DEFINISI BIO INFORMATIKA
Bioinformatika “klasik”
Sebagian besar ahli Biologi mengistilahkan
‘mereka sedang melakukanBioinformatika’ ketika mereka sedang menggunakan
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 adalah
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 (sequenceanalysis).
Definisi Bioinformatika menurut Fredj Tekaia dari
Institut Pasteur[TEKAIA2004] adalah: “metode matematika, statistik dan
komputasi yang bertujuan untuk menyelesaikan masalah-masalah biologi dengan
menggunakan sekuen DNA dan asam amino dan informasi-informasi yang terkait
dengannya.
Dari sudut pandang Matematika, sebagian besar
molekul biologi mempunyai sifatyang menarik, yaitu molekul-molekul tersebut
adalah 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 tersebut 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 tersebut mempunyai karakteristik masing-masing yang terdefinisi
dengan baik.
Beberapa molekul-molekul monomer dapat
digabungkan bersama membentuksebuah entitas yang berukuran lebih besar, yang
disebut macromolecule. Macromoleculedapat mempunyai informasi isi tertentu yang
menarik dan sifat-sifat kimia tertentu. Berdasarkan skema di atas,
monomer-monomer tertentu dalam macromoleculedari 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. Salahsatu cara untuk mempelajari proses tersebut
selain dengan mengamati dalam laboratorium biologi yang sangat khusus adalah
dengan menggunakan Bioinformatika sesuai dengan definisi “klasik” yang telah
disebutkan di atas.
Bioinformatika “baru”
Salah satu pencapaian besar dalam metode
Bioinformatika adalah selesainyaproyek pemetaan genom manusia (Human Genome Project).
Selesainya proyek raksasa tersebut menyebabkan bentuk dan prioritas dari riset
dan penerapan Bioinformatika berubah. Secara umum dapat dikatakan bahwa proyek
tersebut 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 tersebut 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 darikopi/cetakan sebuah pesan genetik (level dari
ekspresi genetik) pada beberapa tingkatan yang berbeda pada perkembangan atau
penyakit atau pada jaringan yang berbeda. Teknologi tersebut, contohnya
seperti DNA
microarrays akan semakin penting. Akibat
yang lain, secara langsung, adalah 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 (functionalgenomics). 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
klinis—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. Penggunaan 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”.
SEJARAH BIOINFORMATIKA
Penetrasi Teknologi Informasi (TI) dalam berbagai
disiplin ilmu telah Melipatgandakan perkembangan ilmu bersangkutan. Berbagai
kajian baru bermunculan,sejalan dengan perkembangan TI itu sendiri dan disiplin
ilmu yang didukungnya.Aplikasi TI dalam bidang biologi molekul telah melahirkan
bidang Bioinformatika.Kajian ini semakin penting, sebab perkembangannya telah
mendorong kemajuanbioteknologi di satu sisi, dan pada sisi lain memberi efek
domino pada bidangkedokteran, farmasi, lingkungan dan lainnya.
Kajian baru Bioinformatika ini tak lepas dari
perkembangan biologi molekulmodern yang ditandai dengan kemampuan manusia untuk
memahami genom, yaitu cetakbiru informasi genetik yang menentukan sifat setiap
makhluk hidup yang disandi dalambentuk pita molekul DNA (asam
deoksiribonukleat). Kemampuan untuk memahami danmemanipulasi kode genetik DNA
ini sangat didukung oleh TI melalui perangkatperangkat keras maupun lunak. Hal
ini bisa dilihat pada upaya Celera Genomics,perusahaan bioteknologi Amerika
Serikat yang melakukan pembacaan sekuen genommanusia yang secara maksimal
memanfaatkan TI sehingga bisa melakukan pekerjaannyadalam waktu yang singkat
(hanya beberapa tahun), dibanding usaha konsorsium lembagariset publik AS,
Eropa, dan lain-lain, yang memakan waktu lebih dari 10 tahun.
Kelahiran Bioinformatika modern tak lepas dari
perkembangan bioteknologi diera tahun 70-an, dimana seorang ilmuwan AS
melakukan inovasi dalam mengembangkanteknologi DNA rekombinan. Berkat penemuan
ini lahirlah perusahaan bioteknologi pertama di dunia, yaitu Genentech di AS,
yang kemudian memproduksi protein hormoninsulin dalam bakteri, yang dibutuhkan
penderita diabetes. Selama ini insulin hanya bisadidapatkan 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 menjadimRNA, kemudian mRNA ditranslasikan menjadi protein.
