Bioinformatika (bahasa Inggris: bioinformatics) adalah (ilmu yang mempelajari) penerapan teknik komputasional bagi mengelola dan menganalisis informasi biologis. Bidang ini mencakup penerapan metode-metode matematika, statistika, dan informatika bagi memecahkan masalah-masalah biologis, terutama dengan menggunakan sekuens DNA dan asam amino serta informasi yang berkaitan dengannya. Contoh topik utama bidang ini meliputi basis data bagi mengelola informasi biologis, penyejajaran sekuens (sequence alignment), prediksi bangun bagi meramalkan bentuk bangun protein maupun bangun sekunder RNA, analisis filogenetik, dan analisis ekspresi gen.
Sejarah
Istilah bioinformatics mulai dikatakan pada pertengahan era 1980-an bagi mengacu pada penerapan komputer dalam biologi. Namun demikian, penerapan bidang-bidang dalam bioinformatika (seperti pembuatan basis data dan upaya meningkatkan mutu algoritma bagi analisis sekuens biologis) sudah diterapkan sejak tahun 1960-an.
Kemajuan teknik biologi molekular dalam mengungkap sekuens biologis dari protein (sejak permulaan 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, sementara basis data sekuens DNA dikembangkan pada terakhir 1970-an di Amerika Serikat dan Jerman (pada European Molecular Biology Laboratory, Laboratorium Biologi Molekular Eropa). Penemuan teknik sekuensing DNA yang bertambah cepat pada pertengahan 1970-an dijadikan dasar dijadikannya ledakan jumlah sekuens DNA yang berhasil diungkapkan pada 1980-an dan 1990-an, dijadikan salah satu pembuka jalan bagi proyek-proyek pengungkapan genom, meningkatkan kebutuhan akan pengelolaan dan analisis sekuens, dan pada terakhirnya menyebabkan lahirnya bioinformatika.
Perkembangan Internet juga mendukung berkembangnya bioinformatika. Basis data bioinformatika yang terhubung melalui Internet memperingankan ilmuwan mengerahkan hasil sekuensing ke dalam basis data tersebut maupun memperoleh sekuens biologis sebagai bahan analisis. Selain itu, penyebaran program-program aplikasi bioinformatika melalui Internet memperingankan ilmuwan mengakses program-program tersebut dan lalu memperingankan upaya meningkatkan mutunya.
Penerapan utama bioinformatika
Basis data sekuens biologis
Berdasarkan dengan macam informasi biologis yang disimpannya, basis data sekuens biologis bisa berupa basis data primer bagi menyimpankan sekuens primer asam nukleat maupun protein, basis data sekunder bagi menyimpankan motif sekuens protein, dan basis data bangun bagi menyimpankan data bangun protein maupun asam nukleat.
Basis data utama bagi sekuens asam nukleat saat ini adalah GenBank (Amerika Serikat), EMBL (Eropa), dan DDBJ(Inggris) (DNA Data Bank of Japan, Jepang). Ketiga basis data tersebut bertugas sama dan bertukar data dengan cara harian bagi mengawal kelonggaran cakupan setiap basis data. Sumber utama data sekuens asam nukleat adalah submisi langsung dari periset individual, proyek sekuensing genom, dan pendaftaran paten. Selain memuat sekuens asam nukleat, entri dalam basis data sekuens asam nukleat umumnya memuat informasi tentang macam asam nukleat (DNA atau RNA), nama organisme sumber asam nukleat tersebut, dan pustaka yang berkaitan dengan sekuens asam nukleat tersebut.
Sementara itu, contoh beberapa basis data penting yang menyimpankan sekuens primer protein adalah PIR (Protein Information Resource, Amerika Serikat), Swiss-Prot (Eropa), dan TrEMBL (Eropa). Ketiga basis data tersebut telah digabungkan dalam UniProt (yang didanai terutama oleh Amerika Serikat). Entri dalam UniProt memuat informasi tentang sekuens protein, nama organisme sumber protein, pustaka yang berkaitan, dan ulasan yang umumnya memuat penjelasan mengenai fungsi protein tersebut.
BLAST (Basic Local Alignment Search Tool) adalah perkakas bioinformatika yang berkaitan dekat dengan penggunaan basis data sekuens biologis. Penelusuran BLAST (BLAST search) pada basis data sekuens memungkinkan ilmuwan bagi berusaha mendapatkan sekuens asam nukleat maupun protein yang mirip dengan sekuens tertentu yang dimilikinya. Perihal ini berguna misalnya bagi menemukan gen sejenis pada beberapa organisme atau bagi memeriksa keabsahan hasil sekuensing maupun bagi memeriksa fungsi gen hasil sekuensing. Algoritma yang mendasari kerja BLAST adalah penyejajaran sekuens.
PDB (Protein Data Bank, Bank Data Protein) adalah basis data tunggal yang menyimpankan model struktural tiga dimensi protein dan asam nukleat hasil penentuan eksperimental (dengan kristalografi sinar-X, spektroskopi NMR dan mikroskopi elektron). PDB menyimpankan data bangun sebagai koordinat tiga dimensi yang menggambarkan jabatan atom-atom dalam protein ataupun asam nukleat.
