WHAT IS BIOINFORMATICS?

AN INTRODUCTION AND
OVERVIEW

RESUME JURNAL

Disusun guna memenuhi tugas mata kuliah bioinformatika

Oleh
Dela Dwi Alawiyah
141810401032

JURUSAN BIOLOGI
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS JEMBER
2016
 Bioinformatika terdiri dari dua kata “Bio” = biologi dan “Informatics” =
informatika/informasi. Jadi, bioinformatika berkaitan dengan konsep biologi
molekular yang digunakan untuk mencari, memperoleh data, dan menganalisis
informasi biologis. Dengan kata lain, bioinformatika merupakan sistem
manajemen informasi untuk mengelola dan menganalisis data biologis.
Bioinformatika mempunyai tujuan yang terbagi dalam tiga tingkatan.
Pertama, bioinformatika mengatur data sehingga peneliti dapat mengakses
informasi dan untuk memasukkan data baru yang mereka hasilkan seperti Protein
Data Bank. Kedua, mengembangkan alat serta sumberdaya dalam menganalisis
data. Ketiga, menggunakan alat tersebut untuk kepentingan analisis data dan
menginterpretasi hasil sesuai kaidah biologi. Pada jurnal ini, penjelasan akan lebih
ditekankan pada tujuan pertama dan ketiga. Adapun konteks yang akan diuraikan
adalah sekuen DNA, sekuen protein, struktur makromolekular, sekuen genom, dan
data genom lainnya.
Sekuen baku DNA merupakan 4 baseletter yang terdiri dari gen dengan
panjang masing-masing 1000 pasang basa. Repository Genk Bank mempunyai 9.5
milyar pangkalan dalam 8.2 juta entri. Aspek penting pada genom lengkap adalah
membedakan antara coding area dengan non coding area-sekuens berulang
membentuk sebagian besar urutan basa terutama pada eukariota.
Database sekuen protein dikelompokkan dalam dua kategori yaitu database
primer dan database sekunder atau komposit. Database primer mengandung lebih
dari 300.000 sekuen protein yang berfungsi sebagai gudang (repository) data
mentah. Repository yang umum diketahui seperti SWISS-PROT and
PIRInternational. Database sekunder mengandung informasi turunan dari sekuen
protein sehingga membantu peneliti untuk menentukan sekuen manakah yang
dimiliki oleh kelompok protein. Contoh database sekunder yang paling populer
adalah PROSITE, adalah database dari pola sekuen pendek dan profil yang
menjadi ciri situs biologis yang signifikan dalam protein.
Protein Data Bank (PDB) menyediakan arsip utama dari semua struktur
3D untuk makromolekul seperti protein, RNA, DNA, dan berbagai kompleks
lainnya. Tiga database utama mengklasifikasikan protein berdasarkan struktur
untuk mengidentifikasi hubungan struktural dan evolusi: database CATH, SCOP,
dan FSSP. Adapun semua yang meliputi hirarki struktural taksonomi dimana
kelompok protein meningkat pada kemiripan tingkat bawah pohon klasifikasi.
Selain itu, berbagai database lainnya berfokus pada jenis tertentu dari
makromolekul.
Setiap mengolah data dari subjek berbeda maka diperlukan pula teknik
informatika yang berbeda, sesuai dengan subjek yang dikerjakan. Peningkatan
informasi membuat metode pengolahan database dengan antarmuka web-page
menjadi penting. Pada analisis sekuen, diperlukan teknik seperti metode string
comparison, contohnya pencarian kata dan 1-dimensional alignment algorithms.
Identifikasi multiple sekuen bergantung pada pemahaman alat, cluster, dan teknik
data-mining. Teknik analisis struktur 3D terdiri atas kalkulasi geometri Euclidan
dipadu dengan ilmu fisika dan kimia dasar, gambaran permukaan dan volume
secara grafis serta metode pencocokan 3 dimensi (3D). Untuk simulasi molekuler
dibutuhkan mekanika Newtonian, mekanika quantum, mekanika molekuler serta
kalkulasi elektrostatistik. Subjek yang telah dijelaskan di atas memerlukan metode
komputerisasi dengan dipadu analisis statistik yang baik untuk mendapatkan hasil
yang signifikan.
Oleh karena adanya kelimpahan data biokimia, menjadikan kajian
genomik pada bioinformatika terkonsentrasi pada model organisme dan analisis
sistem regulator. Identifikasi faktor transkripsi dalam genom selalu bergantung
pada strategi pencarian, dengan mengasumsikan hubungan fungsional dan evolusi
