Bioinformatika (bahasa Inggris: bioinformatics) yaitu (ilmu yang mempelajari) penerapan teknik komputasional untuk mengelola dan menganalisis informasi biologis. Bidang ini meliputi penerapan metode-metode matematika, statistika, dan informatika untuk 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 untuk mengelola informasi biologis, penyejajaran sekuens (sequence alignment), prediksi bangun untuk meramalkan nyata bangun protein maupun bangun sekunder RNA, analisis filogenetik, dan analisis ekspresi gen.
Sejarah
Istilah bioinformatics mulai dikatakan pada pertengahan era 1980-an untuk mengacu pada penerapan komputer dalam biologi. Tetapi demikian, penerapan bidang-bidang dalam bioinformatika (seperti pembuatan basis data dan pengembangan algoritma untuk analisis sekuens biologis) sudah dilanjutkan sejak tahun 1960-an.
Kemajuan teknik biologi molekular dalam mengungkap sekuens biologis dari protein (sejak awal 1950-an) dan asam nukleat (sejak 1960-an) mengawali peningkatan basis data dan teknik analisis sekuens biologis. Basis data sekuens protein mulai dikembangkan pada tahun 1960-an di Amerika Serikat, selama basis data sekuens DNA dikembangkan pada kesudahan 1970-an di Amerika Serikat dan Jerman (pada European Molecular Biology Laboratory, Laboratorium Biologi Molekular Eropa). Penemuan teknik sekuensing DNA yang lebih cepat pada pertengahan 1970-an dibuat menjadi landasan terjadinya ledakan jumlah sekuens DNA yang berhasil dibentangkan pada 1980-an dan 1990-an, dibuat menjadi salah satu pembuka jalan untuk proyek-proyek pengungkapan genom, menjadi berkembang kebutuhan akan pengelolaan dan analisis sekuens, dan pada kesudahannya menyebabkan lahirnya bioinformatika.
Peningkatan Internet juga mendukung berkembangnya bioinformatika. Basis data bioinformatika yang terhubung melewati Internet memudahkan ilmuwan mengumpulkan hasil sekuensing ke dalam basis data tersebut maupun memperoleh sekuens biologis sebagai bahan analisis. Pautan daripada itu, penyebaran rancangan-program aplikasi bioinformatika melewati Internet memudahkan ilmuwan mengakses program-program tersebut dan kesudahan memudahkan pengembangannya.
Penerapan utama bioinformatika
Basis data sekuens biologis
Berlandaskan dengan macam 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 bangun untuk menyimpan data bangun protein maupun asam nukleat.
Basis data utama untuk sekuens asam nukleat saat ini yaitu GenBank (Amerika Serikat), EMBL (Eropa), dan DDBJ(Inggris) (DNA Data Bank of Japan, Jepang). Ketiga basis data tersebut bekerja selaras dan bertukar data secara harian untuk melindungi keluasan cakupan masing-masing basis data. Asal utama data sekuens asam nukleat yaitu submisi langsung dari periset individual, proyek sekuensing genom, dan pendaftaran paten. Pautan daripada berisi sekuens asam nukleat, entri dalam basis data sekuens asam nukleat umumnya mengandung informasi tentang macam asam nukleat (DNA atau RNA), nama organisme asal asam nukleat tersebut, dan pustaka yang berkaitan dengan sekuens asam nukleat tersebut.
Selama itu, contoh beberapa basis data penting yang menyimpan sekuens primer protein yaitu 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 mengandung informasi tentang sekuens protein, nama organisme asal protein, pustaka yang berkaitan, dan komentar yang umumnya berisi pernyataan mengenai fungsi protein tersebut.
BLAST (Basic Local Alignment Search Tool) adalah perkakas bioinformatika yang berkaitan erat dengan penggunaan basis data sekuens biologis. Penjajakan BLAST (BLAST search) pada basis data sekuens memungkinkan ilmuwan untuk berusaha menemukan sekuens asam nukleat maupun protein yang mirip dengan sekuens tertentu yang dimilikinya. Hal ini berguna misalnya untuk menemukan gen sejenis pada beberapa organisme atau untuk memeriksa keabsahan hasil sekuensing maupun untuk memeriksa fungsi gen hasil sekuensing. Algoritma yang mendasari kerja BLAST yaitu penyejajaran sekuens.
