Original Title: Genome scan for quantitative trait loci underlying cucumber mosaic virus resistance in Capsicum annuum ‘CA2106’
Source: doi.org/10.34044/j.anres.2021.55.4.16
Disclaimer: Summary generated by AI based on the provided document. Please refer to the original paper for full scientific accuracy.

ការស្កេនហ្សែនដើម្បីស្វែងរកទីតាំងហ្សែន (QTL) ដែលពាក់ព័ន្ធនឹងភាពធន់ទៅនឹងវីរុសម៉ូសាអ៊ិចត្រសក់ នៅក្នុងម្ទេស Capsicum annuum ‘CA2106’

ចំណងជើងដើម៖ Genome scan for quantitative trait loci underlying cucumber mosaic virus resistance in Capsicum annuum ‘CA2106’

អ្នកនិពន្ធ៖ Kamonsiri Petchaboon (Center for Agricultural Biotechnology, Kasetsart University), Nattaya Srisawad, Natrada Saeko, Julapark Chunwongse, Anchalee Raweerotwiboon

ឆ្នាំបោះពុម្ព៖ 2021 Agriculture and Natural Resources

វិស័យសិក្សា៖ Agricultural Biotechnology

១. សេចក្តីសង្ខេបប្រតិបត្តិ (Executive Summary)

បញ្ហា (The Problem)៖ វីរុសម៉ូសាអ៊ិចត្រសក់ (Cucumber mosaic virus - CMV) គឺជាជំងឺដ៏ធ្ងន់ធ្ងរដែលបណ្តាលឱ្យមានការខាតបង់សេដ្ឋកិច្ចយ៉ាងខ្លាំងចំពោះដំណាំម្ទេស (Capsicum annuum) នៅទូទាំងពិភពលោក។ ការស្រាវជ្រាវនេះមានគោលបំណងកំណត់អត្តសញ្ញាណទីតាំងហ្សែនដែលគ្រប់គ្រងភាពធន់នឹងវីរុស CMV នៅក្នុងពូជម្ទេស 'CA2106' ដែលជាប្រភពធន់ថ្មីមួយ។

វិធីសាស្ត្រ (The Methodology)៖ ការសិក្សានេះបានប្រើប្រាស់ប្រជាជនកូនកាត់ (Double haploid population) ដែលបានមកពីការបង្កាត់រវាងពូជម្ទេស 'CA500' (ងាយរងគ្រោះ) និង 'CA2106' (ធន់) ដើម្បីធ្វើការវិភាគរកទីតាំងហ្សែន។

លទ្ធផលសំខាន់ៗ (The Verdict)៖

២. ការវិភាគលើប្រសិទ្ធភាព និងដែនកំណត់ (Performance & Constraints)