Protein sebagai produk akhirbertugas menunjang seluruh proses kehidupan, antara
lain sebagai katalis reaksi biokimiadalam tubuh (disebut enzim), berperan serta
dalam sistem pertahanan tubuh melawanvirus, parasit dan lain-lain (disebut
antibodi), menyusun struktur tubuh dari ujung kaki(otot terbentuk dari protein
actin, myosin, dan sebagainya) sampai ujung rambut (rambuttersusun 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 menyeluruhpada tahun 1977. Sekuen seluruh DNA
manusia terdiri dari 3 milyar nukleotida yangmenyusun 100.000 gen dapat
dipetakan dalam waktu 3 tahun. Saat ini terdapat milyarandata nukleotida yang
tersimpan dalam database DNA, GenBank di AS yang didirikantahun 1982. Di
Indonesia, ada Lembaga Biologi Molekul Eijkman yang terletak diJakarta. Di sini
kita bisa membaca sekuen sekitar 500 nukleotida hanya denganmembayar $15. Trend
yang sama juga nampak pada database lain seperti database sekuenasam amino
penyusun protein, database struktur 3D protein, dan sebagainya.
Inovasiteknologi DNA chip yang dipelopori oleh perusahaan bioteknologi AS,
Affymetrix diSilicon Valley telah mendorong munculnya database baru mengenai
RNA.
Desakan kebutuhan untuk mengumpulkan, menyimpan
dan menganalisa data-databiologis dari database DNA, RNA maupun protein inilah
yang semakin memacuperkembangan kajian Bioinformatika.
PENGGUNAAN BIO INFORMATIKA DALAM BIDANG KLINIS
1. Bioinformatika dalam bidang klinis
Perananan Bioinformatika dalam bidang klinis ini
sering juga disebut sebagai informatika klinis (clinical
informatics). Aplikasi dari clinical informatics ini
adalah berbentuk manajemen data-data klinis dari pasien melalui Electrical Medical Record (EMR)
yang dikembangkan oleh Clement J. McDonald dari Indiana University School of Medicine pada tahun 1972. McDonald pertama kali
mengaplikasikan EMR pada 33 orang pasien penyakit gula (diabetes). Sekarang EMR
ini telah diaplikasikan pada berbagai penyakit. Data yang disimpan meliputi
data analisa diagnosa laboratorium, hasil konsultasi dan saran, foto ronsen,
ukuran detak jantung, dll. Dengan data ini dokter akan bisa menentukan obat
yang sesuai dengan kondisi pasien tertentu. Lebih jauh lagi, dengan dibacanya
genom manusia, akan memungkinkan untuk mengetahui penyakit genetik seseorang,
sehingga personal care terhadap pasien menjadi lebih akurat.
Sampai saat ini telah diketahui beberapa gen yang
berperan dalam penyakit tertentu besertaposisinya pada kromosom. Informasi ini
tersedia dan bisa dilihat di home page National
Center forBiotechnology Information (NCBI)
pada seksi Online Mendelian in
Man (OMIM). OMIM adalah search tool untuk gen
manusia dan penyakit genetika. Selain berisikan informasi tentang lokasi gen
suatu penyakit, OMIM ini juga menyediakan informasi tentang gejala dan
penanganan penyakit tersebut beserta sifat genetikanya. Dengan demikian, dokter
yang menemukan pasien yang membawa penyakit genetika tertentu bisa
mempelajarinya secara detil dengan mengakses home page OMIM ini.
Sebagai salah satu contoh, jika kita ingin
melihat tentang kanker payudara, kita tinggal masukankata-kata “breast cancer” dan
setelah searching akan keluar berbagai jenis kanker payudara. Kalau kita ingin
mengetahui lebih detil tetang salah satu diantaranya, kita tinggal klik dan
akan mendapatkan informasi detil mengenai hal tersebut beserta posisi gen
penyebabnya di dalam koromosom.
