BIOMOL
dan bioinformatika
Ni’ma Nabila Putri 1618011111
ABSTRAK
Definisi yang ringkas itu tidak memberikan indikasi kompleksitas disiplin. Secara
khusus, gagal menyebutkan ruang lingkup lingkungan di mana informatika
beroperasi.
Kebanyakan sejarawan sains sepakat bahwa Menariknya, hambatan dalam aplikasi dapat
komputasi elektronik dimulai ketika Henry Hollerith dikaitkan dengan perangkat lunak maupun
membantu mengotomatisasi data Sensus 1890 A.S perangkat keras.
melalui tabulasi listrik.
Robert S. Ledley, salah satu pelopor awal dalam
Kebanyakan sejarawan sains sepakat bahwa mengenali perlunya logika simbolis formal untuk
komputasi elektronik dimulai ketika Henry Hollerith mengeksploitasi utilitas perangkat keras
membantu mengotomatisasi data Sensus 1890 A.S komputer yang muncul, menulis secara profetis
melalui tabulasi listrik. pada tahun 1955,
Business Machines, ikon IBM, pada tahun 1924, di “Namun [logika simbolik] tetap sebagian besar
bawah pengawasan Thomas J. Watson. bersifat filosofis dan esoteris ranah studi dan
belum ada metode penghitungan langsung
Mesin Hollerith diaplikasikan pada epidemiologi
aktual untuk aplikasi skala besar langsung ke
pada 1920-an, bisa dibilang aplikasi perawatan
tipe spesifik masalah realistis ”(Ledley, 1955).
kesehatan,
tetapi baru pada tahun 1950-an komputer Ledley melanjutkan dengan pionir scanner
elektronik digunakan dengan cara yang sekarang computerized axial tomography (CAT).
dikenal sebagai informatika medis.
13.4.2. Bioinformatika
Definisi
bioinformatika
sebagai ilmu yang menganalisis dan mendefinisikan cara di
mana informasi tentang proses biologis diatur, disimpan,
disajikan, dan digunakan untuk memfasilitasi penelitian biologi.
Area bioinformatika yang lebih tradisional terkait dengan
analisis, penyimpanan, manipulasi, dan pengorganisasian data
DNA, RNA, dan protein
masalah yang berkaitan dengan hubungan temporal antara
komponen biologis dan sifat tiga dimensi dari sistem biologis
semakin banyak dimasukkan ke dalam bioinformatika sebagai
sub-disiplin bioinformatika struktural dan sistem biologi
Bidang Bioinformatika tergantung pada
disiplin ilmu lain yang menyediakan dasar
algoritmik dan komputasi untuk
mengembangkan alat dan metode untuk
mengatasi masalah bioinformatika.
Dalam pengaturan rawat jalan, individu dilayani oleh satu atau paling sedikit beberapa
penyedia dalam episode singkat. Penyedia tersebut dapat bervariasi dari perawat ke
spesialis M.D. (sebagai perawatan rawat jalan). Dalam pengaturan rawat jalan, aliran
informasi tergantung pada konvensi praktik klinis tertentu dan bervariasi dengan
spesialisasi dan ruang lingkupnya.
Memerlukan tiga lapisan kompleks dan saling terkait yang mewakili tiga domain: i) fungsi
perusahaan rumah sakit, ii) komponen logis yang mendukung fungsi-fungsi tersebut, dan
iii) elemen pemrosesan data fisik yang menjalankan logika.
Kompleksitas informasi itu semakin rumit oleh struktur sosial
unik layanan kesehatan. Para pembisnis yang semuanya
mengakui model otoritas sentral, dan semuanya bekerja
menuju tujuan bersama yaitu memaksimalkan manfaat bagi
bisnis. Kesehatan tidak sesederhana itu. Dalam rumah sakit,
otoritas dibagi oleh administrator dan dokter, dan mereka
sering memiliki tujuan yang bertentangan. Kesetiaan
administrator adalah untuk institusi, sedangkan kesetiaan
utama dokter adalah untuk pasien mereka; dan seringkali
apa yang baik bagi seorang pasien buruk bagi status
keuangan rumah sakit. Sebagian besar, ketegangan ini
muncul dari cara perawatan kesehatan diatur dan dibiayai.
Shortliffe dan Cimino memberikan diskusi yang lebih
mendalam (Shortliffe & Cimino, 2006).
