☜☠☞ Jourdy 21 ☜☠☞: 2020

Jumat, 03 Juli 2020

Pengantar Komputasi Modern : Bioinformatika

Nama : Jourdy Hanson Bintang

Kelas : 4IA18

NPM : 53416772

Pengantar Komputasi Modern

Bio Informatika & Penerapannya

Gambaran umum tentang bioinformatika

Definisi

Dikutip dari http://www.komputasi.lipi.go.id/utama.cgi?cetakartikel&1247362701

Bioinformatika, sesuai dengan asal katanya yaitu “bio” dan “informatika”, adalah gabungan antara ilmu biologi dan ilmu teknik informasi (TI). Pada umumnya, Bioinformatika didefenisikan sebagai aplikasi dari alat komputasi dan analisa untuk menangkap dan menginterpretasikan data-data biologi. Ilmu bioinformatika lahir atas insiatif para ahli ilmu komputer berdasarkan artificial intelligence. Mereka berpikir bahwa semua gejala yang ada di alam ini bisa dibuat secara artificial melalui simulasi dari gejala-gejala tersebut.

Dikutip dari https://www.investopedia.com/terms/b/bioinformatics.asp dengan terjemahan

Bioinformatika adalah aplikasi teknologi komputasi untuk menangani penyimpanan informasi yang berkembang pesat terkait dengan biologi molekuler. Bioinformatika menggabungkan berbagai bidang studi, termasuk ilmu komputer, biologi molekuler, bioteknologi, statistik dan teknik. Ini sangat berguna untuk mengelola dan menganalisis set data yang besar, seperti yang dihasilkan oleh bidang genomik dan proteomik.

Dikutip dari https://www.sciencedirect.com/topics/biochemistry-genetics-and-molecular-biology/bioinfor matics dengan terjemahan

Bioinformatika, sebagai disiplin ilmu baru yang muncul, menggabungkan matematika, ilmu informasi, dan biologi dan membantu menjawab pertanyaan biologis. Kata 'bioinformatika' pertama kali digunakan pada tahun 1968 dan definisinya pertama kali diberikan pada tahun 1978. Bioinformatika juga telah disebut sebagai 'biologi komputasi'. Namun, secara ketat, biologi komputasi terutama berkaitan dengan pemodelan sistem biologis. Komponen utama bioinformatika adalah

(1) pengembangan alat dan algoritma perangkat lunak dan

(2) analisis dan interpretasi data biologis dengan menggunakan berbagai alat perangkat lunak dan algoritma tertentu.

Dikutip dari https://simdos.unud.ac.id/uploads/file_ pendidikan_dir/d6dda88bc5ab de5f564d24 aaa7bd a35 1.pdf

Bioinformatika, sesuai dengan asal katanya yaitu “bio” dan “informatika” adalah gabungan antara ilmu biologi dan teknik informasi (TI). Sebagai suatu disiplin ilmu, bioinformatika merupakan kajian yang memadukan disiplin biologi molekul, matematika dan teknik informasi (TI). Bidang ini masih tergolong relatif baru sehingga masih banyak kesalahpahaman mengenai definisinya. Secara umum, bioinformatika dapat digambarkan sebagai segala bentuk penggunaan komputer dalam menangani masalah-masalah biologi. Tetapi dalam prakteknya, definisi yang digunakan lebih bersifat terperinci. Bioinformatika itu sendiri mempunyai pengertian suatu teknologi pengumpulan, penyimpanan, analisis, interpretasi, penyebaran dan aplikasi dari data-data biologi molekul.

Sejarah lahirnya bioinformatika

Istilah bioinformatika mulai dikemukakan pada pertengahan era 1980-an untuk mengacu pada penerapan komputer dalam biologi. Namun demikian, penerapan bidang-bidang dalam bioinformatika (seperti pembuatan basis data dan pengembangan algoritma untuk analisis sekuens biologis) sudah dilakukan sejak tahun 1960-an. Kemajuan teknik biologi molekuler dalam mengungkap sekuens biologis dari protein (sejak awal 1950-an) dan asam nukleat (sejak 1960-an) mengawali perkembangan basis data dan teknik analisis sekuens biologis. Basis data sekuens protein mulai dikembangkan pada tahun 1960-an di Amerika Serikat dan Jerman (pada European Molekular Biology Laboratory). Penemuan teknik sekuensing DNA yang lebih cepat pada pertengahan 1970-an menjadi landasan terjadinya ledakan sejumlah sekuens DNA yang berhasil diungkapkan pada tahun 1980-an dan 1990-an, menjadi salah satu pembuka jalan bagi proyek-proyek pengungkapan genom, meningkatkan kebutuhan akan pengelolaan dan analisis sekuens, dan pada akhirnya lahirlah bioinformatika.

Penerapan Bio Informatika

Dikutip dari http://www.komputasi.lipi.go.id/utama.cgi?cetakartikel&1247362701

Bioinformatika dalam Dunia Kedokteran

a. Bioinformatika dalam bidang klinis

Perananan Bioinformatika dalam bidang klinis ini sering juga disebut sebagai informatika klinis (clinical informatics). Aplikasi dari clinical informatics ini adalah berbentuk manajemen data-data klinis dari pasien melalui Electrical Medical Record (EMR) yang dikembangkan oleh Clement J. McDonald dari Indiana University School of Medicine pada tahun 1972. McDonald pertama kali mengaplikasikan EMR pada 33 orang pasien penyakit gula (diabetes). Sekarang EMR ini telah diaplikasikan pada berbagai penyakit. Data yang disimpan meliputi data analisa diagnosa laboratorium, hasil konsultasi dan saran, foto ronsen, ukuran detak jantung, dll. Dengan data ini dokter akan bisa menentukan obat yang sesuai dengan kondisi pasien tertentu. Lebih jauh lagi, dengan dibacanya genom manusia, akan memungkinkan untuk mengetahui penyakit genetik seseorang, sehingga personal care terhadap pasien menjadi lebih akurat.

