Literature Review
Received date: April 5th, 2020; reviewed date: Mei 14th, 2020; revised date: Mei 18th, 2020; accepted date: Mei 20th, 2020
DOI : 10.18196/di.9115
Abstrak
Estimasi usia merupakan bagian penting dalam proses identifikasi dalam praktik forensik. Gigi merupakan bagian
dari tubuh manusia yang paling kuat dan tahan terhadap pengaruh lingkungan sehingga dapat digunakan sebagai
salah satu variabel estimasi usia, terutama pada individu yang telah meninggal. Awalnya, studi maupun aplikasi
metode estimasi usia dental umumnya menggunakan perubahan morfologi yang diamati dari gambaran radiograf
berdasarkan pertumbuhan gigi geligi. Seiring dengan kemajuan teknologi, metode biomolekuler mulai
berkembang dan digunakan dalam estimasi usia dental. Tinjauan pustaka ini bertujuan untuk memaparkan metode
biomolekuler terkini yang dapat diaplikasikan pada gigi. Estimasi usia dental menggunakan pendekatan
biomolekuler dapat diamati dari modifikasi DNA, protein, atau epigenetik. Penelitian berkatian dengan Aspartic
Acid Racemization dan Metilasi DNA dengan sampel dental mulai meningkat sebagai metode yang dapat
digunakan dalam aplikasi pada kasus forensik. Meskipun masih terdapat kelemahan seperti metodologi yang tidak
konsisten dan akurasi yang kurang dibandingkan dengan perubahan morfologi, metode biomolekuler dapat
memberikan kontribusi potensial pada estimasi usia dental.
Kata Kunci: Analisis biomulekuler; Biologi molekuler; Estimasi usia; Estimasi usia dental; Odontologi forensik
Abstract
Age estimation is an essential part of the identification process in forensic practice. Teeth are one of the most
durable pieces of the human body. Therefore, teeth were used as age estimation variables, especially for the
deceased. Initially, dental age estimation methods were mainly based on the morphological changes in tooth
development, which could be observed in radiographs. Later on, as the advancement of technology, molecular
methods began to develop and adopted in dental age estimation. This review presents current methods of
biomolecular, which could be applied in dental age estimation. Dental age estimation using changes in
biomolecular could be observed by modification of DNA based, protein-based, and epigenetic. Study regarding
methods such as Aspartic Acid Racemization and DNA Methylation with dental sample has gradually increased
as the applicable method in forensic casework. Even though the drawbacks such as inconsistency of methodology
or less of accuracy compare to morphological methods, biomolecular methods are becoming a potential
contribution for dental age estimation.
Keywords: Biomolecular analysis; Molecular biology; Age estimation; Dental age estimation; Forensic
odontology
*
Corresponding author, e-mail: rosalina.saputri@gmail.com
32 Rosalina Intan Saputri | Estimasi Usia Dental Berdasarkan Pendekatan Biomolekuler
tingkat korelasi antara rasio D-Asp/L yang bagian buccal karena bagian lingual lebih
lebih tinggi, dibandingkan tulang.15 banyak terpapar pada suhu tinggi.22 Jumlah
Analisis AAR juga dapat dilakukan pada asam amino D-Asp juga dapat
jaringan tubuh lain seperti otak, mata, paru- termodifikasi karena penyakit yang
paru, kulit, dan darah (eritrosit).19 berhubungan dengan penuaan seperti
katarak, Alzheimer, osteoarthritis, dan pada
kondisi jenazah yang terbakar.18,19
Meskipun demikian, AAR masih menjadi
metode pilihan untuk estimasi usia
individu, terutama untuk identifikasi usia
saat kematian (age-at-death).19,22
sitosin yang diikuti oleh guanin sehingga dari modifikasi epigenetik yang
disebut dengan dinukleotida CpG(s)/CpG- berhubungan dengan penuaan adalah
sites.4,14 Pada genom, metilasi terjadi pada chromatin remodelling, modifikasi
regio yang kaya akan CpG disebut dengan posttranslational histone, dan noncoding
CpG island.4 Protein dan metyl-CpG- RNA.11,14 Namun studi berkaitan tentang
bonding domain akan berikatan secara estimasi usia, terutama pada gigi dan
spesifik pada CpG island, menginduksi rongga mulut lebih banyak berfokus pada
represi dan aktivasi transkripsional.14 analisis metilasi DNA.