Pengertian Metadata
Meta data hanyalah data tentang data, yaitu deskripsi
data yang formal dan dapat dihitung. Metadata
menyediakan lapisan abstraksi yang berguna saat
Kesiimpulan Ruang Lingkup bertukar atau meminta data di berbagai platform basis
Informatika Medis data. Sistem LOINC adalah contoh meta- data yang
digunakan untuk, antara lain, nilai-nilai laboratorium.
• pengertian metadata
• piramida Data-Informasi- Untuk membantu mengelola aliran informasi
Pengetahuan-Kebijaksanaan perawatan kesehatan yang unik dan heterogen,
(DIKW) informatika medis telah mengembangkan serangkaian
standar yang mencakup beragam kosakata klinis dan
ilmiah
“metadata” sehingga hanya satu kosakata Sistem Bahasa Medis Bersatu, Identifikasi Pengamatan Logistik
Nama dan Kode (LOINC), yang merupakan nomenklatur terkontrol, dan terbatas pada temuan laboratorium dan
pengamatan fisik tentang pasien, yang berisi lebih dari 58.000 istilah standar adalah contoh meta- data yang
digunakan untuk, antara lain, nilai-nilai laboratorium.
menggambarkan dua kerangka kerja yang berhubungan
dengan variasi yang luar biasa dan volume data biomedis
lapisan Data mewakili sejumlah besar data mentah yang
diproduksi dan dikonsumsi oleh perusahaan layanan
kesehatan Agar bermanfaat bagi dokter dan
administrator, data harus dibuat dapat ditinda klanjuti.
merecaster data ke dalam lapisan Informasi => lapisan
pemetaan yang menambah wawasan klinis atau bisnis
pada data mentah. Dari perspektif pemrosesan bisa
sesederhana aturan yang mengubah, katakanlah, “AGE =
77” menjadi “If AGE ≥ 65 Tegas TETAP”.
menambah informasi dengan pengetahuan klinis di
lapisan Pengetahuan. Pemrosesan untuk itu jauh lebih
rumit dari pada mengubah data menjadi informasi.
Gambar 1. Piramida DIKW Basis pengetahuan klinis dan skema representasi yang
(Data Informasi Pengetahuan memadai harus dibuat, biasanya oleh para ahli dalam
Kebijaksanaan) (ALT: alanine domain klinis tertentu.
aminotransferase test; IU / L: Ontologi, yang merupakan sistem yang menyandikan pengetahuan dalam
Unit internasional per liter). kerangka kerja hierarkis, memungkinkan penalaran komputasi
Dukungan keputusan klinis, Antarmuka antara Alat pendukung keputusan
salah satu andalan historis Pengetahuan dan klinis yang canggih berupaya
informatika medis, dapat Kebijaksanaan, di menanamkan "kebijaksanaan"
difasilitasi oleh operasi di mana keahlian klinis ke dalam alat informatika
antara lapisan Data, diperlukan, tidak terotomasi, tetapi pada tingkat
Informasi, dan Pengetahuan. setajam yang ini, antarmuka manusia-
ditunjukkan pada komputer menjadi kritis.
diagram.
Sebagai contoh, beberapa dokter akan memungkinkan komputer untuk menyesuaikan dosis
warfarin pasien karena keamanan dan efektivitas obat tergantung pada beberapa variabel yang
berfluktuasi; dan sulit untuk menangkapnya dalam bentuk yang dapat dihitung.
13.5.2. Tinjauan Teknologi
Node pusat dalam jaringan informatika medis adalah catatan pasien. Secara historis, catatan ini disimpan
di atas kertas, dengan semua kerugian petugas kertas = satu titik akses (file fisik), proses pembaruan
yang sulit, tidak ada cara sederhana untuk menduplikasi atau mengekstrak subkumpulan data, tampilan
statis data terlepas pengguna, dan media penyimpanan yang rapuh. Setelah perangkat komputer
menjadi cukup murah dan jaringan menjadi cukup cepat, catatan elektronik mulai menggantikan catatan
kertas. Namun, Kekurangannya pertobatan tidak bersifat pribadi, dan tetap menjadi penghambat yang
signifikan terhadap adopsi yang meluas.
Catatan Medis Elektronik (EMRs) paling sering direvisi format tab dari bagan kertas, seperti yang
terlihat di layar yang diambil dari EMR Computerized Patient Record System VA. (CPRS) (Gambar 2).
