[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"_public_topic_publications_ph%C3%A2n%20t%C3%ADch%20ph%C3%A1t%20sinh%20ch%E1%BB%A7ng%20lo%E1%BA%A1i{\"limit\":5}":3,"_public_topic_byId_ph%C3%A2n%20t%C3%ADch%20ph%C3%A1t%20sinh%20ch%E1%BB%A7ng%20lo%E1%BA%A1i":41},{"code":4,"data":5,"meta":21},"SUCCESS",{"latest":6,"mostCited":7,"vietnamFeatured":39,"vietnamLatest":40},[],[8,25],{"publicationId":9,"title":10,"originalTitle":11,"authorNames":12,"authorCount":16,"journalName":17,"vietnamJournal":18,"publishDate":19,"publishYear":20,"totalCitation":21,"url":22,"doi":23,"summary":24},"fe3bb6bf-2218-490b-9b20-7fbfddebfe98","Các loài Phaeoacremonium mới được phân lập từ cây sandalwood ở Tây Úc","New Phaeoacremonium species isolated from sandalwood trees in Western Australia",[13,14,15],"David Gramaje","Maela León","Ana Pérez-Sierra",5,"IMA Fungus",false,"2014-05-12",2014,null,"https:\u002F\u002Fimafungus.biomedcentral.com\u002Farticles\u002F10.5598\u002Fimafungus.2014.05.01.08","10.5598\u002Fimafungus.2014.05.01.08","\u003Cp>Nghiên cứu phân loại nấm học trên 38 mẫu phân lập từ cây đàn hương tại Tây Úc kết hợp đặc điểm hình thái và \u003Cb class=\"publication-topic-keywords\">phân tích phát sinh chủng loại\u003C\u002Fb> dựa trên chuỗi gen \u003Ci>actin\u003C\u002Fi> và \u003Ci>beta-tubulin\u003C\u002Fi>. Cây phát sinh chủng loài xác định sự hiện diện của ba loài nấm chi \u003Ci>Phaeoacremonium\u003C\u002Fi> gây bệnh hoại tử gỗ cây thân gỗ nhiệt đới. Công trình đóng góp dữ liệu di truyền phân tử chuẩn xác phục vụ kiểm dịch thực vật và bảo vệ rừng kinh tế.\u003C\u002Fp>",{"publicationId":26,"title":27,"originalTitle":28,"authorNames":29,"authorCount":33,"journalName":21,"vietnamJournal":18,"publishDate":34,"publishYear":35,"totalCitation":21,"url":36,"doi":37,"summary":38},"32c442f8-ed22-4463-a890-28eec06883c2","Nghiên cứu dựa trên chuỗi COI (cytochrome oxidase-I) của các loài cá Carangid từ bờ biển Kakinada, Ấn Độ","COI (cytochrome oxidase-I) sequence based studies of Carangid fishes from Kakinada coast, India",[30,31,32],"M. Persis","A. Chandra Sekhar Reddy","L. M. Rao",6,"2008-10-12",2008,"https:\u002F\u002Flink.springer.com\u002Farticle\u002F10.1007\u002Fs11033-008-9375-4","10.1007\u002Fs11033-008-9375-4","\u003Cp>Khảo sát đa dạng sinh học biển phân tích trình tự gen \u003Ci>cytochrome c oxidase subunit I\u003C\u002Fi> thuộc DNA ty thể nhằm \u003Cb class=\"publication-topic-keywords\">phân tích phát sinh chủng loại\u003C\u002Fb> 28 loài cá họ Khế \u003Ci>Carangidae\u003C\u002Fi> tại vùng biển Kakinada, Ấn Độ. Dữ liệu mã vạch DNA phân tách chuẩn xác các loài thành 5 nhánh tiến hóa riêng biệt tương ứng với phân loại hình thái truyền thống. Kết quả cung cấp cơ sở dữ liệu phân tử tin cậy hỗ trợ truy xuất nguồn gốc hải sản và quản lý bền vững nguồn lợi cá biển.