2. Bioinformatika untuk identifikasi agent
penyakit baru
Bioinformatika juga menyediakan tool yang
esensial untuk identifikasi agent penyakit yang belumdikenal penyebabnya. Banyak
sekali contoh-contoh penyakit baru (emerging diseases) yang muncul dalam dekade
ini, dan diantaranya yang masih hangat di telinga kita tentu saja SARS (Severe
Acute Respiratory Syndrome). Pada awal munculnya penyakit ini, ada beberapa pendapat
tentang penyebabnya. Dari gejala pengidap SARS, diperkirakan bahwa penyakit ini
disebabkan oleh virus influenza karena gejalanya mirip dengan gejala pengidap
influenza. Tetapi virus influenza tidak terisolasi dari pasien, sehingga dugaan
ini salah. Selain itu juga diperkirakan bahwa penyakit ini disebabkan oleh
bakteri Candidakarena bakteri ini terisolasi dari beberapa
pasien. Tapi karena hanya terisolasi dari sebagian kecilpasien, perkiraan ini
juga salah. Akhirnya ditemukan bahwa dari sebagian besar pasien SARS terisolasi
virus corona yang jika dilihat dari morfologinya. Sekuen genom virus ini
kemudian dibaca dan dari hasil analisa dikonfirmasikan bahwa penyebab SARS
adalah virus corona yang telah berubah (mutasi) dari virus corona yang ada
selama ini.
Dalam rentetan proses ini, Bioinformatika
memegang peranan penting. Pertama pada prosespembacaan genom virus corona.
Karena di database seperti GenBank, EMBL (European Molecular Biology
Laboratory), dan DDBJ (DNA Data Bank of Japan) sudah tersedia data sekuen
beberapa virus corona, yang bisa digunakan untuk men-design primer yang
digunakan untuk amplifikasi DNA virus SARS ini. Software untuk mendesign primer
juga tersedia, baik yang gratis yang bisa kita gunakan online maupun yang
komersial yang berupa software. Diantara yang gratis adalah Webprimer yang
disediakan oleh Stanford Genomic Resources, GeneWalker yang disediakan oleh Cybergene AB. Untuk yang
komersial ada seperti Primer
designer yang dikembangkan oleh
Scientific & Education Software, dan pada software-software untuk
analisa DNA lainnya sepertiSequencher (GeneCodes Corp.), SeqMan II(DNA STAR
Inc.), Genetyx (GENETYX Corp.), DNASIS(HITACHI Software), dll.
Berikutnya Bioinformatika juga berperan dalam
mencari kemiripan sekuen (homology alignment) virus yang didapatkan dengan
virus lainnya. Dari hasil analisa virus SARS diketahui bahwa genom virus corona
penyebab SARS berbeda dengan virus corona lainnya, sehingga virus ini dinamakan
virus SARS (SARS-CoV). Perbedaan ini diketahui dengan menggunakan homolgy alignment dari
sekuen virus SARS. Untuk keperluan ini tersedia beberapa tool. Diantaranya ada
BLAST (Basic Local Alignment Search Tool) yang tersedia di NCBI, di EMBL, dan
di DDBJ. itu juga ada FASTA yang dapat diakses di EMBL dan di DDBJ.Selanjutnya,
Bioinformatika juga berfungsi untuk analisa posisi sejauh mana suatu virus
berbeda dengan virus lainnya. Untuk analisa ini biasanya digunakan CLUSTAL W
(software untuk multiplealignment dan tree
making) yang dapat diakses di EMBL
atau di DDBJ. Data yang telah dianalisa diekspresikan dengan software “Tree
View” yang bisa didownload dengan gratis dari berbagai situs tersebut. Dengan
menggunakan tool ini dianalisa beberapa protein virus SARS dan
didapatkan hasilnya bahwa virus SARS berbeda dengan virus Corona lainnya.
3. Bioinformatika untuk diagnosa penyakit baru
Untuk penyakit baru diperlukan diagnosa yang
akurat sehingga bisa dibedakan dengan penyakit lain.Diagnosa yang akurat ini
sangat diperlukan untuk penanganan pasien seperti pemberian obat danperawatan
yang tepat. Jika pasien terinfeksi virus influenza dengan panas tinggi, hanya
akan sembuh jika diberi obat yang cocok untuk infeksi virus influenza.
Sebaliknya, tidak akan sembuh kalau diberi obat untuk malaria. Karena itu,
diagnosa yang tepat untuk suatu penyakit sangat diperlukan. Selain itu,
diagnosa juga diperlukan untuk menentukan tingkat kematian (mortality) dari
suatu agentpenyakit.
