Nền tảng nguồn mở sẵn có giúp đẩy nhanh việc khám phá các biến thể di truyền vốn là chìa khóa để phát triển cây trồng với khả năng phục hồi, năng suất và giá trị dinh dưỡng được cải thiện.

Khai thác các thuật toán tiên tiến và khả năng tính toán hiệu năng cao (HPC), nhóm nhà khoa học nghiên cứu gen thực vật từ Đại học Khoa học Công nghệ King Abdullah (KAUST) đã chứng minh khả năng của công cụ này trong việc phát hiện những khác biệt nhỏ về DNA – cái gọi là các biến thể nucleotide đơn (SNP) – trên nhiều chủng vi khuẩn khác nhau. gạo, ngô, đậu tương và lúa miến.

Đơn cử như, trong trường hợp cây lúa, nhóm nghiên cứu đã sử dụng công cụ này trên một bộ dữ liệu di truyền phức tạp gồm các chuỗi ADN từ hàng nghìn phần khác nhau – một “bộ gen toàn diện” mà các nhà nghiên cứu trước đây đã giúp sắp xếp cho cây lúa châu Á (Oryza.sativa). Sử dụng tập dữ liệu này cùng với phương pháp phân tích mới, các nhà nghiên cứu của KAUST đã phát hiện ra hơn 2 triệu biến thể di truyền trước đây bị bỏ qua bởi các cuộc thẩm vấn thông thường đối với một bộ gen lúa tham chiếu duy nhất.

Các nhà nghiên cứu cho rằng diều này đánh dấu bước khởi đầu hướng tới mở ra những con đường mới trong cải tiến cây trồng và nông nghiệp bền vững. Những SNP ẩn này hiện có thể được sử dụng ngay lập tức cho các chương trình nhân giống và cũng để xác định các gen chức năng mới cho các đặc tính nông nghiệp.

Việc phát hiện ra SNP theo cách này cũng có thể giúp tiết lộ các mối liên hệ di truyền và tiến hóa giữa các dòng lúa khác nhau. Gần đây, các nhà khoa học đã dẫn đầu việc tạo ra bộ gen tham chiếu chất lượng cao cho lúa đỏ Hassawi, một loại cây trồng bản địa của Ả Rập Saudi được biết đến với khả năng phục hồi trước điều kiện hạn hán và độ mặn cao tại địa phương. Bằng cách sử dụng công cụ này, các nhà nghiên cứu có thể thiết lập mối liên hệ di truyền giữa lúa Hassawi và một phân nhóm lúa bao gồm các giống có nguồn gốc từ Úc, Ấn Độ và một số vùng ở Đông Nam Á.

Chìa khóa cho hiệu suất của công cụ - được đặt tên là quy trình gọi biến thể bộ gen tính toán hiệu suất cao hoặc HPC-GVCW - là khả năng chia các phần lớn của bộ gen thành các bit rời rạc và sau đó dựa vào các công nghệ xử lý song song để giải quyết các vấn đề điện toán phức tạp. trên dữ liệu gen đa chiều quy mô lớn.

Với việc ngày càng có nhiều bộ gen được sắp xếp theo trình tự, tác giả nghiên cứu kỳ vọng công cụ mới này sẽ chứng tỏ được giá trị vô giá trong việc hợp lý hóa hoạt động phân tích nhằm hỗ trợ nhân giống cây trồng thế hệ tiếp theo.