Original Title: Identification of QTLs by Genome-Wide Association Study in Rice for Salt Tolerance
Source: doi.org/10.31817/vjas.2025.8.1.01
Disclaimer: Summary generated by AI based on the provided document. Please refer to the original paper for full scientific accuracy.

ការកំណត់អត្តសញ្ញាណ QTLs តាមរយៈការសិក្សាទំនាក់ទំនងទូទាំងហ្សែន (GWAS) លើស្រូវសម្រាប់ភាពធន់នឹងកម្រិតអំបិល

ចំណងជើងដើម៖ Identification of QTLs by Genome-Wide Association Study in Rice for Salt Tolerance

អ្នកនិពន្ធ៖ Thieu Thi Phong Thu (Vietnam National University of Agriculture), Takeo Yamakawa (Setsunan University)

ឆ្នាំបោះពុម្ព៖ 2025, Vietnam Journal of Agricultural Sciences

វិស័យសិក្សា៖ Agronomy

១. សេចក្តីសង្ខេបប្រតិបត្តិ (Executive Summary)

បញ្ហា (The Problem)៖ ការកើនឡើងនៃកម្រិតអំបិលនៅក្នុងដី (Salinity) គឺជាគំរាមកំហែងយ៉ាងធ្ងន់ធ្ងរដល់ផលិតផលស្រូវទូទាំងពិភពលោក ដែលទាមទារឱ្យមានការកំណត់អត្តសញ្ញាណហ្សែនដើម្បីយកទៅបង្កាត់ពូជស្រូវដែលធន់នឹងភាពប្រៃ។

វិធីសាស្ត្រ (The Methodology)៖ ការស្រាវជ្រាវនេះបានប្រើប្រាស់វិធីសាស្ត្រសិក្សាទំនាក់ទំនងទូទាំងហ្សែន (GWAS) ដោយវាយតម្លៃលើពូជស្រូវចម្រុះចំនួន ២១៣ ក្រោមលក្ខខណ្ឌតេស្តភាពប្រៃ។

លទ្ធផលសំខាន់ៗ (The Verdict)៖

២. ការវិភាគលើប្រសិទ្ធភាព និងដែនកំណត់ (Performance & Constraints)

វិធីសាស្ត្រ (Method) គុណសម្បត្តិ (Pros) គុណវិបត្តិ (Cons) លទ្ធផលគន្លឹះ (Key Result)
Genome-Wide Association Study (GWAS) via Mixed Linear Model (MLM)
ការសិក្សាទំនាក់ទំនងទូទាំងហ្សែន (GWAS) ដោយប្រើប្រាស់ម៉ូដែល Mixed Linear Model
អាចស្វែងរកទីតាំងហ្សែន (QTLs) បានច្បាស់លាស់កម្រិតខ្ពស់ និងអាចរកឃើញបម្រែបម្រួលអាឡែលធម្មជាតិជាច្រើនព្រមគ្នាក្នុងការសិក្សាតែមួយ។ ទាមទារទិន្នន័យសញ្ញាសម្គាល់ (SNP markers) ច្រើនសន្ធឹកសន្ធាប់ និងកម្លាំងម៉ាស៊ីនកុំព្យូទ័រខ្លាំងសម្រាប់ការវិភាគទិន្នន័យ។ រកឃើញសញ្ញាទំនាក់ទំនងថ្មីៗចំនួន ១២ ក្នុងក្រុមពូជស្រូវ Indica និង ២០ ក្នុងក្រុមពូជស្រូវ Japonica ដែលទាក់ទងនឹងភាពធន់នឹងកម្រិតអំបិល។
Traditional Biparental QTL Mapping
ការគូសផែនទី QTL តាមបែបប្រពៃណីដោយប្រើពូជបង្កាត់ពីរ (Biparental mapping)
ងាយស្រួលក្នុងការវិភាគទិន្នន័យ និងមិនសូវត្រូវការបច្ចេកវិទ្យាវិភាគទិន្នន័យហ្សែនស្មុគស្មាញខ្ពស់។ មានភាពលំបាកក្នុងការកំណត់ទីតាំងហ្សែនឱ្យបានជាក់លាក់ (Fine mapping) និងមានកម្រិតក្នុងការស្វែងរកហ្សែនថ្មីៗក្នុងកម្រិតទូទាំងហ្សែនម។ កំណត់បានតំបន់ហ្សែនទូលាយៗ (ដូចជាតំបន់ Saltol) តែពិបាកក្នុងការបង្រួមទៅរកហ្សែនជាក់លាក់ដែលបញ្ជាលើលក្ខណៈនីមួយៗ។