\u003C\u002Fp>",[],[],{"code":4,"data":42,"meta":21},{"id":43,"title":44,"description":45,"content":46,"term":43,"englishTitle":47,"synonyms":48,"definition":52,"discipline":53,"references":54,"faqs":75,"createUser":85,"publishUser":89,"keywords":93,"keywordCount":103,"enrichTopicLink":18,"status":104,"createTime":105,"updateTime":106,"publishTime":107,"linkEnrichedTime":108,"publicationScanTime":109,"contentErrorMessage":21,"viewCount":110,"wikidataId":21,"relateTopics":111},"phân tích phát sinh chủng loại","Phân tích phát sinh chủng loại là gì? Nghiên cứu liên quan","Phân tích phát sinh chủng loại là phương pháp suy luận mối quan hệ tiến hóa giữa các loài dựa trên dữ liệu di truyền, hình thái hoặc sinh học phân tử. Kết quả phân tích thường được biểu diễn dưới dạng cây phát sinh phản ánh lịch sử phân kỳ và mức độ tương đồng di truyền giữa các đơn vị phân loại. ","\u003Cp>\nPhân tích phát sinh chủng loại (phylogenetic analysis) là quá trình xác định quan hệ tiến hóa giữa các loài sinh vật hoặc các đơn vị phân loại khác (taxa), dựa trên dữ liệu sinh học như trình tự DNA, RNA, protein, hoặc đặc điểm hình thái. Phân tích này giúp suy ra cây phát sinh – một sơ đồ dạng nhánh thể hiện mối liên hệ tổ tiên – hậu duệ giữa các sinh vật.\n\u003C\u002Fp>\n\u003Cp>\nTrong {{topic|%7B%22topic%22%3A%22sinh%20h%E1%BB%8Dc%20ti%E1%BA%BFn%20h%C3%B3a%22%7D}}, cây phát sinh không chỉ là một cấu trúc đồ họa, mà là kết quả từ các mô hình thống kê phức tạp nhằm tái dựng lịch sử di truyền. Cây có thể mang thông tin về thời gian phân kỳ, mức độ tương đồng di truyền và hướng tiến hóa giữa các loài.\n\u003C\u002Fp>\n\u003Cp>\nPhân tích phát sinh có vai trò trọng yếu trong nhiều lĩnh vực, bao gồm: phát hiện chủng virus mới, xác định nguồn gốc {{topic|%7B%22topic%22%3A%22b%E1%BB%87nh%20truy%E1%BB%81n%20nhi%E1%BB%85m%22%7D}}, phân loại sinh vật học, truy nguyên gen chức năng, và thiết kế thuốc. Các ứng dụng mở rộng sang ngành cổ sinh vật học, sinh học bảo tồn và công nghệ sinh học.\n\u003C\u002Fp>\n\n\u003Ch2>Lịch sử và cơ sở lý thuyết\u003C\u002Fh2>\n\u003Cp>\nKhái niệm về cây tiến hóa được Charles Darwin đề xuất lần đầu tiên trong tác phẩm *On the Origin of Species* (1859), với hình ảnh một “cây sự sống” (Tree of Life). Tuy nhiên, phải đến thế kỷ 20, với sự phát triển của {{topic|%7B%22topic%22%3A%22sinh%20h%E1%BB%8Dc%20ph%C3%A2n%20t%E1%BB%AD%22%7D}} và {{topic|%7B%22topic%22%3A%22tin%20sinh%20h%E1%BB%8Dc%22%7D}}, phương pháp phân tích phát sinh chủng loại mới được chuẩn hóa và tự động hóa.\n\u003C\u002Fp>\n\u003Cp>\nCơ sở lý thuyết của phân tích phát sinh dựa trên giả định rằng các loài chia sẻ tổ tiên chung và sự khác biệt di truyền phản ánh quá trình phân kỳ tiến hóa theo thời gian. Mức độ tương đồng giữa các trình tự di truyền cho phép ước lượng quan hệ họ hàng.