TUGAS KELOMPOK 2

BIOINFORMATIKA

Nama : 1. Indah Nurcahyani (230341800204)

2. Regi Sandy (230342818035)

1. Pubchem
PubChem adalah data base molekul kimia dan aktivitasnya terhadap
penelitian biologi. Sistem ini dipelihara oleh National Center for Biotechnology
Information (NCBI), suatu komponen pada National Library of Medicine, yang
merupakan bagian dari National Institutes of Health (NIH) Amerika Serikat [1].
PubChem dapat diakses secara gratis melalui suatu web user interface. Jutaan
struktur senyawa dan dataset pemeriannya dapat didownload secara gratis melalui
FTP [1]. PubChem memuat pemerian bahan-bahan dan molekul kecil yang
terbentuk kurang dari 1000 atom dan 1000 ikatan [1]. Lebih dari 80 vendor data
base berkontribusi pada data base PubChem yang terus bertumbuh [1].
PubChem memiliki beberapa kelebihan, antara lain:
a) PubChem menyediakan informasi lengkap dan terpercaya tentang senyawa-
senyawa kimia dan bioaktivitasnya terhadap berbagai target biologis [2].
b) PubChem memungkinkan pencarian dalam rentang luas sifat-sifat termasuk
struktur kimia, nama, rumus kimia, berat molekul, XLogP, dan hitungan
donor serta akseptor ikatan hidrogen [1].
c) PubChem menyediakan penyunting molekul online sendiri dengan dukungan
untuk SMILES /SMARTS dan InChI yang mengizinkan impor dan ekspor
semua format berkas kimia umum untuk pencarian struktur dan fragmen [1].
PubChem juga memiliki beberapa kekurangan, antara lain:
a) Tidak semua struktur senyawa tersedia di PubChem, sehingga mungkin perlu
mencari sumber lain jika diperlukan informasi lebih lanjut [3].
b) Tidak semua bioaktivitas diukur dengan metode yang sama atau konsisten,
sehingga mungkin perlu membandingkan hasil dari berbagai program high-
throughput screening [2].
PubChem dapat digunakan sebagai sumber referensi untuk penelitian
ilmiah dan aplikasi terkait dengan tanaman obat dan herbal [4]. Selain itu,
PubChem juga dapat digunakan sebagai alat komputasi in silico untuk
menganalisis data molekuler dan metabolit anggrek [5].
Ada dua metode untuk memperoleh data dari PubChem secara
terprogram: PUG-REST dan PUG-View. PUG-REST mengambil informasi yang
dihitung oleh PubChem, sementara PUG-View memberi Anda informasi yang
dikumpulkan dari sumber lain beserta anotasi.
1) PUG-REST
Memberikan anda cara untuk mengakses data melalui UR, yang terlihat seperti
ini (<prolog> adalah “https://pubchem.ncbi.nlm.nih.gov/rest/pug”):
<prolog>/<masukan >/<operasi>/<keluaran> klik <input> untuk memberi
tahu layanan senyawa atau zat mana yang harus dicari. Misalnya, jika saya
ingin mencari aspirin, saya dapat membuat <prolog>/<input spec> seperti:
<prolog>/senyawa/nama/aspirin
Di sini, <input> dipecah menjadi 3 bagian. Pertama yaitu 'gabungan'. Lalu
'nama'. Dan nama itu adalah 'aspirin'. Tautan ini memberi saya file XML yang
berisi semua informasi PUG-REST tentang aspirin. Misalkan saya hanya
menginginkan berat molekul aspirin.
<prolog>/senyawa/nama/aspirin/property/MolecularWeight
di mana <operasi>nya adalah melihat 'properti' aspirin dan mengambil 'berat
molekul'. Lalu, misalkan saya tidak menyukai XML, dan saya
menginginkannya dalam JSON:
<prolog> /compound/name/aspirin/property/MolecularWeight/json
2) PUG-VIEW
Data melalui PUG-View sangat mirip dengan PUG-REST. Dalam hal ini,
prolognya adalah “https://pubchem.ncbi.nlm.nih.gov/rest/pug_view”.
Misalkan saya ingin melihat kandungan PUG-View pada aspirin:
<prolog>/data/senyawa/2244
Di sini, 2244 adalah CID aspirin, yang merupakan singkatan dari ID
majemuk. Tautan ini memberi saya semua yang dimiliki PUG-View tentang
aspirin.
<prolog>/data/compound/2244?heading=Titik Lebur
untuk menanyakan titik leleh aspirin. Jika setelah melihat tautan ini, akan
melihat bahwa itu bukan hanya satu angka, tetapi beberapa angka beserta
anotasinya juga.
 Sumber rujukan:
[1] https://en.m.wikipedia.org/wiki/PubChem
[2] https://www.chemspider.com/DatasourceDetails.aspx?id=1
[3] https://academic.oup.com/nar/article/44/D1/D1202/2503131
[4] https://www.urip.info/2021/05/unduh-struktur-3d-pubchem.html?m=1
[5] https://identitasunhas.com/cari-artikel-lewat-pubmed-dan-google-scholar/

