sakitx.blogspot.com: Pensejajaran Sequence.

Perkembangan teknologi informasi dalam berbagai bidang ilmu telah

mengembangkan bidang ilmu yang bersangkutan. Berbagai kajian baru

muncul sejalan dengan perkembangan teknologi informasi. Aplikasi teknologi

informasi dalam bidang biologi molekuler telah melahirkan bidang ilmu

Bioinformatika. Kajian Bioinformatika ini tak lepas dari perkembangan biologi

molekul modern yang ditandai dengan kemampuan manusia untuk

memahami genom yaitu infomasi genetic yang menentukan sifat setiap

makhluk hidup yang disandi dalam bentuk pita molekul DNA (Asam

Deoksiribonukleat). Kemampuan untuk memahami dan memanipulasi kode

genetic DNA ini sangat didukung oleh teknologi informasi melalui perangkat

lunak maupun keras.

Kelahiran Bioinformatika modern tak lepas dari perkembangan

bioteknologi di era tahun 70-an, dimana seorang ilmuwan Amerika Serikat

melakukan inovasi dalam mengembangkan teknologi DNA rekombinan.

Berkat penemuan ini lahirlah perusahaan bioteknologi pertama didunia, yaitu

Genentech di AS, yang kemudian memperoduksi protein hormone insulin dan

bakteri yang dibutuhkan oleh penderita diabetes. Selama ini insulin hanya bias

didapatkan dalam jumlah sangat terbatas dari organ pankreas sapi.

Bioteknologi modern ditandai dengan kemampuan pada manipulasi

DNA. Rantai/sekuen DNA yang mengkode protein disebut gen. Gen

ditranskripsikan menjadi mRNA, kemudian mRNA ditranslasikan menjadi

protein. Protein sebagai produk akhir bertugas menunjang seluruh proses

kehidupan, antara lain sebagai katalis reaksi biokimia dalam tubuh (disebut

enzim), berperan serta dalam sistem pertahanan tubuh melawan virus, parasit

dan lain-lain (disebut antibodi), menyusun struktur tubuh dari ujung kaki

(otot terbentuk dari protein actin, myosin, dan sebagainya) sampai ujung

rambut (rambut tersusun dari protein keratin), dan lain-lain. Arus informasi,

DNA -> RNA -> Protein, inilah yang disebut sentral dogma dalam biologi

molekul.

Sekuen DNA satu organisme, yaitu pada sejenis virus yang memiliki

kurang lebih 5.000 nukleotida/molekul DNA atau sekitar 11 gen, berhasil

dibaca secara menyeluruh pada tahun 1977. Sekuen seluruh DNA manusia

terdiri dari 3 milyar nukleotida yang menyusun 100.000 gen dapat dipetakan

dalam waktu 3 tahun. Saat ini terdapat milyaran data nukleotida yang

tersimpan dalam database DNA, GenBank di AS yang didirikan tahun 1982. Di

negara kita , ada Lembaga Biologi Molekul Eijkman yang terletak di Jakarta.

Desakan kebutuhan untuk mengumpulkan, menyimpan dan menganalisa data-

data biologis dari database DNA, RNA maupun protein inilah yang semakin

memacu perkembangan kajian Bioinformatika.

Pada bagian pendahuluan kita telah diberikan gambaran sekilas

mengenai perkembangan dan apa yang dapat diberikan oleh Bioinformatika.

Bagian berikut ini akan membahas lebih detail tentang Bioinformatika.

Bioinformatika yaitu ilmu yang mempelajari penerapan teknik

komputational untuk mengelola dan menganalisis informasi biologis. Bidang

ini mencangkup penerapan metod-metode matematika, statistika dan

informatika untuk memecahkan masalah-masalah biologis, terutama dengan

memakai sekuens DNA dan asam amino serta informasi yang berkaitan

dengannya. Contoh topic utama bidang ini meliputi basis data untuk

mengelola informasi biologis, pensejajaran sekuens (sequence alignment),

prediksi struktur untuk meramalkan bentuk struktur protein maupun

struktur seunder RNA, analisis filogenetik, dan analisis ekspresi gen.

Secara umum, Bioinformatika dapat digambarkan sebagai: segala bentuk

pemakaian komputer dalam menangani informasi-informasi biologi. Dalam

prakteknya, definisi yang dipakai oleh kebanyakan orang bersifat lebih

terperinci. Bioinformatika menurut kebanyakan orang yaitu satu sinonim

dari komputasi biologi molekul (pemakaian komputer dalam menandai

karakterisasi dari komponen-komponen molekul dari makhluk hidup).

Sebagian besar ahli Biologi mengistilahkan mereka sedang

melakukan Bioinformatika’ ketika mereka sedang memakai komputer

untuk menyimpan, melihat atau mengambil data, menganalisa atau

memprediksi komposisi atau struktur dari biomolekul. Ketika kemampuan

komputer menjadi semakin tinggi maka proses yang dilakukan dalam

Bioinformatika dapat ditambah dengan melakukan simulasi. Yang

termasuk biomolekul diantaranya yaitu materi genetik dari manusia --

asam nukleat--dan produk dari gen manusia, yaitu protein. Hal-hal

diataslah yang merupakan bahasan utama dari Bioinformatika "klasik",

terutama berurusan dengan analisis sekuen (sequence analysis).

Definisi Bioinformatika menurut Fredj Tekaia dari Institut Pasteur

[TEKAIA2004] yaitu : "metode matematika, statistik dan komputasi yang

bertujuan untuk menyelesaikan masalah-masalah biologi dengan

memakai sekuen DNA dan asam amino dan informasi-informasi yang

terkait dengannya."

Dari sudut pandang Matematika, sebagian besar molekul biologi

mempunyai sifat yang menarik, yaitu molekul-molekul ini yaitu

polymer; rantai-rantai yang tersusun rapi dari modul-modul molekul yang

lebih sederhana, yang disebut monomer. Monomer dapat dianalogikan

sebagai bagian dari bangunan, dimana meskipun bagianbagian ini

berbeda warna dan bentuk, namun semua memiliki ketebalan yang sama

dan cara yang sama untuk dihubungkan antara yang satu dengan yang lain.

Monomer yang dapat dikombinasi dalam satu rantai ada dalam satu

kelas umum yang sama, namun tiap jenis monomer dalam kelas ini

mempunyai karakteristik masing-masing yang terdefinisi dengan baik.

Beberapa molekul-molekul monomer dapat digabungkan bersama

membentuk sebuah entitas yang berukuran lebih besar, yang disebut

macromolecule. Macromolecule dapat mempunyai informasi isi tertentu

yang menarik dan sifat-sifat kimia tertentu.

Berdasarkan skema di atas, monomer-monomer tertentu dalam

macromolecule dari DNA dapat diperlakukan secara komputasi sebagai

huruf-huruf dari alfabet, yang diletakkan dalam sebuah aturan yang telah

diprogram sebelumnya untuk membawa pesan atau melakukan kerja di

dalam sel. Proses yang diterangkan di atas terjadi pada tingkat molekul di

dalam sel. Salah satu cara untuk mempelajari proses ini selain

dengan mengamati dalam laboratorium biologi yang sangat khusus yaitu

dengan memakai Bioinformatika sesuai dengan definisi "klasik" yang

telah disebutkan di atas.

Salah satu pencapaian besar dalam metode Bioinformatika yaitu

selesainya proyek pemetaan genom manusia (Human Genome Project).

Selesainya proyek raksasa ini menyebabkan bentuk dan prioritas

dari riset dan penerapan Bioinformatika berubah. Secara umum dapat

dikatakan bahwa proyek ini membawa perubahan besar pada sistem

hidup kita, sehingga sering disebutkan terutama oleh ahli biologi bahwa

kita saat ini berada di masa pascagenom.

Selesainya proyek pemetaan genom manusia ini membawa beberapa

perubahan bagi Bioinformatika, diantaranya:

Setelah memiliki beberapa genom yang utuh maka kita dapat

mencari perbedaan dan persamaan di antara gen-gen dari spesies yang

berbeda. Dari studi perbandingan antara gen-gen ini dapat ditarik

kesimpulan tertentu mengenai spesies-spesies dan secara umum

mengenai evolusi. Jenis cabang ilmu ini sering disebut sebagai

perbandingan genom (comparative genomics).

Sekarang ada teknologi yang didisain untuk mengukur jumlah relatif

dari kopi/cetakan sebuah pesan genetik (level dari ekspresi genetik) pada

beberapa tingkatan yang berbeda pada perkembangan atau penyakit atau

pada jaringan yang berbeda. Teknologi ini , contohnya seperti DNA

microarrays akan semakin penting.

Akibat yang lain, secara langsung, yaitu cara dalam skala besar

untuk mengidentifikasi fungsi-fungsi dan keterkaitan dari gen (contohnya

metode yeast twohybrid) akan semakin tumbuh secara signifikan dan

bersamanya akan mengikuti Bioinformatika yang berkaitan langsung

dengan kerja fungsi genom (functional genomics).

Akan ada perubahan besar dalam penekanan dari gen itu sendiri ke

hasil-hasil dari gen. Yang pada akhirnya akan menuntun ke: usaha untuk

mengkatalogkan semua aktivitas dan karakteristik interaksi antara semua

hasil-hasil dari gen (pada manusia) yang disebut proteomics; usaha untuk

mengkristalisasi dan memprediksikan struktur-struktur dari semua

protein (pada manusia) yang disebut structural genomics.

Apa yang disebut orang sebagai research informatics atau medical

informatics, manajemen dari semua data eksperimen biomedik yang

berkaitan dengan molekul atau pasien tertentu mulai dari spektroskop

massal, hingga ke efek samping klini akan berubah dari semula hanya

merupakan kepentingan bagi mereka yang bekerja di perusahaan obat-

obatan dan bagian TI Rumah Sakit akan menjadi jalur utama dari biologi

molekul dan biologi sel, dan berubah jalur dari komersial dan klinikal ke

arah akademis.

Dari uraian di atas terlihat bahwa Bioinformatika sangat

mempengaruhi kehidupan manusia, terutama untuk mencapai kehidupan

yang lebih baik. pemakaian komputer yang notabene merupakan salah

satu keahlian utama dari orang yang bergerak dalam TI merupakan salah

satu unsur utama dalam Bioinformatika, baik dalam Bioinformatika

"klasik" maupun Bioinformatika "baru".

1. Biophysics

Biologi molekul sendiri merupakan pengembangan yang lahir

dari biophysics. Biophysics yaitu sebuah bidang interdisipliner yang

mengaplikasikan teknik-teknik dari ilmu Fisika untuk memahami

struktur dan fungsi biologi (British Biophysical Society).

2. Computational Biology

Computational biology merupakan bagian dari Bioinformatika

(dalam arti yang paling luas) yang paling dekat dengan bidang Biologi

umum klasik. Fokus dari computational biology yaitu gerak evolusi,

populasi, dan biologi teoritis daripada biomedis dalam molekul dan sel.

Tak dapat dielakkan bahwa Biologi Molekul cukup penting dalam

computational biology, namun itu bukanlah inti dari disiplin ilmu ini.

Pada penerapan computational biology, model-model statistika untuk

fenomena biologi lebih disukai dipakai dibandingkan dengan model

sebenarnya. Dalam beberapa hal cara ini cukup baik mengingat

pada kasus tertentu eksperimen langsung pada fenomena biologi

cukup sulit.

Tidak semua dari computational biology merupakan

Bioinformatika, seperti contohnya Model Matematika bukan

merupakan Bioinformatika, bahkan meskipun dikaitkan dengan

masalah biologi.