Mengklik tab di bagian bawah layar, menampilkan konten dengan cara yang mencerminkan organisasi
bagan, kertas yang telah diganti sistem; dan “sampul depan”, merangkum untuk penyedia informasi
terbaru dan merebut. Implementasi CPRS adalah contoh yang sangat tepat. Ini adalah ESDM terpadu
lengkap di dunia, melayani hampir 8 juta pendaftar di lebih dari 1.400 lokasi klinis di seluruh Amerika
Serikat. Merupakan produk dari pemerintah AS, perangkat bebas CPRS tersedia di domain publik.
Gambar 2. Layar ESDM dari sistem CPRS
Administrasi Veteran
13.5.2.1.2. Kosakata dan Standar
Sebagaimana di bahas bahwa informatika medis dibangun di atas standar yang kuat dan diterima secara
luas untuk penyimpanan data dan komunikasi. Tema umum dalam informatika adalah bahwa dari sebuah
voipulary dikendalikan; yaitu, terminologi komprehensif yang mendefinisikan dan menyandikan istilah
yang digunakan dalam beberapa aspek perawatan kesehatan dan yang dikelola oleh organisasi standar.
Beberapa kosakata tersebut menerapkan hierarki pada istilah mereka untuk menambah struktur dan
membantu navigasi. Kosakata yang paling banyak digunakan dalam informatika medis adalah sebagai
berikut:
1. ICD-9-CM, ICD-10-CM
(Klasifikasi Internasional Penyakit, Modifikasi Klinis, Edisi 9 dan 10).
Diciptakan di Prancis pada akhir abad ke-19 untuk mengklasifikasikan penyebab kematian, kosakata ICD
adalah standar kedokteran tertua yang berkesinambungan. Fokusnya telah berubah dari penyebab kematian
menjadi diagnosa, prosedur, kejadian buruk, dan banyak lagi. Penghapusan kandung empedu, misalnya,
dikodekan dalam ICD-9-CM sebagai "Cholecystectomy /51.22". Kosakata dikendalikan oleh Organisasi
Kesehatan Dunia (WHO), yang menerbitkan edisi ke-10 yang menetapkan bahwa akan berlaku pada
tanggal 1 Oktober 2013. WHO mengatur ulang kosakata secara substansial, sehingga terjemahan antara
edisi ke-9 dan ke-10 diharapkan bermasalah. Sebagai contoh, “neoplasma jinak stoma” dalam ICD-9-CM
(kode 211.1) akan menjadi “polip lambung dan duodenum” (kode K31.7). Dengan demikian, tidak hanya
kode yang diubah, tetapi spesifisitas anatomi juga berubah.
2. LOINC (Nama dan Kode Pengamatan Logistik Pengamatan).
Dibahas di atas, kosakata terstruktur ini menyediakan cara standar untuk
menggambarkan nilai-nilai laboratorium dan pengukuran fisik pasien. Itu tidak
mengklasifikasikan prosedur, sehingga tidak mengandung kode untuk
kolesistektomi.
3. SNOMED CT (Nomenklatur Sistemat Kedokteran-Istilah Klinis).
Awalnya dikembangkan oleh College of American Pathologists sebagai cara sistematis untuk
menggambarkan penyakit, SNOMED CT telah berevolusi menjadi nomenklatur yang mendalam
dan luas untuk istilah yang digunakan di seluruh obat klinis. Kosakata sekarang dikendalikan
oleh Organisasi Pengembangan Standar Terminologi Kesehatan Internasional. Kosakata diatur
secara hierarkis (katup mitral adalah bagian dari jantung, jantung adalah bagian dari sistem
peredaran darah, dan sebagainya), dan sepanjang beberapa sumbu seperti anatomi, morfologi,
dan fungsi. Dengan demikian, “kolesistektomi” terjadi pada beberapa kali CT SMOMED.
4. MeSH (Judul Subjek Medis).
NLM mengembangkan hierarki subjek medis untuk membantu pengindeksan teks dan
literatur medis. Pada akhir 2010, memuat 25.588 istilah deskriptif. Ini peta
kolesistektomi sebagai "Teknik Analitik, Diagnostik dan Terapi dan Peralatan Kategori
→ Prosedur Bedah, Operatif → Sistem Pencernaan Prosedur Bedah → Biliary Tract
Prosedur Bedah → Cholecystectomy.“
NLM telah memasukkan kosakata terkontrol biomedis yang paling penting ke dalam
Unified Medical Language System, sebagaimana disebutkan dalam bagian 13.5.1
(Lindberg, Humphreys, & McCray, 1993).