\n\u003C\u002Fp>\n\u003Cp>\nSơ đồ dưới đây tóm tắt một số cột mốc lịch sử chính:\n\u003C\u002Fp>\n\u003Ctable>\n  \u003Ctbody>\u003Ctr>\n    \u003Cth>Năm\u003C\u002Fth>\n    \u003Cth>Sự kiện\u003C\u002Fth>\n  \u003C\u002Ftr>\n  \u003Ctr>\n    \u003Ctd>1859\u003C\u002Ftd>\n    \u003Ctd>Darwin công bố \"Tree of Life\"\u003C\u002Ftd>\n  \u003C\u002Ftr>\n  \u003Ctr>\n    \u003Ctd>1965\u003C\u002Ftd>\n    \u003Ctd>Emile Zuckerkandl và Linus Pauling giới thiệu khái niệm đồng hồ phân tử\u003C\u002Ftd>\n  \u003C\u002Ftr>\n  \u003Ctr>\n    \u003Ctd>1987\u003C\u002Ftd>\n    \u003Ctd>Woese phân loại 3 lĩnh vực sống dựa trên rRNA\u003C\u002Ftd>\n  \u003C\u002Ftr>\n  \u003Ctr>\n    \u003Ctd>1990–nay\u003C\u002Ftd>\n    \u003Ctd>Ra đời các thuật toán Maximum Likelihood và Bayesian Inference\u003C\u002Ftd>\n  \u003C\u002Ftr>\n\u003C\u002Ftbody>\u003C\u002Ftable>\n\n\u003Ch2>Dữ liệu sử dụng trong phân tích phát sinh\u003C\u002Fh2>\n\u003Cp>\nNguồn dữ liệu đầu vào quyết định độ chính xác và độ tin cậy của cây phát sinh. Các loại dữ liệu phổ biến bao gồm:\n\u003C\u002Fp>\u003Cul>\n\u003Cli>Trình tự {{topic|%7B%22topic%22%3A%22nucleotide%22%7D}} (DNA, RNA)\u003C\u002Fli>\n\u003Cli>Trình tự {{topic|%7B%22topic%22%3A%22amino%20acid%22%7D}} (protein)\u003C\u002Fli>\n\u003Cli>Đặc điểm hình thái học, cấu trúc giải phẫu\u003C\u002Fli>\n\u003Cli>Biến thể hành vi hoặc đặc điểm sinh thái\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Cp>\u003C\u002Fp>\n\u003Cp>\nTrong thực hành, trình tự di truyền được sử dụng nhiều nhất nhờ tính khách quan, dễ số hóa và so sánh. Các vùng gen như rRNA 16S (cho vi khuẩn), COI (cho động vật) hay matK (cho thực vật) thường được chọn vì tính bảo tồn cao và khả năng phân giải tốt giữa các loài.\n\u003C\u002Fp>\n\u003Cp>\nCác nguồn dữ liệu được truy xuất từ các kho {{topic|%7B%22topic%22%3A%22c%C6%A1%20s%E1%BB%9F%20d%E1%BB%AF%20li%E1%BB%87u%22%7D}} quốc tế như:\n\u003C\u002Fp>\u003Cul>\n\u003Cli>GenBank – Cung cấp trình tự gen của hàng triệu loài\u003C\u002Fli>\n\u003Cli>Ensembl – Cơ sở dữ liệu {{topic|%7B%22topic%22%3A%22genome%22%7D}} có chú giải\u003C\u002Fli>\n\u003Cli>UniProt – Dữ liệu về protein và chức năng của chúng\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Cp>\u003C\u002Fp>\n\n\u003Ch2>Các mô hình tiến hóa phân tử\u003C\u002Fh2>\n\u003Cp>\nMô hình tiến hóa phân tử là phần không thể thiếu trong phân tích phát sinh. Chúng giúp mô tả cách thức các vị trí trên chuỗi DNA\u002Fprotein thay đổi theo thời gian và tính toán xác suất các {{topic|%7B%22topic%22%3A%22%C4%91%E1%BB%99t%20bi%E1%BA%BFn%22%7D}} xảy ra.\n\u003C\u002Fp>\n\u003Cp>\nMột số mô hình tiêu chuẩn thường dùng:\n\u003C\u002Fp>\u003Cul>\n\u003Cli>\u003Cstrong>Jukes-Cantor (JC69):\u003C\u002Fstrong> giả định tất cả các thay thế nucleotide xảy ra với xác suất bằng nhau\u003C\u002Fli>\n\u003Cli>\u003Cstrong>Kimura 2-Parameter (K2P):\u003C\u002Fstrong> phân biệt giữa chuyển vị (transition) và hoán vị (transversion)\u003C\u002Fli>\n\u003Cli>\u003Cstrong>HKY85:\u003C\u002Fstrong> cho phép tần suất nucleotide khác nhau\u003C\u002Fli>\n\u003Cli>\u003Cstrong>GTR (General Time Reversible):\u003C\u002Fstrong> mô hình linh hoạt và tổng quát nhất\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Cp>\u003C\u002Fp>\n\u003Cp>\nCông thức xác suất thay đổi trong mô hình Jukes-Cantor:\n\u003Cscript type=\"math\u002Ftex\">P(t) = \\frac{1}{4} + \\frac{3}{4} e^{-4\\alpha t}\u003C\u002Fscript>\nvới \u003Cscript type=\"math\u002Ftex\">t\u003C\u002Fscript> là thời gian tiến hóa, \u003Cscript type=\"math\u002Ftex\">\\alpha\u003C\u002Fscript> là tỉ lệ thay thế.