Artinya, semakin tinggi angka kematian ini, semakin berbahaya agent tersebut.
Angka ini dihitung dengan menghitung jumlah pasien yang meninggal (D) dibagi
dengan jumlah total pasien pengidap penyakit tersebut (P) (=D/P). Pada kasus
SARS, gejala yang muncul mirip dengan gejala flu, sehingga dari gejala saja
tidak bisa dibedakan apakah dia mengidap SARS atau mengidap flu. Diagnosa ini
penting karena akan menentukan tingkat keganasan suatu agent yang akan
mempengaruhi kebijakan yang diambil terhadap penyakit tersebut.
Ada beberapa cara untuk diagnosa suatu penyakit.
Diantaranya isolasi agent penyebab penyakit tersebut dan analisa
morfologinya, deteksi antibodi yang dihasilkan dari infeksi dengan teknikenzyme-linked immunosorbent assay (ELISA), dan deteksi gen dari agent pembawa
penyakit tersebut dengan Polymerase Chain
Reaction (PCR). Isolasi agent pembawa
penyakit memerlukan waktu yang lama. Teknik ELISA bisa dilakukan dalam waktu
yang pendek, namun untuk tiap-tiap penyakit kita harus mengembangkan teknik
tersebut terlebih dahulu. Untuk pengembangannya ini memerlukan waktu yang lama.
Yang banyak dan lazim dipakai saat ini adalah
teknik PCR. Teknik ini simpel, praktis dan cepat.Yang penting dalam teknik PCR
adalah design primer untuk amplifikasi DNA. Untuk mendesign primer ini
diperlukan data sekuen dari genom agent yang bersangkutan dan software seperti yang telah
diuraikan di atas. Di sinilah Bioinformatika memainkan peranannya. Untuk agent yang
mempunyai genom RNA, harus dilakukan reverse
transcription (proses
sintesa DNA dari RNA) terlebih dahulu dengan menggunakan enzim Reverse transcriptase.
Setelah DNA diperoleh baru dilakukan PCR. Dua step reverse transcription dan
PCR ini bisa dilakukan sekaligus dan biasanya dinamakan RT-PCR. Karena PCR ini
hanya bersifat kualitatif, sejak beberapa tahun yang lalu telah dikembangkan
teknikReal Time PCR yang bersifat kuantitatif. Dari hasil Real Time PCR ini
bisa ditentukan kuantitas suatuagent di dalam tubuh seseorang, sehingga bisa
dievaluasi tingkat emergensinya.
Pada RealTime PCR ini selain primer diperlukan probe yang harus
didesign sesuai dengan sekuenagent yang bersangkutan. Di sini juga diperlukan
software atau program Bioinformatika. Untuk penyakit SARS sendiri sekarang
telah tersedia kit RT-PCR yang dikembangkan oleh Takara Bio Inc., dengan nama
komersial CycleaveRT-PCR SARS
virus Detection Kit. Selain
itu Roche Diagnostics juga juga tengah mengembangkan kit untuk deteksi virus
SARS. Keberhasilan pengembangan kit ini tidak terlepas dari didorong kemajuan
Bioinformatika.
4. Bioinformatika untuk penemuan obat
Usaha penemuan obat biasanya dilakukan dengan
penemuan zat/senyawa yang bisa menekanperkembangbiakan suatu agent penyebab
penyakit. Karena banyak faktor yang bisa mempengaruhi perkembangbiakan agent tersebut,
faktor-faktor itulah yang dijadikan target. Diantara faktor tersebut adalah
enzim-enzim yang diperlukan untuk perkembangbiakan suatuagent. Langkah pertama yang
dilakukan adalah analisa struktur dan fungsi enzim-enzim tersebut. Kemudian
mencari atau mensintesa zat/senyawa yang bisa menekan fungsi dari enzim-enzim
tersebut. Penemuan obat yang efektif adalah penemuan senyawa yang berinteraksi
dengan asam amino yang berperan untuk aktivitas (active
site) dan untuk kestabilan enzim
tersebut.