Setelah standardisasi data dan konsep, langkah pertama dalam informatika medis adalah penciptaan
kosakata terkontrol yang menggambarkan konsep. Langkah selanjutnya adalah spesifikasi cara
standar untuk mengomunikasikannya melalui protokol pengiriman pesan. Protokol pesan yang paling
banyak digunakan adalah Health Level-7, yang dikembangkan dan didukung oleh Health Level Seven
International (HL-7), sebuah organisasi nirlaba yang diakui oleh ANSI. Bagian "Level 7" dari nama itu
diciptakan pada tahun 1987, ketika model komunikasi 7-layer Organisasi Internasional untuk
Standardisasi (ISO atau OSI) sedang populer. Lapisan ketujuh, atau "aplikasi", adalah target dari
standar pengiriman pesan HL-7.
Versi HL-7 saat ini adalah V3, yang pesannya “mencakup konsep pembungkus pesan, interaksi
sekuensial, dan payload pesan berbasis model. Spesifikasi ini diterbitkan sebagai kumpulan topik
yang menggambarkan interaksi transaksi menurut domain. ”(Dolin & Alschuler, 2011). Standar HL-7
memberikan pengembang EMR komersial dan in-house dengan cara yang andal untuk mengemas
dan bertukar pesan antar sistem. Sementara vendor pada awalnya enggan untuk mengadopsi standar
pesan terbuka, komunitas layanan kesehatan bersikeras. Setelah kontrak untuk sistem ESDM baru
menetapkan kesesuaian dengan standar HL-7, komunitas vendor beradaptasi. Hari ini HL-7 adalah
standar perpesanan de facto di seluruh layanan kesehatan.
13.5.2.1.3. Dukungan Keputusan Elektronik
•EMR menggantikan bagan kertas dengan media elektronik yang memungkinkan akses yang nyaman dan
tepat waktu ke data pasien; tujuan operasional yang penting.
•Setelah data pasien terkomputerisasi, tujuan lain, yang sama pentingnya, Computerized Decision Support
(CDS) dapat dicapai.
•Sistem CDS mengambil data pasien dan menambahkannya dengan aturan informasi eksternal dan basis
pengetahuan klinis, memungkinkan ESDM untuk secara proaktif membantu dokter dalam pekerjaan sehari-
hari mereka.
•Tujuan CDS, menurut Jerome Osheroff dan rekan-rekannya, adalah untuk memberikan "dokter, staf,
pasien, atau individu lain dengan pengetahuan dan informasi spesifik orang, disaring secara cerdas atau
disajikan pada waktu yang tepat, untuk meningkatkan kesehatan dan perawatan kesehatan" ( Osheroff et
al., 2007).
•Entitas tersebut dapat berkisar dari menyoroti hasil laboratorium yang abnormal atau mengingatkan dokter
tentang tugas yang perlu dilakukan untuk mendeteksi munculnya kejadian obat yang merugikan (Classen et
al., 1997), hingga ventilator mikro dan cairan ventilasi. pengaturan pompa infus di unit perawatan intensif
(McKinley et al., 2001). Sub-disiplin ini terlalu luas dan kaya untuk diringkas di sini, tetapi survei yang dapat
dibaca disediakan dalam volume yang diedit oleh R. Greenes. Dukungan Keputusan Klinis: Road Ahead
(Greenes, 2007).
Hambatan untuk itu kompleks.
13.5.2.2. Pertama, sifat intens dari layanan kesehatan tidak seperti yang
Hambatan dilakukan oleh manusia lainnya. Menyatukan beragam aliran
yang Tetap Ada data secara aman dan pribadi, pada waktu yang tepat, dalam
Masih ironi bahwa perawatan
pertemuan klinis, secara teknis lebih sulit daripada
kesehatan di Amerika Serikat kedengarannya.
jauh di belakang sektor-sektor Kedua, tugas rekayasa sosial memasukkan intervensi
ekonomi lain dalam tingkat
terkomputerisasi ke dalam alur kerja yang kompleks dari dokter
komputerisasi. Amerika Serikat
membelanjakan sekitar dua kali tanpa mengganggu alur kerja yang bermasalah. Lingkungan
lipat per kapita untuk layanan klinis beragam dan istimewa.
kesehatan dibandingkan negara
Terakhir, komputerisasi cenderung menguntungkan institusi
ekonomi maju lainnya (OECD
Health Data, 2010 (mis., Rumah sakit) dan pembayar (mis., Pemerintah atau
perusahaan asuransi) daripada dokter dan pasien. Tren yang
muncul dalam informatika medis, berjanji untuk mengurangi
hambatan terakhir ini.