\n\u003C\u002Fp>\n\u003Cp>\nViệc chọn đúng mô hình tiến hóa phù hợp với dữ liệu là bước quan trọng để tránh sai lệch trong kết quả. Các công cụ như ModelTest hoặc SMS (Smart Model Selection) hỗ trợ tự động chọn mô hình tối ưu dựa trên chỉ số thống kê như AIC hoặc BIC.\n\u003C\u002Fp>\n\u003Ch2>Phương pháp xây dựng cây phát sinh\u003C\u002Fh2>\n\u003Cp>\nCó ba nhóm phương pháp chính được sử dụng để xây dựng cây phát sinh: phương pháp khoảng cách, phương pháp phân tích đặc trưng, và phương pháp thống kê xác suất. Mỗi nhóm có ưu điểm và giới hạn riêng, được chọn tùy thuộc vào loại dữ liệu, số lượng loài, và mục tiêu phân tích.\n\u003C\u002Fp>\n\u003Cp>\n\u003C\u002Fp>\u003Col>\n\u003Cli>\u003Cstrong>Phương pháp khoảng cách (Distance-based):\u003C\u002Fstrong> Dựa trên ma trận khoảng cách di truyền giữa các trình tự, sau đó sử dụng thuật toán để tạo cây sao cho tổng khoảng cách tối thiểu. Phổ biến nhất là thuật toán Neighbor-Joining (NJ).\u003C\u002Fli>\n\u003Cli>\u003Cstrong>Phương pháp phân tích đặc trưng (Character-based):\u003C\u002Fstrong> Phân tích từng vị trí biến đổi trên chuỗi để tìm cây có số thay đổi tối thiểu (Maximum Parsimony).\u003C\u002Fli>\n\u003Cli>\u003Cstrong>Phương pháp xác suất (Likelihood & Bayesian):\u003C\u002Fstrong> Tính toán xác suất để dữ liệu quan sát được sinh ra từ một cây cụ thể, sử dụng mô hình tiến hóa. Các phương pháp này gồm Maximum Likelihood và Bayesian Inference.\u003C\u002Fli>\n\u003C\u002Fol>\n\u003Cp>\u003C\u002Fp>\n\u003Cp>\nMột số phần mềm và nền tảng trực tuyến hỗ trợ xây dựng cây:\n\u003C\u002Fp>\u003Cul>\n\u003Cli>MEGA – giao diện dễ sử dụng, nhiều công cụ phân tích thống kê\u003C\u002Fli>\n\u003Cli>BEAST – xây dựng cây dựa trên suy luận Bayes, có mô hình thời gian\u003C\u002Fli>\n\u003Cli>Phylogeny.fr – công cụ trực tuyến tích hợp cho người không chuyên\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Cp>\u003C\u002Fp>\n\n\u003Ch2>Đánh giá độ tin cậy của cây phát sinh\u003C\u002Fh2>\n\u003Cp>\nSau khi xây dựng cây, bước tiếp theo là đánh giá độ tin cậy của các nhánh trên cây để đảm bảo kết luận khoa học có giá trị. Hai phương pháp được sử dụng phổ biến là Bootstrap và xác suất hậu nghiệm (posterior probability).\n\u003C\u002Fp>\n\u003Cp>\nBootstrap là phương pháp thống kê tái lấy mẫu dữ liệu hàng trăm đến hàng ngàn lần để kiểm tra tính ổn định của các nhánh trong cây. Nếu một nhánh xuất hiện trong ≥70% lần dựng cây, nó được xem là đáng tin cậy.\n\u003C\u002Fp>\n\u003Cp>\nTrong các phân tích theo phương pháp Bayes, xác suất hậu nghiệm được gán trực tiếp cho từng nhánh. Nhánh có giá trị ≥ 0.95 được coi là rất đáng tin cậy. Các công cụ như MrBayes hoặc BEAST cung cấp thông tin này kèm theo tệp đầu ra.