dengan protein homolog. Struktur genomik melalui bioinformatika memberikan
struktur untuk produk protein dari genom dengan menunjukkan kesamaan dengan
protein struktur yang dikenal.
Banyak penelitian mengenai pengekspresian sejauh ini difokuskan pada
perancangan metode untuk gen cluster melalui kedetakan profil ekspresi. Hal ini
bertujuan untuk menentukan protein yang diekspresikan bersama pada kondisi
seluler yang berbeda. Metode yang paling umum adalah cluster hirarki, peta self-
organising, dan cluster K-means. Metode hirarki awalnya berasal dari algoritma
penyusun pohon filogenetik. Gen dengan tingkat ekspresi yang paling mirip
dilakukan pengklusteran pertama lalu profil ekspresi lainnya disertakan secara
iteratif.
Seperti pada penjelasan sebelumnya, salah satu faktor pendorong
bioinformatika adalah mencari kemiripan antara biomolekul yang berbeda.
Terlepas dari sistem pengorganisasian data, identifikasi protein homolog
mempunyai pemanfaatan secara langsung. Hal yang paling jelas adalah mengenai
tranfer informasi diantara protein yang saling terkait. Contohnya, diberikan
sebuah protein dengan karakteristik kurang baik (sulit diketahui), disitu akan
dimungkinkan untuk mencari homolognya yang lebih mudah dipahami. Pencarian
homolog secara luas digunakan untuk mencari coding region pada sekuen baru
genom dan data fungsional ditransfer untuk menandai gen individu. Dalam skala
besar, pencarian homolog dapat juga digunakan dalam mensederhanakan
pemahaman tentang genom. Hal ini dilakukan dengan menganalisis organisme
tingkat rendah dahulu lalu menerapkannya pada organisme tingkat yang lebih
tinggi. Adapun, hal tersebut yang menjadikan alasan mengapa project struktur
genom difokuskan pada Mycoplasma genitalium.
Salah satu penerapan bioinformatika dalam dunia medis adalah mendesain
obat. Dengan adanya sekuen nukleotida, memungkinkan sekuen asam amino dari
protein terkode dapat ditentukan melalui software penerjemah. Teknik pencarian
sekuen dapat digunakan untuk menemukan organisme yang homolog satu sama
lain.b berdasarkan kemiripan sekuen, dimungkinkan juga untuk menjadikan
struktur protein pada manusia sebagai model dalam eksperimen karakter struktur.
Akhirnya, docking alogaritma dapat merancang molekul sehingga dapat berikatan
dengan struktur model, dan memimpin arah untuk uji biokimia untuk mengetahui
aktivitas biologis pada protein.
Database secara efisien dapat menyimpan semua informasi yang terkait
dengan genom, struktur dan dataset ekspresi. Selain itu, database juga dapat
memadatkan semua informasi sehingga menjadi tren yang dapat dipahami dan
membuat para pengguna menjadi mudah dalam membaca. Skala data genomik
lebih lanjut yang dapat dipertimbangkan dalam kajian skala besar mencakup
lokalisasi subseluler protein dan interaksi diantaranya. Penyusunan peta interaksi
protein dalam organisme dapat dimulai dengan menghubungkan dengan data
terstruktur.
Kemajuan bioinformatika lebih lanjut yang dikombinasikan dengan
eksperimen genom individu telah diprediksi akan merevolusi masa depan
kesehatan. Pada pasien, mungkin saja dimulai dengan genotip postnatal untuk
menilai kerentanan dan kekebalan dari penyakit dan patogen tertentu. Melalui
informasi ini, kombinasi vaksin dapat ditentukan, sehingga meminimalkan biaya
perawatan kesehatan yang tidak perlu dan mengantisipasi serangan penyakit di
kemudian hari.
Dengan adanya kelimpahan data, metode komputerisasi menjadi sangat
diperlukan dalam eksperimen biologi. Bioinformatika awalnya dikembangkan
untuk analisis sekuen biologis, namun saat ini bioinformatika telah mencakup
berbagai bidang studi yaitu biologi struktural, genomik, dan strudi ekspresi gen.
Terdapat dua prinsip yang mendasari semua studi di bidang bioinformatika.
Pertama, dengan membandingkan dan mengelompokkan data berdasarkan
kesamaan biologis dan kedua yaitu untuk menganalisis jenis data sehingga dapat
disimpulkan dan memahami pengamatan jenis data lainnya.

Sumber: Luscombe, M.L., et al. (2001). What is bioinformatics? An introduction

and overview. Yearbook of Medical Informatics