Sampai saat ini telah diketahui beberapa gen yang berperan dalam penyakit tertentu beserta posisinya pada kromosom. Informasi ini tersedia dan bisa dilihat di home page National Center for Biotechnology Information (NCBI) pada seksi Online Mendelian in Man (OMIM) OMIM adalah search tool untuk gen manusia dan penyakit genetika. Selain berisikan informasi tentang lokasi gen suatu penyakit, OMIM ini juga menyediakan informasi tentang gejala dan penanganan penyakit tersebut beserta sifat genetikanya. Dengan demikian, dokter yang menemukan pasien yang membawa penyakit genetika tertentu bisa mempelajarinya secara detil dengan mengakses home page OMIM ini. Sebagai salah satu contoh, jika ketika ingin melihat tentang kanker payudara, dapat memasukan kata-kata “breast cancer” dan setelah searching akan keluar berbagai jenis kanker payudara. Kalau ingin mengetahui lebih detil tetang salah satu diantaranya, hanya perlu klik dan akan mendapatkan informasi detil mengenai hal tersebut beserta posisi gen penyebabnya di dalam koromosom.

b. Bioinformatika untuk penemuan obat

Usaha penemuan obat biasanya dilakukan dengan penemuan zat/senyawa yang bisa menekan perkembangbiakan suatu agent penyebab penyakit. Karena banyak faktor yang bisa mempengaruhi perkembangbiakan agent tersebut, faktor-faktor itulah yang dijadikan target. Diantara faktor tersebut adalah enzim-enzim yang diperlukan untuk perkembangbiakan suatu agent. Langkah pertama yang dilakukan adalah analisa struktur dan fungsi enzim-enzim tersebut. Kemudian mencari atau mensintesa zat/senyawa yang bisa menekan fungsi dari enzim-enzim tersebut. Penemuan obat yang efektif adalah penemuan senyawa yang berinteraksi dengan asam amino yang berperan untuk aktivitas (active site) dan untuk kestabilan enzim tersebut. Karena itu analisa struktur dan fungsi enzim ini biasanya difokuskan pada analisa asam amino yang berperan untuk aktivitas (active site) dan untuk kestabilan enzim tersebut. Analisa ini dilakukan dengan cara mengganti asam amino tertentu dan menguji efeknya.

Sebelum perkembangan bioinformatika, analisa penggantian asam amino ini dilakukan secara random sehingga memakan waktu yang lama. Dengan adanya Bioinformatika, data-data protein yang sudah dianalisa bebas diakses oleh siapapun, baik data sekuen asam amino-nya seperti yang ada di SWISS-PROT maupun struktur 3D-nya yang tersedia di Protein Data Bank (PDB). Dengan database yang tersedia ini, enzim yang baru ditemukan bisa dibandingkan sekuen asam amino-nya, sehingga bisa diperkirakan asam amino yang berperan untuk active site dan kestabilan enzim tersebut. Hasil perkiraan kemudian diuji di laboratorium. Dengan demikian, akan lebih menghemat waktu dari pada analisa secara random. Walaupun dengan sarana Bioinformatika bisa diperkirakan senyawa yang berinteraksi dan menekan fungsi suatu enzim, hasilnya harus dikonfirmasi melalui eksperiment di laboratorium. Namun dengan Bioinformatika, semua proses ini bisa dilakukan lebih cepat sehingga lebih efesien baik dari segi waktu maupun finansial.

c. Bioinformatika dalam Virologi

Isolasi virus adalah suatu pekerjaan yang tidak mudah. Banyak virus yang tidak bisa dikulturkan, apalagi diisolasi. Virus hepatitis C (HCV), misalnya, sampai saat ini belum ada yang bisa mengkulturkannya, sehingga belum ada yang tahu bentuk morfologi virus ini. Begitu juga virus hepatitis E (HEV) dan kelompok virus yang termasuk ke dalam family Calliciviridae, dimana sampai saat ini belum ditemukan sistem pengkulturannya. Walaupun untuk beberapa virus bisa dikulturkan, tidak semuanya bisa diisolasi dengan mudah. Oleh karena itu, sebelum perkembangan bioinformatika, kita tidak bisa mengidentifikasi dan mengklasifikasikan virus-virus semacam ini.

Dengan kemajuan teknik isolasi DNA/RNA, teknik sekuensing dan ditunjang dengan kemajuan bioinformatika, masalah diatas bisa teratasi. Untuk mengidentifikasi dan mengklasifikasikan virus, isolasi virus tidak lagi menjadi suatu hal yang mutlak. Kita cukup dengan hanya melakukan sekuensing terhadap gen-nya. Ini adalah salah satu hasil kemajuan bioinformatika yang nyata dalam bidang virologi.

d. Bioinformatika untuk identifikasi agent penyakit baru

Bioinformatika juga menyediakan tool yang esensial untuk identifikasi agent penyakit yang belum dikenal penyebabnya. Banyak sekali contoh-contoh penyakit baru (emerging diseases) yang muncul dalam dekade ini, dan diantaranya yang masih hangat di telinga kita tentu saja SARS (Severe Acute Respiratory Syndrome).

Pada awal munculnya penyakit ini, ada beberapa pendapat tentang penyebabnya. Dari gejala pengidap SARS, diperkirakan bahwa penyakit ini disebabkan oleh virus influenza karena gejalanya mirip dengan gejala pengidap influenza. Tetapi virus influenza tidak terisolasi dari pasien, sehingga dugaan ini salah. Selain itu juga diperkirakan bahwa penyakit ini disebabkan oleh bakteri Candida karena bakteri ini terisolasi dari beberapa pasien. Tapi karena hanya terisolasi dari sebagian kecil pasien, perkiraan ini juga salah. Akhirnya ditemukan bahwa dari sebagian besar pasien SARS terisolasi virus corona yang jika dilihat dari morfologinya. Sekuen genom virus ini kemudian dibaca dan dari hasil analisa dikonfirmasikan bahwa penyebab SARS adalah virus corona yang telah berubah (mutasi) dari virus corona yang ada selama ini.