13.5.3. Tren yang Muncul
dan Sub-Disiplin baru
NIH memposisikan informatika sebagai inti dari program CTSA, mendaftar sembilan
elemen utama yang harus ditangani oleh semua pusat CTSA; Sepertiga sepenuhnya
berbasis informatika. Fokus kuat pada informatika dan sains translasional ini
mempopulerkan istilah "informatika translasi“. Untuk membantu diskusi tentang
bagaimana informatika memotong ilmu translasi, konvensi penamaan populer berevolusi
berdasarkan transisi antara langkah-langkah utama ilmu transasional (Gambar 3);
konvensi penamaan yang digunakan di sini.
13.5.3.2.
Informatika Di bawah tekanan dari semburan data yang muncul dari alat
bioinformatika, serta dari insentif untuk mengumpulkan data
Penelitian Klinis
melintasi silo data penelitian tradisional, baik di dalam maupun
Baru-baru ini satu dekade di luar pusat penelitian, para peneliti telah mencari cara yang
yang lalu, alat sederhana lebih baik untuk mengorganisasi dan menambang data
seperti spreadsheet, database penelitian klinis .
yang dikembangkan sendiri,
dan komputasi desktop, cukup Beroperasi terutama pada level T1 dan T2 pada Gambar 3,
untuk melayani kebutuhan informatika penelitian klinis membawa data penelitian teknik
pemrosesan data dari yang sama yang terbukti berhasil untuk data perawatan klinis -
sebagian besar peneliti klinis. vaskuler dan ontologi yang terkontrol dengan baik, standar
untuk menggambarkan dan mengkomunikasikan dataset, dan
keputusan serta proses alat pendukung untuk memfasilitasi
proses penelitian (Embi & Payne P, 2009).
Contoh pengobatan asma yang baru dapat dilakukan untuk
13.5.3.3. membantu memahami sub-disiplin informatika kesehatan
Informatika masyarakat (PHI). PHI, kemudian, menjembatani dari
Kesehatan Masyarakat organisme ke seluruh populasi, dan fokus utamanya adalah
pencegahan penyakit (Yasnoff et al., 2000).
Bioinformatika
mengeksploitasi metode Aplikasi T3 klasik menggunakan PHI untuk meningkatkan
komputasi pada tingkat pengawasan otomatis tren kesehatan lintas populasi. Dengan
nanopartikel, molekul, menggunakan standar informatika dan dukungan keputusan
proses seluler / seluler, dan yang sama.
biologi sistem. Informatika
penelitian klinis dan klinis PHI melacak munculnya masalah kesehatan baru. Prevalensi
menjembatani dari ranah itu asma, misalnya, telah meningkat secara dramatis selama dua
ke seluruh organisme. dekade terakhir. Penemuan tren seperti itu akan terjadi lebih
awal ketika penggunaan teknik PHI berkembang; dan,
penemuan-penemuan itu dapat digunakan untuk mendorong
penelitian dasar, dengan demikian, menutup loop sains
terjemahan.
13.5.3.4.
Untuk sebagian besar sejarah informatika - memang, sebagian besar
Informatika sejarah kedokteran - pasien telah menjadi peserta pasif. Munculnya
Kesehatan Konsumen komputer berbiaya rendah, ditambah dengan ekspansi eksplosif World
Wide Web dan akses Internet bandwidth tinggi, telah mengubah pasien
informatika kesehatan menjadi mitra aktif (Eysenbach, 2000). Pasien menggunakan situs
konsumen adalah salah jejaring sosial dan kelompok diskusi online untuk membahas penyakit
satu bidang di mana teknik umum; mereka mencari informasi penyakit dan mencari solusi; mereka
informatika klasik sulit untuk menggunakan Web untuk membeli untuk layanan kesehatan (mis.,
dikembangkan. Sangat wisata medis); dan, mereka memesan obat lintas batas negara.
sedikit situs web
berorientasi pasien yang Cara yang semakin umum untuk melibatkan pasien, sambil menjaga
mengandalkan standar manfaat praktik informatika medis yang baik, adalah dengan membuka
portal ke EMR yang ada (juga disebut Personal Health Records - PHRs)
seperti NLM Medline-Plus
dan situs translasi-informatika. Dalam kasus yang pertama, pasien
atau standar apa pun. memiliki kemampuan tidak hanya untuk membaca informasi kesehatan
pribadi mereka, tetapi juga untuk mengedit dan memperbaruinya.