វិធីសាស្ត្រ (Method) គុណសម្បត្តិ (Pros) គុណវិបត្តិ (Cons) លទ្ធផលគន្លឹះ (Key Result)
DArTseq Technology
បច្ចេកវិទ្យាកំណត់ប្រភេទហ្សែន DArTseq
ផ្តល់សញ្ញាសម្គាល់ SNP កម្រិតខ្ពស់រាប់ពាន់ និងគ្របដណ្តប់ផ្ទៃហ្សែនបានធំទូលាយ ដែលចំណាយតិចសម្រាប់ការវិភាគហ្សែនទំហំធំ។ ត្រូវការចំណាយថវិកាលើសេវាកម្មក្រុមហ៊ុនខាងក្រៅ និងទាមទារជំនាញជីវព័ត៌មានវិទ្យា (Bioinformatics) កម្រិតខ្ពស់ដើម្បីវិភាគទិន្នន័យ។ បង្កើតបានផែនទីហ្សែនកម្រិតខ្ពស់ដែលមានសញ្ញាសម្គាល់ SNP ចំនួន ២.៣៩៨ គ្របដណ្តប់លើចម្ងាយសរុប ១.៣១០,១៨ cM។
Restricted Multiple-QTL Model (rMQM)
ការវិភាគម៉ូដែលទីតាំងហ្សែនច្រើនរួមបញ្ចូលគ្នា (rMQM)
មានភាពសុក្រឹតខ្ពស់ក្នុងការកំណត់ និងផ្តាច់ទីតាំងហ្សែន (QTLs) ផ្សេងៗគ្នាដែលមានឥទ្ធិពលតិចតួចឬច្រើនរួមបញ្ចូលគ្នា។ ទាមទារការគណនាស្មុគស្មាញ និងទាមទារកម្មវិធីកុំព្យូទ័រឯកទេស ដែលអាចប្រើប្រាស់ពេលយូរក្នុងការរត់ទិន្នន័យ។ រកឃើញទីតាំងហ្សែនថ្មីចំនួនពីរ (Q1A និង Q1B.2) នៅលើក្រូម៉ូសូមទី១ ដែលពន្យល់ពីបំរែបំរួលភាពធន់ ១៩,១% និង ២០,១%។
PTA-ELISA and Visual Scoring
ការធ្វើតេស្ត PTA-ELISA និងការវាយតម្លៃរោគសញ្ញាដោយផ្ទាល់ភ្នែក
អាចវាស់ស្ទង់បរិមាណវីរុសបានច្បាស់លាស់ និងឆ្លុះបញ្ចាំងពីសភាពនៃជំងឺជាក់ស្តែងនៅលើសន្លឹករុក្ខជាតិ។ ការវាយតម្លៃដោយផ្ទាល់ភ្នែកអាចមានភាពលម្អៀង និងរងឥទ្ធិពលពីសីតុណ្ហភាព ចំណែក PTA-ELISA ត្រូវការពេលវេលា និងអង់ទីគ័រជាក់លាក់ (មានបញ្ហាបច្ចេកទេសនៅត្រីមាសទី៤)។ ជួយបែងចែកកម្រិតភាពធន់របស់ប្រជាជនកូនកាត់ម្ទេសទៅជា ៤ ក្រុម (ធន់ មធ្យម ងាយរងគ្រោះ និងងាយរងគ្រោះខ្លាំង)។

ការចំណាយលើធនធាន (Resource Cost)៖ ការស្រាវជ្រាវនេះទាមទារធនធានមន្ទីរពិសោធន៍កសិកម្មកម្រិតខ្ពស់ ការបង្កាត់ពូជរុក្ខជាតិ និងការប្រើប្រាស់សេវាកម្មវិភាគហ្សែនពីស្ថាប័នខាងក្រៅ។

៣. ការពិនិត្យសម្រាប់បរិបទកម្ពុជា/អាស៊ីអាគ្នេយ៍

ភាពលំអៀងនៃទិន្នន័យ (Data Bias)៖

ការសិក្សានេះត្រូវបានធ្វើឡើងនៅក្នុងប្រទេសថៃ (សាកលវិទ្យាល័យ Kasetsart) ដោយប្រើប្រាស់ពូជម្ទេសនៅតំបន់ត្រូពិច និងវីរុស CMV ប្រភេទក្នុងស្រុករបស់ថៃ។ ដោយសារប្រទេសកម្ពុជាមានអាកាសធាតុ លក្ខខណ្ឌកសិកម្ម និងប្រព័ន្ធអេកូឡូស៊ីស្រដៀងគ្នានឹងប្រទេសថៃ លទ្ធផលនៃការស្រាវជ្រាវនេះមានភាពប្រាកដនិយម និងអាចយកមកអនុវត្តផ្ទាល់សម្រាប់ទប់ទល់នឹងជំងឺលើដំណាំម្ទេសនៅកម្ពុជា។ វាមានសារៈសំខាន់ខ្លាំងក្នុងការស្វែងយល់ពីប្រភពហ្សែនធន់ដែលអាចទប់ទល់នឹងមេរោគឆ្លងដែន។

លទ្ធភាពនៃការអនុវត្ត (Applicability)៖

វិធីសាស្ត្រនៃការស្វែងរកទីតាំងហ្សែនធន់ (QTL mapping) នេះពិតជាមានអត្ថប្រយោជន៍ និងសក្តានុពលខ្ពស់សម្រាប់ការអភិវឌ្ឍវិស័យកសិកម្មនៅកម្ពុជា។

