Hướng dẫn xây dựng bộ genome vi khuẩn không cần lập trình

1. Trước hết: dựng lại hệ gen để làm gì?

Hãy tưởng tượng bạn đang làm luận văn về một chủng vi khuẩn kháng kháng sinh. Bạn cần trả lời hai câu hỏi: nó kháng loại kháng sinh nào, và vì sao nó kháng được — để từ đó giải thích cơ chế và đề xuất hướng xử lý.

Cách kiểm tra nhanh nhất, PCR, lại không giúp được trong tình huống này.

1.1. Vì sao PCR không đủ?

PCR hoạt động theo nguyên tắc "phải biết trước, rồi mới dò". Muốn chạy một phản ứng PCR, bạn phải đã biết trình tự cần tìm để thiết kế mồi (primer). Nói cách khác:

• PCR chỉ phát hiện những gì bạn đã biết trước: một gene kháng kháng sinh quen thuộc, một đột biến đã được mô tả trong tài liệu.
• Nếu vi khuẩn kháng thuốc bằng một cơ chế mới — một gene chưa từng thấy, một đột biến mới, hay một plasmid lạ — bạn không có mồi để dò, và PCR trả về kết quả âm tính một cách sai lệch.

Lúc đó, giải pháp thay thế là đọc toàn bộ hệ gen thay vì chỉ dò một điểm. Bạn không cần biết trước phải tìm gì, vì toàn bộ thông tin đã nằm trong dữ liệu trình tự.

1.2. Lắp ráp hệ gen là gì?

Máy giải trình tự không đọc được cả nhiễm sắc thể trong một lần. Nó trả về hàng triệu reads — những mảnh trình tự ngắn (dữ liệu Illumina) hoặc dài (Oxford Nanopore, PacBio) — giống như một cuốn sách bị xé thành hàng triệu mảnh giấy nhỏ, mỗi mảnh lại có phần chữ chồng lên mảnh bên cạnh.

Lắp ráp hệ gen (genome assembly) là việc tìm những đoạn chồng nhau đó để ghép các mảnh thành câu chữ liền mạch. Kết quả là một bộ genome gần như hoàn chỉnh: toàn bộ gene, đột biến và plasmid của chủng vi khuẩn — kể cả những thứ chưa ai từng biết. Sau đó, chú giải (annotation) gắn nhãn cho hệ gen để biết đoạn nào là gene, gene nào mã cho protein gì, và từ đó truy ra cơ chế kháng thuốc.

Minh hoạ với hệ gen 9 nucleotide (3 amino acid): giải trình tự, lắp ráp de novo, rồi đối chiếu với tham chiếu — một nucleotide đổi làm đổi amino acid.

Quá trình sinh học này gồm ba bước:

1. Giải trình tự (sequencing) — máy đọc DNA và cắt nó thành hàng triệu mảnh ngắn gọi là reads. Mỗi read chỉ là một đoạn rất ngắn, tự nó không đủ để kết luận điều gì.
2. Lắp ráp de novo — dựa vào những đoạn chồng nhau giữa các reads để ghép chúng thành các đoạn liền mạch (contig). Bước này không cần biết trước hệ gen trông thế nào, nên nó phát hiện được cả những vùng chưa từng có trong cơ sở dữ liệu.
3. So sánh với hệ gen tham chiếu — xếp bộ genome của bạn lên một hệ gen đã biết của cùng loài để tìm các vị trí khác biệt (biến thể như SNP), đồng thời xác nhận loài. Đây là cách nhanh để trả lời "chủng này khác tham chiếu ở đâu". Nếu vị trí khác biệt nằm trong một gene, nó có thể làm đổi luôn amino acid — trong hình, chỉ một nucleotide ở vị trí 5 đổi Lys (K) thành Arg (R).

2. nf-core/bacass: chiếc hộp đã được lắp sẵn

nf-core/bacass là một quy trình chung được cộng đồng xây dựng để lắp ráp và chú giải hệ gen vi khuẩn.

2.1. Quy trình gồm những chặng nào?

Nó nhận dữ liệu thô (FASTQ) và tự động chạy mọi bước cần thiết: kiểm tra chất lượng, cắt tỉa, lắp ráp, kiểm tra nhiễm chéo, đánh giá chất lượng bộ lắp ráp và chú giải.