3. Medical Informatics

Menurut Aamir Zakaria [ZAKARIA2004] Pengertian dari medical

informatics yaitu "sebuah disiplin ilmu yang baru yang didefinisikan

sebagai pembelajaran, penemuan, dan implementasi dari struktur dan

algoritma untuk meningkatkan komunikasi, pengertian dan

manajemen informasi medis." Medical informatics lebih

memperhatikan struktur dan algoritma untuk pengolahan data medis,

dibandingkan dengan data itu sendiri. Disiplin ilmu ini, untuk alasan

praktis, kemungkinan besar berkaitan dengan data-data yang

didapatkan pada level biologi yang lebih "rumit" yaitu informasi dari

sistem-sistem superselular, tepat pada level populasi di mana sebagian

besar dari Bioinformatika lebih memperhatikan informasi dari sistem

dan struktur biomolekul dan selular.

4. Chemiformatics

Cheminformatics yaitu kombinasi dari sintesis kimia,

penyaringan biologis, dan pendekatan data mining yang dipakai

untuk penemuan dan pengembangan obat (Cambridge Healthech

Institute's Sixth Annual Cheminformatics conference). Pengertian

disiplin ilmu yang disebutkan di atas lebih merupakan identifikasi dari

salah satu aktivitas yang paling populer dibandingkan dengan berbagai

bidang studi yang mungkin ada di bawah bidang ini.

Salah satu contoh penemuan obat yang paling sukses sepanjang

sejarah yaitu penisilin, dapat menggambarkan cara untuk

menemukan dan mengembangkan obat-obatan hingga sekarang

meskipun terlihat aneh. Cara untuk menemukan dan mengembangkan

obat yaitu hasil dari kesempatan, observasi, dan banyak proses kimia

yang intensif dan lambat. Sampai beberapa waktu yang lalu, disain obat

dianggap harus selalu memakai kerja yang intensif, proses uji dan

gagal (trial error process).

Kemungkinan pemakaian TI untuk merencanakan secara cerdas

dan dengan mengotomatiskan proses-proses yang terkait dengan

sintesis kimiawi dari komponen-komponen pengobatan merupakan

suatu prospek yang sangat menarik bagi ahli kimia dan ahli biokimia.

Penghargaan untuk menghasilkan obat yang dapat dipasarkan secara

lebih cepat sangatlah besar, sehingga target inilah yang merupakan inti

dari cheminformatics.

Ruang lingkup akademis dari cheminformatics ini sangat luas.

Contoh bidang minatnya antara lain: Synthesis Planning, Reaction and

Structure Retrieval, 3-D Structure Retrieval, Modelling, Computational

Chemistry, Visualisation Tools and Utilities.

5. Genomics

Genomics yaitu bidang ilmu yang ada sebelum selesainya

sekuen genom, kecuali dalam bentuk yang paling kasar. Genomics

yaitu setiap usaha untuk menganalisa atau membandingkan seluruh

komplemen genetik dari satu spesies atau lebih. Secara logis tentu saja

mungkin untuk membandingkan genom-genom dengan

membandingkan kurang lebih suatu himpunan bagian dari gen di

dalam genom yang representatif.

6. Mathematical Biology

Mathematical biology lebih mudah dibedakan dengan

Bioinformatika daripada computational biology dengan Bioinformatika.

Mathematical biology juga menangani masalah-masalah biologi, namun

metode yang dipakai untuk menangani masalah ini tidak perlu

secara numerik dan tidak perlu diimplementasikan dalam software

maupun hardware. Bahkan metode yang dipakai tidak perlu

"menyelesaikan" masalah apapun; dalam mathematical biology bisa

dianggap beralasan untuk mempublikasikan sebuah hasil yang hanya

menyatakan bahwa suatu masalah biologi berada pada kelas umum

tertentu.

Menurut Alex Kasman [KASMAN2004] Secara umum

mathematical biology melingkupi semua ketertarikan teoritis yang

tidak perlu merupakan sesuatu yang beralgoritma, dan tidak perlu

dalam bentuk molekul, dan tidak perlu berguna dalam menganalisis

data yang terkumpul.

7. Proteomics

Istilah proteomics pertama kali dipakai untuk

menggambarkan himpunan dari protein-protein yang tersusun

(encoded) oleh genom. Ilmu yang mempelajari proteome, yang disebut

proteomics, pada saat ini tidak hanya memperhatikan semua protein di

dalam sel yang diberikan, namun juga himpunan dari semua bentuk

isoform dan modifikasi dari semua protein, interaksi diantaranya,

deskripsi struktural dari proteinprotein dan kompleks-kompleks orde

tingkat tinggi dari protein, dan mengenai masalah ini hampir

semua pasca genom.

Michael J. Dunn [DUNN2004], Pemimpin Redaksi dari Proteomics

mendefiniskan kata "proteome" sebagai: "The PROTEin complement of

the genOME". Dan mendefinisikan proteomics berkaitan dengan: "studi

kuantitatif dan kualitatif dari ekspresi gen di level dari protein-protein

fungsional itu sendiri". Yaitu: "sebuah antarmuka antara biokimia

protein dengan biologi molekul".

Mengkarakterisasi sebanyak puluhan ribu protein-protein yang

dinyatakan dalam sebuah tipe sel yang diberikan pada waktu tertentu

apakah untuk mengukur berat molekul atau nilai-nilai isoelektrik

protein-protein ini melibatkan tempat penyimpanan dan

perbandingan dari data yang memiliki jumlah yang sangat besar, tak

terhindarkan lagi akan memerlukan Bioinformatika.

8. Pharmacogenetics

Pharmacogenomics yaitu aplikasi dari pendekatan genomik dan

teknologi pada identifikasi dari target-target obat. Contohnya meliputi

menjaring semua genom untuk penerima yang potensial dengan

memakai cara Bioinformatika, atau dengan menyelidiki bentuk

pola dari ekspresi gen di dalam baik patogen maupun induk selama

terjadinya infeksi, atau maupun dengan memeriksa karakteristik pola-

pola ekspresi yang ditemukan dalam tumor atau contoh dari pasien

untuk kepentingan diagnose (kemungkinan untuk mengejar target

potensial terapi kanker).

Istilah pharmacogenomics dipakai lebih untuk urusan yang

lebih "trivial" namun dapat diargumentasikan lebih berguna dari

aplikasi pendekatan Bioinformatika pada pengkatalogan dan

pemrosesan informasi yang berkaitan dengan ilmu Farmasi dan

Genetika, untuk contohnya yaitu pengumpulan informasi pasien

dalam database.

1.3 Teknologi dan Penerapan Bioinformatika

1. Program-program Bioinformatika

Sehari-harinya bionformatika dikerjakan dengan memakai

program pencari sekuen (sequence search) seperti BLAST, program

analisa sekuen (sequence analysis) seperti EMBOSS dan paket Staden,

program prediksi struktur seperti THREADER atau PHD atau program

imaging/modelling seperti RasMol dan WHATIF. Contoh-contoh di atas

memperlihatkan bahwa telah banyak program pendukung yang mudah di

akses dan dipelajari untuk memakai Bioinformatika

2. Teknologi Bioinformatika Secara Umum

Pada saat ini banyak pekerjaan Bioinformatika berkaitan dengan

teknologi database. pemakaian database ini meliputi baik tempat

penyimpanan database "umum" seperti GenBank atau PDB maupun

database "pribadi", seperti yang dipakai oleh grup riset yang terlibat

dalam proyek pemetaan gen atau database yang dimiliki oleh perusahaan-

perusahaan bioteknologi. Konsumen dari data Bioinformatika

memakai platform jenis komputer dalam kisaran: mulai dari mesin

UNIX yang lebih canggih dan kuat yang dimiliki oleh pengembang dan

kolektor hingga ke mesin Mac yang lebih bersahabat yang sering

ditemukan menempati laboratorium ahli biologi yang tidak suka

komputer.

Database dari sekuen data yang ada dapat dipakai untuk

mengidentifikasi homolog pada molekul baru yang telah dikuatkan dan

disekuenkan di laboratorium. Dari satu nenek moyang mempunyai sifat-

sifat yang sama, atau homology, dapat menjadi indikator yang sangat kuat

di dalam Bioinformatika.

Setelah informasi dari database diperoleh, langkah berikutnya yaitu

menganalisa data. Pencarian database umumnya berdasarkan pada hasil

alignment / pensejajaran sekuen, baik sekuen DNA maupun protein.

Kegunaan dari pencarian ini yaitu ketika mendapatkan suatu sekuen

DNA/protein yang belum diketahui fungsinya maka dengan

membandingkannya dengan yang ada dalam database bisa diperkirakan

fungsi daripadanya. Salah satu perangkat lunak pencari database yang

paling berhasil dan bias dikatakan menjadi standar sekarang yaitu BLAST

(Basic Local Alignment Search Tool) yang merupakan program pencarian

kesamaan yang didisain untuk mengeksplorasi semua database sekuen

yang diminta, baik itu berupa DNA atau protein. Program BLAST juga

dapat dipakai untuk mendeteksi hubungan di antara sekuen yang hanya

berbagi daerah tertentu yang memiliki kesamaan. Di bawah ini diberikan

contoh beberapa alamat situs yang berguna untuk bidang biologi molekul

dan genetika:

Deskripsi Alamat

National Center for

Biotechnology

Information

http://www.ncbi.nlm.nih.gov/

GenBank (NIH Genetic

Sequence

Database)

http://www.ncbi.nlm.nih.gov/Web/Genbank/index/html

European Molecular

Biology

Laboratory Nucleotide

Sequence

http://www.ebi.ac.uk/ebi_docs/embl_db.html

Protein Information

Resource

http://www.nbrf.georgetown.edu/pir

Protein Data Bank http://www.pdb.bnl.gov/

Restriction Enzyme

Database

http://www.neb.com/rebase/rebase.html

National Center for

Genome

Research (NCGR)

http://www.ncgr.org/gpi/

GeneMark http://www.dixie.biology.gatech.edu/GeneMark/eukhmm.cgi

Biotechnology

Industry

Organization (BIO)

http://www.bio.org

Data yang memerlukan analisa Bioinformatika dan mendapat banyak

perhatian saat ini yaitu data hasil DNA chip. Dengan perangkat ini dapat

diketahui kuantitas dan kualitas transkripsi satu gen sehingga bias

menunjukkan gen-gen apa saja yang aktif terhadap perlakuan tertentu,

misalnya timbulnya kanker, dan lain-lain.

1.4 Kondisi dan Penerapan Bioinformatika di negara kita

1. Kondisi Bioinformatika di negara kita

Di negara kita , Bioinformatika masih belum dikenal oleh masyarakat

luas. Hal ini dapat dimaklumi karena pemakaian komputer sebagai alat

bantu belum merupakan budaya. Bahkan di kalangan peneliti sendiri,

barangkali hanya para peneliti biologi molekul yang sedikit banyak

mengikuti perkembangannya karena keharusan memakai perangkat-

perangkat Bioinformatika untuk analisa data. Sementara di kalangan TI

masih kurang mendapat perhatian.

Ketersediaan database dasar (DNA, protein) yang bersifat

terbuka/gratis merupakan peluang besar untuk menggali informasi

berharga daripadanya. Database genom manusia sudah disepakati akan

bersifat terbuka untuk seluruh kalangan, sehingga dapat digali/diketahui

kandidat-kandidat gen yang memiliki potensi kedokteran/farmasi. Dari

sinilah negara kita dapat ikut berperan mengembangkan Bioinformatika.

Kerjasama antara peneliti bioteknologi yang memahami makna biologis

data ini dengan praktisi TI seperti programmer, dan sebagainya akan

sangat berperan dalam kemajuan Bioinformatika negara kita nantinya.