ការបោះជំហានឆ្ពោះទៅរកការជ្រើសរើសពូជដោយប្រើសញ្ញាសម្គាល់ហ្សែន (Marker-assisted selection) នឹងជួយឱ្យកម្ពុជាអាចបង្កើតពូជដំណាំក្នុងស្រុកដែលមានភាពធន់ខ្ពស់ និងធានាបាននូវសន្តិសុខស្បៀង។

៤. ផែនការសកម្មភាពសម្រាប់និស្សិត (Actionable Roadmap)

ដើម្បីអនុវត្តតាមការសិក្សានេះ និស្សិតគួរអនុវត្តតាមជំហានខាងក្រោម៖

  1. សិក្សាមូលដ្ឋានគ្រឹះនៃពន្ធុវិទ្យារុក្ខជាតិ និងការគូសផែនទីហ្សែន (QTL Mapping): និស្សិតគប្បីចាប់ផ្តើមពីការស្វែងយល់អំពីគោលការណ៍នៃការផ្ទេរសេនេទិច (Quantitative inheritance) និងរបៀបដែលសញ្ញាសម្គាល់ SNP ដំណើរការនៅក្នុងការបង្កាត់ពូជដំណាំ (Plant breeding)។
  2. ស្វែងយល់ពីការវិភាគទិន្នន័យជីវព័ត៌មានវិទ្យា (Bioinformatics): អនុវត្តការប្រើប្រាស់ភាសាកម្មវិធី R (R Studio) ដើម្បីសម្អាត និងវិភាគទិន្នន័យហ្សែនទំហំធំ ព្រមទាំងហ្វឹកហាត់ប្រើប្រាស់មូលដ្ឋានទិន្នន័យសាធារណៈដូចជា NCBI និង Sol Genomics Network ដើម្បីស្វែងរកហ្សែនគោលដៅ។
  3. អនុវត្តកម្មវិធីគូសផែនទីតំណភ្ជាប់ហ្សែន (Genetic Linkage Mapping): រៀនសូត្រ និងប្រើប្រាស់កម្មវិធីកុំព្យូទ័រឯកទេសដូចជា JoinMap, MapQTL, និង MapChart ដើម្បីវិភាគរកទីតាំងហ្សែនតូចៗ (QTLs) និងសង់ផែនទីក្រូម៉ូសូមពីរទិន្នន័យនៃការបង្កាត់ពូជ (Genotypic data)។
  4. ហ្វឹកហាត់បច្ចេកទេសក្នុងមន្ទីរពិសោធន៍រោគវិទ្យារុក្ខជាតិ: អនុវត្តបច្ចេកទេសចម្លងរោគវីរុសដោយដៃ (Mechanical inoculation) និងការធ្វើតេស្តរកបរិមាណមេរោគដោយប្រើបច្ចេកវិទ្យា PTA-ELISA ដើម្បីប្រមូលទិន្នន័យរោគសញ្ញាជាក់ស្តែង (Phenotypic data) ដោយសុក្រឹតភាព។
  5. អនុវត្តការជ្រើសរើសពូជដោយប្រើសញ្ញាសម្គាល់ហ្សែន (Marker-Assisted Selection): ប្រើប្រាស់សញ្ញាសម្គាល់ SNP ដែលមានទំនាក់ទំនងជិតស្និទ្ធជាមួយទីតាំងហ្សែនធន់ (ដូចជាម៉ាកឃ័រសម្រាប់ Q1A និង Q1B.2) ដើម្បីរចនាគម្រោងកាត់ជ្រើសរើសពូជម្ទេសថ្មីមួយ ដែលស័ក្តិសមសម្រាប់លក្ខខណ្ឌអាកាសធាតុ និងជំងឺនៅកម្ពុជា។

៥. វាក្យសព្ទបច្ចេកទេស (Technical Glossary)