\n\u003C\u002Fp>\n\n\u003Ch2>Ứng dụng trong sinh học và y học\u003C\u002Fh2>\n\u003Cp>\nPhân tích phát sinh có ứng dụng rộng rãi trong các ngành khoa học sự sống và y sinh. Trong dịch tễ học, nó giúp truy vết nguồn gốc và biến chủng của mầm bệnh. Trong nghiên cứu tiến hóa, nó giúp xác định loài mới, phân tích sự đa dạng sinh học và hiểu rõ cơ chế tiến hóa phân tử.\n\u003C\u002Fp>\n\u003Cp>\nMột ví dụ điển hình là Nextstrain, nền tảng phân tích cây phát sinh theo thời gian thực, được sử dụng để theo dõi sự lan truyền và biến đổi của virus SARS-CoV-2 toàn cầu.\n\u003C\u002Fp>\n\u003Cp>\nMột số ứng dụng cụ thể:\n\u003C\u002Fp>\u003Cul>\n\u003Cli>Xác định vùng gen bảo tồn để phát triển vaccine\u003C\u002Fli>\n\u003Cli>Phát hiện gene chịu trách nhiệm kháng kháng sinh\u003C\u002Fli>\n\u003Cli>Xây dựng cây phân loại mới cho các loài chưa mô tả\u003C\u002Fli>\n\u003Cli>Phân tích hệ vi sinh vật ruột người hoặc động vật\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Cp>\u003C\u002Fp>\n\n\u003Ch2>Hạn chế và thách thức\u003C\u002Fh2>\n\u003Cp>\nMặc dù phân tích phát sinh rất mạnh mẽ, nó cũng tồn tại những hạn chế đáng kể. Đầu tiên là vấn đề dữ liệu: nhiều loài chưa có trình tự gen đầy đủ, hoặc dữ liệu có thể chứa sai sót do quá trình giải mã. Sự hiện diện của các yếu tố như tiến hóa hội tụ, tái tổ hợp, và chuyển gen ngang có thể làm sai lệch kết quả.\n\u003C\u002Fp>\n\u003Cp>\nMột vấn đề phổ biến khác là “Long Branch Attraction” – hiện tượng nhánh dài trong cây có xu hướng bị ghép nhầm vào nhau do tỷ lệ đột biến cao, gây ra lỗi hệ thống trong cây.\n\u003C\u002Fp>\n\u003Cp>\nBảng dưới đây tổng hợp một số thách thức thường gặp:\n\u003C\u002Fp>\n\u003Ctable>\n  \u003Ctbody>\u003Ctr>\n    \u003Cth>Thách thức\u003C\u002Fth>\n    \u003Cth>Ảnh hưởng\u003C\u002Fth>\n    \u003Cth>Hướng khắc phục\u003C\u002Fth>\n  \u003C\u002Ftr>\n  \u003Ctr>\n    \u003Ctd>Tiến hóa hội tụ\u003C\u002Ftd>\n    \u003Ctd>Gây sai lệch đặc điểm giữa các nhóm không liên quan\u003C\u002Ftd>\n    \u003Ctd>Sử dụng thêm dữ liệu gen\u002Fđa điểm đánh dấu\u003C\u002Ftd>\n  \u003C\u002Ftr>\n  \u003Ctr>\n    \u003Ctd>Thiếu dữ liệu\u003C\u002Ftd>\n    \u003Ctd>Cây không đủ độ phân giải\u003C\u002Ftd>\n    \u003Ctd>Bổ sung thêm loài, sử dụng WGS\u003C\u002Ftd>\n  \u003C\u002Ftr>\n  \u003Ctr>\n    \u003Ctd>Long Branch Attraction\u003C\u002Ftd>\n    \u003Ctd>Ghép nhánh sai vị trí\u003C\u002Ftd>\n    \u003Ctd>Sử dụng mô hình tiến hóa phù hợp hơn\u003C\u002Ftd>\n  \u003C\u002Ftr>\n\u003C\u002Ftbody>\u003C\u002Ftable>\n\n\u003Ch2>Tiến bộ hiện nay và xu hướng tương lai\u003C\u002Fh2>\n\u003Cp>\nCông nghệ giải trình tự thế hệ mới (NGS) đang thay đổi cách thức phân tích phát sinh. Với khả năng giải mã toàn bộ bộ gen nhanh chóng, các nhà nghiên cứu có thể xây dựng cây phát sinh từ dữ liệu của hàng ngàn loài trong thời gian ngắn.\n\u003C\u002Fp>\n\u003Cp>\nTrí tuệ nhân tạo (AI) và học máy (machine learning) đang được áp dụng để tối ưu hóa quá trình chọn mô hình, sắp xếp trình tự, và dự đoán mối quan hệ di truyền. Các mạng nơ-ron sâu (deep learning) được sử dụng để phát hiện mẫu tiến hóa không rõ ràng trong các bộ dữ liệu lớn.