2. Dr. Duke's
Dr. Duke’s adalah nama dari sebuah basis data yang berisi informasi tentang
tanaman, zat kimia, aktivitas biologis, dan etnobotani. Basis data ini dibuat oleh
Dr. James A. Duke, seorang ahli botani dan etnobotani asal Amerika Serikat [1]
[2].
Dr.Duke’s memiliki beberapa kelebihan, antara lain:
a) Menyediakan pencarian mendalam tentang tanaman, zat kimia, aktivitas
biologis, dan etnobotani menggunakan nama ilmiah atau nama umum.
b) Hasil pencarian dapat diunduh dalam bentuk PDF atau spreadsheet.
c) Berguna bagi penelitian farmasi, nutrisi, dan biomedis, serta terapi alternatif
dan produk herbal.
Dr.Duke’s memiliki beberapa kekurangan, antara lain:
a) Tidak selalu diperbarui dengan penelitian terbaru.
b) Tidak menyediakan sumber primer atau referensi untuk setiap entri.
c) Tidak menjamin keakuratan atau kelengkapan data.
Basis data ini dapat digunakan dengan cara mengunjungi situs web Dr.
Duke’s Phytochemical and Ethnobotanical Databases dan memilih jenis entitas
yang ingin dicari. Kemudian, masukkan nama ilmiah atau nama umum dari
tanaman, zat kimia, aktivitas biologis, atau etnobotani yang ingin diketahui. Hasil
pencarian akan ditampilkan dalam bentuk tabel yang dapat diurutkan berdasarkan
kolom tertentu. Untuk mendapatkan informasi lebih lanjut tentang setiap entri,
klik pada nama entitas tersebut. Untuk mengunduh hasil pencarian, klik pada
tombol download di bagian bawah halaman.
Satu contoh aplikasi Dr. Duke’s dalam cara kerjanya:
Contoh: Penelitian tentang Senyawa Curcumin
1) Pencarian: Seorang peneliti tertarik untuk mengetahui lebih lanjut tentang
senyawa curcumin, yang ditemukan dalam kunyit. Dia memasukkan kata
kunci “curcumin” ke dalam kotak pencarian di Dr. Duke’s.
 2) Hasil Pencarian: Basis data mengembalikan informasi tentang curcumin,
termasuk aktivitas biologisnya, penggunaan etnobotani, dan tanaman tempat
curcumin ditemukan. Peneliti dapat melihat bahwa curcumin memiliki sifat
anti-inflamasi, antioksidan, dan antikanker. Selain itu, dia menemukan bahwa
kunyit telah digunakan secara tradisional dalam pengobatan di berbagai
budaya.
3) Referensi: Peneliti dapat mengunduh hasil pencarian dalam bentuk PDF atau
lembar kerja spreadsheet. Informasi ini akan membantu peneliti dalam
penelitian lebih lanjut tentang potensi kesehatan curcumin.
Dengan menggunakan Dr. Duke’s, peneliti dapat mengakses informasi
yang relevan dengan cepat dan efisien untuk mendukung penelitian.
Sumber rujukan:
[1] https://phytochem.nal.usda.gov/
[2] https://internasional.kompas.com/read/2021/03/19/204301670/mengenal-5-
tingkat-gelar-bangsawan-kerajaan-inggris?page=all