ពាក្យបច្ចេកទេស ការពន្យល់ជាខេមរភាសា (Khmer Explanation) និយមន័យសាមញ្ញ (Simple Definition)
Quantitative trait loci (QTL) (ទីតាំងហ្សែនដែលគ្រប់គ្រងលក្ខណៈបរិមាណ) ជាតំបន់ជាក់លាក់នៃ DNA ដែលមានទំនាក់ទំនងជាមួយលក្ខណៈរូបរាង ឬអាកប្បកិរិយាណាមួយរបស់រុក្ខជាតិ (ដូចជាកម្ពស់ ទិន្នផល ឬភាពធន់នឹងជំងឺ) ដែលត្រូវបានគ្រប់គ្រងដោយហ្សែនច្រើនរួមបញ្ចូលគ្នា។ ការស្វែងរកទីតាំងនេះជួយកសិករឱ្យដឹងថាហ្សែនធន់ស្ថិតនៅផ្នែកណាខ្លះនៃក្រូម៉ូសូម។ ដូចជាការគូសផែនទីដើម្បីស្វែងរកសង្កាត់ ឬតំបន់ជាក់លាក់ណាមួយ ដែលផ្ទុកនូវក្រុមមនុស្សមានជំនាញពិសេសរួមគ្នាទប់ទល់នឹងសត្រូវ (មេរោគ)។
Single-nucleotide polymorphism (SNP) (បម្រែបម្រួលនុយក្លេអូទីតទោល) ជាការផ្លាស់ប្តូរនៃតួអក្សរ DNA តែមួយគត់ (A, T, C, ឬ G) នៅកន្លែងណាមួយក្នុងខ្សែសង្វាក់ហ្សែន ដែលធ្វើឱ្យមានភាពខុសគ្នារវាងបុគ្គល ឬពូជរុក្ខជាតិមួយទៅមួយទៀត។ នៅក្នុងការស្រាវជ្រាវនេះ វាត្រូវបានគេប្រើជាម៉ាកឃ័រ (Marker) ដើម្បីតាមដានហ្សែនធន់របស់ម្ទេស។ ដូចជាការសរសេរខុសអក្ខរាវិរុទ្ធតែមួយតួអក្សរនៅក្នុងសៀវភៅក្រាស់មួយក្បាល ដែលធ្វើឱ្យអត្ថន័យនៃពាក្យនោះប្រែប្រួលប្លែកពីគេ ឬបន្សល់ទុកជាស្លាកស្នាមងាយស្រួលចំណាំ។
Double haploid (DH) population (ប្រជាជនកូនកាត់ឌុបបលហាប់ប្លូអ៊ីត) ជាក្រុមរុក្ខជាតិដែលត្រូវបានបង្កើតឡើងតាមរយៈការបណ្តុះជាលិកា (anther culture) ដើម្បីទទួលបានរុក្ខជាតិដែលមានក្រូម៉ូសូមដូចគ្នាបេះបិទ (homozygous) ១០០% ដែលជួយសម្រួលដល់ការសិក្សាស្រាវជ្រាវហ្សែនឱ្យមានភាពសុក្រឹតខ្ពស់ដោយមិនមានហ្សែនលាក់ (heterozygous) រំខាន។ ដូចជាការបង្កើតកូនភ្លោះថតចម្លង (Copy-paste) ដែលមានហ្សែនដូចគ្នាបេះបិទរាល់ក្រូម៉ូសូមទាំងអស់ ដើម្បីងាយស្រួលធ្វើតេស្តដោយមិនខ្លាចមានការប្រែប្រួលលក្ខណៈនៅជំនាន់ក្រោយៗ។
DArTseq technology (បច្ចេកវិទ្យាកំណត់ប្រភេទហ្សែន DArTseq) ជាបច្ចេកទេសទំនើបដែលផ្សំការកាត់ DNA និងការអានលំដាប់ហ្សែន (Sequencing) កម្រិតខ្ពស់ ដែលអាចរាវរកសញ្ញាសម្គាល់ SNP រាប់ពាន់កន្លែងទូទាំងប្រព័ន្ធហ្សែនរបស់រុក្ខជាតិបានយ៉ាងឆាប់រហ័ស ដើម្បីបង្កើតផែនទីហ្សែនដែលមានភាពលម្អិតខ្ពស់។ ដូចជាម៉ាស៊ីនស្កេនអត្ថបទល្បឿនលឿនដែលអាចអានសៀវភៅរាប់ពាន់ក្បាលក្នុងពេលតែមួយ ហើយចង្អុលបង្ហាញភ្លាមៗនូវកន្លែងដែលមានពាក្យគន្លឹះសំខាន់ៗ។