Seiring bertambahnya usia, pola metilasi
DNA secara bertahap menunjukan
hipometilasi maupun hipermetilasi DNA
pada bagian dari promoter-associate CpG
island tertentu.4 Hubungan antara metilasi
DNA dan penuaan dapat dideskripsikan
dalam dua bagian yaitu epigenetic drift dan
epigenetic clock. Bagian epigenetic drift
menunjukan berbagai variasi perubahan
pada individu seiring pertambahan usia
Gambar 3. Pathway metilasi DNA. Proses metilasi
karena pengaruh lingkungan, sebaliknya DNA dikatalisasi oleh enzim DNA-
bagian epigenetic clock hanya berhungan methyltransferases (DNMT3A dan DNMT3B). Pola
sangat erat dengan pertambahan usia, metilasi tetap bertahan karena adanya DNMT1
sehingga dapat digunakan untuk sepanjang proses replikasi. Demetilisasi DNA pasif
memprediksi usia kronologis individu.39 terjadi jika aktifitas DNMT1 menghilang.
Sedangkan demetilisasi aktif terjadi karena protein
Seiring kemajuan teknologi, lebih TET1-3 merubah 5-methylcytosine menjadi derivate
banyak studi yang menunjukan bermacam- 5-hydrxymethulcytosine (5hmC).42
macam biomarker metilasi DNA dan model
prediksi usia dari berbagai jaringan seperti KESIMPULAN
darah, saliva, semen, buccal swabs, dan Berbagai metode dengan
gigi.39 Studi pada gigi, menunjukan akurasi pendekatan biomolekuler telah banyak
estimasi usia dari CpG-sites pada dikembangkan dalam penelitian maupun
(biomarker) gen ELOVL2, FHL2, dan aplikasinya dalam estimasi usia dental.
PENK yang diambil dari pulpa, dentin dan Metode-metode tersebut dapat digunakan
sementum.40 Penelitian lain juga jika informasi estimasi usia dental
menunjukan hasil yang sama dengan berdasarkan pertumbuhan morfologi
pengamatan pada biomarker ASPA, terbatas. AAR dan Metilasi DNA masih
PDE4C, dan EDARADD dari dentin yang menjadi metode estimasi usia yang paling
terbukti memiliki korelasi untuk sering digunakan karena kelebihan dari segi
41
memprediksi usia. akurasi. Namun, metode biomolekuler pada
Estimasi usia dengan metode dental masih memerlukan penelitian lebih
kombinasi dari metilasi DNA, usia skeletal, lanjut untuk mendapatkan prosedur paling
dan usia dental dapat menambah akurasi optimal dalam memprediksi usia yang lebih
hingga 0,04-0,11 tahun dibandingkan akurat sesuai dengan karakteristik pada
hanya dengan menggunakan kombinasi masing-masing populasi.
usia skeletal dan usia dental.12 Penelitian
lebih lanjut diharapkan tidak hanya DAFTAR PUSTAKA
mengidentifikasi lebih banyak marker 1. Krishan, K., Kanchan, T., Garg, A.K.
metilasi DNA dari jaringan yang Dental Evidence in Forensic
berhubungan dengan usia, namun juga Identification – An Overview,
mengembangkan standar untuk analisis Methodology and Present Status. Open
estimasi usia yang lebih akurat.39 Tipe lain Dent J, 2015; 9: 250–256.
36 Rosalina Intan Saputri | Estimasi Usia Dental Berdasarkan Pendekatan Biomolekuler
2. Brough, A.L., Morgan, B., Rutty, G.N. Improved age determination of blood
Postmortem computed tomography and teeth samples using a selected set
(PMCT) and disaster victim of DNA methylation markers.
identification. Radiol Med, 2015; Epigenetics, 2015; 10(10): 922-930.
120(9): 1–9. 12. Shi, L., Jiang, F., Ouyang, F., Jun, Z.
3. Franklin, D., Flavel, A., Noble J., Swift Genetics DNA methylation markers in
L., Karkhanis S. Forensic age combination with skeletal and dental
estimation in living individuals : ages to improve age estimation in
methodological considerations in the children. Forensic Sci Int Genet, 2017;
context of medico-legal practice. 33: 1–9.
Research and Reports in Forensic 13. Griffin, R.C., Chamberlain, A.T., Hotz,
Medical Science, 2015; 5: 53-66. G., Penkman, K.E., Collins, M.J. Age
4. Freire-Aradas, A., Phillips, C., Lareu, estimation of archaeological remains
M.V. Forensic individual age using amino acid racemization in
estimation with DNA: From initial dental enamel A comparison of
approaches to methylation tests. morphological, biochemical, and
Forensic Sci Rev, 2017; 29(2): 121- known ages‐at‐death. Am J Phys
144. Anthropol, 2009; 140(2): 244-252.
5. Berkovitz, B.K.B., Holland, G.R., 14. Thomas, C., Zapico, S.C. Epigenetics:
Moxham, B.J., Oral Anatomy, Its Role in Aging, Diseases, and
Histology, & Embryology. Edinburgh: Biological Age Estimation. Dalam
Elsevier. pp. 442-450, 2018. Zapico, S.C. Mechanisms Liking
6. Fehrenbach, M.J., Popowics, T. Aging, Disease and Biological Age
Illustrated dental embryology, Estimation. Washington DC: CRC
histology, and anatomy (4th Ed.). Press Taylor & Francis Group. pp. 245-
Missouri: Elsevier Saunders. pp. 51- 254, 2017.