Karena itu analisa struktur dan fungsi enzim ini
biasanya difokuskan pada analisa asam amino yangberperan untuk aktivitas (active site) dan
untuk kestabilan enzim tersebut. Analisa ini dilakukan dengan cara mengganti
asam amino tertentu dan menguji efeknya. Sebelum perkembanganBioinformatika,
analisa penggantian asam amino ini dilakukan secara randomsehingga
memakanwaktu yang lama. Dengan adanya Bioinformatika, data-data protein yang
sudah dianalisa bebasdiakses oleh siapapun, baik data sekuen asam amino-nya
seperti yang ada di SWISS-PROTmaupun struktur 3D-nya yang tersedia di Protein
Data Bank(PDB).
Dengan database yang tersedia ini, enzim yang
baru ditemukanbisa dibandingkan sekuen asam amino-nya, sehingga bisa
diperkirakan asam amino yang berperanuntuk active
site dan kestabilan enzim tersebut.
Hasil perkiraan kemudian diuji di laboratorium.Dengan demikian, akan lebih
menghemat waktu dari pada analisa secara random.Setelah penemuan asam amino
yang berperan sebagai active site dan untuk kestabilan enzim tersebut,kemudian
dicari atau disintesa senyawa yang bisa berinteraksi dengan asam amino
tersebut.Sebelumnya pencarian atau sintesa senyawa juga dilakukan secara
random. Dengan data yangtersedia di PDB, bisa dilihat struktur 3D suatu enzim
termasuk active site-nya, sehingga bisadiperkirakan bentuk senyawa
yang akan berinteraksi dengan active site tersebut. Dengan demikian,kita cukup hanya
mensintesa senyawa yang diperkirakan akan berinteraksi, sehingga obat
terhadapsuatu penyakit akan jauh lebih cepat ditemukan dari pada mencari
secara random. Cara inidinamakan “docking” dan telah banyak digunakan oleh perusahaan
farmasi untuk penemuan obatbaru.
Untuk enzim dari agent penyakit baru bisa dilakukan dengan homology modelingmenggunakanenzim
yang sudah ada struktur 3D-nya sebagai referensi. Misalnya penemuan obat SARS.
Sekarang tengah diusahakan mencari inhibitor enzim protease SARS. Karena
virusnya juga baru, otomatis belum ada data 3D-nya di PDB. Tetapi karena data
coronavirus sebelumnya tersedia di PDB, data ini digunakan untuk homology modeling protease
dari virus SARS. Dari homology modelingdidapatkan struktur 3D proteinase dari virus SARS.
Dari hasil analisa dockingdiperkirakan bahwa senyawa AG7088 bisa
dijadikan leader
compound (senyawa induk) untuk penemuan
obat anti virus corona termasuk anti virus SARS.
Analisa docking dan homology
modeling seperti ini memerlukan software
yang harganya agak mahalsehingga hanya dimiliki oleh lembaga penelitian dan
perusahaan farmasi. Diantara software tersebut adalah Insight II (Accelrys
Inc.) dan The Molecular
Operating Environment (MOE,
Scalable Software), dua software yang banyak dipakai. Walaupun dengan sarana
Bioinformatika bisa diperkirakan senyawa yang berinteraksi dan menekan fungsi
suatu enzim, hasilnya harus dikonfirmasi melalui eksperiment di laboratorium.
Namun dengan Bioinformatika, semua proses ini bisa dilakukan lebih cepat
sehingga lebih efesien baik darisegi waktu maupun finansial.
Cabang-cabang yang Terkait dengan Bioinformatika
Dari pengertian Bioinformatika baik yang klasik
maupun baru, terlihat banyakterdapat cabang-cabang disiplin ilmu yang terkait
dengan Bioinformatika –terutama karena Bioinformatika itu sendiri merupakan
suatu bidang interdisipliner–. Hal tersebut menimbulkan banyak pilihan bagi
orang yang ingin mendalami Bioinformatika. Di bawah ini akan disebutkan
beberapa bidang yang terkait dengan Bioinformatika.
Biophysics
Biologi molekul sendiri merupakan pengembangan
yang lahir dari biophysics. Biophysics adalah sebuah bidang interdisipliner yang
mengaplikasikan teknik-teknik dari ilmu Fisika untuk memahami struktur dan
fungsi biologi (British Biophysical
Society). Sesuai dengan definisi di
atas, bidang ini merupakan suatu bidang yang luas. Namun secara langsung
disiplin ilmu ini terkait dengan Bioinformatika karena penggunaan teknik-teknik
dari ilmu Fisika untuk memahami struktur membutuhkanpenggunaan TI.