Penyejajaran sekuens
Penyejajaran sekuens (sequence alignment) adalah ronde penyusunan/pengaturan dua atau bertambah sekuens sehingga persamaan sekuens-sekuens tersebut kelihatan nyata. Hasil dari ronde 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 watak yang identik atau sama di selang sekuens-sekuens tersebut. Berikut adalah contoh alignment DNA dari dua sekuens pendek DNA yang lain, "ccatcaac" dan "caatgggcaac" (tanda "|" menunjukkan kecocokan atau match di selang kedua sekuens).
ccat---caac
| || ||||
caatgggcaac
Sequence alignment adalah metode dasar dalam analisis sekuens. Metode ini digunakan bagi mempelajari evolusi sekuens-sekuens dari leluhur yang sama (common ancestor). Ketidakcocokan (mismatch) dalam alignment diasosiasikan dengan ronde mutasi, sedangkan kesenjangan (gap, tanda "–") diasosiasikan dengan ronde insersi atau delesi. Sequence alignment memberikan hipotesis atas ronde evolusi yang dijadikan dalam sekuens-sekuens tersebut. Misalnya, kedua sekuens dalam contoh alignment di atas bisa aci berevolusi dari sekuens yang sama "ccatgggcaac". Dalam kaitannya dengan perihal ini, alignment juga bisa menunjukkan posisi-posisi yang dipertahankan (conserved) selama evolusi dalam sekuens-sekuens protein, yang menunjukkan bahwa posisi-posisi tersebut bisa aci penting bagi bangun atau fungsi protein tersebut.
Selain itu, sequence alignment juga digunakan bagi berusaha mendapatkan sekuens yang mirip atau sama dalam basis data sekuens. BLAST adalah salah satu metode alignment yang sering digunakan dalam penelusuran basis data sekuens. BLAST menggunakan algoritma heuristik dalam penyusunan alignment.
Beberapa metode alignment lain yang adalah pendahulu BLAST adalah metode "Needleman-Wunsch" dan "Smith-Waterman". Metode Needleman-Wunsch digunakan bagi menyusun alignment global di selang dua atau bertambah sekuens, adalah alignment atas keseluruhan panjang sekuens tersebut. Metode Smith-Waterman memproduksi alignment lokal, adalah alignment atas bagian-bagian dalam sekuens. Kedua metode tersebut menerapkan pemrograman dinamik (dynamic programming) dan hanya efektif bagi alignment dua sekuens (pairwise alignment)
Clustal adalah program bioinformatika bagi alignment multipel (multiple alignment), adalah alignment beberapa sekuens sekaligus. Dua varian utama Clustal adalah ClustalW dan ClustalX.
Metode lain yang bisa diterapkan bagi alignment sekuens adalah metode yang mengadakan komunikasi dengan Hidden Markov Model ("Model Markov Tersembunyi", HMM). HMM adalah model statistika yang mulanya digunakan dalam ilmu komputer bagi mengenali pembicaraan manusia (speech recognition). Selain digunakan bagi alignment, HMM juga digunakan dalam metode-metode analisis sekuens lainnya, seperti prediksi daerah pengkode protein dalam genom dan prediksi bangun sekunder protein.
Prediksi bangun protein
Dengan cara kimia/fisika, bentuk bangun 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 bertambah mudah mengungkapkan sekuens asam amino protein. Prediksi bangun protein berusaha meramalkan bangun tiga dimensi protein berdasarkan sekuens asam aminonya (dengan kata lain, meramalkan bangun tersier dan bangun sekunder berdasarkan bangun primer protein). Dengan cara umum, metode prediksi bangun protein yang tidak kekurangan saat ini bisa dikategorikan ke dalam dua gugusan, adalah metode pemodelan protein komparatif dan metode pemodelan de novo.
Pemodelan protein komparatif (comparative protein modelling) meramalkan bangun suatu protein berdasarkan bangun protein lain yang sudah diketahui. Salah satu penerapan metode ini adalah pemodelan homologi (homology modelling), adalah prediksi bangun tersier protein berdasarkan kesamaan bangun primer protein. Pemodelan homologi didasarkan pada teori bahwa dua protein yang homolog memiliki bangun yang sangat mirip satu sama lain. Pada metode ini, bangun suatu protein (disebut protein target) dipilihkan berdasarkan bangun protein lain (protein templat) yang sudah diketahui dan memiliki kemiripan sekuens dengan protein target tersebut. Selain itu, penerapan lain pemodelan komparatif adalah protein threading yang didasarkan pada kemiripan bangun tanpa kemiripan sekuens primer. Latar belakang protein threading adalah bahwa bangun protein bertambah dikonservasi daripada sekuens protein selama evolusi; daerah-daerah yang penting bagi fungsi protein dipertahankan bangunnya. Pada pendekatan ini, bangun yang paling kompatibel bagi suatu sekuens asam amino dipilih dari semua macam bangun tiga dimensi protein yang tidak kekurangan. Metode-metode yang tergolong dalam protein threading berusaha memilihkan tingkat kompatibilitas tersebut.
