Các nhà khoa học của VinUni nghiên cứu giải mã gene 1.000 giống lúa Việt Nam
Tại Hội thảo Quốc tế về Ứng dụng Công nghệ Gen trong Nông nghiệp (SAGA 2026) diễn ra mới đây, Viện Nghiên cứu Dữ liệu lớn (VIBD), Trường Đại học VinUni giới thiệu dự án nghiên cứu VN1K-RICE – giải trình tự hệ gene 1.000 giống lúa Việt Nam. Dự án hướng tới xây dựng cơ sở dữ liệu di truyền quy mô lớn, làm nền tảng cho bảo tồn nguồn gene bản địa và chọn tạo giống mới có chất lượng cao, thích ứng với biến đổi khí hậu và giảm phát thải.
Lần đầu tiên giải mã gen 1.000 giống lúa Việt
Theo các nhà khoa học, mỗi giống lúa mang trong mình một bộ thông tin di truyền riêng, được lưu giữ trong DNA. Chính những khác biệt trong hệ gene góp phần quyết định đặc điểm của cây lúa, từ hương thơm, độ dẻo của hạt gạo đến khả năng chịu hạn, chịu mặn hay kháng sâu bệnh. Giải mã hệ gen là quá trình đọc và ghi lại những thông tin di truyền đó, qua đó giúp các nhà khoa học hiểu rõ hơn điều gì tạo nên đặc tính của từng giống.
Tại Việt Nam, nhiều giống lúa truyền thống và lúa hoang vẫn được lưu giữ ở các ngân hàng gen, viện nghiên cứu và trường đại học như Trung tâm Tài nguyên thực vật, Viện Lúa Đồng bằng sông Cửu Long, Đại học Cần Thơ, Học viện Nông nghiệp Việt Nam. Đây là nguồn vật liệu quý cho nghiên cứu và lai tạo giống. Tuy nhiên, phần lớn các giống lúa này chưa được giải trình tự toàn bộ hệ gene, khiến việc xác định và khai thác những đặc tính di truyền có ích còn gặp nhiều hạn chế.
Dự án VN1K-RICE (1.000 Vietnamese Rice Genome Project) được triển khai nhằm lấp khoảng trống đó. Dự án sẽ giải trình tự toàn bộ hệ gene của 1.000 mẫu lúa Việt Nam, bắt đầu từ nhóm 150 mẫu nòng cốt trước khi mở rộng quy mô. Bộ mẫu được lựa chọn để đại diện cho các hệ sinh thái canh tác khác nhau, gồm lúa nước, lúa nương, vùng ven biển nhiễm mặn và đất ngập triều, đồng thời có cả các mẫu lúa hoang.
Một mục tiêu quan trọng của dự án là xây dựng hệ gen tham chiếu cho các giống lúa truyền thống Việt Nam. Có thể hiểu đây là bộ dữ liệu chuẩn để các nhà khoa học đối chiếu khi phân tích hệ gen của những giống lúa khác. Khi có hệ gen tham chiếu phù hợp với nguồn gene bản địa, việc nhận diện những điểm khác biệt về di truyền và tìm kiếm gene liên quan đến các đặc tính quý sẽ chính xác hơn.
Giáo sư Robert Henry, Giám đốc sáng lập Liên minh Đổi mới Nông nghiệp và Thực phẩm Queensland (QAAFI), Đại học Queensland, Australia, Giảng viên liên kết tại VinUni – nhà khoa học đồng chủ trì dự án VN1K-RICE cho rằng: “Một hệ gene duy nhất không thể đại diện cho toàn bộ sự đa dạng di truyền của một loài. Các nhà khoa học cần những hệ gene tham chiếu có quan hệ gần với nguồn vật liệu đang nghiên cứu. Với Việt Nam, việc xây dựng bộ hệ gene từ các giống lúa bản địa có ý nghĩa thiết thực, giúp nghiên cứu sát hơn với nguồn gene trong nước”
Sau khi có dữ liệu hệ gene, nhóm nghiên cứu sẽ kết hợp với kết quả đánh giá đặc tính của từng giống tại ba vùng sinh thái. Các chỉ tiêu được khảo sát gồm chất lượng và dinh dưỡng của hạt gạo như độ dẻo, hương thơm, hàm lượng vi chất và protein; khả năng chịu hạn, chịu mặn, chịu nóng, chịu ngập; khả năng kháng các bệnh phổ biến trên cây lúa; đồng thời đo lượng khí nhà kính phát thải trong quá trình canh tác.