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 adalah 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 tersebut 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.
Medical
Informatics
Menurut Aamir Zakaria [ZAKARIA2004] Pengertian
dari medical informatics adalah “sebuah disiplin ilmu yang baru yang
didefinisikan sebagai pembelajaran,penemuan, dan implementasi dari struktur dan
algoritma untuk meningkatkankomunikasi, pengertian dan manajemen informasi
medis.”Medical informatics lebih memperhatikan struktur dan algoritma
untukpengolahan data medis, dibandingkan dengan data itu sendiri. Disiplin ilmu
ini, untukalasan praktis, kemungkinan besar berkaitan dengan data-data yang
didapatkan pada levelbiologi yang lebih “rumit” –yaitu informasi dari
sistem-sistem superselular, tepat padalevel populasi—di mana sebagian besar
dari Bioinformatika lebih memperhatikaninformasi dari sistem dan struktur
biomolekul dan selular.
Cheminformatics
Cheminformatics adalah kombinasi dari sintesis kimia, penyaringan
biologis, dan pendekatan data-mining yang digunakan 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 adalah penisilin, dapat menggambarkan
cara untuk menemukan dan mengembangkan obatobatan hingga sekarang –meskipun
terlihat aneh–. Cara untuk menemukan dan mengembangkan obat adalah hasil dari
kesempatan, observasi, dan banyak proses kimia yang intensif dan lambat. Sampai
beberapa waktu yang lalu, disain obat dianggap harus selalu menggunakan kerja
yang intensif, proses uji dan gagal (trial-error process). Kemungkinan penggunaan TI untuk merencanakan
secara cerdas dan dengan mengotomatiskan proses-proses yang terkait dengan
sintesis kimiawi dari komponenkomponen 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-DStructure Retrieval, Modelling, Computational Chemistry,
Visualisation Tools andUtilities.
Genomics
Genomics adalah
bidang ilmu yang ada sebelum selesainya sekuen genom, kecuali dalam bentuk yang
paling kasar. Genomics adalah 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.
Mathematical
Biology
Mathematical biology lebih mudah dibedakan dengan Bioinformatika
daripada computational
biologydengan Bioinformatika. Mathematical biology juga
menangani masalah-masalah biologi, namun metode yang digunakan untuk menangani
masalah tersebut tidak perlu secara numerik dan tidak perlu diimplementasikan
dalam softwaremaupun 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.
Proteomics
Istilah proteomics pertama kali digunakan 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, tetapi juga himpunan dari semua bentuk
isoform dan modifikasi dari semua protein, interaksi diantaranya, deskripsi
struktural dari proteinproteindan kompleks-kompleks orde tingkat tinggi dari
protein, dan mengenai masalah tersebut hampir semua pasca genom. Michael J.
Dunn [DUNN2004], Pemimpin Redaksi dari Proteomicsmendefiniskan 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
tersebut– melibatkan tempat penyimpanan dan perbandingan dari data yang
memiliki jumlah yang sangat besar, tak terhindarkan lagi akan memerlukan
Bioinformatika.
Pharmacogenomics
Pharmacogenomics adalah aplikasi dari pendekatan genomik dan
teknologi pada identifikasi dari target-target obat. Contohnya meliputi
menjaring semua genom untuk penerima yang potensial dengan menggunakan 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 diagnosa (kemungkinan untuk mengejar
target potensial terapi kanker). Istilah pharmacogenomics digunakan lebih untuk urusan yang lebih “trivial”
— tetapi dapat diargumentasikan lebih berguna– dari aplikasi pendekatan
Bioinformatika pada pengkatalogan dan pemrosesan informasi yang berkaitan
dengan ilmu Farmasi dan Genetika, untuk contohnya adalah pengumpulan informasi
pasien dalam database.