2. Penerapan Bioinformatika di negara kita

Sebagai kajian yang masih baru, negara kita seharusnya berperan aktif

dalam mengembangkan Bioinformatika ini. Paling tidak, sebagai tempat

tinggal lebih dari 300 suku bangsa yang berbeda akan menjadi sumber

genom, karena besarnya variasi genetiknya. Belum lagi variasi species

flora maupun fauna yang berlimpah. Memang ada sejumlah pakar yang

telah mengikuti perkembangan Bioinformatika ini, misalnya para peneliti

dalam Lembaga Biologi Molekul Eijkman. Mereka cukup berperan aktif

dalam memanfaatkan kajian Bioinformatika. Bahkan, lembaga ini telah

memberikan beberapa sumbangan cukup berarti, antara lain: Deteksi

kelainan janin, penembangan vaksin hepatitis B rekombinan, meringankan

kelumpuhan dengan rekayasa RNA.

NCBI (National Center for Biotechnology Information)

NCBI merupakan server yang memuat data base tentang informasi

kesehatan dan bioteknologi. Data base terus menerus di update sesuai dengan

penemuan-penemuan terkini yang menyangkut DNA, Protein, Senyawa aktif

dan taksonomi. Disamping data base, NCBI juga menyediakan berbagai macam

software untuk analisis DNA, protein 3D, pencarian primer, pencarian

conserve domain dan lain sebagainya. NCBI merupakan salah satu bank data

gen, protein dan literature khususnya dibidang kesehatan yang terlengkap dan

di acu oleh para peneliti didunia. Situs NCBI dapat diakses pada :

www.ncbi.nlm.nih.gov .

Gambar 2.1 Halaman utama NCBI

NCBI (National Center for Biotechnology

Information)

DNA dan Protein

Deoxyribonucleic acid (DNA) yaitu polimer asam nukleat yang tersusun

secara sistematis dan merupakan pembawa informasi genetik yang

diturunkan kepada keturunannya. Informasi genetik disusun dalam bentuk

kodon yang berupa tiga pasang basa nukelotida

Secara struktural, DNA merupakan polimer nukleotida, di mana setiap

nukelotida tersusun atas gula deoksiribosa, fosfat, dan basa. Polimer ini

membentuk struktur dua untai heliks ganda yang disatukan oleh ikatan

hydrogen antara basa-basa yang ada. Terdapat empat basa dalam DNA, yaitu

adenin (A), sitosin (C), guanin (G), dan timin (T). Adenin akan membentuk dua

ikatan hydrogen dengan timin, sedangkan guanin akan membentuk tiga ikatan

hidrogen dengan sitosin. Kombinasi jumlah dan susunan yang terbentuk

antara ikatan-ikatan basa ini memungkinkan setiap indvidu memiliki cetak

biru genetik yang spesifik dibandingkan organisme lain

Protein yaitu molekul penyusun tubuh kita yang terbesar setelah air. Hal

ini mengindikasikan pentingnya protein dalam menopang seluruh proses

kehidupan dalam tubuh. Dalam kenyataannya, memang kode genetik yang

tesimpan dalam rantaian DNA dipakai untuk membuat protein, kapan,

dimana dan seberapa banyak. Protein berfungsi sebagai penyimpan dan

pengantar seperti hemoglobin yang memberikan warna merah pada sel darah

merah kita, bertugas mengikat oksigen dan membawanya ke bagian tubuh

yang memerlukan. Selain itu juga menjadi penyusun tubuh, "dari ujung

rambut sampai ujung kaki", misalnya keratin di rambut yang banyak

mengandung asam amino Cysteine sehingga menyebabkan bau yang khas bila

rambut terbakar karena banyaknya kandungan atom sulfur di dalamnya,

sampai kepada protein-protein penyusun otot kita seperti actin, myosin, titin,

dsb. Kita dapat membaca teks ini juga antara lain berkat protein yang bernama

rhodopsin, yaitu protein di dalam sel retina mata kita yang merubah photon

cahaya menjadi sinyal kimia untuk diteruskan ke otak. Masih banyak lagi

fungsi protein seperti hormon, antibodi dalam sistem kekebalan tubuh, dll.

Cara mengetahui gambar protein tertentu misalnya Struktur protein Ular

(snake). Langkah – langkahnya sebagai berikut:

1) Klik https://www.ncbi.nlm.nih.gov/

2) Pilih Structure pada menu All Databases,

3) Ketik snake pada kolom kosong di samping structure. Klik search.

4) Pilih salah satu data dari hasil pencarian, disini kami

memakai nomor 1

5) Klik View in iCn3D

Maka akan muncul sebagai berikut

6) Klik Style > Proteins > Ribbon dan klik Remove surface

7) Untuk side chains, nucleotides, chemicals, ions, water, pilih opsi

Hide

8) Maka muncul output seperti berikut]

2.3 Database and Software

NCBI memiliki database dan software (analysis tools) yang sering

dipakai untuk analisis sebagai berikut:

1. Entrez

Entrez merupakan sistem pencarian informasi dalam NCBI yang

menyediakan akses terintegrasi untuk melakukan sekuensing, pemetaan

(mapping), taksonomi dan data struktural. Entrez juga menyediakan

gambaran grafis untuk mapping sekuen dan kromosom. Ciri khas dan

keunggulan Entrez yaitu kemampuan untuk pencarian informasi terkait

sekuen, struktur dan referensi. Literatur jurnal yang tersedia dapat diakses

melalui PubMed. PubMed merupakan alat penghubung pencarian di web

yang menyediakan akses ke lebih dari 11 juta sitasi jurnal di MEDLINE.

Entrez Gene adapat diakses pada www.ncbi.nlm.nih.gov/gene .

Gambar 2.2 Entrez Gene

2. Nucleotide Database

Database nukleotida merupakan suatu koleksi sekuen dari beberapa

sumber, termasuk diantaranya GenBank, Reference Sequence (RefSeq),

Third Party Annotation (TPA) dan Protein Data Bank (PDB). GenBank

merupakan database sekuen genetik dari NIH (National Institutes of

Health), berupa koleksi sekuen DNA yang dapat diketahui oleh publik.

Database GenBank dibiayai dan didistribusikan oleh NCBI. Data sekuen

dikirim ke GenBank oleh peneliti dari seluruh dunia.

Gambar 2.3 GenBank Overview

3. BLAST

BLAST (Basic Local Alignment Search Tool) merupakan suatu

program untuk pencarian kemiripan sekuen (sequence similarity) dan

merupakan alat dalam identifikasi gen dan karakter genetik. Blast dapat

melakukan pencarian sekuen melalui perbandingan dengan database DNA

dalam waktu singkat (kurang dari 15 detik). Keterangan lengkap mengenai

program BLAST dapat dilihat pada :

http://www.ncbi.nlm.nih.gov/blast/producttable.shtml dan BLAST dapat

diakses melalui https://blast.ncbi.nlm.nih.gov/Blast.cgi.

Gambar 2.4 Halaman utama BLAST

Ada 5 program utama dalam BLAST, yaitu :

a) nucleotide blast (blastn) : membandingkan suatu sekuen nukleotida

meragukan (query sequence) yang kita miliki dengan database sekuen

nukleotida.

b) protein blast (blastp) : membandingkan suatu sekuen asam amino yang

kita miliki dengan database sekuen protein.

c) blastx : membandingkan produk translasi konsep 6‐frame sebuah

sekuen nukleotida (translated nucleotide) yang kita miliki dengan

database sekuen protein.

d) tblastn : membandingkan suatu sekuen protein yang kita miliki dengan

database sekuen nukleotida yang secara dinamis ditranslasi pada

semua pembacaan 6 frame.

e) tblastx : membandingkan suatu translasi 6 frame dari nukleotida.

Gambaran mengenai program BLAST dapat dilihat pada gambar berikut ini

Gambar 2.5 Gambaran program utama BLAST

Disini akan diberikan contoh untuk memakai program utama BLAST

yaitu nucleotide blast (blastn) dan blastp.

Langkah-langkah analisis memakai nucleotide blast (blastn)

Blastn dapat dipakai untuk mengidentifikasi suatu sekuen nukleotida

meragukan (query sequence) yang kita miliki dengan database nukleotida,

sehingga output yang didapat berupa identitas nukleotida ini , antara lain

nama gen dan spesies penghasil dari sekuen lengkapnya.

1. Buka situs NCBI www.ncbi.nlm.nih.gov.

2. Pilih tool ”BLAST”, akan muncul tampilan pilihan program BLAST.

Untuk mencari gen suatu sekuen nukleotida dari database nukleotida

pilih ”nucleotide blast” (blastn).

3. Setelah tampilan muncul, entri sekuen nukleotida (query) yang akan

dicari; pilih setting pencarian dari database ”others” (jika belum

diketahui spesiesnya); pilih program ”megablast”; klik ”BLAST” untuk

memulai proses searching.

Pada latihan/contoh dipakai sekuen nukleotida DNA berikut ini :

ATGTTCCCTGAAAAGTTCCTTTGGGGTGTGGCACAATCGGGTTTTCAGTT

TGAAATGGGGGATAAACTCAGGAGGAATATTGACACTAACACTGATTGGT

GGCACTGGGTAAGGGATAAGACAAATATAGAGAAAGGCCTCGTTAGTGGA

GATCTTCCCGAGGAGGGGATTAACAATTACGAGCTTTATGAGAAGGACCA

TGAGATTGCAAGAAAGCTGGGTCTTAATGCTTACAGAATAGGCATAGAGT

GGAGCAGAATATTCCCATGGCCAACGACATTTATTGATGTTGATTATAGC

TATAATGAATCATATAACCTTATAGAAGATGTAAAGATCACCAAGGACAC

TTTGGAGGAGTTAGATGAGATCGCCAACAAGAGGGAGGTGGCCTACTATA

GGTCAGTCATAAACAGCCTGAGGAGCAAGGGGTTTAAGGTTATAGTTAAT

CTAAATCACTTCACCCTTCCATATTGGTTGCATGATCCCATTGAGGCTAG

GGAGAGGGCGTTAACTAATAAGAGGAACGGCTGGGTTAAC

4. Hasil searching / pencarian akan didapat tampilan seperti berikut :

5. Hasil blast umumnya akan menghasilkan lebih dari satu sekuen yang

bersesuaian. Pilih hasil dengan skor paling tinggi dan query coverage

mendekati 100%.

6. Klik “Accession” gen terpilih (hasil blastn) untuk keterangan lebih

lanjut, (nucleotide origin dan CDS‐nya).

7. Klik “Distance tree of results” Apabila ingin mengetahui phylogenetic

tree antar sekuen yang didapatkan. Sebelum melakukan analisis ini,

harus dipilih database sekuen yang akan dibandingkan.

Langkah-langkah analisis memakai blastp

Blastp dapat dipakai untuk mencari protein homolog dari protein yang kita

miliki.

1. Buka situs www.ncbi.nlm.nih.gov

2. Pilih tool ”BLAST”. Untuk mencari protein homolog dari query asam amino

gunakan ”protein blast” (blastp)

3. Setelah tampilan muncul, entri sekuen protein (query) yang akan dicari;

pilih seting pencarian dari database (jika membatasi hanya ingin mencari

pada spesies tertentu, ketik nama organisme); pilih program ”blastp”; klik

”BLAST” untuk memulai proses searching.

Pada latihan / contoh dipakai query sekuen protein berikut ini :

mfpekflwgv aqsgfqfemg dklrrnidtn tdwwhwvrdk tniekglvsg dlpeeginny

elyekdheia rklglnayri giewsrifpw pttfidvdys ynesynlied vkitkdtlee

ldeiankrev ayyrsvinsl rskgfkvivn lnhftlpywl hdpiearera ltnkrngwvn

prtviefaky aayiaykfgd ivdmwstfne pmvvvelgyl apysgfppgv lnpeaaklai

4. Hasil searching akan didapat tampilan seperti berikut:

5. Hasil blast akan menghasilkan lebih dari satu sekuen yang bersesuaian.

Pilih hasil dengan skor paling tinggi. Dengan meng‐klik referensi akan

didapat keterangan lebih lanjut tentang protein ini .