PDB (Protein Data Bank, Bank Data Protein) yaitu basis data tunggal yang menyimpan model struktural tiga dimensi protein dan asam nukleat hasil penentuan eksperimental (dengan kristalografi sinar-X, spektroskopi NMR dan mikroskopi elektron). PDB menyimpan data bangun sebagai koordinat tiga dimensi yang menggambarkan posisi atom-atom dalam protein ataupun asam nukleat.
Penyejajaran sekuens
Penyejajaran sekuens (sequence alignment) yaitu pengolahan penyusunan/pengaturan dua atau lebih sekuens sehingga persamaan sekuens-sekuens tersebut tampak nyata. Hasil dari pengolahan tersebut juga dinamakan 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 selaras di antara sekuens-sekuens tersebut. Berikut yaitu contoh alignment DNA dari dua sekuens pendek DNA yang berlainan, "ccatcaac" dan "caatgggcaac" (tanda "|" menunjuk kesesuaian atau match di antara kedua sekuens).
ccat---caac
| || ||||
caatgggcaac
Sequence alignment adalah metode landasan dalam analisis sekuens. Metode ini dipakai untuk menelaah evolusi sekuens-sekuens dari leluhur yang selaras (common ancestor). Ketidakcocokan (mismatch) dalam alignment diasosiasikan dengan pengolahan mutasi, sedangkan kesenjangan (gap, tanda "–") diasosiasikan dengan pengolahan insersi atau delesi. Sequence alignment memberikan hipotesis atas pengolahan evolusi yang terjadi dalam sekuens-sekuens tersebut. Misalnya, kedua sekuens dalam contoh alignment di atas dapat sah berevolusi dari sekuens yang selaras "ccatgggcaac". Dalam kaitannya dengan hal ini, alignment juga dapat menunjuk posisi-posisi yang dipertahankan (conserved) tidak selamanya evolusi dalam sekuens-sekuens protein, yang menunjuk bahwa posisi-posisi tersebut dapat sah penting untuk bangun atau fungsi protein tersebut.
Pautan daripada itu, sequence alignment juga dipakai untuk berusaha menemukan sekuens yang mirip atau selaras dalam basis data sekuens. BLAST yaitu salah satu metode alignment yang kerap dipakai dalam penjajakan basis data sekuens. BLAST menggunakan algoritma heuristik dalam penyusunan alignment.
Beberapa metode alignment pautan yang adalah pendahulu BLAST yaitu metode "Needleman-Wunsch" dan "Smith-Waterman". Metode Needleman-Wunsch dipakai untuk menata alignment global di antara dua atau lebih sekuens, yaitu alignment atas keseluruhan panjang sekuens tersebut. Metode Smith-Waterman membikin alignment lokal, yaitu alignment atas bagian-bagian dalam sekuens. Kedua metode tersebut menerapkan pemrograman dinamik (dynamic programming) dan hanya efektif untuk alignment dua sekuens (pairwise alignment)
Clustal yaitu rancangan bioinformatika untuk alignment multipel (multiple alignment), yaitu alignment beberapa sekuens sekaligus. Dua varian utama Clustal yaitu ClustalW dan ClustalX.
Metode pautan yang dapat dilanjutkan untuk alignment sekuens yaitu metode yang mengadakan komunikasi dengan Hidden Markov Model ("Model Markov Tersembunyi", HMM). HMM adalah model statistika yang mulanya dipakai dalam ilmu komputer untuk mengetahui pembicaraan manusia (speech recognition). Pautan daripada dipakai untuk alignment, HMM juga dipakai dalam metode-metode analisis sekuens pautannya, seperti prediksi kawasan pengkode protein dalam genom dan prediksi bangun sekunder protein.