13.6 Bioinformatika
13.6.1. Konsep
Bioinformatika Mendasar
13.6.1.1. Statistik
• Konsep dasar yang harus dikuasai dalam bidang • Untuk dapat membandingkan hipotesis biologis
probabilitas dan statistik adalah: variabel dengan data eksperimen, sangat penting untuk
independen dan kondisional, variabel acak, dan memiliki pemahaman tentang pengujian statistik,
metode untuk menghasilkannya secara numerik, baik parametrik dan nonparametrik.
pemahaman masalah yang terkait dengan bias, dll. • Banyak proses biologis aturan fisik yang tepat yang
• Praktek bioinformatika juga membutuhkan mengatur proses mekanistik tidak diketahui atau
pengetahuan tentang bagaimana menghitung mereka sangat rumit untuk disimulasikan,
momen distribusi, dan pemahaman tentang bioinformatika memanfaatkan banyak konsep yang
konsep yang terkait dengan probabilitas kontinu berasal dari Rantai Markov Monte Carlo dan Model
dan diskrit. Hidden Markov (Polanski & Kimmel, 2007).
• Konsep kemungkinan dan metode untuk
memperkirakan parameter juga penting untuk
memahami bioinformatika.
Pembandingan dan penjajaran urutan nukleotida dan
peptida umumnya dilakukan dengan algoritma Smith-
Waterman (Smith & Waterman, 1981) algoritma
pemrograman yang dinamis, dengan memperkenalkan 13.6.1.2.
celah dan operasi, berupaya untuk memaksimalkan
keselarasan lokal urutan menggunakan menggunakan
Algoritma Penyortiran
matriks penilaian. dan Pencarian
Matriks penilaian dibuat menggunakan argumen biokimia
yang didasarkan pada kesamaan fisikokimia dari
nukleotida atau asam amino yang berbeda. Implementasi
yang tidak biasa dari algoritma Smith-Waterman adalah
BLAST (Basic Local Alignment Search Tool) (Altschul et
al., 1990), yang tersedia sebagai program yang berdiri
sendiri atau layanan Web (http: //blast.ncbi.nlm.
nih.gov/Blast.cgi).
Banyak upaya dalam bioinformatika didediasi untuk
asosiasi faktor genomik dengan hasil biologis atau
fenotipe, hubungan urutan genomik dan protein
dengan fungsi biologis, dan perbandingan urutan. 13.6.1.3.
Sehingga bioinformatika memanfaatkan alat analisis
Analisis Pola
pola secara ekstensif, yang mencakup ekstraksi fitur
dan klasifikasi (termasuk pengklasifikasi linear dan
nonlinier seperti jaringan saraf dan mesin vektor
pendukung).
Alanine (A) GCT, GCC, GCA, GCG Serine (S) TCT, TCC, TCA, TCG, AGT,
Cysteine (C) TGT, TGC AGC
Aspartic acid (D) GAT, GAC Threonine (T) ACT, ACC, ACA, ACG
Glutamic acid (E) GAA, GAG Valine (V) GTT, GTC, GTA, GTG
Phenylalanine (F) TTT, TTC Tryptophan (W) TGG
Glycine (G) GGT, GGC, GGA, GGG Tyrosine (Y) TAT, TAC
Histidine (H) CAT, CAC START ATG
Isoleucine (I) ATT, ATC, ATA STOP TAA, TGA, TAG
Lysine (K) AAA, AAG
Leucine (L) TTA, TTG, CTT, CTC, CTA, Bagaimana sekuens linear nukleotida dan asam
CTG amino menimbulkan konfigurasi tiga dimensi,
Methionine (M) ATG masing-masing, asam nukleat dan protein telah
Asparagine (N) AAT, AAC menjadi subjek utama pendekatan bioinformatika
Proline (P) CC, CCC, CCA, CCG klasik. Lebih sedikit usaha yang telah dilakukan
Glutamine (Q) CAA, CAG dalam konfigurasi DNA dan RNA daripada lipatan
Arginine (R) CGT, CGC, CGA, CGG, protein, (Gu & Bourne, 2009).