ការចំណាយលើធនធាន (Resource Cost)៖ ការស្រាវជ្រាវនេះទាមទារនូវធនធានហ្សែនរុក្ខជាតិ សម្ភារៈមន្ទីរពិសោធន៍ទំនើប និងកម្មវិធីកុំព្យូទ័រសម្រាប់វិភាគទិន្នន័យទំហំធំ (Big Data)។

៣. ការពិនិត្យសម្រាប់បរិបទកម្ពុជា/អាស៊ីអាគ្នេយ៍

ភាពលំអៀងនៃទិន្នន័យ (Data Bias)៖

ការសិក្សានេះប្រើប្រាស់ពូជស្រូវដែលផ្តល់ដោយសាកលវិទ្យាល័យ Kyushu នៃប្រទេសជប៉ុន ហើយធ្វើការសាកល្បងនៅក្នុងបន្ទប់ពិសោធន៍គ្រប់គ្រងបរិស្ថាន (Phytotron) មិនមែនលើទីវាលជាក់ស្តែងនោះទេ។ សម្រាប់ប្រទេសកម្ពុជា នេះមានន័យថា លទ្ធផលនៃការរកឃើញហ្សែនទាំងនេះចាំបាច់ត្រូវតែយកមកធ្វើតេស្តសាកល្បងផ្ទាល់នៅលើដីស្រែដែលរងផលប៉ះពាល់ដោយជាតិប្រៃពិតប្រាកដ ដើម្បីបញ្ជាក់ពីប្រសិទ្ធភាព។

លទ្ធភាពនៃការអនុវត្ត (Applicability)៖

លទ្ធផលនៃការសិក្សានេះមានសារៈសំខាន់ និងអាចយកមកអនុវត្តបានយ៉ាងល្អសម្រាប់គម្រោងបង្កាត់ពូជស្រូវនៅប្រទេសកម្ពុជា។

ជារួម ការប្រើប្រាស់បច្ចេកទេស GWAS និងទិន្នន័យហ្សែននេះ គឺជាផ្លូវកាត់ដ៏មានប្រសិទ្ធភាពសម្រាប់អ្នកវិទ្យាសាស្ត្រកម្ពុជាក្នុងការបង្កើតពូជស្រូវធន់នឹងភាពប្រៃ ដែលជួយកសិកររក្សាបាននូវទិន្នផលខ្ពស់ប្រកបដោយចីរភាព។

៤. ផែនការសកម្មភាពសម្រាប់និស្សិត (Actionable Roadmap)

ដើម្បីអនុវត្តតាមការសិក្សានេះ និស្សិតគួរអនុវត្តតាមជំហានខាងក្រោម៖

  1. សិក្សាមូលដ្ឋានគ្រឹះពន្ធុវិទ្យា និងការវាស់វែងលក្ខណៈរូប: ចាប់ផ្តើមដោយការស្វែងយល់ពីប្រព័ន្ធដាក់ពិន្ទុស្តង់ដារ (Standard Evaluation Score - SES) និងការវាស់វែងកម្រិតអ៊ីយ៉ុងនៅក្នុងរុក្ខជាតិដោយប្រើប្រព័ន្ធ Hydroponics សម្រាប់ធ្វើតេស្តភាពធន់នឹងអំបិល។
  2. ហ្វឹកហាត់ប្រើប្រាស់កម្មវិធីវិភាគទិន្នន័យ (Bioinformatics Tools): អនុវត្តការវិភាគទិន្នន័យហ្សែនដោយរៀនប្រើប្រាស់កម្មវិធី Tassel 5.0 សម្រាប់វិភាគ Mixed Linear Model (MLM) និង HaploView សម្រាប់ស្វែងរកប្លុកហ្សែន (QTL blocks)។
  3. រៀបចំការសាកល្បងលើពូជស្រូវកម្ពុជា: ជ្រើសរើសពូជស្រូវក្នុងស្រុក (ឧ. ស្រូវរំដួល ស្រូវសែនក្រអូប) យកមកធ្វើតេស្តក្នុងបន្ទប់ពិសោធន៍ក្រោមលក្ខខណ្ឌគំនាបអំបិល ១២ dS/m ដើម្បីប្រៀបធៀបលទ្ធផលជាមួយទិន្នន័យនៃការសិក្សានេះ។
  4. អនុវត្តការជ្រើសរើសពូជតាមសញ្ញាសម្គាល់ (MAS): សហការជាមួយសាកលវិទ្យាល័យ ឬវិទ្យាស្ថាន CARDI ដើម្បីប្រមូលសំណាក DNA ស្រូវ និងប្រើប្រាស់សញ្ញាសម្គាល់ SNPs ដែលបានរកឃើញនៅលើក្រូម៉ូសូមទី២ ទី៣ ទី៤ និងទី៥ ដើម្បីបង្កាត់ពូជស្រូវធន់នឹងជាតិប្រៃសម្រាប់ផ្តល់ជូនកសិករកម្ពុជា។