Dalam rentetan proses ini, Bioinformatika memegang peranan penting. Pertama pada proses pembacaan genom virus corona. Karena di database seperti GenBank, EMBL (European Molecular Biology Laboratory), dan DDBJ (DNA Data Bank of Japan) sudah tersedia data sekuen beberapa virus corona, yang bisa digunakan untuk men-design primer yang digunakan untuk amplifikasi DNA virus SARS ini. Berikutnya Bioinformatika juga berperan dalam mencari kemiripan sekuen (homology alignment) virus yang didapatkan dengan virus lainnya. Dari hasil analisa virus SARS diketahui bahwa genom virus corona penyebab SARS berbeda dengan virus corona lainnya, sehingga virus ini dinamakan virus SARS (SARS-CoV). Perbedaan ini diketahui dengan menggunakan homolgy alignment dari sekuen virus SARS.

e. Bioinformatika untuk diagnosa penyakit baru

Ada beberapa cara untuk diagnosa suatu penyakit. Diantaranya isolasi agent penyebab penyakit tersebut dan analisa morfologinya, deteksi antibodi yang dihasilkan dari infeksi dengan teknik enzyme-linked immunosorbent assay (ELISA), dan deteksi gen dari agent pembawa penyakit tersebut dengan Polymerase Chain Reaction (PCR). Isolasi agent pembawa penyakit memerlukan waktu yang lama. Teknik ELISA bisa dilakukan dalam waktu yang pendek, namun untuk tiap-tiap penyakit kita harus mengembangkan teknik tersebut terlebih dahulu. Untuk pengembangannya ini memerlukan waktu yang lama.

Yang banyak dan lazim dipakai saat ini adalah teknik PCR. Teknik ini simpel, praktis dan cepat. Yang penting dalam teknik PCR adalah design primer untuk amplifikasi DNA. Untuk mendesign primer ini diperlukan data sekuen dari genom agent yang bersangkutan dan software seperti yang telah diuraikan di atas. Di sinilah Bioinformatika memainkan peranannya. Untuk agent yang mempunyai genom RNA, harus dilakukan reverse transcription (proses sintesa DNA dari RNA) terlebih dahulu dengan menggunakan enzim Reverse transcriptase. Setelah DNA diperoleh baru dilakukan PCR. Dua step reverse transcription dan PCR ini bisa dilakukan sekaligus dan biasanya dinamakan RT-PCR.

Dikutip dari https://www.researchgate.net/publication/320755696 Pemanfaatan_bioinformatika_ dalam_bidang_pertanian_dan_kesehatan_The_utilization_of_bioinformatics_in_the_field_of_agriculture_and_health

a. Bioinformatika dalam bidang pertanian

Bioinformatika telah sejak lama digunakan untuk mendukung eksperimen laboratorium pada bidang pertanian. Baru-baru ini, hadirnya teknologi Next Generation Sequencing (NGS) telah mengubah paradigma dalam penelitian berbasis bioinformatika. Penelitian berbasis bioinformatika telah digunakan dalam (1) pengembangan penanda molekuler (Priyono & Putranto, 2014); (2) desain primer untuk analisis ekspresi gen diferensial (Budiani et al., 2016); (3) pengembangan peta genetik (Priyono & Putranto, 2016); dan (4) analisis ekspresi gen (Putranto et al., 2015). Kombinasi antara bioinformatika dalam anotasi gen serta desain primer dan analisis ekspresi gen menggunakan Real-Time PCR telah berhasil memetakan ekspresi 35 gen Ethylene Response Factors (ERFs) pada tanaman karet (Hevea brasiliensis). Tiga gen kemudian dipilih untuk analisis fungsional melalui transgenesis (Putranto et al., 2015). Di sisi lain, pemetaan genetik pada tanaman kopi (Coffea canephora) juga telah memanfaatkan bioinformatika. Sekuen genom tanaman kopi dari the International Coffee Genomics Network (ICGN) digunakan sebagai referensi untuk mencocokkan marka RFLP, SSR, dan SNP pada peta genetik sepanjang 1.471 cM dengan kepadatan marka 0,5 per cM (Priyono & Putranto, 2016).

b. Bioinformatika dalam bidang kesehatan dan desain obat secara in silico

Selaras dengan bidang pertanian, penelitian bioinformatika pada bidang kesehatan senantiasa terkait dengan usaha untuk mengatasi penyakit pada manusia. Salah satu contohnya adalah keberadaan basis data FIND Tuberculosis Strain Bank yang membantu peneliti dalam melakukan uji patogenisitas dan desain obat untuk mengatasi penyakit tuberculosis (TBC) (Tessema et al., 2017). Disisi lain, penelitian terkait penyakit tersebut juga maju pesat dikarenakan keberadaan basis data NGS yang membantu dalam anotasi genom patogen penyebab penyakitnya yaitu Mycobacterium tuberculosis (Skvortsov et al., 2013; Han et al., 2015; Mokrousov et al., 2016). Keberadaan basis data tersebut sebagian besar digunakan untuk desain obat secara in silico dengan memanfaatkan kemudahan sistem daring. Publikasi terkait alur langkah dalam melakukan desain obat secara in silico telah banyak ditemukan. Beberapa pembahasan diantaranya :

a. Metode komputasional pada polifarmakologi

Di masa yang akan datang, integrasi dari pendekatan komputasi dan eksperimental akan menjadi teknik yang baik untuk reposisi obat (Anighoro et al., 2014). Reposisi obat tesebut kemudian dapat digunakan dalam polifarmakologi. Pendekatan polifarmakologi bertujuan mendesain obat-obat multitarget melalui desain ligan dengan polifarmakologi transformasi menjadi kandidat obat (Anighoro et al., 2014).