Dalam pendekatan de novo atau ab initio, bangun protein dipilihkan dari sekuens primernya tanpa membandingkan dengan bangun protein lain. Terdapat banyak kemungkinan dalam pendekatan ini, misalnya dengan menirukan ronde pelipatan (folding) protein dari sekuens primernya dijadikan bangun tersiernya (misalnya dengan simulasi dinamika molekular), atau dengan optimisasi global fungsi energi protein. Prosedur-prosedur ini cenderung membutuhkan ronde komputasi yang intens, sehingga saat ini hanya digunakan dalam memilihkan bangun protein-protein kecil. Beberapa usaha telah diterapkan bagi mengatasi tidak cukup sumber daya komputasi tersebut, misalnya dengan superkomputer (misalnya superkomputer Blue Gene [1] dari IBM) atau komputasi terdistribusi (distributed computing, misalnya proyek Folding@home) maupun komputasi grid.
Analisis ekspresi gen
Ekspresi gen bisa dipilihkan dengan mengukur kadar mRNA dengan bermacam 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 agung yang mengukur ekspresi banyak gen (bahkan genom) dan memproduksi data skala agung. Metode-metode penggalian data (data mining) diterapkan pada data tersebut bagi memperoleh pola-pola informatif. Sebagai contoh, metode-metode komparasi digunakan bagi membandingkan ekspresi di selang gen-gen, sementara metode-metode klastering (clustering) digunakan bagi mempartisi data tersebut berdasarkan kesamaan ekspresi gen.
Bioinformatika di Indonesia
Saat ini mata petuah bioinformatika maupun mata petuah dengan muatan bioinformatika sudah diajarkan di beberapa perguruan tinggi di Indonesia. Sekolah Ilmu dan Teknologi Hayati ITB menawarkan mata kuliah "Pengantar Bioinformatika" bagi program Sarjana dan mata kuliah "Bioinformatika" bagi program Pascasarjana. Fakultas Teknobiologi Universitas Atma Jaya, Jakarta menawarkan mata kuliah "Pengantar Bioinformatika". Mata kuliah "Bioinformatika" diajarkan pada Program Pascasarjana Kimia Fakultas MIPA Universitas Indonesia (UI), Jakarta. Mata kuliah "Proteomik dan Bioinformatika" termasuk dalam kurikulum program S3 bioteknologi Universitas Gadjah Mada (UGM), Yogyakarta. Materi bioinformatika termasuk di dalam silabus beberapa mata kuliah bagi program sarjana maupun pascasarjana biokimia,biologi, dan bioteknologi pada Institut Pertanian Bogor (IPB). Selain itu, riset-riset yang mengarah pada bioinformatika juga telah diterapkan oleh mahasiswa program S1 Ilmu Komputer maupun program pascasarjana biologi serta bioteknologi IPB.
Riset bioinformatika protein diterapkan sebagai anggota dari keaktifan riset rekayasa protein pada Laboratorium Rekayasa Protein, Pusat Riset Bioteknologi Lembaga Ilmu Pengetahuan Indonesia (LIPI), Cibinong, Bogor. Lembaga Biologi Molekul Eijkman, Jakarta, dengan cara khusus memiliki laboratorium bioinformatika sebagai sarana penunjang programa risetnya. Selain itu, basis data sekuens DNA mikroorganisme asli Indonesia baru saja dikembangkan di UI.
Lihat pula
Referensi dan bacaan lanjutan
- (Inggris) Attwood, T.K., dan D.J. Parry-Smith. 1999. Introduction to Bioinformatics. Harlow: Pearson Education. ISBN 0-582-32788-1
- (Inggris) Krane, D.E., dan M.L. Raymer. 2003. Fundamental Concepts of Bioinformatics. San Francisco: Benjamin Cummings. ISBN 0-8053-4633-3
- (Inggris) Mount, D.W. 2001. Bioinformatics: Sequence and Genome Analysis. Cold Spring Harbor: Cold Spring Harbor Laboratory Press. ISBN 0-87969-608-7
Pranala luar
- (Inggris) Daftar pertanyaan yang sering muncul tentang bioinformatika
- (Indonesia) Bioinformatika dan bioteknologi (oleh Arief B. Witarto, peneliti LIPI)
- (Inggris) Jurnal Bioinformatics, salah satu jurnal ilmiah yang memfokuskan diri pada tema bioinformatika
- (Inggris) International Society for Computational Biology (ISCB)
- (Inggris) Asia Pacific Bioinformatics Network (APBioNet)
- (Inggris) Tutorial bioinformatika bagi pemula (menggunakan alat-alat bioinformatika yang tersedia di Internet)
- (Inggris) Download materi bioinformatika (S-Star Bioinformatics Education)
- (Inggris) Planet.Bioinformatics | Agregasi blog bioinformatika
- (Inggris) Linux / Unix biology software
Sumber :
id.wikipedia.org, m.andrafarm.com, pasar.gilland-ganesha.com, wiki.edunitas.com, dsb.