Plate-trapped antigen enzyme-linked immunosorbent assay (PTA-ELISA) (បច្ចេកទេសវិភាគរកមេរោគដោយប្រើអង់ស៊ីម) ជាវិធីសាស្ត្រមន្ទីរពិសោធន៍ដែលប្រើប្រាស់អង់ទីគ័រ (Antibody) ដើម្បីចាប់យកប្រូតេអ៊ីនរបស់វីរុស និងវាស់ស្ទង់កំហាប់បរិមាណមេរោគដែលមានវត្តមាននៅក្នុងសំណាកសន្លឹករុក្ខជាតិ ដោយបំប្លែងលទ្ធផលទៅជាពណ៌ដែលអាចវាស់ដោយម៉ាស៊ីនបាន។ ដូចជាការប្រើប្រាស់ប៉ូលីសស៊ើបអង្កេតពិសេស (អង់ទីគ័រ) ដើម្បីដើរស្វែងរក និងចាប់ខ្លួនឧក្រិដ្ឋជន (វីរុស) នៅក្នុងហ្វូងមនុស្ស ដោយបញ្ចេញថ្នាំពណ៌នៅពេលចាប់បានដើម្បីប្រាប់ពីចំនួនឧក្រិដ្ឋជន។
Logarithm of the odds (LOD) score (ពិន្ទុឡូការីតនៃប្រូបាប៊ីលីតេតំណភ្ជាប់) ជាឯកតារង្វាស់ស្ថិតិដែលប្រើដើម្បីវាយតម្លៃកម្រិតនៃភាពប្រាកដប្រជាថា សញ្ញាសម្គាល់ហ្សែន និងហ្សែនដែលបញ្ជាលើលក្ខណៈរូបរាង (QTL) ពិតជាស្ថិតនៅជាប់គ្នានៅលើក្រូម៉ូសូមតែមួយ។ ពិន្ទុ LOD ខ្ពស់បញ្ជាក់ថាទីតាំងហ្សែននោះពិតជាមានទំនាក់ទំនងនឹងភាពធន់ប្រាកដមែន។ ដូចជាពិន្ទុបញ្ជាក់ពីកម្រិតភាពជឿជាក់នៃភស្តុតាងរបស់តុលាការ; ពិន្ទុកាន់តែខ្ពស់ មានន័យថាយើងកាន់តែជឿជាក់រាប់ពាន់ដងថា ជនសង្ស័យនិងការប្រព្រឹត្តបទល្មើសពិតជាមានជាប់ពាក់ព័ន្ធគ្នាមែន។
Restricted multiple-QTL model (rMQM) (ម៉ូដែលវិភាគទីតាំងហ្សែនច្រើនរួមបញ្ចូលគ្នា) គឺជាម៉ូដែលគណិតវិទ្យា និងស្ថិតិដែលត្រូវបានប្រើដើម្បីវិភាគរកទីតាំងហ្សែនតូចៗ (QTLs) ជាច្រើនដែលមានឥទ្ធិពលរួមគ្នាទៅលើលក្ខណៈមួយ (ដូចជាភាពធន់នឹងវីរុស) ដោយប្រើប្រាស់សញ្ញាសម្គាល់ក្បែរៗនោះជាកត្តាជំនួយ (cofactors) ដើម្បីកាត់បន្ថយការរំខាន និងបង្កើនភាពសុក្រឹតនៃការវិភាគ។ ដូចជាការប្រើប្រាស់កាមេរ៉ាសុវត្ថិភាពច្រើនគ្រាប់ដើម្បីផ្តោតថតយកសកម្មភាពរបស់ក្រុមចោរ (ហ្សែនជាច្រើន) ក្នុងពេលតែមួយ ដោយបំបាត់ស្រមោលរំខានផ្សេងៗដើម្បីចាប់មុខសញ្ញាបានច្បាស់លាស់។

៦. ប្រធានបទពាក់ព័ន្ធ (Further Reading)

អត្ថបទដែលបានបោះពុម្ពនៅលើ KhmerResearch ដែលទាក់ទងនឹងប្រធានបទនេះ៖

ប្រធានបទ និងសំណួរស្រាវជ្រាវដែលទាក់ទងនឹងឯកសារនេះ ដែលអ្នកអាចស្វែងរកបន្ថែម៖