b. Prediksi parameter farmakokinetik

Parameter farmakokinetika adalah besaran yang diturunkan secara matematis dari model yang berdasarkan hasil pengukuran kadar obat utuh atau metabolitnya dalam darah, urin atau cairan hayati lainya. Parameter farmakokinetik suatu obat dapat digunakan untuk memperoleh gambaran dan mempelajari suatu kinetika absorpsi, distribusi dan eliminasi di dalam tubuh (Darvas et al., 2000). Pendekatan in silico untuk memprediksi parameter farmakokinetik (absorption, distribution, metabolism, excretion atau yang sering disingkat menjadi ADME) dipelopori oleh Lipinski dan tim (Lipinski et al., 1997).

c. Teknologi CADD pada desain obat secara in silico

Secara umum, peralatan Computer Aided Design and Drafting (CADD) digunakan untuk merancang bagian demi bagian hingga menjadi produk secara keseluruhan. CADD merupakan tool yang sangat berguna diindustri pertanian, kesehatan hingga robotika (Kapetanovic, 2008). Pada bidang kesehatan, CADD pada awalnya dikembangkan untuk optimisasi obat (melalui quantitative structure–activity relationship yang disingkat QSAR), yang kemudian meluas menuju ke penemuan obat baru (seperti melalui skrining virtual). Sekarang peralatan CADD digunakan baik ke arah penelitian hulu maupun hilir dalam penemuan obat. Di arah hulu, bioinformatika dan metode reverse docking biasanya digunakan untuk mengidentifikasi target dari senyawa obat dan Di arah hilir, CADD dapat digunakan untuk memprediksi ADMET secara in silico dan simulasi farmakokinetik berbasis fisiologis sebagai model uji preklinis (Tang et al., 2006).

d. Prediksi potensial aksi

Pendekatan bioinformatika juga dapat digunakan untuk memprediksi potensial aksi dari obat yang didesain (Williams & Mirams, 2015). Sebagai contoh, portal internet Action Potential dapat digunakan untuk memilih model elektrofisiologi secara matematis dalam menjalankan simulasi elektrofisiologi jantung terhadap senyawa obat. Tool daring tersebut dapat memperkirakan efek rerata persenyawaan yang menghambat IKr, ICaL, INa, IKs, IK1 dan Ito. Piranti lunak open source ini menyediakan interface yang sederhana. Pengguna dapat memasukkan hal-hal detail tentang persenyawaan untuk afinitas saluran-saluran ion untuk nilai IC50 atau pIC50, menjalankan simulasi, menyimpan hasil untuk pencarian, melihat ringkasan grafik-grafik dari beragam hasil, dan mengekspor data menjadi format spreadsheet (Williams & Mirams, 2015).

e. Aplikasi OMICs di biologi sel punca

Aplikasi OMICs pada biologi sel punca hampir selalu diikuti dengan deskripsi awal teknologi baru. Definisi dari OMICs mengacu pada bidang studi biologi yang berakhiran –omics, seperti genomika, proteomika, dan metabolomika. Perkembangan OMICs menghasilkan data komprehensif secara bioinformatika dari masing-masing kajian molekuler tertentu. Sebagai contoh, proteomika mempelajari dan mengukur proteom, genomika fungsional mempelajari dan mengkuantifikasi ekspresi gen, serta metabolomika yang mempelajari dan mengukur konsentrasi produk-produk reaksi metabolik (Baharvand et al., 2006).

f. Komputasi basis data lncRNA berbasis internet

Long non-coding RNAs atau yang dikenal sebagai lncRNAs merupakan RNA berukuran panjang (100-200 pb) yang tidak menyandi protein namun diketahui memiliki peran dalam mekanisme epigenetik, ekspresi gen dan ketahanan terhadap penyakit (Boerner & McGinnis, 2012; Rinn & Chang, 2012; Cheetham et al., 2013; Zhang & Zhu 2014). Studi dan pengembangan basis data lncRNAs menjadi sangat penting dalam desain obat secara in silico maupun penelitian lain pada bidang pertanian seperti studi regulasi ekspresi gen dan marka penyakit (Amaral et al., 2011).

c. Pemanfaatan sekuen genom secara daring

Saat ini, basis data genom berbagai organisme sudah dapat diakses secara daring pada situs internet: http://www.ncbi.nlm.nih.gov/genome/. Konsorsium internasional dari basis data genom juga telah membuat National Center for Biotechnology Information (NCBI) terhubung dengan European Nucleotide Archive (ENA) dan DNA Data Bank of Japan (DDBJ) sehingga memudahkan akses sekuen genom (NCBI, 2013). Aplikasi daring seperti The Basic Local Alignment Search Tool (BLAST), konstruksi pohon filogenetik, dan Map Viewer telah tersedia untuk melakukan analisis pada genom-genom tersebut (Tambunan & Parikesit, 2010). Dalam analisis lebih lanjut, aplikasi teknis seperti prediksi gen, anotasi domain protein, dan modifikasi pasca-translasi dapat digunakan untuk memberi makna biologis pada data sekuen (Parikesit et al., 2014; Tambunan et al., 2007).

Beberapa contoh lain genom lengkap dari spesies tanaman yang sudah disekuens dalam kurun waktu 10 tahun terakhir adalah tanaman kentang, tomat, kacang kedelai, rumput, kelapa sawit, karet, kopi dan tebu (Haas et al., 2009; Schmutz et al., 2010; Vogel et al., 2010; Xu et al., 2011; Sato et al., 2012; Singh et al., 2013; Denoeud et al., 2014; de Setta et al., 2014; Lau et al., 2016; Tang et al., 2016). Sebagian basis data terkait genom tanaman tersebut bersifat publik atau disebut open access sehingga dapat digunakan dalam penelitian lanjutan oleh para peneliti di seluruh dunia.

Disisi lain, dalam bidang kesehatan, informasi genom banyak digunakan untuk interaksi proteinprotein dalam rangka mempelajari basis molekuler dari sebuah penyakit (Parikesit, 2010). Salah satu contoh dalam kasus tersebut adalah identifikasi sifat patogenesis dari protein huntingtin (htt) penyebab Huntington’s disease, sebuah penyakit degeneratif autosomal yang menyebabkan ketidakseimbangan kognitif dan disfungsi syaraf motorik pada penderitanya. Studi interaksi protein htt dan targetnya telah mengidentifikasi 104 protein terkait dengan penyakit tersebut. Metode terapi kemudian dapat dirancang oleh dokter disesuaikan dari hasil penelitian tersebut.