Nguồn: nf-core/bacass (metromap), giấy phép MIT.

Nhìn vào metromap (bản đồ quy trình) ở trên, bạn có thể hình dung toàn bộ hành trình như một tuyến tàu điện với các ga:

Mỗi chặng có thể được bật/tắt bằng các tham số đơn giản, nên bạn không phải chạy những bước chưa cần.

2.2. Ba kiểu dữ liệu: short, long, hybrid

Quy trình hỗ trợ ba kiểu dữ liệu:

• Short-read — chỉ có dữ liệu đọc ngắn (Illumina).
• Long-read — chỉ có dữ liệu đọc dài (Nanopore/PacBio).
• Hybrid — kết hợp cả hai, cho bộ lắp ráp liền mạch nhất.

3. Chuẩn bị dữ liệu đầu vào

bacass cần một samplesheet: một bảng đơn giản (định dạng TSV, phân tách bằng dấu tab) cho biết mỗi mẫu có những tệp nào.

3.1. Samplesheet gồm những cột nào?

Sáu cột:

Một samplesheet thật đã có sẵn trong workspace omicslab — nhấp đúp tệp .tsv để xem nội dung: mỗi dòng là một mẫu, R1/R2 trỏ tới các tệp FASTQ.

Cần chỉnh sửa? Bấm Edit để mở bảng tính ngay trên nền tảng — thêm dòng, thêm cột và lưu lại thẳng vào workspace.

3.2. Ví dụ một samplesheet

Ví dụ một samplesheet trộn đủ ba kiểu dữ liệu:

4. Chạy nf-core/bacass trên nền tảng

Bài đồng hành Cách chạy pipeline nf-core trên nền tảng Omicslab mô tả từng bước phần cơ học — tạo workspace, tải dữ liệu, thêm pipeline, xem log và chi phí. Riêng với bacass, điều bạn cần quyết định là dữ liệu đầu vào và các lựa chọn dưới đây.

Bắt đầu với bộ dữ liệu mẫu miễn phí của nf-core. nf-core cung cấp sẵn một bộ dữ liệu vi khuẩn nhỏ cho chính pipeline này:

• Samplesheet mẫu: bacass_short_reseq.tsv
• Kho dữ liệu mẫu đầy đủ: nf-core/test-datasets › bacass

Tải samplesheet cùng các tệp FASTQ mà nó trỏ tới lên nền tảng, rồi chọn:

Bấm Run, theo dõi log Nextflow chạy trực tiếp trên trình duyệt, và mở lại job trong Lịch sử khi hoàn tất. Bộ dữ liệu mẫu 100 MB dùng cho các hình dưới đây hoàn tất trong khoảng 30 phút với chi phí 13.318 VND.

5. Đọc kết quả trả về

Sau khi quy trình hoàn tất, bạn nhận được một thư mục kết quả gọn gàng:

6. Ví dụ thực tế từ Việt Nam

6.1. Nghiên cứu melioidosis tại Hà Tĩnh

Để thấy quy trình này mạnh đến đâu, hãy xem một nghiên cứu có thật. Năm 2026, một nhóm nghiên cứu Việt Nam và quốc tế công bố trên PLOS Neglected Tropical Diseases kết quả giải trình tự 47 chủng vi khuẩn Burkholderia pseudomallei — tác nhân gây bệnh melioidosis. Các chủng được thu thập tại Bệnh viện Đa khoa tỉnh Hà Tĩnh năm 2020, cùng với mẫu đất và hai mẫu từ động vật.

Điểm đáng chú ý: họ dựng hệ gen bằng đúng quy trình nf-core/bacass mà bài này hướng dẫn — FastP cắt tỉa, Unicycler lắp ráp, Prokka chú giải — rồi mới phân tích sâu hơn.

