Bioinformatika (bahasa Inggris: bioinformatics) adalah (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 memakai 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 susunan untuk meramalkan bentuk susunan protein maupun susunan sekunder RNA, analisis filogenetik, dan analisis ekspresi gen.
Sejarah
Istilah bioinformatics mulai dikemukakan pada pertengahan era 1980-an untuk mengacu pada penerapan komputer dalam biologi. Namun demikian, penerapan bidang-bidang dalam bioinformatika (seperti pembuatan basis data dan pengembangan algoritma untuk analisis sekuens biologis) sudah diterapkan 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 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 yang belakang sekali 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 menjadi dasar terjadinya ledakan jumlah sekuens DNA yang berhasil dikemukakan pada 1980-an dan 1990-an, menjadi salah satu pembuka jalan bagi proyek-proyek pengungkapan genom, meningkatkan kebutuhan akan pengelolaan dan analisis sekuens, dan pada dihabisi menyebabkan lahirnya bioinformatika.
Perkembangan Internet juga mendukung berkembangnya bioinformatika. Basis data bioinformatika yang terhubung melalui Internet meringankan ilmuwan mengumpulkan hasil sekuensing ke dalam basis data tersebut maupun mendapat sekuens biologis sebagai bahan analisis. Selain itu, penyebaran program-program aplikasi bioinformatika melalui Internet meringankan ilmuwan mengakses program-program tersebut dan kesudahan meringankan pengembangannya.
Penerapan utama bioinformatika
Basis data sekuens biologis
Sesuai dengan jenis informasi biologis yang disimpannya, basis data sekuens biologis bisa berupa basis data primer untuk menyimpan sekuens primer asam nukleat maupun protein, basis data sekunder untuk menyimpan motif sekuens protein, dan basis data susunan untuk menyimpan data susunan protein maupun asam nukleat.
Basis data utama untuk sekuens asam nukleat masa ini adalah GenBank (Amerika Serikat), EMBL (Eropa), dan DDBJ(Inggris) (DNA Data Bank of Japan, Jepang). Ketiga basis data tersebut bekerja sama dan bertukar data secara harian untuk menjaga kelonggaran cakupan masing-masing basis data. Sumber utama data sekuens asam nukleat adalah submisi langsung dari periset individual, proyek sekuensing genom, dan pendaftaran paten. Selain berisi sekuens asam nukleat, entri dalam basis data sekuens asam nukleat umumnya mengandung informasi tentang jenis 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 menyimpan 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 mengandung informasi tentang sekuens protein, nama organisme sumber protein, pustaka yang berkaitan, dan tanggapan yang umumnya berisi penjelasan tentang fungsi protein tersebut.
BLAST (Basic Local Alignment Search Tool) merupakan perkakas bioinformatika yang berkaitan akrab dengan penggunaan basis data sekuens biologis. Penelusuran BLAST (BLAST search) pada basis data sekuens memungkinkan ilmuwan untuk mencari sekuens asam nukleat maupun protein yang mirip dengan sekuens terbatas yang dimilikinya. Hal ini bermanfaat 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 adalah penyejajaran sekuens.
PDB (Protein Data Bank, Bank Data Protein) adalah 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 susunan sebagai koordinat tiga dimensi yang menggambarkan posisi atom-atom dalam protein ataupun asam nukleat.
Penyejajaran sekuens
Penyejajaran sekuens (sequence alignment) adalah ronde penyusunan/pengaturan dua atau lebih sekuens sehingga persamaan sekuens-sekuens tersebut tampak kentara. Hasil dari ronde tersebut juga dikata 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 selang sekuens-sekuens tersebut. Berikut adalah contoh alignment DNA dari dua sekuens pendek DNA yang berbeda, "ccatcaac" dan "caatgggcaac" (tanda "|" menunjukkan kecocokan atau match di selang 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 ronde mutasi, sedangkan kesenjangan (gap, tanda "–") diasosiasikan dengan ronde insersi atau delesi. Sequence alignment memberikan hipotesis atas ronde evolusi yang terjadi dalam sekuens-sekuens tersebut. Misalnya, kedua sekuens dalam contoh alignment di atas bisa aci berevolusi dari sekuens yang sama "ccatgggcaac". Dalam kaitannya dengan hal 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 susunan atau fungsi protein tersebut.
Selain itu, sequence alignment juga dipakai untuk mencari sekuens yang mirip atau sama dalam basis data sekuens. BLAST adalah salah satu metode alignment yang sering dipakai dalam penelusuran basis data sekuens. BLAST memakai algoritma heuristik dalam penyusunan alignment.
Beberapa metode alignment lain yang merupakan pendahulu BLAST adalah metode "Needleman-Wunsch" dan "Smith-Waterman". Metode Needleman-Wunsch dipakai untuk menyusun alignment global di selang dua atau lebih sekuens, adalah alignment atas keseluruhan panjang sekuens tersebut. Metode Smith-Waterman menghasilkan alignment lokal, adalah alignment atas bagian-bagian dalam sekuens. Kedua metode tersebut melaksanakan pemrograman dinamik (dynamic programming) dan hanya efektif untuk alignment dua sekuens (pairwise alignment)
Clustal adalah program bioinformatika untuk alignment multipel (multiple alignment), adalah alignment beberapa sekuens sekaligus. Dua varian utama Clustal adalah ClustalW dan ClustalX.