Dikutip dari https://simdos.unud.ac.id/uploads/file_ pendidikan_dir/d6dda88bc5abde5f564d2 4 a aa7bda351.pdf

a. Basis data sekuens biologis

Basis data adalah kumpulan informasi yang disimpan di dalam komputer secara sistematik sehingga dapat diperiksa menggunakan suatu program komputer untuk memperoleh informasi dari basis data tersebut. Sesuai dengan jenis informasi biologis yang disimpannya, basis data sekuens biologis dapat berupa basis data primer untuk menyimpan sekuens primer asam nukleat maupun protein , basis data sekunder untuk menyimpan motif sekuens protein, dan basis data struktur untuk menyimpan data struktur protein maupun asam nukleat. Basis data utama untuk sekuens asam nukleat saat ini adalah GenBank (Amerika Serikat), EMBL (European Moleculer Biology Laboratory, Eropa), dan DDBJ (DNA Data Bank of Japan, Jepang ) Ketiga basis data tersebut bekerja sama dan bertukar data secara harian untuk menjaga keluasan cakupan masing-masing basis data. Sumber utama data sekuens asam nukleat adalah submisi langsung dari periset individual, proyek sekuensing genom , dan pendaftaran paten .

b. Penyejajaran sekuens

Penyejajaran sekuens (sequence alignment) adalah proses penyusunan/pengaturan dua atau lebih sekuens sehingga persamaan sekuens-sekuens tersebut tampak nyata. Hasil dari proses tersebut juga disebut sebagai sequence alignment atau alignment saja. Baris sekuens dalam suatu alignment diberi sisipan (umumnya dengan tanda "–") sedemikian rupa sehingga kolom-kolomnya memuat karakter yang identik atau sama di antara sekuens-sekuens tersebut. Berikut adalah contoh alignment DNA dari dua sekuens pendek DNA yang berbeda, "ccatcaac" dan "caatgggcaac" (tanda "|" menunjukkan kecocokan atau match di antara kedua sekuens).

ccat---caac

| || ||||

caatgggcaac

c. Prediksi struktur protein

Secara kimia/fisika, bentuk struktur protein diungkap dengan kristalografi sinar-X ataupun spektroskopi NMR , namun kedua metode tersebut sangat memakan waktu dan relatif mahal. Sementara itu, metode sekuensing protein relatif lebih mudah mengungkapkan sekuens asam amino protein. Prediksi struktur protein berusaha meramalkan struktur tiga dimensi protein berdasarkan sekuens asam aminonya (dengan kata lain, meramalkan struktur tersier dan struktur sekunder berdasarkan struktur primer protein). Secara umum, metode prediksi struktur protein yang ada saat ini dapat dikategorikan ke dalam dua kelompok, yaitu metode pemodelan protein komparatif dan metode pemodelan de novo. Pemodelan protein komparatif (comparative protein modelling) meramalkan struktur suatu protein berdasarkan struktur protein lain yang sudah diketahui, dimana Dalam pendekatan de novo atau ab initio, struktur protein ditentukan dari sekuens primernya tanpa membandingkan dengan struktur protein lain.

d. Analisis ekspresi gen

Ekspresi gen merupakan rangkaian proses penerjemahan informasi genetik (dalam bentuk urutan basa pada DNA atau RNA) menjadi protein, dan lebih jauh lagi fenotipe. Informasi yang dibawa bahan genetik tidak bermakna apa pun bagi suatu organisme apabila tidak diekspresikan menjadi fenotipe. Ekspresi gen dapat ditentukan dengan mengukur kadar mRNA dengan berbagai macam teknik (misalnya dengan microarray ataupun Serial Analysis of Gene Expression ["Analisis Serial Ekspresi Gen", SAGE]). ). Teknik-teknik tersebut umumnya diterapkan pada analisis ekspresi gen skala besar yang mengukur ekspresi banyak gen (bahkan genom ) dan menghasilkan data skala besar

e. Analisis Filogenetika

Filogenetik adalah studi yang membahas tentang hubungan kekerabatan antar berbagai macam organisme melalui analisis molekuler dan morfologi. Dengan pesatnya perkembangan teknik-teknik di dalam biologi molekuler, seperti PCR (polymerase chain reaction) dan sikuensing DNA, penggunaan sekuen DNA dalam penelitian filogenetika telah meningkat pesat dan telah dilakukan pada semua tingkatan taksonomi, misalnya famili, marga, dan species. Pemikiran dasar penggunaan sekuen DNA dalam studi filogenetika adalah bahwa terjadi perubahan basa nukleotida menurut waktu, sehingga akan dapat diperkirakan kecepatan evolusi yang terjadi dan akan dapat direkonstruksi hubungan evolusi antara satu kelompok organisme dengan yang lainnya.

Sumber referensi

http://www.komputasi.lipi.go.id/utama.cgi?cetakartikel&1247362701 pada 3 Juli 2020 pukul 12.10

https://www.investopedia.com/terms/b/bioinformatics.asp pada 3 Juli 2020 pukul 13.33

https://www.sciencedirect.com/topics/biochemistry-genetics-and-molecular-biology/bioinformatics pada 3 Juli 2020 pukul 18.52

https://www.researchgate.net/publication/320755696_Pemanfaatan_bioinformatika_dalam_bidang_pertanian_dan_kesehatan_The_utilization_of_bioinformatics_in_the_field_of_agriculture_and_health pada 3 Juli 2020 pukul 19.40

http://www.komputasi.lipi.go.id/data/1014224403/data/1110939555.pdf pada 3 Juli 2020 pukul 21.36

https://simdos.unud.ac.id/uploads/file_pendidikan_dir/d6dda88bc5abde5f564d24aaa7bda351.pdf pada 3 Juli 2020 pukul 22.30