6. Klik “Distance tree of results” pada bagian akhir apabila ingin

mengetahui phylogenetic tree antar protein yang didapatkan. Sebelum

melakukan analisis ini, harus dipilih database protein yang akan

dibandingkan.

3.1 Pendahuluan

Dalam bioinformatika, Sequence Alignment (SA) yaitu suatu cara

untuk mencocokkan sequence DNA, RNA atau protein untuk mengetahui

tingkat kemiripan. Jika panjang antara sequences yang dibandingkan tidak

sama maka dapat diberikan gaps atau yang disebut dengan area di dalam

grafik untuk mengisi kekosongan.

Penyejajaran sekuens (sequence alignment) dapat diartikan juga

proses penyusunan/pengaturan dua atau lebih sekuens sehingga persamaan

sekuens-sekuens ini tampak nyata. Hasil dari proses ini 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 ini . Berikut yaitu 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

Sequence alignment merupakan metode dasar dalam analisis sekuens.

Metode ini dipakai untuk mempelajari evolusi sekuens-sekuens dari

leluhur yang sama (common ancestor). Ketidakcocokan (mismatch) dalam

alignment diasosiasikan dengan proses mutasi, sedangkan kesenjangan (gap,

tanda "–") diasosiasikan dengan proses insersi atau delesi. Sequence alignment

memberikan hipotesis atas proses evolusi yang terjadi dalam sekuens-sekuens

ini . Misalnya, kedua sekuens dalam contoh alignment di atas bisa jadi

berevolusi dari sekuens yang sama "ccatgggcaac". Dalam kaitannya dengan hal

ini, alignment juga dapat menunjukkan posisi-posisi yang dipertahankan

(conserved) selama evolusi dalam sekuens-sekuens protein, yang

menunjukkan bahwa posisi-posisi ini bisa jadi penting bagi struktur atau

fungsi protein ini .

Bab

Analisis Pensejajaran Sekuens

Selain itu, sequence alignment juga dipakai untuk mencari sekuens

yang mirip atau sama dalam basis data sekuens. BLAST yaitu salah satu

metode alignment yang sering dipakai dalam penelusuran basis data

sekuens. BLAST memakai algoritma heuristik dalam penyusunan

alignment.

Secara umum, dalam sequences alignment dikenal 2 jenis, yaitu Global

Alignment (membandingkan 1 rangkaian sequences secara penuh) dan Local

Alignment (hanya mencari subsequences yang mirip) yang akan dijelaskan

dibawah ini.

3.2 Jenis – jenis Pensejajaran Sequence

1. Local Alignment

yaitu Urutan yang diduga memiliki kesamaan atau bahkan urutan

yang berbeda dapat dibandingkan dengan metode penyelarasan lokal. Ia

menemukan daerah lokal dengan tingkat kemiripan yang tinggi.

Perataan lokal meluruskan substring dari urutan kueri ke substring

dari urutan target. Substring dapat berupa salah satu atau kedua urutan;

jika semua keduanya dimasukkan maka pelurusan lokal juga bersifat

global. Perataan lokal didefinisikan dengan memaksimalkan skor

penyejajaran, sehingga menghapus kolom dari salah satu ujung akan

mengurangi skor, dan menambahkan kolom lebih lanjut di kedua ujung

juga akan mengurangi skor. Misalnya, pertimbangkan keselarasan protein

global ini.

2. Global Alignment

yaitu Urutan terkait erat yang memiliki panjang yang sama sangat

tepat untuk penyelarasan global. Di sini, penyelarasan dilakukan dari awal

hingga akhir dari urutan untuk menemukan keselarasan terbaik yang

mungkin Sebuah rumus atau serangkaian langkah untuk memecahkan

masalah dikembangkan oleh Saul B. Needleman dan Christian D. Wunsch

pada tahun 1970, yang merupakan algoritma pemrograman dinamis

untuk penyelarasan urutan. Pemrograman dinamis memecahkan masalah

asli dengan membagi masalah menjadi masalah sub independen yang

lebih kecil. Teknik-teknik ini dipakai dalam berbagai aspek ilmu

komputer. Algoritma ini menjelaskan keselarasan urutan global untuk

menyelaraskan urutan nukleotida atau protein.

Berikut perbandingan antara local dan global sequence alignment

GLOBAL SEQUENCE ALIGNMENT LOCAL SEQUENCE ALIGNMENT

Dalam pensejajaran global, dilakukan upaya

untuk mensejajarkan seluruh urutan (ujung

ke ujung keselarasan).

Menemukan daerah lokal dengan

tingkat tertinggi kesamaan antara dua

urutan.

Perataan global mengandung semua huruf

dari keduanya urutan pertanyaan dan target.

Pensejajaran lokal meluruskan

substring pertanyaan urutan ke

substring dari urutan target.

Jika dua urutan memiliki kurang lebih sama

panjang dan sangat mirip, mereka cocok

untuk penyelarasan global.

Setiap dua urutan dapat disejajarkan

secara lokal sebagai pensejajaran lokal

menemukan barisan-barisan dengan

tingkat tinggi cocok tanpa

mempertimbangkan penyelarasan sisa

bagian urutan.

Cocok untuk menyelaraskan dua yang terkait

erat urutan.

Cocok untuk mensejajarkan urutan yang

lebih berbeda atau terkait urutan jauh.

Keberpihakan global biasanya dilakukan

untuk membandingkan gen homolog seperti

membandingkan dua gen dengan fungsi yang

sama (pada manusia vs. tikus) atau

membandingkan dua protein dengan fungsi

serupa.

dipakai untuk mencari tahu pola-

pola yang diawetkan dalam urutan DNA

atau domain atau motif yang diawetkan

menjadi dua

protein.

Teknik pensejajaran global umum yaitu

Algoritma Needleman-Wunsch

Metode pensejajaran lokal umum yaitu

Smith–Algoritma Waterman.

Contoh alat pensejajaran Global:

➢ EMBOSS Needle

➢ Needleman-Wunsch Global Align

➢ Nucleotide Sequences (Specialized

➢ BLAST)

Contoh alat pensejajaran Lokal:

➢ BLAST

➢ EMBOSS Water

➢ LALIGN

3.3 Metode –metode Pensejajaran Sequence

Untuk membandingkan 2 sekuens yang paling dikenal ada 3 metode, yaitu

1. Metode Dot-Matrixs

Merupakan metode yang paling mudah. sekuens yang dicocokkan

dibuatkan sebuah matrix dimana kolom dan baris mereprentasikan

masing sekuens. Jika ada yang sama (match) maka diberi simbol

(dot/titik). Sequences yang berkorelasi akan terlihat membentuk garis di

diagonal utama. Secara visual dapat dilihat fitur dari sekuens yang

dibandingkan (insertions, deletions, repeats, or inverted repeats).

Masalah dari metode ini adanya noise serta sulit mengekstrak fitur

posisi kecocokan antara dua sekuens.

2. Metode Dynamic programming

Metode ini dapat diterapkan untuk mencari Global Alignment maupun

Local Alignment dari 2 sekuens. Metode yang terkenal yaitu Algoritma

Needleman-Wunsch (Global) dan Smith-Waterman (Local). Needleman-

Wunsch merupakan metode pertama yang menerapkan Dynamic

Programming dalam Sequence Alignment sedangkan Smith-Waterman

memodifikasi metode dari Needleman-Wunsch untuk mencari Local

Alignment. Dynamic Programming sangat optimal untuk mencari

kecocokan antara 2 sekuens dan dapat diperluas untuk lebih dari 2

sekuens. Metode ini sangat lambat untuk sekuens yang sangat panjang.

3. Words Method

Dikenal juga sebagai k-tuple methods, merupakan metode heuristic

dimana tidak menjamin hasilnya optimal namun lebih efisien dibandingkan

Dynamic Programming. Sering dipakai untuk pencarian dalam database

dengan ukuran yang sangat besar (FASTA, BLAST)

Metode-Metode Multiple Sequence Alignment

Dari perbandingan antara 2 sekuens, kemudian berkembang menjadi

Multiple Sequence Alignment (MSA), yaitu lebih dari 2 sekuens yang

dibandingkan. Salah satu tujuannya yaitu untuk merekonstruksi

phylogenetic tree atau untuk mengetahui tingkat kekerabatan spesies.

Untuk MSA juga ada 3 metode yang terkenal, yaitu

1. Dynamic Programming

Secara teori, metode ini dapat mencocokkan banyak sekuens namun

sangat “mahal” dalam segi kompleksitas dan memori. Sama seperti

Dynamic Programming yang dijelaskan untuk 2 sekuens, algoritma

yang terkenal yaitu Needleman-Wunsch dan Smith-Waterman.

2. Progressive Alignment

Cara kerjanya yaitu mencocokkan sekuens yang terdekat

kemudian menambahkan sequence berikutnya sehingga terbentuk

tree. Initial tree untuk mencocokkan memakai metode yang mirip

dengan FASTA. Contoh metode ini yaitu Clustal W dan T-Coffee

Metode ini sangat cepat, namun ketika sudah terbentuk tree tidak bisa

menyisipkan sekuens yang terbaru yang lebih mendekati

kemiripannya. Sehingga keakuratannya tergantung dari inisialisasi

awal.

3. Metode Iterasi

Metode ini mencoba memperbaiki kelemahan dari metode

Progressive yang tergantung dari inisialisasi. Metode iterasi mencoba

mengoptimalkan berdasarkan fungsi scoring dan dapat mencocokkan

ulang (realigning) subset sequence. Metode ini sangat lambat dan

hasilnya tergantung probabilitas karena didasari stokastik. Contohya

yaitu Hidden Markov Models dan Algoritma Genetik.

3.4 Pensejajaran Sequence Online

1. Cara mendapatkan data di NCBI

Sekuen yang diperoleh dari hasil penelitian di laboratorium dapat

dianalisis dengan data serupa yang telah dipublikasikan sebelumnya di

gen bank. Salah satu bentuk analisis yang dapat dilakukan misalnya

yaitu analisis penyejajaran. Analisis pensejajaran dapat dipakai untuk

membandingkan dua sekuen atau lebih. Program yang dipakai untuk

analisis penyejajaran yaitu program BLAST (Basic Local Allignment

Search Tools). Program ini dapat diakses melalui website National Center

for Biotechnology Information at The National Library of Medicine in

Washington, DC (http://www.ncbi.nlm.nih.gov/BLAST)

Berikut merupakan langkah-langkah untuk mencari dan

mendapatkan data dari genbank, misalnya untuk mencari sekuen insulin

(INS)

1. Ketikkan http://www.ncbi.nlm.nih.gov pada location bar pencarian

2. Pilih preferensi pencarian yang dipakai (pada contoh ini dipilih

nucleotide) dan ketikkan juga molekul yang ingin dicari sebagai kata

kunci pencarian (pada contoh ini diketikkan INS) dan klik search

3. Muncul hasil pencarian nucleotide untuk INS insulin. Selanjutnya klik

INS insulin

4. Berdasarkan pulihan ini maka akan diperoleh tampilan sebagai

berikut

5. Pada tampilan ini discroll ke bawah maka akan diperoleh

tampilan berikut. Terdapat beberapa kode yaitu NM dan NP. Kode NM

menunjukkan kode untuk memperoleh informasi mengenai

nukleotida, sedangkan NP menunjukkan kode untuk memperoleh

informasi mengenai protein.

6. Diklik link FASTA untuk memperoleh sekuen nukleotida dari INS

dalam bentuk FASTA

7. Apabila diklik kode NM dan Gen Bank, maka akan diperoleh informasi

mengenai sekuen nukleotida, sebagai berikut

2. Persejajaran Sequence Online

1. Ketik NCBI pada search google dan masuk website NCBI

2. Carilah jenis makhluk hidup dengan mempunyai kemiripan pada keduanya

untuk di sejajarkan

3. Misalnya membandingkan snake dengan caterpillar.

4. Pada NCBI kita bisa isi all database sesuai yang kita ingin cari, misalnya

kita ganti nucleotide.