\n\u003C\u002Fp>\n\u003Cp>\nMột số nền tảng mang tính bước ngoặt:\n\u003C\u002Fp>\u003Cul>\n\u003Cli>Open Tree of Life – dự án xây dựng cây phát sinh toàn diện cho mọi sinh vật đã biết\u003C\u002Fli>\n\u003Cli>iTOL – nền tảng trực quan hóa cây phát sinh với dữ liệu động\u003C\u002Fli>\n\u003Cli>ENA – kho dữ liệu sinh học châu Âu với hỗ trợ API\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Cp>\u003C\u002Fp>\n","phylogenetic analysis",[49,50,51],"phân tích phát sinh loài","tiến hóa phân tử","cây phát sinh chủng loại","Phân tích phát sinh chủng loại là quá trình xác định quan hệ họ hàng và lịch sử tiến hóa giữa các sinh vật dựa trên dữ liệu trình tự sinh học hoặc đặc điểm hình thái.","NATURAL_SCIENCES",[55,62,69],{"citationText":56,"title":57,"authors":58,"source":59,"year":60,"doi":61,"url":21},"Felsenstein, J. (1985). Confidence Limits on Phylogenies: An Approach Using the Bootstrap. Evolution, 39(4), 783–791.","CONFIDENCE LIMITS ON PHYLOGENIES: AN APPROACH USING THE BOOTSTRAP","Felsenstein","Evolution",1985,"10.1111\u002Fj.1558-5646.1985.tb00420.x",{"citationText":63,"title":64,"authors":65,"source":66,"year":67,"doi":68,"url":21},"Tamura, K., Stecher, G., & Kumar, S. (2021). MEGA11: Molecular Evolutionary Genetics Analysis Version 11. Molecular Biology and Evolution, 38(7), 3022–3027.","MEGA11: Molecular Evolutionary Genetics Analysis Version 11","Tamura, Stecher, Kumar","Molecular Biology and Evolution",2021,"10.1093\u002Fmolbev\u002Fmsab120",{"citationText":70,"title":71,"authors":72,"source":73,"year":20,"doi":74,"url":21},"Yang, Z. (2014). Molecular Evolution: A Statistical Approach. Oxford University Press.","Molecular Evolution","Yang","Oxford University Press","10.1093\u002Facprof:oso\u002F9780199602605.001.0001",[76,79,82],{"question":77,"answer":78},"Những phương pháp toán học và thống kê nào được dùng phổ biến để dựng cây phát sinh?","Ba nhóm phương pháp chính gồm: phương pháp khoảng cách di truyền (Neighbor-Joining - NJ), phương pháp phân tích đặc trưng tối ưu (Maximum Parsimony - MP) và phương pháp xác suất thống kê (Maximum Likelihood - ML và suy luận Bayes).",{"question":80,"answer":81},"Độ tin cậy của các nhánh trên cây phát sinh được đánh giá bằng chỉ số nào?","Độ tin cậy được định lượng qua giá trị Bootstrap (tái lấy mẫu dữ liệu, nhánh có giá trị ≥ 70% được xem là vững chắc) hoặc xác suất hậu nghiệm Bayes (posterior probability, giá trị ≥ 0.95 được xem là rất tin cậy).",{"question":83,"answer":84},"Phân tích phát sinh chủng loại có vai trò gì trong y học và dịch tễ học?","Phân tích phát sinh giúp truy vết nguồn gốc và đường lây truyền của các dịch bệnh truyền nhiễm (như SARS-CoV-2, cúm), theo dõi sự xuất hiện của biến chủng kháng thuốc và xác định vùng gen bảo tồn để thiết kế vắc-xin.",{"id":86,"researcherId":21,"name":87,"imageUrl":88},1,"Nguyễn Ngọc Sơn","https:\u002F\u002Flh3.googleusercontent.com\u002Fa\u002FACg8ocLGfGsF1nYQqYK5BasTLhNu1dBrBXg2fcEgBNPXJ0p2gqLQnO7i=s96-c",{"id":90,"researcherId":21,"name":91,"imageUrl":92},2889,"Lê