Minggu, 10 Mei 2020

Pengantar Komputasi Modern : Komputasi dan Parallel Processing

Nama : Jourdy Hanson Bintang

NPM : 53416772

Kelas : 4IA18

Pengantar Komputasi Modern

Komputasi

Pengertian komputasi

Komputasi diartikan sebagai suatu cara untuk menemukan pemecahan masalah dari data input dengan menggunakan suatu algoritma. Selama ribuan tahun, perhitungan dan komputasi umumnya dilakukan dengan menggunakan pena dan kertas, atau kapur dan batu tulis, atau dikerjakan secara manual hingga menggunakan bantuan suatu tabel. Pada zaman sekarang ini, kebanyakan komputasi telah dilakukan dengan menggunakan komputer. Secara umum iIlmu komputasi adalah bidang ilmu yang mempunyai perhatian pada penyusunan model matematika dan teknik penyelesaian numerik serta penggunaan komputer untuk menganalisis dan memecahkan masalah-masalah ilmu (sains). Dalam penggunaan praktis, biasanya berupa penerapan simulasi komputer atau berbagai bentuk komputasi lainnya untuk menyelesaikan masalah-masalah dalam berbagai bidang keilmuan, tetapi dalam perkembangannya digunakan juga untuk menemukan prinsip-prinsip baru yang mendasar dalam sebuah ilmu.

Jenis jenis komputasi

1. Mobile Computing

Mobile computing atau komputasi bergerak memiliki beberapa penjelasan, salah satunya komputasi bergerak merupakan kemajuan teknologi komputer sehingga dapat berkomunikasi menggunakan jaringan tanpa menggunakan kabel dan mudah dibawa atau berpindah tempat, tetapi berbeda dengan komputasi nirkabel. Contoh dari perangkat komputasi bergerak seperti GPS, juga tipe dari komputasi bergerak seperti smart phone, dan lain sebagainya.

Contoh Mobile Computing :

· Kendaraan(untuk pemantauan dan koordinasi, GPS)

· Peralatan Emergensi(akses kedunia luar)

· Akses web dalam keadaan bergerak

· Location aware services

· Information services

· Disconnected operations (mobile agents)

· Entertaintment(network game groups)

2. Grid Computing

Komputasi grid menggunakan komputer yang terpisah oleh geografis, didistibusikan dan terhubung oleh jaringan untuk menyelasaikan masalah komputasi skala besar. Ada beberapa daftar yang dapat digunakan untuk mengenali sistem komputasi grid, adalah :

· Sistem untuk koordinat sumber daya komputasi tidak dibawah kendali pusat.

· Sistem menggunakan standard dan protocol yang terbuka.

· Sistem mencoba mencapai kualitas pelayanan yang canggih, yang lebih baik diatas kualitas komponen individu pelayanan komputasi grid.

Contoh grid computing:

· Scientific Simulation: Komputasi grid diimplementasikan di bidang fisika, kimia, dan biologi untuk melakukan simulasi terhadap proses yang kompleks.

· Medical Images: Penggunaan data grid dan komputasi grid untuk menyimpan medical-image. Contohnya adalah eDiaMoND project

· Computer-Aided Drug Discovery (CADD): Komputasi grid digunakan untuk membantu penemuan obat. Salah satu contohnya adalah: Molecular Modeling Laboratory (MML) di University of North Carolina (UNC)

· Big Science: Data grid dan komputasi grid digunakan untuk membantu proyek laboratorium yang disponsorioleh pemerintah Contohnya terdapat di DEISA

· e-Learning: Komputasi grid membantu membangun infrastruktur untuk memenuhi kebutuhan dalam pertukaran informasi dibidang pendidikan. Contohnya adalah AccessGrid

· Visualization: Komputasi grid digunakan untuk membantu proses visualisasi perhitungan yang rumit.

· Microprocessor design: komputasi grid membantu untuk mengurangi microprocessor design cycle dan memudahkan design center untuk membagikan resource lebih efisien. Contohnya ada diMicroprocessor Design Group at IBM Austin

3. Cloud Computing

Komputasi cloud merupakan gaya komputasi yang terukur dinamis dan sumber daya virtual yang sering menyediakan layanan melalui internet. Komputasi cloud menggambarkan pelengkap baru, konsumsi dan layanan IT berbasis model dalam internet, dan biasanya melibatkan ketentuan dari keterukuran dinamis dan sumber daya virtual yang sering menyediakan layanan melalui internet.

Contoh cloud computing:

· Email seperti Gmail, ymail, dll

· Data storage online seperti Google Drive, Mega, Microsoft azure, dll

· Penkolaborasian data sering kali diperlukan. Karena data yang ingin disimpan bermacam-macam jenisnya dan fungsinya. ada banyak tools yang dapat digunakan. Contohnya adalah Spicebird, Mikogo, Stixy and Vyew

· Bekerja pada virtual office, seperti memerlukan office untuk memproses data-data. Selain dapat menggunakan office tidak hanya yang sudah terinstall, namun dapat juga menggunakan office yang disediakan secara online. Contohnya antara lain Ajax13, ThinkFree and Microsoft’s Office Live.

· Kekuatan ekstra processing, Bila membutuhkan kekuatan untuk memproses secara cepat tanpa perlu membeli perangkat tambahan maka salah satu solusinya adalah Amazon’s EC2 virtual computing

· Compiler online yang digunakan untuk kompilasi beberapa file bahasa pemrograman secara online, sehingga tidak perlu menginstal bahasa pemrograman tersebut

Paralel Processing

Pengertian Paralel Processing

Pemrosesan paralel adalah metode dalam komputasi menjalankan dua atau lebih prosesor (CPU) untuk menangani bagian-bagian terpisah dari keseluruhan tugas. Memecah bagian tugas yang berbeda di antara banyak prosesor akan membantu mengurangi jumlah waktu untuk menjalankan suatu program. Setiap sistem yang memiliki lebih dari satu CPU dapat melakukan pemrosesan paralel, serta prosesor multi-core yang umum ditemukan di komputer saat ini. Prosesor multi core adalah chip IC yang berisi dua atau lebih prosesor untuk kinerja yang lebih baik, pengurangan konsumsi daya, dan pemrosesan beberapa tugas yang lebih efisien. Pengaturan multi-core ini mirip dengan memiliki beberapa prosesor terpisah yang dipasang di komputer yang sama. Sebagian besar komputer mungkin memiliki dua hingga empat core; meningkat hingga 12 core.