5. Kemudian sebelah kotak all database kita isi sesuai jenis makhluk hidup

yang kita ingin sejajarkan.

• Snake

• Caterpillar

6. Setelah kita search kita ambil salah satu data dari beberapa yang muncul.

• Snake

• Caterpillar

7. Kemudian klik FASTA

• Snake

• Caterpillar

8. Copy kode FASTA

• Snake

GCTTCTTATATGAAATGTTTGAAAGAAAGTAAATAATGAAATCACAGAACTCACAAA

TAGAATGATAATACTTTGGTCTCTAATCGTGCATCTTCAATTGACATGCTTGCATTT

AATCCTGCAGACTCCAAATCTTGAGGCTCTCGATGCCCTTGAAATAATCAACTACCAG

ACCACCAAGTACACAATCCCCGAAGTTTGGAAAGAGCAGCCAGTGGCGACCATTGGC

GAGGACGTGGATGATCAGGACACCGAAGATGAGGAAAGCTATCTGAAGTTCGGCGAC

GATGCGGAGGTTAGGACTTCGGTTTCGGAAGGACTTCACGAAGGTGCCTTCTGCCGG

CGGAGCTTCGATGGCCGGAGTGGATACTGCATCCTGGCCTATCAGTGCCTCCACGTCA

TTCGAGAGTATCGGGTGCATGGCACCCGCATCGACATCTGCACCCATCGCAACAATGT

CCCTGTCATCTGTTGTCCATTGGCGGACAAGCATGTGCTGGCTCAGCGCATAAGTGCC

ACCAAATGTCAGGAGTACAATGCTGCCGCCAGAAGGCTTCACTTGACGGACACCGGA

CGCACATTCTCCGGGAAGCAGTGTGTGCCCAGTGTTCCCCTGATAGTCGGTGGAACCC

CCACTCGACACGGACTCTTCCCTCACATGGCTGCCTTAGGATGGACGCAGGGTAGTGG

CTCCAAGGATCAAGATATAAAATGGGGCTGTGGAGGCGCCCTGGTTAGCGAACTGTA

TGTCCTGACCGCTGCCCACTGTGCCACCTCTGCAAACCACCGGACATGGTTCGCTTGG

GCGCCCGCCAGTTGAACGAGACCAGCGCGACCCAGCAGGACATCAAGATCCTCATCAT

CGTGCTGCATCCGAAGTACAGATCCTCGGCATATTACCACGATATTG

CCCTGCTCAAGCTGACCAGAAGGGTCAAGTTCTCGGAGCAGGTGCGTCCTGCTTGCCT

GTGGCAACTGCCGGAGCTCCAGATACCCACTGTGGTGGCCGCCGGTTGGGGACGCACC

GAGTTCCTGGGCGCCAAATCGAATGCCCTGCGCCAGGTGGACCTGGACGTAGTCCCAC

AAATGACCTGCAAGCAGATCTATCGCAAGGAGCGACGTCTGCCCAGGGGAATCATCG

AGGGGCAGTTCTGTGCGGGATATTTGCCAGGCGGCAGGGACACCTGCCAGGGTGACT

CCGGCGGTCCCATTCATGCCCTGCTGCCGGAATACAACTGCGTGGCCTTCGTGGTGGG

CATCACCTCGTTTGGAAAATTCTGTGCGGCTCCCAATGCCCCAGGAGTTTACACCAGG

CTATATAGCTACCTGGATTGGATTGAGAAGATTGCCTTCAAGCAGCACTAGTTTCAT

TTTATTTTATTTATTAAATATGCTTTTT

• Caterpillar

ATGGAGCTCAGCCGAGTGGGAGACAACATAGGTTCCCCAGGGTCAGTCCTGGCTCTG

TATTCACAACTTCTGGCTGCAAACACAGACTCCACGAGGAAGCAAGAGGTGTGGACA

GACAGAGAGACATGCCTGGCCTACAGTGTTGGCTCCCCAGCTGAGCAGGTGAAAGCC

CTTGTGGATCTGCTGGCTGGGAAGGGCAGTCAGCTGCTACAAGTCCGGGACAAAATG

CCAGACTCCCCACTAGGATCCCAGAGCAATGAGTCAAGGATACCGAAGCACTCTGAG

GCTCTGCTGAGCAGGGTGGGAAATGACCCAGAACTGGGCAGCCCCTCACACCGGCTGG

CCAGCCTCATGCTGGTCGAGGGCCTGACAGACCTGCAGCTAAAGGAGCATGACTTCAC

ACAGGTGGAGGCCACGCGTGGGGTCTGGCACCCTGCCAGAGTTATCACCCTGGACAGG

CTCTTCCTGCCTCTGTCCCGGGTATCCATCCCACCTCGAGTCTCTCTCACCATTGGAG

TGGCTGGTGTGGGCAAGACCACGCTAGTGAGGCATTTTGTTCATTGCTGGGCCAGAG

GACAGGTGGGCAAGGGCTTCTCACGGGTTCTGCCCTTGACCTTTCGGGATCTCAACAC

CTATGAGAAACTGTCTGCAGACAGACTCATCCAATCCATCTTCTCAAGCATTGGGGA

AGCTAGTCTGGTGGCCACAGCCCCAGACAGAGTCCTCCTGGTCCTGGATGGCTTGGAT

GAGTGTAAGACACCCCTGGAATTCTCCAATACCATGGCCTGCTCAGACCCAAAGAAG

GAGATCCAGGTAGACCACCTGATCACTAACATCATCCGAGGCAACCTCTTTCCAGAA

ATTTCTGTCTGGATCACCTCCCGGCCCAGTGCTGCTGGTCAGATCCCTG

GGGGCCTAGTGGACCGGATGACTGAGATTCGGGGCCTTACTGAGGAAGAGATCAAAG

TGTGTCTGGAGCAGATGTTTCCTGAGGAGCAGAACCTCTTAGGTCAGGTCCTTAGTC

AAGTGCAGGCCAACAGGGCTCTGTATCTGATGTGCACTGTACCAGCCTTTTGTAGGC

TCACGGGGCTGGCTCTGGGTCACTTGTATCGCACCAGGCTGGCCGTCCAAGACATAGA

GCTGCCATTGCCTCAGACCCTGTGTGAGCTCTACTCTTGGTACTTTAGGATGGCTCTT

GGTGGGGAGGGCCAGGATAAGGAAAAGGTAAGTCCTAGGATCAAGCAGGTGACCCAG

GGAGCTCGCAAAATGGTGGGGACATTGGGCCGCCTGGCCTTCCATGGGCTGGTCAAG

AAGAAATACGTGTTTTATGAACAAGACATGAAGGCATTTGGAGTGGACCTCGCTCTG

TTGCAGAACACTCTGTGCAGCTGTCTCCTGCAGCGGGAAGAGACCCTGGCCTCCTCTG

TAGCTTACTGCTTCATTCACCTGTCTCTGCAAGAATTTGTGGCAGCTACATATTACTA

TAGTGCATCCAAGAGGGCCATCTTTGACCTCTTCACCGAGAGTGGCATGTCCTGGCCC

AGACTGGGTTTCCTCGCCCATTTCAGGTGTGCAGCCCAGCGGGCCACACAAGCTAAGG

ATGGAAGGCTGGATGTGTTTCTGCGCTTCCTCTCTGGCCTCTTGTCCCCAAGGGTCAA

TACTCTGCTGGCCGGCTCCCTGTTGTCCCAAGGCGAGCATCAGAGCTACCGGGACCAG

GTGGCTGAGGTCCTACAAGGCTTCCTTCATCCTGACGCTGCAGTCTGTGCACGTGCCA

TCAATGTCTTGTACTGCCTAAGTGAGCTGCGGCACACAGAACTGGC

CTGCAGTGTGGAGGAGGCCATGCGGAGTGGGACCTTGGCTGGGATGACCAGCCCCTC

ACACCGCACTGCTCTGGCCTACCTCCTGCAGATGTCTGACATCTGCTCCCCAGAGGCT

GACTTCTCCCTGTGTCTCAGCCAGCATGTCCTCCAGAGCCTGCTGCCCCAGCTGCTCT

ATTGTCAAAGCCTCAGGCTGGACAACAACCAGTTCCAGGACCCTGTGATGGAGTTGC

TGGGCAGCGTGCTGAGTGGGAAGGACTGTCGCATTCGAAAGATCAGCCTGGCTGAGA

ATCAGATTGGTAACAAAGGAGCCAAAGCCCTGGCCAGATCCCTCCTGGTTAACAGAA

GCCTCATCACACTGGACCTCCGGAGTAACAGCATTGGACCACCGGGGGCTAAGGCTTT

GGCCGATGCTCTGAAGATAAACCGAACGCTAACTTCTCTAAGCCTCCAAAGCAACGT

GATCAAGGATGACGGTGTCATGTGCGTGGCTGAGGCCCTGGTCTCCAACCAGACCATC

TCCATGCTACAGCTACAGAAGAACTTAATTGGGCTCATAGGAGCCCAGCAGATGGCA

GATGCCCTGAAGCAGAACAGGAGCCTGAAAGCACTCATGTTTTCCAGTAATACCATT

GGCGACAGAGGTGCCATAGCCCTGGCTGAGGCCCTGAAGGTGAACCAGATCCTGGAG

AACTTAGACCTACAGAGCAATTCCATCAGTGACATGGGAGTGACGGTGCTGATGCGA

GCCCTCTGCAGTAACCAGACACTCTCCAGTCTCAACTTACAGGAGAATGCCATAGGGG

ATGAAGGAGCTTCCTCAGTGGCTGGCGCACTGAAGGTGAACACAACCCTCATTGCTC

TCTACTTACGAGGAAACGACGTTGGGGCAGCTGGAGCCAAGGCCTTGGCA

AATGCTTTAAAGTTAAACTCCAGTCTCCGAAGACTCAATCTCCAGGAGAACTCACTG

GGGATGGATGGGGCCATATTTGTTGCCTCTGCACTGTCTGAGAACCACGGGTCTCCAC

ATGACCCAACTCAAAAGAACATAAGACAAGATAATGACAGTGTTCCTGCCCTGCACA

CTCACATGGCTGGCACCATCAGTCTCTGCAGTGTTCCTGCCCTGCACACTCACACGGA

TGTTACCATCAGTCTCTGTAGTGTTCCTGCCCTGCACACTCCCATGGCTGGCACCATG

AGTCTCTGCAGTGTTCCTGCCCTGCACACTCACATGGCTGGCACCATCAGTCTCTGTA

GTGTTCCTGCCCTGCACACTCCCATGGCTGGCACCATCAGTCTCTGCAGTGTTCCTGC

CCTGCACACTCACACGGTTGGCACCATCAGTCTCTGCAGTGTTCCTGCCCTGCACACT

CACATGGATGTCACCATCAGTCTCTGTAGTGTTCCTGCCCTGCACACTCCCATGGCTG

GCACCATCAGTCTCTGTAGTGTTCCTGCCCTGCACACTCCCATGGCTGGCACCATCAG

TCTCTGCAGTGTTCCTGCCCTGCACACTCACACGGTTGGCACCATCAGTCTCTGCAGT

GTTCCTGCCCTGCACACTCCCATGGCTGGCACCATCAGTCTCTGCAGTGTTCCTGCCC

TGCACACTCCCATGGCTGGCACCATCAGTCTCTGTAGTGTTCCTGCCCTGCACACTCC

CATGGCTGGCACCATCAGTCTCTGTAGTGTTCCTGCCCTGCACACTCCCATGGCTGGC

ACCATCAGTCTCTGTAGTGTTCCTGCCCTGCACACTCATACAGCTGGCACCAGTCTCT

GCAGACTTCAAGCCCACTAA

9. Pilih BLAST pada popular resources

10. Akan tampil menu BLAST kemudian pilih Global Align pada Specialized

Seraches seperti berikut

11. Masukkan data kode fasta

12. Setelah terisi kode fasta kemudian klik Align

13. Hasil pensejajaran kode FASTA Snake dan Caterpillar dengan

memakai BLAST.