៥. វាក្យសព្ទបច្ចេកទេស (Technical Glossary)

ពាក្យបច្ចេកទេស ការពន្យល់ជាខេមរភាសា (Khmer Explanation) និយមន័យសាមញ្ញ (Simple Definition)
Genome-Wide Association Study / GWAS (ការសិក្សាទំនាក់ទំនងទូទាំងហ្សែន) គឺជាវិធីសាស្ត្រស្រាវជ្រាវដ៏ទំនើបមួយដែលស្កេនមើលទូទាំងបណ្តុំហ្សែន (DNA) របស់រុក្ខជាតិ ឬសត្វជាច្រើនក្នុងពេលតែមួយ ដើម្បីស្វែងរកបម្រែបម្រួលហ្សែនណាដែលមានទំនាក់ទំនងផ្ទាល់ទៅនឹងលក្ខណៈជាក់លាក់ណាមួយ (ឧទាហរណ៍ ភាពធន់នឹងកម្រិតអំបិល)។ ដូចជាការប្រើប្រព័ន្ធកាមេរ៉ាសុវត្ថិភាពរាប់ពាន់គ្រាប់ដើម្បីស្កេនមើលហ្វូងមនុស្សដ៏ធំក្នុងពេលតែមួយ ដើម្បីស្វែងរកមុខសញ្ញាជនសង្ស័យដែលមានភស្តុតាងត្រូវគ្នានឹងបទល្មើស។
Quantitative Trait Locus / QTL (ទីតាំងហ្សែនបញ្ជាលក្ខណៈបរិមាណ) គឺជាតំបន់ជាក់លាក់មួយនៅលើក្រូម៉ូសូមដែលមានផ្ទុកហ្សែនមួយ ឬច្រើនដែលធ្វើការរួមគ្នាដើម្បីគ្រប់គ្រងលក្ខណៈរូបរាង ឬសរីរវិទ្យាដែលអាចវាស់វែងបាន (ដូចជាកម្ពស់ ទិន្នផល ឬបរិមាណជាតិរ៉ែនៅក្នុងស្លឹក)។ ដូចជាការកំណត់បាននូវតំបន់សង្កាត់ ឬសួនឧស្សាហកម្មមួយដែលមានរោងចក្រផលិតសម្ភារៈសំខាន់ ប៉ុន្តែយើងមិនទាន់ដឹងច្បាស់ថាជារោងចក្រមួយណានៅឡើយទេ។
Single Nucleotide Polymorphism / SNP (បម្រែបម្រួលនុយក្លេអូទីតទោល) គឺជាចំណុចបម្រែបម្រួលតូចបំផុតនៃកូដសេនេទិច (DNA) នៅត្រង់ទីតាំងនុយក្លេអូទីតតែមួយគត់។ អ្នកវិទ្យាសាស្ត្រប្រើប្រាស់ SNPs ទាំងនេះជាសញ្ញាសម្គាល់ដើម្បីបែងចែកភាពខុសគ្នារវាងពូជរុក្ខជាតិមួយទៅពូជមួយទៀត និងដើម្បីរកមើលទីតាំងហ្សែនដែលពាក់ព័ន្ធនឹងភាពធន់។ ដូចជាការសរសេរខុសអក្ខរាវិរុទ្ធតែមួយតួអក្សរនៅក្នុងសៀវភៅមួយក្បាលធំ ដែលធ្វើឱ្យអត្ថន័យនៃប្រយោគនោះផ្លាស់ប្តូរទាំងស្រុងពីគេ។
Mixed Linear Model / MLM (ម៉ូដែលលីនេអ៊ែរចម្រុះ) គឺជាវិធីសាស្ត្រស្ថិតិដែលគេប្រើជាទូទៅក្នុងការវិភាគទិន្នន័យ GWAS ដើម្បីកាត់បន្ថយលទ្ធផលវិជ្ជមានក្លែងក្លាយ (False positives) ដោយគិតបញ្ចូលកត្តារចនាសម្ព័ន្ធចំនួនប្រជាជន និងទំនាក់ទំនងញាតិសន្តានរបស់រុក្ខជាតិដែលយកមកសិក្សា។ ដូចជាប្រព័ន្ធតម្រងដ៏ឆ្លាតវៃមួយ ដែលជួយចម្រោះយកតែព័ត៌មានពិតប្រាកដ ដោយកម្ចាត់ចោលនូវសម្លេងរំខាន ឬការយល់ច្រឡំដែលបណ្តាលមកពីភាពស្រដៀងគ្នានៃសាច់ញាតិ។