Pharmacogenetics
Tiap individu mempunyai respon yang berbeda-beda
terhadap berbagai pengaruh obat; sebagian ada yang positif, sebagian ada yang
sedikit perubahan yang tampak pada kondisi mereka dan ada juga yang mendapatkan
efek samping atau reaksi alergi. Sebagian dari reaksi-reaksi ini diketahui
mempunyai dasar genetik. Pharmacogeneticsadalah bagian dari pharmacogenomics yang
menggunakan metode genomik/Bioinformatika untuk mengidentifikasi
hubungan-hubungan genomik, contohnya SNP (Single
Nucleotide Polymorphisms),
karakteristik dari profil respons pasien tertentu dan menggunakan
informasi-informasi tersebut untuk memberitahu administrasi dan pengembangan
terapi pengobatan. Secara menakjubkan pendekatantersebut telah digunakan untuk
“menghidupkan kembali” obat-obatan yang sebelumnya dianggap tidak efektif,
namun ternyata diketahui manjur pada sekelompok pasien tertentu. Disiplin ilmu
ini juga dapat digunakan untuk mengoptimalkan dosis kemoterapi pada
pasien-pasien tertentu. Gambaran dari sebagian bidang-bidang yang terkait
dengan Bioinformatika di atas memperlihatkan bahwa Bioinformatika mempunyai
ruang lingkup yang sangat luas dan mempunyai peran yang sangat besar dalam
bidangnya. Bahkan pada bidang pelayanan kesehatan Bioinformatika menimbulkan
disiplin ilmu baru yang menyebabkan peningkatan pelayanan kesehatan.
TEKNOLOGI DAN PENERAPAN BIOINFORMATIKA
Program-program Bioinformatika
Sehari-harinya bionformatika dikerjakan dengan
menggunakan program pencarisekuen (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 menggunakan Bioinformatika.
Teknologi Bioinformatika Secara Umum
Pada saat ini banyak pekerjaan Bioinformatika
berkaitan dengan teknologidatabase. Penggunaan database ini meliputi baik
tempat penyimpanan database “umum” seperti GenBank atau PDB maupun database
“pribadi”, seperti yang digunakan oleh grup riset yang terlibat dalam proyek
pemetaan gen atau database yang dimiliki oleh perusahaan-perusahaan
bioteknologi. Konsumen dari data Bioinformatika menggunakan 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
digunakan untuk mengidentifikasihomolog 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
adalah menganalisa data. Pencarian database umumnya berdasarkan pada hasil
alignment / pensejajaran sekuen, baik sekuen DNA maupun protein. Kegunaan dari
pencarian ini adalah 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 bisa dikatakan menjadi standar sekarang
adalah 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
digunakan untuk mendeteksi hubungan di antara sekuen yang hanya berbagi daerah
tertentu yang memiliki kesamaan.
Data yang memerlukan analisa Bioinformatika dan
mendapat banyak perhatiansaat ini adalah data hasil DNA chip. Dengan perangkat
ini dapat diketahui kuantitas dan kualitas transkripsi satu gen sehingga bisa
menunjukkan gen-gen apa saja yang aktif terhadap perlakuan tertentu, misalnya
timbulnya kanker, dan lain-lain.
KONDISI DAN PENERAPAN BIOINFORMATIKADI INDONESIA
Kondisi Bioinformatika di Indonesia
Di Indonesia, Bioinformatika masih belum dikenal
oleh masyarakat luas. Hal inidapat dimaklumi karena penggunaan 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 menggunakan 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 Indonesia dapat ikut berperan mengembangkan
Bioinformatika. Kerjasama antara peneliti bioteknologi yang memahami makna
biologis data tersebut dengan praktisi TI seperti programmer, dan sebagainya
akan sangat berperan dalam kemajuan Bioinformatika Indonesia nantinya.
Penerapan Bioinformatika di Indonesia
Sebagai kajian yang masih baru, Indonesia
seharusnya berperan aktif dalammengembangkan 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
Lembaga Biologi Molekul Eijkman bekerja sama
dengan Bagian Obstetri danGinekologi Fakultas Kedokteran Universitas Indonesia
dan Rumah Sakit CiptoMangunkusumo sejak November 2001 mengembangkan klinik
genetik untuk mendeteksi secara dini sejumlah penyakit genetik yang menimbulkan
gangguan pertumbuhan fisik maupun retardasi mental seperti antara lain,
talasemia dan sindroma down. Kelainan ini bisa diperiksa sejak janin masih
berusia beberapa minggu. Talasemia adalah penyakit keturunan di mana tubuh
kekurangan salah satu zatpembentuk hemoglobin (Hb) sehingga mengalami anemia
berat dan perlu transfusi darah seumur hidup. Sedangkan sindroma down adalah
kelebihan jumlah untaian di kromosom 21 sehingga anak tumbuh dengan retardasi
mental, kelainan jantung, pendengaran dan penglihatan buruk, otot lemah serta
kecenderungan menderita kanker sel darah putih (leukemia).