Plot of lcl|Query_220947 vs lcl|Query_220949

Pada gambar ini terdapat hasil pensejajaran antara kode

FASTA snake dan caterpillar menghasilkan kemiripan 30%.

4.1 Definisi Mutasi

Mutasi merupakan perubahan urutan basa nukleotika pada DNA

maupun kromosom. Tahun 1901, Hugo De Vries memperkenalkan isilah

“mutasi” yang didefinisikan sebagai perubahan informasi pada gen.

Selanjutnya, H.J. Muller melihat bahwa peristiwa mutasi spontan dapat dipicu

dari paparan sinar rontgen pada Drosophilla. Penelitian tentang mutasi terus

berkembang, terkait jenis mutasi hingga teknik-teknik untuk menganalisis

terjadinya mutasi. Mutasi berasal dari kata Mutatus (bahasa latin) yang

artinya yaitu perubahan. mutasi didefenisikan sebagai perubahan materi

genetic (DNA) yang dapat diwariskan secara genetis keketurunannya. Istilah

mutasi petama kali dipakai oleh Hugo de Vries, untuk mengemukakan

adanya perubahan fenotipe yang mendadak pada bunga Oenothera

lamarckiana dan bersifat menurun. Ternyata perubahan ini terjadi

karena adanya penyimpangan dari kromosomnya. Seth wright juga

melaporkan peristiwa mutasi pada domba jenis Ancon yang berkaki pendek

dan bersifat menurun. Penelitian ilmiah tentang mutasi dilakukan pula oleh

Morgan (1910) dengan memakai Drosophila melanogaster (lalat buah).

Akhirnya murid Morgan yang bernama Herman Yoseph Muller berhasil dalam

percobaannya terhadap lalat buah, yaitu menemukan mutasi buatan dengan

memakai sinar X (Anonim, 2009).

Mutasi yaitu perubahan pada materi genetik suatu makhluk yang

terjadi secara tiba-tiba, acak, dan merupakan dasar bagi sumber variasi

organisme hidup yang bersifat terwariskan (heritable). Mutasi juga dapat

diartikan sebagai perubahan struktural atau komposisi genom suatu jasad

yang dapat terjadi karena faktor luar(mutagen) atau karena kesalahan

replikasi. Peristiwa terjadinya mutasi disebut mutagenesis. Makhluk hidup

yang mengalami mutasi disebut mutan dan factor penyebab mutasi disebut

mutagen (mutagenic agent). Perubahan urutan nukleotida yang menyebabkan

protein yang dihasilkan tidak dapat berfungsi baik dalam sel dan sel tidak

Bab

Mutasi

mampu mentolerir inaktifnya protein ini , maka akan menyebabkan

kematian (lethal mutation). Mutasi dapat mempengaruhi DNA maupun

kromosom. DNA dapat dipengaruhi pada saat sintesis

DNA (replikasi). Pada saat ini factor mutagenic mempengarugi pasangan

basa nukleutida sehingga tidak berpasangan dengan basa nukleutida yang

seharusnya (mismatch). Misalnya triplet DNA cetakan yaitu TTA. Namun

karena adanya mutagen menyebabkan DNA polymerase memasangkan A

dengan C, bukan dengan T. Untuk lebih jelasnya mekanisme mutasi dapat

dilihat pada gambar di bawah ini:

4.2 Jenis mutasi

1. Mutasi Kromosom (Gross Mutation)

Mutasi kromosom merupakan perubahan urutan sekuens gen karena

terjadi perubahan pada level kromosom. Mutasi kromosom berdampak

pada berubahnya struktur dan/atau jumlah kromosom dalam individu.

Perubahan struktur kromosom dapat terjadi abrasi kromosom yang

melalui proses delesi, inversi, duplikasi, dan translokasi.

1) Aberasi kromosom yaitu perubahan yang terjadi pada jumlah atau

susunan kromosom dalam sel yang diakibatkan adanya kehilangan,

pengaturan kembali bahan genetik ataupun duplikasi. Translokasi

ialah mutasi yang mengalami pertukaran segmen kromosom ke

kromosom non homolog. Macam-macam translokasi antara lain

sebagai berikut.

1. Translokasi homozigot (resiprok) Translokasi homo zigot ialah

translokasi yang mengalami pertukaran segmen kedua kromosom

homolog dengan segmen kedua kromosom non homolog.

2. Translokasi heterozigot (non resiprok) Translokasi heterozigot ialah

translokasi yang hanya mengalami pertukaran satu segmen

kromosom ke satu segmen kromosom nonhomolog.

3. Translokasi Robertson Translokasi Robertson ialah translokasi yang

terjadi karena penggabungan dua kromosom akrosentrik menjadi

satu kromosom metasentrik, maka disebut juga fusion

(penggabungan). Translokasi terjadi apabila dua benang kromosom

patah setelah terkena energi radiasi, kemudian patahan benang

kromosom bergabung kembali dengan cara baru. Patahan

kromosom yang satu berpindah atau bertukar pada kromosom yang

lain sehingga terbentuk kromosom baru yang berbeda dengan

kromosom aslinya. Translokasi dapat terjadi baik di dalam satu

kromosom (intrachromosome) maupun antar kromosom

(interchromosome). Translokasi sering mengarah pada

ketidakseimbangan gamet sehingga dapat menyebabkan

kemandulan (sterility) karena terbentuknya chromatids dengan

duplikasi dan penghapusan. Alhasil, pemasangan dan pemisahan

gamet jadi tidak teratur sehingga kondisi ini menyebabkan

terbentuknya tanaman aneuploidi. Translokasi dilaporkan telah

terjadi pada tanaman Aegilops umbellulata dan Triticum aestivum

yang menghasilkan mutan tanaman tahan penyakit.

4. Inversi ialah mutasi yang mengalami perubahan letak gen-gen,

karena selama meiosis kromosom terpilin dan terjadi kiasma.

Inversi terjadi karena kromosom patah dua kali secara simultan

setelah terkena energi radiasi dan segmen yang patah ini

berotasi 180o dan menyatu kembali. Kejadian bila centromere

berada pada bagian kromosom yang terinversi disebut pericentric,

sedangkan bila centromere berada di luar kromosom yang terinversi

disebut paracentric. Inversi pericentric berhubungan dengan

duplikasi atau penghapusan chromatid yang dapat menyebabkan

aborsi gamet atau pengurangan frequensi rekombinasi gamet.

Perubahan ini akan ditandai dengan adanya aborsi tepung sari atau

biji tanaman, seperti dilaporkan terjadi pada tanaman jagung dan

barley. Inversi dapat terjadi secara spontan atau diinduksi dengan

bahan mutagen, dan dilaporkan bahwa sterilitas biji tanaman

heterosigot dijumpai lebih rendah pada kejadian inversi daripada

translokasi.

Macam-macam inversi antara lain sebagai berikut.

a. Inversi parasentrik; teriadi pada kromosom yang tidak

bersentromer.

b. lnversi perisentrik; terjadi pada kromosom yang bersentromer.

5. Isokromosom ialah mutasi kromosom yang terjadi pada waktu

menduplikasikan diri, pembelahan sentromernya mengalami

perubahan arah pembelahan sehingga terbentuklah dua kromosom

yang masing – masing berlengan identik (sama). Dilihat dari

pembelahan sentromer maka isokromosom disebut juga fision, jadi

peristiwanya berlawanan dengan translokasi Robertson (fusion)

yang mengalami penggabungan.

6. Katenasi ialah mutasi kromosom yang terjadi pada dua kromosom

non homolog yang pada waktu membelah menjadi empat

kromosom, salinq bertemu ujung-ujungnya sehingga membentuk

lingkaran.

Duplikasi gen ataupun duplikasi kromosom atau amplifikasi

gen merupakan kejadian bergandanya (duplikasi) suatu daerah bagian

DNA yang mengandung gen. Ia dapat terjadi sebagai kesalahan pada

rekombinasi homolog, kejadian retrotransposisi, ataupun duplikasi

keseluruhan kromosom. Kopi kedua dari gen ini seringkali terbebas

dari tekanan seleksi, yakni bahwa mutasi ini tidak memiliki efek

merugikan pada organisme inang. Oleh karenanya, gen ini bermutasi

lebih cepat dari generasi ke generasi organisme. Duplikasi merupakan

lawan dari delesi. Duplikasi terjadi akibat dari suatu kejadian yang

disebut sebagai pindah silang. Ini terjadi semasa meiosis antara

kromosom homolog yang salah jajar. Peluang hal ini terjadi yaitu

berupa fungsi derajat perkongsian elemen berulang antara dua

kromosom. Produk rekombinasi yaitu duplikasi pada daerah

pertukaran dan delesi timbalbalik.

Sebuah skema bagian kromosom sebelum dan sesudah kejadian

duplikasi

Delesi, yaitu pengurangan satu atau lebih pasangan nukleotida pada

suatu gen. seperti tampak pada gambar di bawah ini:

Inversi ialah mutasi yang mengalami perubahan letak gen-gen, karena

selama meiosis kromosom terpilin dan terjadi kiasma. Inversi terjadi

karena kromosom patah dua kali secara simultan setelah terkena energi

radiasi dan segmen yang patah ini berotasi 180o dan menyatu

kembali. Kejadian bila centromere berada pada bagian kromosom yang

terinversi disebut pericentric, sedangkan bila centromere berada di luar

kromosom yang terinversi disebut paracentric. Inversi pericentric

berhubungan dengan duplikasi atau penghapusan chromatid yang dapat

menyebabkan aborsi gamet atau pengurangan frequensi rekombinasi

gamet. Perubahan ini akan ditandai dengan adanya aborsi tepung sari

atau biji tanaman, seperti dilaporkan terjadi pada tanaman jagung dan

barley. Inversi dapat terjadi secara spontan atau diinduksi dengan bahan

mutagen, dan dilaporkan bahwa sterilitas biji tanaman heterosigot

dijumpai lebih rendah pada kejadian inversi daripada translokasi.

Macam-macam inversi antara lain sebagai berikut.

a) Inversi parasentrik; teriadi pada kromosom yang tidak bersentromer.

b) lnversi perisentrik; terjadi pada kromosom yang bersentromer.

Perubahan jumlah kromosom dalam makhluk hidup dapat dibedakan

menjadi

dua, yaitu:

a. Euploidi

Euploidi merupakan mutasi kromosom yang menyebabkan perubahan

set kromosom dalam tubuh individu. Individu normal yaitu individu

diploid (2n). Manusia normal memiliki 46 kromosom (2n=46).

Perubahan jumlah set kromosom menyebabkan munculnya individu

monoploid (n), triploid (3n), tetraploid (4n), dan seterusnya. Peristiwa

euploidi dapat dibedakan menjadi dua, yaitu (1) autopoliploidi, dimana

proses poliploidisasinya dilakukan spontan, dan (2) allopoliploidi, yang

memerlukan induksi dalam proses poliplodisasinya.

b. Aneuploidi

Aneuploidi merupakan mutasi kromosom yang menyebabkan

perubahanjumlah kromosom dalam tubuh individu. Individu normal

yaitu individu diploid (2n). Manusia normal memiliki 46 kromosom

(2n=46). Perubahan jumlah kromosom menyebabkan munculnya

individu nullisomi (2n-2), monosomi (2n-1), trisomi (2n+1), tetrasomi

(2n+2), dan seterusnya.