76, 2016. 15. Zapico, S.C., Ubelaker, D.H.
7. Kumar, R., Athota, A., Rastogi, T., Applications of physiological bases of
Karumuri, S.K. Forensic radiology: An ageing to forensic sciences . Estimation
emerging tool in identification. J of age-at-death. Ageing Res Rev, 2013;
Indian Acad Oral Med Radiol, 2015; 12: 605–617.
27(3): 416–422. 16. Hassan, Q., Rakha, A., Bashir M.Z.
8. Marroquin, T.Y., Karkhanis, S., Kvaal, Aspartic Acid Racemization with
S.I., Vasudavan, S., Kruger E., Correlation to Age : A Forensic
Tennant, M. Age estimation in adults Perspecive. JCPSP, 2017; 27(5): 283–
by dental imaging assessment 287.
systematic review. Forensic Sci Int, 17. Ohtani, S., Yamamoto, T. Age
2017; 275: 203-211. Estimation by Amino Acid
9. Jeon, H. M., Jang, S. M., Kim, K. H., Racemization in Human Teeth. J
Heo, J. Y., Ok, S. M., Jeong, S. H., & Forensic Sci, 2010; 55(6): 1630–1633.
Ahn, Y. W. Dental age estimation in 18. Zapico, S.C., Thomas, C., Zoppis, S.
adults: A review of the commonly used Age estimation based on molecular
radiological methods. J Oral Med biology approaches. Age Estimation: A
Pain., 2014; 39(4), 119-126. Multidisciplinary Approach. 2019;
10. Divakar, K.P. Forensic Odontology : 2019: 213-223.
The New Dimension in Dental 19. Zapico, S.C., Thomas, C., Menéndes,
Analysis. Int J Biomed Sci, 2017; S.T. Aspartic Acid Racemization on
13(1): 1–5. Aging. dalam Zapico, S.C.
11. Bekaert, B., Kamalandua, A., Zapico, Mechanisms Liking Aging, Disease
S.C., Van de Voorde, W., Decorte, R. and Biological Age Estimation.
Insisiva Dental Journal: Majalah Kedokteran Gigi Insisiva, 9(1), Mei 2020 37
Taylor&Francis Group. pp. 59-67, various tissues and body fluids. BMB
2017. Rep, 2017; 50(11): 546–553.
36. Ilea, A., Băbţan, A.M., Boşca, B.A., 40. Giuliani, C., Cilli, E., Bacalini, M.G.,
Crişan, M., Petrescu, N.B., Collino, Pirazzini, C., Sazzini, M., Gruppioni,
M., Sainz, R.M., Gerlach, J.Q., G., Franceschi, C., Garagnani, P.,
Câmpian, R.S. Advanced glycation end Luiselli, D. Inferring Chronological
products (AGEs) in oral pathology. Age from DNA Methylation Patterns
Arch Oral Biol, 2018; 93: 22–30. of Human Teeth. Am J Phys Anthropol,
37. Miura, J., Nishikawa, K., Kubo, M., 2016; 159(4): 585–595.
Fukushima, S., Hashimoto, M., 41. Bekaert, B., Kamalandua, A., Zapico,
Takeshige, F., Araki, T. Accumulation S.C., Van de Voorde, W., Decorte, R.
of advanced glycation end-products in A selective set of DNA-methylation
human dentine. Arch Oral Biol, 2014; markers for age determination of
59(2): 119–124. blood, teeth and buccal samples.
38. Greis, F., Reckert, A., Fischer K., Ritz- Forensic Sci Int Genet Suppl Ser, 2015;
Timme, S. Analysis of advanced 5: e144–e145.
glycation end products (AGEs) in 42. Ambrosi, C., Manzo, M., Baubec, T.
dentine : useful for age estimation? Int Dynamics and context-dependent roles
J Legal Med, 2018; 132(3): 799–805. of DNA methylation. J Mol Biol,
39. Jung, S.E., Shin, K.J., Lee, H.Y. DNA 2017; 429(10): 1459-1475.
methylation-based age prediction from