Prediksi bangun protein
Secara kimia/fisika, nyata bangun protein diungkap dengan kristalografi sinar-X ataupun spektroskopi NMR, tetapi kedua metode tersebut sangat mengonsumsi waktu dan relatif mahal. Selama itu, metode sekuensing protein relatif lebih mudah mengungkapkan sekuens asam amino protein. Prediksi bangun protein berusaha meramalkan bangun tiga dimensi protein berlandaskan sekuens asam aminonya (dengan istilah pautan, meramalkan bangun tersier dan bangun sekunder berlandaskan bangun primer protein). Secara umum, metode prediksi bangun 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 bangun suatu protein berlandaskan bangun protein pautan yang sudah dikenal. Salah satu penerapan metode ini yaitu pemodelan homologi (homology modelling), yaitu prediksi bangun tersier protein berlandaskan kesesuaian bangun primer protein. Pemodelan homologi didasarkan pada teori bahwa dua protein yang homolog memiliki bangun yang sangat mirip satu selaras pautan. Pada metode ini, bangun suatu protein (disebut protein target) ditentukan berlandaskan bangun protein pautan (protein templat) yang sudah dikenal dan memiliki kemiripan sekuens dengan protein target tersebut. Pautan daripada itu, penerapan pautan pemodelan komparatif yaitu protein threading yang didasarkan pada kemiripan bangun tanpa kemiripan sekuens primer. Latar balik protein threading yaitu bahwa bangun protein lebih dikonservasi daripada sekuens protein tidak selamanya evolusi; daerah-daerah yang penting untuk fungsi protein dipertahankan bangunnya. Pada pendekatan ini, bangun yang paling kompatibel untuk suatu sekuens asam amino ditunjuk dari semua macam bangun tiga dimensi protein yang ada. Metode-metode yang tergolong dalam protein threading berusaha mengambil keputusan tingkat kompatibilitas tersebut.
Dalam pendekatan de novo atau ab initio, bangun protein ditentukan dari sekuens primernya tanpa membandingkan dengan bangun protein pautan. Terdapat banyak probabilitas dalam pendekatan ini, misalnya dengan menirukan pengolahan pelipatan (folding) protein dari sekuens primernya dibuat menjadi bangun tersiernya (misalnya dengan simulasi dinamika molekular), atau dengan optimisasi global fungsi energi protein. Prosedur-prosedur ini cenderung membutuhkan pengolahan komputasi yang intens, sehingga saat ini hanya dipakai dalam mengambil keputusan bangun protein-protein kecil. Beberapa usaha telah dilanjutkan untuk mengatasi tidak cukup asal kekuatan 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 dapat ditentukan 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 dilanjutkan pada analisis ekspresi gen skala akbar yang mengukur ekspresi banyak gen (bahkan genom) dan membikin data skala akbar. Metode-metode penggalian data (data mining) dilanjutkan pada data tersebut untuk memperoleh pola-pola informatif. Sebagai contoh, metode-metode komparasi dipakai untuk membandingkan ekspresi di antara gen-gen, selama metode-metode klastering (clustering) dipakai untuk mempartisi data tersebut berlandaskan kesesuaian ekspresi gen.
Bioinformatika di Indonesia
Saat ini mata nasihat bioinformatika maupun mata nasihat dengan muatan bioinformatika sudah diajarkan di beberapa perguruan tinggi di Indonesia. Sekolah Ilmu dan Teknologi Hayati ITB menawarkan mata kuliah "Pengantar Bioinformatika" untuk rancangan Sarjana dan mata kuliah "Bioinformatika" untuk rancangan Pascasarjana. Fakultas Teknobiologi Universitas Atma Jaya, Jakarta menawarkan mata kuliah "Pengantar Bioinformatika". Mata kuliah "Bioinformatika" diajarkan pada Rancangan Pascasarjana Kimia Fakultas MIPA Universitas Indonesia (UI), Jakarta. Mata kuliah "Proteomik dan Bioinformatika" termasuk dalam kurikulum rancangan S3 bioteknologi Universitas Gadjah Mada (UGM), Yogyakarta. Materi bioinformatika termasuk di dalam silabus beberapa mata kuliah untuk rancangan sarjana maupun pascasarjana biokimia,biologi, dan bioteknologi pada Institut Pertanian Bogor (IPB). Pautan daripada itu, riset-riset yang mengarah pada bioinformatika juga telah dilanjutkan oleh mahasiswa rancangan S1 Ilmu Komputer maupun rancangan pascasarjana biologi serta bioteknologi IPB.
Riset bioinformatika protein dilanjutkan sebagai bagian dari aktivitas riset rekayasa protein pada Laboratorium Rekayasa Protein, Pusat Penelitian Bioteknologi Lembaga Ilmu Ilmu Indonesia (LIPI), Cibinong, Bogor. Lembaga Biologi Molekul Eijkman, Jakarta, secara khusus memiliki laboratorium bioinformatika sebagai fasilitas penunjang acara risetnya. Pautan daripada itu, basis data sekuens DNA mikroorganisme asli Indonesia sedang dikembangkan di UI.
Lihat pula
Sumber acuan 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 kerap 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 untuk 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
Asal :
wiki.edunitas.com, id.wikipedia.org, informasi.web.id, pasar.kelas-karyawan.co.id, dan sebagainya.