2. Mutasi Gen (Point Mutation)

Mutasi gen merupakan perubahan urutan sekuens gen karena terjadi

perubahan pada level DNA. Mutasi DNA dapat terjadi melalui proses

transisi, transversi, delesi, insersi, dan duplikasi. Mutasi gen dapat

berdampak pada terjadinya silent mutation (mutasi yang tidak

menyebabkan perubahan asam amino), nonsense mutation (mutasi yang

menyebabkan terbentuknya kodon STOP) dan missense mutation (mutasi

yang menyebabkan perubahan protein). Mutasi gen dapat dibedakan

menjadi dua, yaitu:

a. Pergantian Basa Nitrogen (Substitution Mutation)

Mutasi pergantian basa nitrogen dapat dibedakan menjadi dua, yaitu:

(1) transisi, apabila basa nitrogen berganti dengan dengan basa

nitrogen satu golongan (purin berganti dengan purin, pirimidin

berganti dengan pirimidin), dan (2) transversi, apabila basa nitrogen

berganti dengan dengan basa nitrogen berbeda golongan (purin

berganti dengan pirimidin, atau sebaliknya).

b. Perubahan Jumlah Basa Nitrogen (Frameshift Mutation)

Mutasi gen yang berdampak pada perubahan jumlah basa nitrogen

dapat terjadi melalui proses delesi (pengurangan), insersi

(penyisipan), dan duplikasi (penggandaan) DNA.

4.3 Mutasi Pada Sequence

Mutasi yaitu perubahan sequence genetik, yang merupakan

penyebab utama perbedaan di antara organisme. Perubahan ini terjadi pada

berbagai tingkatan, dengan konsekuensi yang sangat berbeda.

(http://www.nature.com /scitable/topicpage/genetic-mutation-1127). Menurut

Shen (2007), mutasi pada sequence DNA dapat diklasifikasikan menjadi 4 tipe,

yaitu :

a. Tipe I

Suatu mutasi yang disebabkan oleh perubahan nukleotida, misalnya dri

“a” menjadi “g”.

b. Tipe II

Suatu mutasi yang terjadi karena ada bagian nukleotida yang berubah

urutan posisinya, misalnya bagian “accgu” berubah urutan menjadi

“guacc”.

c. Tipe III

Suatu mutasi yang disebabkan oleh penyisipan segmen baru ke dalam

sequence, misalnya penyisipan “aa” di bagian tengah pada segmen

“gguugg” akan mengubah segmen menjadi “gguaaugg”

d. Tipe IV

Suatu mutasi yang terjadi karena penghapusan segmen nukleotida pada

sequence, misalnya menghapus nukleotida “ag” dari segmen “acaguua”

sehingga segmen berubah menjadi “acuua”.

Pada mutasi tipe I dan tipe II, posisi dari semua nukleotida tidak mengalami

perubahan maka mutasi ini disebut mutasi subtitusi. Sedangkan untuk mutasi

tipe III dan tipe IV yang bisa mengubah posisi nukleotida, maka disebut

sebagai mutasi pemindahan.

5.1 Bioinformatika sebagai Teknologi Sekuensing Terbaru

Pada masa sekarang ini hingga satu dekade ke depan, para peneliti akan

dihadapkan pada tantangan penyimpanan, pengolahan dan analisis data besar

(big data) yang dihasilkan dari teknologi Next-Generation Sequencing (NGS).

Analisis sekuen genom memakai pendekatan NGS merupakan proses

konversi dari materi biologis belum bermakna (sampel DNA atau RNA)

menjadi kode informasi (kode biner dan kode basa nukleotida) dan

diterjemahkan menjadi informasi biologis bermakna. Bioinformatika terlibat

secara nyata dan memiliki peran sangat penting dalam rangka mempermudah

setiap tahapan analisis NGS.

Bioinformatika merupakan bagian yang tidak terpisahkan dari teknologi

sekuensing generasi baru atau yang sering disebut Next-Generation

Sequencing (NGS). Pada masa sekarang ini hingga satu dekade ke depan, para

peneliti akan dihadapkan pada tantangan penyimpanan, pengolahan dan

analisis data besar (big data) yang dihasilkan dari teknologi NGS. Setidaknya,

empat tahapan wajib dilakukan dalam analisis sekuen nukleotida

memakai platform NGS yaitu (1) pemanggilan basa (base calling) pasca

sekuensing, (2) penjajaran dan penggabungan sekuen (assembly), (3) anotasi

sekuen (annotation), dan (4) integrasi data bioinformatika menjadi data

biologis (data integration).

Bab

Penelitian Pesejajaran Sequence di negara kita

Pertama, analisis pemanggilan basa (base calling) pada potongan pendek

sekuen (100-500 pasangan basa) yang disebut reads pasca prosesi sekuensing

genom atau transkrip dilakukan memakai piranti lunak berbasis modul

perintah (Command Line Interface, CLI). Kedua, contig dan scaffold disusun

memakai penjajaran dan penggabungan (assembly) sekuen nukleotida

pendek ini . Contig dan scaffold merupakan bentuk gabungan reads yang

umumnya memiliki panjang ratusan hingga ratusan ribu pasang basa. Ketiga,

anotasi dan visualisasi sekuen contig dan scaffold kemudian dilakukan

memakai piranti lunak berbasis grafis (Graphical Processing Unit, GPU)

seperti BLAST2GO. Keempat, keseluruhan analisis bioinformatika dari

platform NGS seperti GO (Gene Ontology), KEGG (Kyoto Encyclopedia of Genes

and Genomes) hingga DGE (Differential Gene Expression) diintegrasi menjadi

satu luaran informasi yang koheren serta memberikan makna biologis. Saat

ini, beberapa tool bioinformatika untuk analisis data NGS tersedia secara

daring dan tidak dipungut biaya, seperti Galaxy (https://usegalaxy.org/) dan

Genomic tools (http://molbiol-tools.ca/Genomics.htm).

Analisis bioinformatika terlibat bahkan sejak sekuen nukleotida mentah

(raw nucleotide sequence) dihasilkan dari mesin sekuensing seperti Illumina,

SFF, HDF5, CG atau SOLID). Proses sekuensing sendiri mendeteksi basa-basa

nukleotida dan mengubahnya secara komputasi menjadi data reads. Sistem

format FASTQ dipakai untuk mengukur kualitas dari sekuen reads yang

dihasilkan. Pengukuran ini pada dasarnya yaitu memberikan penilaian

apakah basa yang terbaca akurat atau tidak. Data dalam bentuk FASTQ sukar

untuk dipakai pada peneliti di laboratorium karena data berukuran besar

dan masih berbentuk kode angka dan karakter, bukan dalam bentuk kode

basa nukleotida. Oleh sebab itu, data FASTQ pada umumnya dikonversi

menjadi bentuk kompak yang disebut SAM (Sequence Alignment Map) dan

kemudian lebih dikompres menjadi BAM (Binary Alignment Map).

Penjajaran sekuen reads untuk membentuknya menjadi sekuen yang lebih

panjang berupa contig dan/atau scaffold dapat dilakukan dengan dua

pendekatan berbasis bioinformatika yaitu (1) pemetaan komparatif

(comparative mapping) dimana sekuen reads disejajarkan dengan sekuen

genom referensi (reference genome) dan (2) penggabungan sekuen dengan

memanfaatkan sekuen reads yang saling tumpang tindih (overlapping reads).

Pendekatan kedua ini lebih dikenal sebagai de novo assembly. Saat ini,

berbagai genom referensi telah tersedia untuk spesies baik hewan dan

tanaman. Umumnya, para peneliti yang melakukan pendekatan de novo

assembly akan tetap membandingkan dan mengkonfirmasi sekuen mereka

memakai referensi genom yang telah ada baik pada spesies yang sama

maupun pada spesies terdekat. Dalam mengkonfirmasi hasil assembly secara

manual, para peneliti memakai piranti lunak seperti Tablet® untuk

memvisualisasikan sekuen contig atau scaffold mereka.

Pada tahapan berikutnya, bioinformatika dibutuhkan lebih spesifik dalam

menganotasi, mengubah dan menerjemahkan sekuen nuleotida menjadi

informasi genomika tingkat tinggi seperti menentukan daerah penyandi

protein (coding sequence, CDS), daerah yang tidak menyandi protein (non

coding), bentuk isoform sekuen mRNA, sinyal peptida, dan elemen repetitif

(repeat elements). Pada organisme eukariotik yang memiliki struktur genom

lebih kompleks dibanding organisme prokatiotik, anotasi genom menjadi lebih

sulit dan menantang. Analisis pada genom yang lebih kompleks umumnya

dilakukan memakai rangkaian proses anotasi yang disebut GAP (genome

annotation pipeline). Pada basis data publik, The NCBI Eukaryotic Genome

Annotation Pipeline tersedia untuk genom eukariotik

(http://www.ncbi.nlm.nih.gov/genome/annotation_euk/process/). GAP

ini terdiri dari langkah pertama berupa identifikasi dan mengeliminasi

elemen genom repetitif (mikrosatelit, retrotransposon dan transposon)

memakai RepeatMasker, Censor atau WindowMasker. Langkah pertama

ini penting untuk menyaring sekuen repetitif yang dapat mengganggu

analisis BLAST dalam anotasi sekuen penyandi protein. Langkah berikutnya

dari GAP yaitu anotasi transkrip, penjajaran protein/domain, prediksi model

gen, penamaan gen dan lokus, dan pemberian GeneID.

Analisis bioinformatika tingkat lanjut pada NGS harus menghasilkan

makna biologis dari sekuen genom. Salah satu analisis tingkat lanjut ini

yaitu GO (Gene Ontology). GO menyediakan terminologi dari gen, interaksi

protein-protein yang terlibat sebagai komponen seluler, fungsi molekuler dan

proses biologis terkait. Dalam sejarahnya, analisis GO dimulai hanya dari basis

data dari tiga organisme model yaitu FlyBase (Drosophila), the Saccharomyces

Genome Database (SGD) and the Mouse Genome Database (MGD). Saat ini,

Konsorsium Kontributor GO telah terbentuk dan terus menambahkan basis

data baru dari organisme yang genomnya baru disekuen. Daftar contributor

GO ini dapat diakses melalui tautan: http://geneontology.org/page/go-

consortium-contributors-list. Selain GO, analisis ontologi serupa juga

disediakan oleh beberapa provider yang berbeda seperti: the Open Biological

and Biomedical Ontologies (OBBO), Reactome, DAVID, and the KEGG (Kyoto

Encyclopedia of Genes and Genomes) Pathway database.

Pada akhirnya, analisis sekuen genom memakai pendekatan NGS

merupakan proses konversi dari materi biologis belum bermakna (sampel

DNA atau RNA) menjadi kode informasi (kode biner dan kode basa

nukleotida) dan diterjemahkan menjadi informasi biologis bermakna.

Bioinformatika terlibat secara nyata dan memiliki peran sangat penting dalam

rangka mempermudah setiap tahapan analisis NGS. Bioinformatika

terintegrasi dalam NGS telah menjadi bagian tidak terpisahkan dalam rangka

memberikan makna biologis pada sekuen.

5.2 Penelitian Analisis Sequence Protein

Pensejajaran Sequence Protein memakai Algoritma Smith Waterman

Dua aspek penting dalam algoritma Smith Waterman ini, antara lain:

a. Menghitung nilai pada tabel dua dimensi

Algoritma Smith Waterman menmbahkan 0 ketika menghitung 𝑠(𝑖, 𝑗) sehingga

skor negatif tidak akan pernah terjadi pada Algoritma ini. Keuntungannya akan

memperjelas lintasan backward.

