TUGAS PAPER BIOINFORMATIKA

Gen KRIT1 pada penyakit Cerebral Cavernous Malformation (CCM)

Hanna Mufliha

2302019003

PROGRAM PASCASARJANA

BIOLOGI MEDIS

UNIVERSITAS YARSI

TAHUN 2019-2020
1. Tuliskan definisi bioinformatika (berikan referensinya)

Bioinformatika didefinisikan sebagai ilmu gabungan antara biologi molekuler dan teknik
informatika.(Parikesit, 2018)

Bioinformatika, ilmu berbasis multidisipliner yang menggabungkan pendekatan biologi

molekuler dan teknik informatika, dapat digunakan dalam manajemen informasi tersebut (Saeys
et al., 2007; Whitfield et al., 2006; Eisenhaber et al., 2009; Parikesit, 2009; Searls, 2012;
Goodman & Dekhtyar, 2014). Untuk keperluan tersebut, penelitian bioinformatika membutuhkan
sumber daya komputasi dalam jumlah tertentu. Sumber daya komputasi yang besar didefinisikan
sebagai minimal sebuah komputer desktop kelas workstation dan maksimal sebuah komputer
super dengan jumlah lebih dari 10.000 prosesor.(Parikesit, 2018)(PARIKESIT, ANUROGO dan
PUTRANTO, 2017)

Bioinformatics adalah (ilmu yang mempelajari) penerapan teknik komputasional untuk

mengelola dan menganalisis informasi biologis. Bidang ini mencakup 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 struktur untuk meramalkan bentuk
struktur protein maupun struktur sekunder RNA, analisis filogenetik, dan analisis ekspresi gen.
(academia)

2. Berikan 3 (tiga) alasan dan penjelasan mengapa perlu mempelajari bioinformatika

dalam dunia kedokteran (berikan referensinya)
a. 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.(Utama, 2003)
b. Bioinformatika untuk identifikasi agent penyakit baru
 Bioinformatika juga menyediakan tool yang esensial untuk identifikasi agent penyakit
yang belum dikenal 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). (Utama, 2003)
c. 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
perawatan 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.(Utama, 2003)
3. Informasi apa saja yang dapat dimanfaatkan dari penelusuran bioinformatika (berikan
referensinya)

a. Basis data sekuens biologis

Sesuai dengan jenis 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 struktur untuk menyimpan data struktur protein maupun asam nukleat.

b. Penyejajaran sekuens

Penyejajaran sekuens (sequence alignment) adalah proses penyusunan/pengaturan dua atau

lebih sekuens sehingga persamaan sekuens-sekuens tersebut tampak nyata. Hasil dari
proses 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 karakter yang identik atau sama di antara sekuens-
sekuens tersebut. Berikut adalah contoh alignment DNA dari dua sekuens pendek DNA
yang berbeda, "ccatcaac" dan "caatgggcaac" (tanda "|" menunjukkan kecocokan
atau match di antara kedua sekuens).

c. Prediksi struktur protein

 Secara kimia/fisika, bentuk struktur 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 lebih mudah
mengungkapkan sekuens asam amino protein. Prediksi struktur protein berusaha
meramalkan struktur tiga dimensi protein berdasarkan sekuens asam aminonya (dengan
kata lain, meramalkan struktur tersier dan struktur sekunder berdasarkan struktur primer
protein).

d. Analisis ekspresi gen

Ekspresi gen dapat ditentukan dengan mengukur kadar mRNA dengan berbagai 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 besar yang mengukur ekspresi banyak gen (bahkan genom) dan
menghasilkan data skala besar.

4. Apa saja yang telah saudara lakukan sehubungan dengan pencarian informasi
bioinformatika, untuk memperoleh hal-hal berikut ini dan berikan informasinya;
4.1. Nama gen atau protein (sebutkan nama gen/protein saudara dan berikan accession
number dan soft ware yang digunakan)

Gen yang dicari adalah KRIT1 pada homo sapiens chromosoma 7, GRCh38.p13 Primary
Assembly

Number Accession NC_000007 dengan menggunakan tools NCBI pada penulusan

nukleotida

4.2. Bagaimana struktur proteinnya dan sebutkan soft ware yang digunakan
 proteinnya KRIT1 protein diambil dari NCBI dengan pencaraian pada gene KRIT1

4.3. Sebutkan peranan gen/protein saudara di dalam mekanisme suatu sistem dan
sebutkan soft ware yang digunakan
Menggunakan tools Omim.org
 Tanda angka (#) digunakan dengan entri ini karena bukti bahwa salah satu bentuk
malformasi kavernosa serebral (CCM1) disebabkan oleh mutasi heterozigot pada gen
KRIT1 (604214) pada kromosom 7q21.
Angioma kavernosa serebral adalah malformasi vaskular yang relatif jarang terjadi
yang mungkin melibatkan bagian mana pun dari sistem saraf pusat. Angioma kavernosa
serebral harus dibedakan dari malformasi arteriovenosa serebral (106070, 108010). CCM
bersifat vena dan tidak dapat dibuktikan dengan arteriografi; oleh karena itu mereka
disebut sebagai diam angiografis.

Hemangioma kapiler (602089) diklasifikasikan sebagai perbedaan dari malformasi

vaskular karena hemangioma bersifat jinak, lesi yang sangat proliferatif yang melibatkan
pertumbuhan endotel kapiler lokal yang menyimpang. Hemangioma berkembang segera
setelah lahir. Sebaliknya, malformasi vaskular hadir sejak lahir, cenderung tumbuh
bersama individu, tidak menurun, dan menunjukkan tingkat normal pergantian sel endotel
(Mulliken dan Young, 1988).
Heterogenitas Genetik CCM
CCM2 (603284) disebabkan oleh mutasi pada gen CCM2 / malcavernin (607929), dan
CCM3 (603285) disebabkan oleh mutasi pada gen PDCD10 (609118).
Bukti menunjukkan bahwa mekanisme 2-hit yang melibatkan germline biallelic dan
mutasi somatik bertanggung jawab atas patogenesis CCM1; lihat bagian PATOGENESIS
dan GENETIKA MOLEKULER.

4.4. Apabila ada mutasi pada gen/protein saudara, apakah akan memberikan dampak
 pada mekanisme suatu sistem tersebut dan sebutkan soft ware yang digunakan
untuk
mendapatkan informasi tersebut

Tools yang dipakai adalah SNP NCBI

Nama Gen: KRIT1 ankyrin repeat containingprovided by HGNC

Nama lain: CAM, CCM1
Lokasi : 7q21.2 ( lengan Panjang kromosom 7 )

Jumlah exon 20

Diekpresikan Banyak terdapat pada endometrium dan ovarium

 Struktur protein KRIT1

Protein KRIT1

Karakteristik protein KRIT1 (homo sapiens)

Memiliki komposisi: jumlah asam amino 525

Berat: 60828,89

Theoretical pi: 7.96

Komposisi atom dan jumlah atom

Struktur primer protScale

Struktur Primer menggunakan SAPS
Charge distribution analysis
 Distribusi tipe asam amino lainnya dan struktur repetitive

Struktur sekunder

Struktur sekunder menggunakan JPred dan gambar struktur

Deskripsi Struktur PDB id: 1ric

Struktur sekunder menggunakan CATH

Dengan CATH akan didapatkan informasi tentang unknown sequence, yang dapat melihat
allignment jenis protein yang mirip dengan pensejajaran yang paling mirip, di lihat dari nilai e-
value yang paling kecil menunjukkan similarity lebih bagus.