Việc kết hợp thông tin di truyền với đặc điểm thực tế của cây lúa giúp các nhà khoa học tìm ra mối liên hệ giữa gene và tính trạng. Chẳng hạn, gene nào liên quan đến hương thơm, gene nào giúp cây chịu mặn tốt hơn, hay những vùng gene nào có thể góp phần giảm phát thải khí nhà kính. Đây là cơ sở để xác định những nguồn gen có giá trị và đưa chúng vào các chương trình chọn tạo giống.
Giáo sư Vũ Hà Văn, Giám đốc Khoa học VIBD, nhà khoa học chủ trì VN1K-RICE, cho biết “Việt Nam có nguồn gene bản địa rất đa dạng, nhưng phần lớn vẫn chưa được đọc ở cấp độ hệ gene. Thông qua AgriOmics-AI, nhóm nghiên cứu hướng tới chuyển các bộ sưu tập giống đang được lưu giữ thành dữ liệu có thể phân tích, chia sẻ và sử dụng trực tiếp trong chọn giống, áp dụng cho cả cây trồng và vật nuôi”.
Từ dữ liệu gene đến những giống lúa mới
Giá trị ứng dụng lớn của dự án nằm ở khả năng hỗ trợ các nhà khoa học chọn tạo giống lúa mới. Khi xác định được gene gắn với những đặc tính mong muốn, nhà nghiên cứu có thể sử dụng dữ liệu DNA để sàng lọc vật liệu giống, lựa chọn những cá thể mang gene có lợi và đưa chúng vào các chương trình lai tạo.
Ví dụ, một giống lúa bản địa có khả năng chịu mặn tốt có thể mang gene hữu ích cho việc phát triển giống lúa thích ứng với vùng đất nhiễm mặn. Một giống khác có hương thơm hoặc chất lượng gạo đặc biệt có thể cung cấp nguồn gene để cải thiện chất lượng của giống đang được canh tác. Thay vì phải dựa chủ yếu vào quá trình lai tạo và đánh giá qua nhiều thế hệ, các nhà khoa học có thêm công cụ phân tích DNA để nhận diện sớm những đặc tính di truyền cần tìm.
Dự án cũng hướng tới phát triển các dòng lúa gần đẳng gene – những dòng có nền di truyền gần như giống nhau, chỉ khác biệt ở vùng gene mục tiêu. Đây là vật liệu nghiên cứu hữu ích để kiểm chứng vai trò của từng gene, đồng thời có thể được đưa vào các chương trình lai tạo. Các chỉ thị DNA được xác định từ dữ liệu hệ gene cũng hỗ trợ nhận diện, chọn lọc và xác thực những giống lúa mang đặc tính có giá trị.
AI sẽ giúp xử lý khối lượng lớn dữ liệu di truyền, tìm kiếm các mối liên hệ giữa gene và tính trạng, dự đoán chức năng của gene và hỗ trợ nhà khoa học xác định những hướng nghiên cứu tiềm năng. Nhờ đó, dữ liệu giải mã có thể được chuyển thành thông tin hữu ích cho công tác chọn giống, thay vì dừng lại ở việc lưu trữ các chuỗi DNA.
VN1K-RICE là một dự án thuộc chương trình nghiên cứu AgriOmics-AI giai đoạn 2026–2030 của VIBD. Chương trình kết hợp dữ liệu hệ gene và trí tuệ nhân tạo để nghiên cứu, bảo tồn và khai thác nguồn gen bản địa của Việt Nam trong nhiều lĩnh vực, từ cây trồng, vật nuôi đến thủy sản và vi sinh vật có lợi.
Kết quả của VN1K-RICE dự kiến gồm dữ liệu hệ gene của 1.000 mẫu lúa, hệ gene tham chiếu chất lượng cao cho lúa truyền thống và dữ liệu về hoạt động của gene. Dự án sẽ đóng góp vào quá trình phát triển những giống lúa chất lượng cao, thích ứng tốt hơn với điều kiện khí hậu và hướng tới nền nông nghiệp phát thải thấp.
Kim Dung