Xuân Niên","https:\u002F\u002Flh3.googleusercontent.com\u002Fa\u002FACg8ocLuyWIkhyP2W5E59cKwN7ciI2nbjMGUpXO9rVQquC826ujzkqhU=s96-c",[94,95,96,97,98,99,100,101,102],"sinh học tiến hóa","bệnh truyền nhiễm","sinh học phân tử","tin sinh học","nucleotide","amino acid","cơ sở dữ liệu","genome","đột biến",9,"PUBLISHED","2025-07-13T02:19:20.040+00:00","2026-09-05T07:11:03.997+00:00","2025-07-17T15:50:19.773+00:00","2026-09-05T07:11:03.638+00:00","2026-09-05T06:17:40.703+00:00",407,[112,115,118,121,124,127,130,133,136,139],{"id":113,"title":114,"term":113,"englishTitle":21,"definition":21,"discipline":21,"disciplineCode":21,"disciplineLabel":21,"disciplineColor":21,"disciplineIcon":21},"bibliometrics","Bibliometrics là gì? Các nghiên cứu khoa học về Bibliometrics",{"id":116,"title":117,"term":116,"englishTitle":21,"definition":21,"discipline":21,"disciplineCode":21,"disciplineLabel":21,"disciplineColor":21,"disciplineIcon":21},"học thuật","Học thuật là gì? Các nghiên cứu khoa học về Học thuật",{"id":119,"title":120,"term":119,"englishTitle":21,"definition":21,"discipline":21,"disciplineCode":21,"disciplineLabel":21,"disciplineColor":21,"disciplineIcon":21},"nghiên cứu hồi cứu","Nghiên cứu hồi cứu là gì? Các nghiên cứu khoa học về Nghiên cứu hồi cứu",{"id":122,"title":123,"term":122,"englishTitle":21,"definition":21,"discipline":21,"disciplineCode":21,"disciplineLabel":21,"disciplineColor":21,"disciplineIcon":21},"scopus","Scopus là gì? Các bài báo nghiên cứu khoa học về Scopus",{"id":125,"title":126,"term":125,"englishTitle":21,"definition":21,"discipline":21,"disciplineCode":21,"disciplineLabel":21,"disciplineColor":21,"disciplineIcon":21},"khối lượng phân tử","Khối lượng phân tử là gì? Các công bố khoa học về Khối lượng phân tử",{"id":128,"title":129,"term":128,"englishTitle":21,"definition":21,"discipline":21,"disciplineCode":21,"disciplineLabel":21,"disciplineColor":21,"disciplineIcon":21},"thủy phân enzyme","Thủy phân enzyme là gì? Các nghiên cứu khoa học về Thủy phân enzyme",{"id":131,"title":132,"term":131,"englishTitle":21,"definition":21,"discipline":21,"disciplineCode":21,"disciplineLabel":21,"disciplineColor":21,"disciplineIcon":21},"nghiên cứu liên ngành","Nghiên cứu liên ngành là gì? Các nghiên cứu khoa học",{"id":134,"title":135,"term":134,"englishTitle":21,"definition":21,"discipline":21,"disciplineCode":21,"disciplineLabel":21,"disciplineColor":21,"disciplineIcon":21},"năng lực số","Năng lực số là gì? Các công bố nghiên cứu khoa học liên quan",{"id":137,"title":138,"term":137,"englishTitle":21,"definition":21,"discipline":21,"disciplineCode":21,"disciplineLabel":21,"disciplineColor":21,"disciplineIcon":21},"nghiên cứu tổng quan","Nghiên cứu tổng quan là gì? Các bài báo nghiên cứu khoa học",{"id":140,"title":141,"term":140,"englishTitle":21,"definition":21,"discipline":21,"disciplineCode":21,"disciplineLabel":21,"disciplineColor":21,"disciplineIcon":21},"chuột cống trắng","Chuột cống trắng là gì? Các công bố khoa học về Chuột cống trắng"]