3. Knapsack
Knapsack dalam bioinformatika adalah nama dari sebuah basis data yang
berisi informasi tentang hubungan antara spesies tanaman, metabolit, aktivitas
biologis, dan etnobotani. Basis data ini disebut KNApSAcK Family [1][2] dan
dibuat oleh tim peneliti dari Nara Institute of Science and Technology (NAIST) di
Jepang [1].
Knapsack memiliki beberapa kelebihan, antara lain:
a) Menyediakan informasi yang berguna bagi penelitian metabolomik,
fitokimia, dan bioinformatika.
b) Memungkinkan pencarian berdasarkan nama ilmiah, nama umum, atau ID
CAS dari tanaman atau metabolit.
c) Menampilkan hasil pencarian dalam bentuk tabel, grafik, peta, atau jaringan.
Knapsack memiliki beberapa kekurangan, antara lain:
a) Memerlukan koneksi internet yang stabil dan cepat untuk mengakses situs
webnya.
b) Memiliki batasan waktu dan kapasitas untuk pencarian dan analisis data.
c) Tidak menjamin keakuratan atau kelengkapan data.
Knapsack dapat digunakan dengan cara mengunjungi situs web
KNApSAcK Family dan memilih jenis aplikasi yang diinginkan. Beberapa
aplikasi yang tersedia adalah: 1) KNApSAcK Core: untuk mencari informasi
tentang tanaman, metabolit, dan aktivitas biologis. 2) KNApSAcK Metabolite
Activity: untuk mencari informasi tentang aktivitas biologis dari metabolit
tertentu. 3) KNApSAcK Metabolite ID: untuk mencari informasi tentang ID
CAS, rumus molekul, berat molekul, dan struktur kimia dari metabolit tertentu.
Aplikasi Knapsack dapat menggunakan algoritma pemrograman
dinamik atau algoritma greedy untuk mencari solusi optimal atau suboptimal
[3][4][5]. Untuk menggunakan aplikasi Knapsack, anda perlu melakukan
beberapa langkah, yaitu:
1) Memasukkan data barang yang tersedia, yaitu berat, nilai, dan jumlah
masing-masing barang. Anda juga harus memasukkan kapasitas wadah yang
Anda gunakan.
2) Memilih metode penyelesaian yang Anda inginkan, yaitu pemrograman
dinamik atau greedy. Pemrograman dinamik akan mencari solusi optimal
dengan memecah masalah menjadi submasalah yang lebih kecil dan
menyimpan hasilnya dalam tabel. Greedy akan mencari solusi suboptimal
dengan memilih barang yang memiliki rasio nilai per berat tertinggi terlebih
dahulu.
3) Menekan tombol “Solve” untuk menjalankan aplikasi dan menampilkan
hasilnya. Aplikasi akan menunjukkan barang-barang apa saja yang harus
Anda masukkan ke dalam wadah, berat dan nilai totalnya, serta persentase
pengisian wadah.
Sumber rujukan:
[1] http://www.knapsackfamily.com/KNApSAcK/dl/Manual/
KNApSAcKManual.html
[2] http://www.knapsackfamily.com/KNApSAcK/
[3] https://ojs.unud.ac.id/index.php/lontar/article/download/25460/16570/
[4] https://e-journals.unmul.ac.id/index.php/jsakti/article/download/3299/pdf
[5] http://repository.upi.edu/100398/6/s_d505_045711_chapter1.pdf