Metode lain yang bisa dilaksanakan untuk alignment sekuens adalah metode yang mengadakan komunikasi dengan Hidden Markov Model ("Model Markov Tersembunyi", HMM). HMM merupakan model statistika yang mulanya dipakai dalam ilmu komputer untuk mengenali pembicaraan manusia (speech recognition). Selain dipakai untuk alignment, HMM juga dipakai dalam metode-metode analisis sekuens lainnya, seperti prediksi daerah pengkode protein dalam genom dan prediksi susunan sekunder protein.
Prediksi susunan protein
Secara kimia/fisika, bentuk susunan protein dibongkar dengan kristalografi sinar-X ataupun spektroskopi NMR, namun kedua metode tersebut sangat memakan waktu dan relatif mahal. Sementara itu, metode sekuensing protein relatif lebih mudah mengungkapkan sekuens asam amino protein. Prediksi susunan protein berusaha meramalkan susunan tiga dimensi protein berdasarkan sekuens asam aminonya (dengan akap lain, meramalkan susunan tersier dan susunan sekunder berdasarkan susunan primer protein). Secara umum, metode prediksi susunan protein yang tidak kekurangan masa ini bisa dikategorikan ke dalam dua kelompok, adalah metode pemodelan protein komparatif dan metode pemodelan de novo.
Pemodelan protein komparatif (comparative protein modelling) meramalkan susunan suatu protein berdasarkan susunan protein lain yang sudah diketahui. Salah satu penerapan metode ini adalah pemodelan homologi (homology modelling), adalah prediksi susunan tersier protein berdasarkan kesamaan susunan primer protein. Pemodelan homologi didasarkan pada teori bahwa dua protein yang homolog memiliki susunan yang sangat mirip satu sama lain. Pada metode ini, susunan suatu protein (disebut protein target) ditentukan berdasarkan susunan 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 susunan tanpa kemiripan sekuens primer. Latar belakang protein threading adalah bahwa susunan protein lebih dikonservasi daripada sekuens protein selama evolusi; daerah-daerah yang penting bagi fungsi protein dipertahankan susunannya. Pada pendekatan ini, susunan yang paling kompatibel untuk suatu sekuens asam amino dipilih dari semua jenis susunan tiga dimensi protein yang tidak kekurangan. Metode-metode yang tergolong dalam protein threading berusaha menentukan tingkat kompatibilitas tersebut.
Dalam pendekatan de novo atau ab initio, susunan protein ditentukan dari sekuens primernya tanpa membandingkan dengan susunan protein lain. Terdapat banyak kemungkinan dalam pendekatan ini, misalnya dengan menirukan ronde pelipatan (folding) protein dari sekuens primernya menjadi susunan tersiernya (misalnya dengan simulasi dinamika molekular), atau dengan optimisasi global fungsi energi protein. Prosedur-prosedur ini cenderung membutuhkan ronde komputasi yang intens, sehingga masa ini hanya dipakai dalam menentukan susunan protein-protein kecil. Beberapa usaha telah diterapkan untuk mengatasi kekurangan 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 ditentukan dengan mengukur kadar mRNA dengan berbagai jenis teknik (misalnya dengan microarray ataupun Serial Analysis of Gene Expression ["Analisis Serial Ekspresi Gen", SAGE]). Teknik-teknik tersebut umumnya dilaksanakan pada analisis ekspresi gen skala akbar yang mengukur ekspresi banyak gen (bahkan genom) dan menghasilkan data skala akbar. Metode-metode penggalian data (data mining) dilaksanakan pada data tersebut untuk mendapat pola-pola informatif. Sebagai contoh, metode-metode komparasi dipakai untuk membandingkan ekspresi di selang gen-gen, sementara metode-metode klastering (clustering) dipakai untuk mempartisi data tersebut berdasarkan kesamaan ekspresi gen.
Bioinformatika di Indonesia
Masa 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" untuk program Sarjana dan mata kuliah "Bioinformatika" untuk 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 untuk program sarjana maupun pascasarjana biokimia,biologi, dan bioteknologi pada Institut Pertanian Bogor (IPB). Selain itu, riset-riset yang mengarah pada bioinformatika juga telah dilaksanakan oleh mahasiswa program S1 Ilmu Komputer maupun program pascasarjana biologi serta bioteknologi IPB.
Riset bioinformatika protein dilaksanakan sebagai bagian dari aktivitas riset rekayasa protein pada Laboratorium Rekayasa Protein, Pusat Penelitian Bioteknologi Lembaga Ilmu Pengetahuan Indonesia (LIPI), Cibinong, Bogor. Lembaga Biologi Molekul Eijkman, Jakarta, secara khusus memiliki laboratorium bioinformatika sebagai fasilitas penunjang aktivitas risetnya. Selain itu, basis data sekuens DNA mikroorganisme asli Indonesia sedang 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 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
Sumber :
kategori-antropologi.kucing.biz, wiki.edunitas.com, id.wikipedia.org, perpustakaan.web.id, dsb.