Pemrograman Paralel sendiri adalah teknik pemrograman komputer yang memungkinkan eksekusi perintah/operasi secara bersamaan. Bila komputer yang digunakan secara bersamaan tersebut dilakukan oleh komputer-komputer terpisah yang terhubung dalam satu jaringan komputer, biasanya disebut sistem terdistribusi. Bahasa pemrograman yang populer digunakan dalam pemrograman paralel adalah MPI (Message Passing Interface) dan PVM (Parallel Virtual Machine).

Cara Kerja Paralel Processing

Biasanya seorang ilmuwan komputer akan membagi tugas yang kompleks menjadi beberapa bagian dengan alat perangkat lunak dan menetapkan setiap bagian ke prosesor, maka setiap prosesor akan menyelesaikan bagiannya, dan data disusun kembali oleh alat perangkat lunak untuk membaca solusi atau menjalankan tugas. Biasanya setiap prosesor akan beroperasi secara normal dan akan melakukan operasi secara paralel seperti yang diperintahkan, menarik data dari memori komputer. Prosesor juga akan bergantung pada perangkat lunak untuk berkomunikasi satu sama lain sehingga mereka dapat tetap sinkron mengenai perubahan nilai data. Dengan asumsi semua prosesor tetap sinkron satu sama lain, pada akhir tugas, perangkat lunak akan menyesuaikan semua potongan data. Komputer tanpa banyak prosesor masih dapat digunakan dalam pemrosesan paralel jika mereka terhubung bersama untuk membentuk sebuah cluster.

Tujuan Paralel Processing

Tujuan utama dari pemrosesan paralel adalah untuk meningkatkan performa komputasi, sehingga semakin banyak hal yang bisa dilakukan secara bersamaan (dalam waktu yang sama), semakin banyak pekerjaan yang bisa diselesaikan.

Arsitektur Paralel Processing

Ada 4 model komputasi yang digunakan, yaitu:

1. SISD (Single Instruction, Single Data)

Single Instruction – Single Data. Komputer ini memiliki hanya satu prosesor dan satu intruksi yang dieksekusi secara serial. Komputer ini adalah tipe komputer konvensional. Menurut mereka tipe komputer ini tidak ada dalam praktik komputer paralel karena mainframe pun tidak lagi menggunakan paralel.

2. SIMD (Single Instruction, Multiple Data)

Single Intruction – Multiple Data. Komputer ini memiliki lebih dari satu prosesor, tetapi hanya mengeksekusi satu intruksi secara paralel pada data yang berbeda pada level lock-step. Komputer vektor adalah salah satu komputer paralel yang menggunakan arsitektur ini. Beberapa contoh komputer yang menggunakan model SIMD adalah ILLIAC IV, MasPar, Cray X-MP, Cray Y-MP, Thingking Machine CM-2 dan Cell Processor (GPU).

3. MISD (Multiple Instruction, Single Data)

Multiple Instructions – Single Data. Teorinya komputer ini memiliki satu prosesor dan mengeksekusi beberapa instruksi secara paralel tetapi praktiknya tidak ada komputer yang dibangun dengan arsitektur ini karena sistemnya tidak mudah dipahami. Sampai saat ini belum ada komputer yang menggunakan model MISD.

4. MIMD ( Multiple Instruction, Multiple Data) Multiple Instructions – Multiple Data.

Multiple Instructions – Multiple Data. Komputer ini memiliki lebih dari satu prosesor dan mengeksekusi lebih dari satu intruksi secara paralel. Tipe komputer ini yang paling banyak digunakan untuk membangun komputer paralel, bahkan banyak supercomputer yang menerapkan arsitektur ini. Beberapa komputer yang menggunakan model MIMD adalah IBM POWER5, HP/Compaq AlphaServer, Intel IA32, AMD Opteron, Cray XT3, dan IBM BG/L.

Serial Processing vs Paralel Processing

a. Definisi

Serial processing adalah jenis pemrosesan di mana satu tugas diselesaikan pada satu waktu dan semua tugas dijalankan oleh prosesor secara berurutan. Pemrosesan paralel adalah jenis pemrosesan di mana banyak tugas diselesaikan pada satu waktu oleh prosesor yang berbeda. Dengan demikian, ini adalah perbedaan mendasar antara Serial dan Pemrosesan Paralel.

b. Jumlah prosesor

Perbedaan utama antara pemrosesan serial dan paralel adalah bahwa ada prosesor tunggal dalam pemrosesan serial, tetapi ada beberapa prosesor dalam pemrosesan paralel.

c. Performa

Oleh karena itu, kinerja pemrosesan paralel lebih tinggi daripada pemrosesan serial.

d. Beban kerja

Dalam pemrosesan serial, beban kerja prosesor lebih tinggi. Namun, dalam pemrosesan paralel, beban kerja per prosesor lebih rendah. Dengan demikian, ini merupakan perbedaan penting antara pemrosesan serial dan paralel.

e. Mentransfer data

Selain itu, dalam pemrosesan serial, transfer data dalam format sedikit demi sedikit. Namun, dalam pemrosesan paralel, transfer data dalam bentuk byte (8 bit).

f. Waktu yang dibutuhkan

Waktu yang dibutuhkan juga merupakan perbedaan antara pemrosesan serial dan paralel. Itu adalah; pemrosesan serial membutuhkan lebih banyak waktu daripada pemrosesan paralel untuk menyelesaikan tugas.

g. Biaya

Selain itu, pemrosesan paralel lebih mahal daripada pemrosesan serial karena menggunakan banyak prosesor.