Homeostasis (លំនឹងសរីរវិទ្យា) គឺជាដំណើរការជីវសាស្ត្រដែលរុក្ខជាតិព្យាយាមរក្សាស្ថានភាពខាងក្នុងកោសិការបស់វាឱ្យមានលំនឹងប្រក្រតី (ឧទាហរណ៍ ការរក្សាសមាមាត្រអ៊ីយ៉ុងសូដ្យូម និងប៉ូតាស្យូម Na/K) ទោះបីជាបរិស្ថានខាងក្រៅមានការប្រែប្រួល ឬមានជាតិប្រៃខ្លាំងយ៉ាងណាក៏ដោយ។ ដូចជាប្រព័ន្ធម៉ាស៊ីនត្រជាក់ស្វ័យប្រវត្តិនៅក្នុងរថយន្ត ដែលតែងតែលៃតម្រូវសីតុណ្ហភាពខាងក្នុងឱ្យនៅត្រជាក់ថេរជានិច្ច ទោះបីជាអាកាសធាតុខាងក្រៅមានសភាពក្តៅហួតហែងខ្លាំងក៏ដោយ។
Manhattan plot (ក្រាហ្វិកម៉ាន់ហាតាន់) គឺជាប្រភេទគំនូសតាង (Graph) ពិសេសដែលគេប្រើក្នុងការសិក្សា GWAS ដើម្បីបង្ហាញទិដ្ឋភាពទូទៅនៃបម្រែបម្រួលហ្សែនទាំងអស់។ ចំនុចដែលផុសឡើងខ្ពស់ជាងគេនៅលើក្រាហ្វិក បញ្ជាក់ពីទីតាំង SNP ដែលមានទំនាក់ទំនងខ្លាំងបំផុតទៅនឹងលក្ខណៈដែលកំពុងសិក្សា។ ដូចជាការមើលទិដ្ឋភាពអគារខ្ពស់ៗក្នុងទីក្រុងពីចម្ងាយ ដែលអគារណាខ្ពស់ជាងគេ និងលេចធ្លោជាងគេ គឺជាទីតាំងគោលដៅសំខាន់ដែលយើងត្រូវផ្តោតអារម្មណ៍។
Kinship matrix (ម៉ាទ្រីសញាតិសន្តាន) គឺជាតារាងទិន្នន័យគណិតវិទ្យាដែលប្រើសម្រាប់វាស់ស្ទង់កម្រិតនៃភាពជាសាច់ញាតិ ឬទំនាក់ទំនងហ្សែនរវាងពូជស្រូវនីមួយៗនៅក្នុងក្រុមដែលយកមកសិក្សា ដើម្បីការពារការសន្និដ្ឋានខុសនៅក្នុងការវិភាគអត្តសញ្ញាណហ្សែន។ ដូចជាតារាងមែកធាងគ្រួសារ ដែលបង្ហាញប្រាប់ថាតើនរណាមានជាប់សាច់ឈាមនឹងនរណាខ្លះ ដើម្បីការពារការយល់ច្រឡំថាលក្ខណៈដូចគ្នាគឺបណ្តាលមកពីហ្សែនថ្មី ទាំងដែលតាមពិតវាគ្រាន់តែជាការចែករំលែកតាមខ្សែស្រឡាយគ្រួសារ។

៦. ប្រធានបទពាក់ព័ន្ធ (Further Reading)

អត្ថបទដែលបានបោះពុម្ពនៅលើ KhmerResearch ដែលទាក់ទងនឹងប្រធានបទនេះ៖

ប្រធានបទ និងសំណួរស្រាវជ្រាវដែលទាក់ទងនឹងឯកសារនេះ ដែលអ្នកអាចស្វែងរកបន្ថែម៖