6.2. Kết quả và bài học

Từ bộ genome đã lắp ráp, nhóm nghiên cứu:

• Phân loại chủng bằng MLST và cgMLST (so khớp trình tự gene với cơ sở dữ liệu công khai).
• Dựng cây phát sinh loài từ SNP toàn hệ gen để truy nguồn lây, so sánh với gần 1.500 chủng khác ở Đông Nam Á và Australia.
• Tìm vùng gene đặc trưng của nhóm chủng chiếm ưu thế (ST 41) và đề xuất nó như một mục tiêu chẩn đoán mới.

Kết quả nổi bật: 60% ca bệnh thuộc một chủng duy nhất (ST 41), và các chủng này liên hệ chặt chẽ với mẫu đất cùng khu vực — gợi ý con đường lây từ môi trường sang người.

Điều đáng học: đây chính là kiểu câu hỏi mà PCR khó trả lời. Không ai biết trước "vùng gene ST 41" tồn tại để thiết kế mồi — nó chỉ lộ ra sau khi đọc toàn bộ hệ gen.

Norris MH, Au La TH, Metrailer MC, và cộng sự (2026). Expanding the molecular epidemiology of melioidosis in North Central Vietnam. PLOS Neglected Tropical Diseases, 20(2), e0013945. doi.org/10.1371/journal.pntd.0013945

Toàn bộ dữ liệu của nghiên cứu được công khai tại NCBI SRA, mã PRJNA1180080.

7. Kết mở: đến lượt bạn

Bạn có hai cách để bắt đầu ngay từ đây:

1. Chạy lại trên chính bộ dữ liệu này. Tải các tệp FASTQ từ SRA với mã PRJNA1180080 (hoặc dùng bộ dữ liệu mẫu của nf-core), đưa lên nền tảng và chạy nf-core/bacass theo hướng dẫn nền tảng. Bạn sẽ đi đúng con đường nhóm nghiên cứu đã đi — và có thể tự kiểm chứng kết quả.
2. Khám phá các công cụ sâu hơn trên nền tảng. Sau khi có genome, bạn có thể tìm và thêm những pipeline khác từ kho Git — miễn là chúng có script chạy và schema tham số. Vài hướng gợi ý:
   • Định danh loài và so sánh với chủng tham chiếu.
   • MLST / cgMLST để định type chủng.
   • SNP toàn hệ gen và cây phát sinh loài cho nghiên cứu dịch tễ.
   • Pan-genome để tìm gene đặc trưng giữa các nhóm chủng.
   • Gửi dữ liệu lên cơ sở dữ liệu công khai (ví dụ NCBI) để chia sẻ.

Không có một quy trình duy nhất đúng cho mọi câu hỏi. Hãy thử, so sánh và tự rút ra cách làm phù hợp — nền tảng không khóa bạn vào một danh sách công cụ cố định.

Có kết quả hay thắc mắc? Chia sẻ với chúng tôi tại contact@omicslab.io.

8. Bắt đầu

1. Tạo tài khoản tại platform.omicslab.io — không cần thẻ tín dụng.
2. Tạo workspace và thêm pipeline nf-core/bacass.
3. Chạy thử với dữ liệu mẫu của nf-core, sau đó thay bằng dữ liệu của bạn.
4. Cần hỗ trợ hoặc muốn dùng thử trọn gói? Gửi email tới contact@omicslab.io.

9. Tài liệu tham khảo

• nf-core/bacass — tài liệu, tham số và kết quả mẫu: nf-co.re/bacass
• Tài liệu nền tảng — Bắt đầu nhanh, Tổ chức và Marketplace
• Nghiên cứu điển hình — Norris MH và cộng sự (2026), Expanding the molecular epidemiology of melioidosis in North Central Vietnam, PLOS Neglected Tropical Diseases 20(2): e0013945. doi.org/10.1371/journal.pntd.0013945
• Dữ liệu công khai — NCBI SRA BioProject PRJNA1180080

10. Bài viết liên quan

• Hướng dẫn nền tảng: Cách chạy pipeline nf-core trên nền tảng Omicslab.
• Xem thêm bài về tin sinh học và pipeline.
• Tính năng và bảng giá trên trang Nền tảng Omicslab.
• Cần dịch vụ trọn gói? Xem Giải pháp tùy chỉnh.
• Tài liệu chính thức của quy trình: nf-co.re/bacass.