Dengan mengetahui sejak dini, pasangan yang
hendak menikah, atau pasanganyang salah satunya membawa kelainan kromosom, atau
pasangan yang mempunyai anak yang menderita kelainan kromosom, atau penderita
kelainan kromosom yang sedang hamil, atau ibu yang hamil di usia tua bisa
memeriksakan diri dan janin untuk memastikan apakah janin yang dikandung akan
menderita kelainan kromosom atau tidak,sehingga mempunyai kesempatan untuk
mempertimbangkan apakah kehamilan akan diteruskan atau tidak setelah mendapat
konseling genetik tentang berbagai kemungkinan yang akan terjadi.
Di bidang talasemia, Eijkman telah memiliki
katalog 20 mutasi yang mendasaritalasemia beta di Indonesia, 10 di antaranya
sering terjadi. Lembaga ini juga mempunyai informasi cukup mengenai spektrum
mutasi di berbagai suku bangsa yang sangat bervariasi. Talasemia merupakan
penyakit genetik terbanyak di dunia termasuk di Indonesia.
Pengembangan Vaksin Hepatitis B Rekombinan
Lembaga Biologi Molekul Eijkman bekerja sama
dengan PT Bio Farma (BUMNDepartemen Kesehatan yang memproduksi vaksin) sejak
tahun 1999 mengembangkan vaksin Hepatitis B rekombinan, yaitu vaksin yang
dibuat lewat rekayasa genetika. Selain itu Lembaga Eijkman juga bekerja sama
dengan PT Diagnosia Dipobiotek untuk mengembangkan kit diagnostik.
Meringankan Kelumpuhan dengan Rekayasa RNA
Kasus kelumpuhan distrofi (Duchenne Muscular
Dystrophy) yang menurun kinidapat dikurangi tingkat keparahannya dengan terapi
gen. Kelumpuhan ini akibat ketidaknormalan gen distrofin pada kromosom X
sehingga hanya diderita anak laki-laki. Diperkirakan satu dari 3.500 pria di
dunia mengalami kelainan ini. Dengan memperbaiki susunan ekson atau bagian
penyusun RNA gen tersebut pada hewan percobaan tikus, terbukti mengurangi
tingkat kelumpuhan saat pertumbuhannya menjadi dewasa. Gen distrofin pada kasus
kelumpuhan paling sering disebabkan oleh delesi atau hilangnya beberapa ekson
pada gen tersebut. Normalnya pada gen atau DNA distrofin terdapat 78 ekson.
Diperkirakan 65 persen pasien penderita DMD mengalami delesi dalam jumlah besar
dalam gen distrofinnya. Kasus kelumpuhan ini dimulai pada otot prosima seperti
pangkal paha dan betis. Dengan bertambahnya usia kelumpuhan akan meluas pada
bagian otot lainnya hingga ke leher. Karena itu dalam kasus kelumpuhan yang berlanjut
dapat berakibat kematian. Teknologi rekayasa RNA seperti proses penyambungan (slicing) ekson
dalam satu rangkaian terbukti dapat mengoreksi mutasi DMD. Bila bagian ekson
yang masih ada disambung atau disusun ulang, terjadi perubahan asam amino yang
membentuk protein. Molekul RNA mampu mengenali molekul RNA lainnya dan melekat
dengannya.
Sumber:
http://teknologi.kompasiana.com/terapan/2010/09/29/bioinformatika-pengetahuan-untuk-kehidupan-masa-depan-yang-lebih-baik/
http://muannastasyiithoh.wordpress.com/2011/04/10/bioinformatika/
http://kambing.ui.ac.id/bebas/v06/Kuliah/SistemOperasi/2003/50/Bioinformatika.pdf
http://id.wikipedia.org/wiki/Bioinformatika
http://id.wikipedia.org/wiki/Biologi_molekular
http://hendropramono.wordpress.com/
Tidak ada komentar:
Posting Komentar