Kesimpulan

Ada dua jenis pemrosesan sebagai pemrosesan serial dan paralel dalam sistem komputer. Perbedaan utama antara pemrosesan serial dan paralel dalam arsitektur komputer adalah bahwa pemrosesan serial melakukan satu tugas sekaligus, sementara pemrosesan paralel melakukan banyak tugas sekaligus. Secara singkat, kinerja pemrosesan paralel lebih tinggi daripada pemrosesan serial.

Untuk lebih singkatnya, dapat dilihat pada gambar dibawah ini

Dengan gambaran umum dari serial processing dan paralel processing seperti berikut

Hubungan antara Komputasi Modern dengan Paralel Processing

Hubungan antara komputasi modern dan parallel processing sangat berkaitan, karena penggunaan komputer saat ini atau komputasi dianggap lebih cepat dibandingkan dengan penyelesaian masalah secara manual. Dengan begitu peningkatan kinerja atau proses komputasi semakin diterapkan, dan salah satu caranya adalah dengan meningkatkan kecepatan perangkat keras. Dimana komponen utama dalam perangkat keras komputer adalah processor. Sedangkan parallel processing adalah penggunaan beberapa processor (multiprocessor atau arsitektur komputer dengan banyak processor) agar kinerja computer semakin cepat.

Kinerja komputasi dengan menggunakan paralel processing itu menggunakan dan memanfaatkan beberapa komputer atau CPU untuk menemukan suatu pemecahan masalah dari masalah yang ada. Sehingga dapat diselesaikan dengan cepat daripada menggunakan satu komputer saja. Komputasi dengan paralel processing akan menggabungkan beberapa CPU, dan membagi-bagi tugas untuk masing-masing CPU tersebut. Jadi, satu masalah terbagi-bagi penyelesaiannya.

Dengan adanya parallel processing, membuat suatu komputasi menjadi lebih efisien, dimana suatu processor dapat memproses banyak data atau proses secara bersamaan, sehingga beban kinerja lebih merata dibandingkan dengan single processing yang membuat parallel processing dapat menghemat waktu. Selain itu, parallel processing sangat berpengaruh pada komputasi modern ini dimana tolak ukur sebuah processor yang dilihat dari kemampuannya dalam memproses suatu data atau proses secara bersamaan dengan waktu yang cepat dan membuat beberapa vendor processor saling berlomba untuk memproduksi processor parallel dengan kualitas terbaik.

Implementasi Model Komputasi Paralel pada Perusahaan Pixar

Salah satu contoh implementasi model komputasi parallel adalah pada perusahaan Pixar, atau perusahaan yang bergerak di bidang film animasi, dimana komputasi parallel ini digunakan untuk mengolah grafis dari sebuah model yang dibuat, sehingga dapat menampilkan hasil yang baik didalam sebuah film. Dengan adanya komputasi parallel ini, sangat membantu proses pembuatan sebuah film dengan waktu yang telah diperhitungkan, dimana semua proses dapat dijalankan secara bersamaan. Contohnya seperti dalam membuat rendering model 3D yang bertujuan untuk membentuk sebuah gambar dari sebuah model yang dibentuk oleh perangkat lunak animasi, model tersebut berisi data geometri, titik pandang, tekstur dan cahaya yang diperlukan untuk membuat gambar yang utuh. Terdapat banyak hasil yang dapat diperoleh dan ditampilkan dari proses 3D Rendering pada suatu sketsa wireframe, diantaranya :

1. Shading ; “Variasi warna dan kecerahan yang timbul pada suatu permukaan berdasarkan pencahayaan yang dilakukan”

2. Texture-Mapping ; “Detail yang muncul pada suatu permukaan”

3. Bump-Mapping ; “Kontur yang muncul pada suatu permukaan”

4. Fogging / Participating Medium ; “Bagaimana berkas cahaya berubah jika melewati udara yang tidak murni”

5. Shadows ; “Efek dari cahaya yang terhalang”

6. Soft Shadows ; “Variasi efek dari cahaya yang terhalang tidak sempurna”

7. Reflection ; “Refleksi yang tampak pada permukaan kaca atau gelas”

8. Transparency ; “Transmisi cahaya yang berbeda-beda jika melewati medium tertentu”

9. Translucency ; “Transmisi cahaya yang berbeda-beda jika memantul pada medium tertentu”

10. Refraction ; “Cahaya yang berubah arahnya karena efek transparency”

11. Indirect Illumination ; “Cahaya yang datang pada suatu objek namun tidak berasal dari sumber cahaya yang sebenarnya melainkan refleksi dari permukaan objek lain”

12. Caustics ; “Pantulan cahaya menyilaukan yang timbul pada suatu objek”

13. Depth Of Field ; “Objek yang berada jauh di depan maupun di belakang objek yang menjadi fokus akan tampak buram”

14. Motion Blur ; “Objek yang bergerak dengan kecepatan tinggi atau objek yang direkam oleh kamera yang berada dalam kecepatan tinggi akan tampak buram”

15. Photorealistic Morphing ; “Teknik yang memungkinkan hasil proses render objek 3D menjadi tampak terlihat lebih nyata”

16. Non-Photorealistic Rendering ; “Teknik yang memungkinkan hasil proses render objek 3D menjadi terlihat seperti hasil lukisan atau gambar”

Ilustrasinya dapat dilihat seperti pada animasi Monster Inc dibawah ini.

Selain 3d rendering, beberapa proses lainnya juga diperlukan agar dalam sebuah film animasi, seperti dubbing, pemberian efek, rigging character, animation, lightning dll. Terlebih lagi pixar merupakan perusahaan animasi yang sangat teliti dalam melihat tekstur suatu objek, sehingga akan dibuat semirip mungkin ketika objek tersebut berada didunia nyata. Contohnya yaitu seperti pada film animasi frozen dibawah ini, dimana pixar sangat teliti pada tekstur dari gaun yang digunakan oleh elsa.