Nama : Jourdy Hanson Bintang
Kelas : 4IA18
NPM : 53416772
Pengantar Komputasi Modern
Bio Informatika & Penerapannya
 |
| Gambaran umum tentang bioinformatika |
Definisi
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.
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
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.
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