𝑠(𝑖, 𝑗) = max {

𝑠(𝑖 − 1, 𝑗 − 1) + 𝑠(𝑥𝑖 , 𝑦𝑖)

𝑠(𝑖 − 1, 𝑗) − 𝑑

𝑠(𝑖, 𝑗 − 1) − 𝑑

b. Algoritma Traceback

Titik awal dan akhir dari metode backtrace pada Algoritma Smith Waterman

dipilih elemen dengan skor maksimal. Titik akhirnya yaitu elemen pertama

dengan nilai 0 pada proses backtrace. Titik awal dengan skor maksimal akan

menjamin skor maksimal pada alignment sequence lokal, dan titik akhirnya

yaitu elemen pertama dengan nilai 0 menjamin bahwa bagian ini tidak

terlampaui. Bagian yang berhubungan dengan lintasan backward merupakan

bagian yang memiliki skor penalti minimum.

Pada pensejajaran ini dipakai 19 sample data sequence protein virus zika,

4 sample data sequence protein pasien terinfeksi virus dengue type 1, type 2, type

3, dan type 4 yang berasal dari negara kita . Dari keseluruhan sampel virus zika

ini , diambil 1 sequence virus dari negara kita (Jambi) dan disejajarkan dengan

sequence virus dengue dari masing-masing type, yang juga diambil dari negara kita .

Selanjutnya dicari perbedaan antar sequence, persamaan kedua sequence dan

prosentasenya, durasi waktu, dan mutasi yang terjadi. Proses dikerjakan secara

statis karena sequence yang disejajarkan hanya 4 sequence dengue dengan 1

sequence zika.

Data sequence virus dengue yang diambil secara online di genbank,

database gen terbesar di dunia milik pemerintah Amerika Serikat. Adapun

pengambilannya dengan mengakses National Center for Biotechnology

Information (NCBI, www.ncbi.nlm.nih.gov). Selanjutnya diambil sequence

masing-masing virus dan disimpan kode FASTAnya dalam format txt. Adapun data

sequence ditunjukkan oleh tabel 1 dan 2 berikut.

Tabel 1 Data sequence protein pasien terinfeksi virus dengue

Access

Code

Type

Sequence

Length

Date of Sample

Collection

Explanation

1 AHG06327 1 3392 15-02-2008

Dengue virus 1 isolate Makassar-

0398, complete genom

2 AHG06364 2 3391 05-04-2010

Dengue virus 2 isolate Makassar-

WS80, complete genom

3 AHG06376 3 3390 22-03-2010

Dengue virus 3 isolate Makassar-

WS78, complete genom

4 AHG06382 4 3387 30-04-2008

Dengue virus 4 isolate Makassar-

2007, complete genom

Tabel 2 Data sequence protein pasien terinfeksi virus Zika

No Access Code

Sequence

Length

Country

Date of Sample

Collection

Explanation

1 KM078936 976 Easter Island Chili 1 Maret 2014 Partial cds

2 KJ873160 893 New Caledonia 3 April 2014 Partial cds

3 KJ776791 10.807 French Polinesia 28 Nov 2013 Complete genom

4 KM851039 789 Thailand 19 Juli 2014 Partial cds

5 KF993678 10.141 Canada 19 Feb 2013 Partial cds

6 AMK 49492 383 negara kita (Jambi) 30 Des 2014 Partial cds

7 JN860885 10.269 Cambodia 2010 Partial cds

8 EU545988 10.272 Yap Micronesia Juni 2010 Complete cds

9 KM851038 789 Philippines 9 Mei 2012 Partial cds

10 HQ234499 10.269 Malaysia 1966

Partial cds;

host: Aedes

Aegypti

MR766

/ABY86749

255 EI 2015 Partial cds

AY632535 /

AAV34151.

10.794 Uganda 1947

Complete cds;

Host: sentinel

monkey

13 KF268948 10.788

Central African

Republic

1976

Complete cds;

Host: aedes

Africanus

14 KF383091 708 Senegal 2001 Partial cds

15 HQ234500 10.251 Nigeria 1968 Partial cds

16 KF383084 708 Senegal 1991 Partial cds

17 HQ234501 10.269 Senegal 1984 Partial cds

18 KF383113 708 Cote de Ivoire 1980 Partial cds

19 DQ859064 10.290 South Africa -

Complete cds;

Spondweni virus

Dengan memakai algoritma Smith Waterman, pensejajaran antara virus zika

dengan virus Dengue ditunjukkan pada table 3 berikut.

Table 3. Matlab Berdasarkan Algoritma Smith Waterman

Sequence

Similarity/

Dissimilarity

Percentace (%)

Duration

(s)

DEN-V Type ZIK-V Sim Diss Sim Diss

AHG06327 1 AMK49492 273 108 71.4660 28.27 0.062

AHG06364 2 AMK49492 272 108 71.0183 28.20 0.094

AHG06376 3 AMK49492 274 107 71.5405 27.94 0.359

AHG06382 4 AMK49492 271 110 70.7572 28.72 0.156

Berdasarkan keluaran empat pensejajaran, dan dibandingkan dengan Basic Search

Alignment Search Tool (BLAST), yaitu sebuah program untuk membandingkan

urutan nukleotida atau protein ke database urutan dan menghitung signifikansi

statistik dari dua urutan kecocokan ditunjukkan pada tabel 4 berikut.

Tabel 4. Perbandingan Matlab and BLAST

Sequence Sequence length Identical value Duration (s)

DEN-V Type ZIK-V DEN-

ZIK-V Matlab BLAST Matlab BLAST

AHG06327 1 AMK49

492

3392 383 71,466 % 71 % 0,062 12,16

AHG06364 2 AMK49

492

3391 383 71,0183% 71 % 0,094 11,27

AHG06376 3 AMK49

492

3390 383 71,5405% 71 % 0,359 6,58

AHG06382 4 AMK49

492

3387 383 70,7572% 71 % 0,156 10,68

Dari tabel 4 di atas, dapat diketahui bahwa output pensejajaran sequence virus Zika

dan virus Dengue pada simulasi matlab memiliki nilai lebih lebih akurat daripada

output BLAST. Terbukti dengan tingkat keakuratan output simulasi matlab sampai

4 angka desimal, sedangkan BLAST hanya menampilkan 2 angka signifikan dan

juga durasi waktu komputasi pada simulasi matlab lebih pendek dari waktu

komputasi pada BLAST (Pradana & Amiroch, 2018).

5. Pohon Filogenetik Penyebaran Virus Zika Jambi

Analisis Penyebaran Virus Zika berdasarkan output MUSCLE

Sebelum dikonstruksi pohon filogenetik, masing-masing sequence

disejajarkan terlebih dahulu. Dari 19 data yang diperoleh, ternyata jenis datanya

tidak sama, beberapa memakai data protein, beberapa data DNA. Sehingga

untuk keseragaman, sebagian besar data DNA diubah menjadi data protein dan

diakses mengikuti penamaan sequence proteinnya. Sehingga data protein

keseluruhan sequence virus Zika ini ditunjukkan tabel 5 berikut.

Tabel 5. Kode akses protein yang dipakai sebagai data

No Kode semula

Kode akses

Protein

Panjang

seq. (bp)

Negara

Tanggal

pengumpulan

sampel

1 KM078936

AJD79008

976

Easter Island

Chili

1 Maret 2014

2 KJ873160

AJA40023

893

New

Caledonia

3 April 2014

3 KJ776791

AHZ13508

10.807

French

Polinesia

28 Nov 2013

4 KM851039 AKH87423 789 Thailand 19 Juli 2014

5 KF993678 AHL37808 10.141 Canada 19 Feb 2013

6 AMK 49492

AMK49492

383

negara kita

(Jambi)

30 Des 2014

7 JN860885 AFD30972 10.269 Cambodia 2010

8 EU545988

ACD75819

10.272

Yap

Micronesia

Juni 2010

9 KM851038 AKH87424 789 Philippines 9 Mei 2012

10 HQ234499 AEN75264 10.269 Malaysia 1966

MR766

/ABY86749

ABY86749

255 EI 2015

AY632535 /

AAV34151.1

AAV34151

10.794 Uganda 1947

13 KF268948

AHF43978 10.788

Central

African

Republic

1976

14 KF383091 AHL43476 708 Senegal 2001

15 HQ234500 AEN75265 10.251 Nigeria 1968

16 KF383084 AHL43469 708 Senegal 1991

17 HQ234501 AEN75266 10.269 Senegal 1984

18 KF383113 AHL43498 708 Cote de Ivoire 1980

19 DQ859064 ABI54480 10.290 South Africa -

Dari output CLUSTALW2 diperoleh matriks prosentase identik pada masing-

masing sequence seperti berikut ini.

Matrix nilai identik dari 14 sequence

Terlihat bahwa nilai identiknya tinggi sekali. Hal itu menunjukkan bahwa

tingkat kemiripan sequence satu dengan yang lain sangatlah tinggi. Beberapa

sequence menunjukkan kemiripan 100% seperti pada sequence 5 dan sequence 12,

sequence 6 dengan sequence 11,12,13, dan seterusnya (Pradana & Amiroch, 2018).

Untuk pohon filogenetik bentukan MUSCLE tampak pada gambar 1 berikut.

Gambar 1. Pohon filogenetik hasil output program MUSCLE

Berdasarkan gambar 4.5 ini , diketahui bahwa virus Zika terpisah

menjadi dua cluster. Untuk lebih jelasnya dibentuk tabel 6 berikut.

Tabel 6. Cluster I penyebaran Virus Zika

No. Kode akses Nama daerah

1 ABI54480 South Africa

2 AJD79008 Easter Island Chili

3 AJA40023 New Caledonia

4 AKH87424 Philipina

5 ACD75819 Yap Micronesia

6 AKH87423 Thailand

7 AFD30972 Cambodia

8 AMK49492 negara kita (Jambi)

Karena sebagian besar penyebaran virus pada cluster I ini berada di Asia, maka

disebut “Cluster Asia”. Nampak pada pohon filogenetik penyebaran hingga ke

negara kita yang pertama kali berasal dari Afrika Selatan, menyebar ke pulau Chili,

Caledonia, Philipina, Yap Micronesia, Thailand, Cambodia, dan akhirnya sampai

ke negara kita (Pradana & Amiroch, 2018). Sedangkan untuk cluster kedua, daerah

penyebarannya ditabelkan sebagai berikut:

Tabel 7. Cluster II penyebaran Virus Zika

No. Kode akses Nama daerah

1 AHL43476 Senegal

2 ABY86749 El-Salvador

3 AHL43498 Cote de Ivoire

4 AHL43469 Senegal

5 AEN75266 Senegal

6 AEN75265 Nigeria

7 AHF49783 Central African Republic

8 AAV34151 Uganda

9 AEN75264 Malaysia

10 AHZ13508 French Polinesia

Dari cluster II pada tabel 7 ini , sebagian besar berada pada daerah Afrika,

sehingga cluster kedua disebut “Cluster Africa”.

Pensejajaran Sequence.

ARTICLE

POPULAR

TRANSLATE

Privacy Policy for sakitx.blogspot.com

Log Files

Google DoubleClick DART Cookie

Our Advertising Partners

Privacy Policies

Third Party Privacy Policies

Children's Information

Online Privacy Policy Only

Consent

Terms and Conditions

Cookies

License

Hyperlinking to our Content

iFrames

Content Liability

Reservation of Rights

Removal of links from our website

Disclaimer

viewer

Penulis

SEARCH

archive

Pensejajaran Sequence.

Social Profiles

ARTICLE

POPULAR

TRANSLATE

Privacy Policy for sakitx.blogspot.com

Log Files

Google DoubleClick DART Cookie

Our Advertising Partners

Privacy Policies

Third Party Privacy Policies

Children's Information

Online Privacy Policy Only

Consent

Terms and Conditions

Cookies

License

Hyperlinking to our Content

iFrames

Content Liability

Reservation of Rights

Removal of links from our website

Disclaimer

viewer

Penulis

SEARCH

archive