chỉ đóng góp một hiệu ứng rất nhỏ với tỷ số chênh (odds ratio - OR) thường nằm trong khoảng 1,05 đến 1,30.
Từ dữ liệu hiệu ứng tổng hợp của các SNP, các nhà nghiên cứu xây dựng Điểm số nguy cơ đa gen (Polygenic Risk Score - PRS). PRS là một giá trị số tổng hợp thể hiện mức độ nhạy cảm di truyền tích lũy của một cá nhân đối với một bệnh lý nhất định, được tính bằng tổng số alen nguy cơ mà cá nhân đó mang có trọng số theo kích thước hiệu ứng thống kê từ các nghiên cứu GWAS quy mô lớn. PRS đang được tích cực đánh giá như một công cụ hỗ trợ phân tầng nguy cơ tim mạch, ung thư vú và đái tháo đường trong y học dự phòng.
Hạn chế phương pháp luận và định hướng tương lai
Mặc dù đạt được những thành tựu to lớn, nghiên cứu liên kết toàn bộ gen vẫn bộc lộ một số hạn chế nội tại cần được khắc phục:
- Bài toán thiếu hụt tính di truyền (Missing heritability): Tổng phương sai di truyền giải thích được bởi các SNP có ý nghĩa toàn hệ gen thường thấp hơn đáng kể so với độ di truyền ước tính từ các nghiên cứu phả hệ hoặc sinh đôi. Nguyên nhân một phần do các biến thể hiếm (rare variants), biến thể cấu trúc lớn (structural variants) và tương tác gen - gen (epistasis) chưa được đo lường đầy đủ trong các vi mảng SNP truyền thống.
- Thiên lệch nguồn gốc quần thể (Ancestry bias): Theo Tam và cs. (2019), gần 80% đối tượng tham gia các nghiên cứu GWAS trên toàn cầu thuộc nhóm người gốc châu Âu, dù nhóm này chỉ chiếm khoảng 16% dân số thế giới. Do sự khác biệt về tần số alen và cấu trúc mất cân bằng liên kết giữa các nhóm dân tộc, các mô hình điểm số nguy cơ đa gen được phát triển trên người gốc Âu thường bị suy giảm độ chính xác đáng kể khi áp dụng cho các quần thể châu Á, châu Phi hoặc gốc Mỹ Latinh.
- Xác định cơ chế chức năng (Fine-mapping và Functional genomics): GWAS chỉ phát hiện ra các vùng locus liên kết thống kê chứ không trực tiếp chỉ ra gen đích hoặc cơ chế phân tử nguyên nhân. Đa số các SNP có ý nghĩa nằm ở vùng không mã hóa protein (non-coding regions), đòi hỏi phải kết hợp với các kỹ thuật sinh học chức năng như eQTL (expression quantitative trait loci), giải trình tự RNA tế bào đơn (single-cell RNA-seq) và chỉnh sửa hệ gen CRISPR để làm sáng tỏ cơ chế sinh học phân tử.