AGA, AGG
13.6.3. Applications
in Genomics
Difraksi sinar-X digunakan untuk menentukan sebagian besar struktur (13.391), dan
spektroskopi resonansi magnetik nuklir digunakan untuk sisanya (2.770). Metode
komputasi memainkan peran penting dalam penentuan struktur protein (Rule &
Hitchens, 2005).
Dalam beberapa tahun terakhir, teknik seperti ionisasi semprotan elektro dan
desorpsi / ionisasi laser berbantuan matriks telah memungkinkan untuk
mengurutkan protein menggunakan spektrometri massa (Perkins et al., 1999).
Karena teknik ini menggunakan metode throughput tinggi, informatika memainkan
peran kunci dalam mengumpulkan urutan protein dari data distribusi massa.
Paket perangkat lunak berpemilik yang digunakan untuk teknik ini adalah
SEQUEST dan Mascot. SEQUEST mengkorelasikan spektrum massa peptida
tandem yang tidak diinterpretasikan dengan sekuens asam amino dari basis protein
dan nukleotida. Keduanya dapat menentukan urutan asam amino dan, dengan
demikian, protein dan organisme.
Akhirnya, X! Tandem (Craig, Cortens, & Beavis, 2004) adalah perangkat lunak open
source yang cocok dengan spektrum massa tandem dengan urutan peptida dalam
proses yang disebut identifikasi protein.
13.6.5. Database
dalam Bioinformatika
Dua dari beberapa sumber data lain yang tersedia untuk para peneliti bioinformatika
adalah EMBL-EBI dan HapMap. Disponsori oleh inisiatif Bioinformatika Eropa, EMBL-
EBI (http: // www.ebi.ac.uk/) menyediakan repositori data komprehensif dan alat-alat
yang mirip dengan yang tersedia di NCBI.
Pendekatan sistem memungkinkan pengenalan dua konsep penting biologi yang tidak
terwakili dalam bioinformatika tradisional, yaitu waktu dan energi. Misalnya dengan
memasukkan penilaian ke dalam model hubungan temporal ekspresi gen dengan
stimulus, diselidiki oleh teknologi microarray, dimungkinkan untuk mempertimbangkan
bagaimana gen dan protein berinteraksi untuk membentuk protein baru pada waktu
yang diperlukan.
Jaringan metabolik juga memasukkan pertimbangan energi yang tidak ada dalam
bioinformatika tradisional. Biologi tradisional memberi tahu kita bahwa gen mengekspresikan
protein tertentu, tetapi tidak memberikan banyak informasi tentang bagaimana ekspresi
terjadi. Biologi sistem berupaya menjawab pertanyaan-pertanyaan penting ini dengan
memasukkan informasi yang berasal dari bioinformatika tradisional ke dalam kerangka kerja
jaringan matematika.
Aplikasi sistem biologi tidak terbatas pada genomik. Bekerja dengan tikus, misalnya, Lopes
dan rekannya mempelajari jaringan kolam besi dan fluks dalam jaringan dan organ (Lopes et
al., 2010). Mereka menyimpulkan bahwa model mereka menyajikan gambaran fisiologis yang
komprehensif dari tikus di bawah tiga diet yang mengandung berbagai zat besi. Hasilnya
mengkuantifikasi kelayakan sistemik metabolisme besi - kedekatan dinamis, skala waktu
hierarkis, respons perpindahan, dan dinamika penyimpanan besi di organ parenkim. Itu, dan
banyak model biologi sistem lainnya, tersedia di Situs Web Database BioModels
(http://www.ebi.ac.uk/biomodels-main/), yang merupakan sumber daya Lembaga
Bioinformatika Eropa.
13.6.8. Aplikasi dalam
Pemodelan Molekuler
Daftar molekul kecil dan konformasi dan geometri mereka biasanya diambil dari
perpustakaan molekul kecil yang diatur sebagai basis data yang diaktifkan permintaan.
Karena keterbatasan komputasi, adalah praktik umum untuk membatasi pencarian global
ini pada situasi di mana geometri molekul kecil dan protein tetap, melakukan optimalisasi
sepenuhnya fleksibel hanya untuk konformasi yang paling menjanjikan yang diperoleh
dalam pencarian global. Hasil khas untuk percobaan docking disajikan pada Gambar 6.
13.6.9. Simulasi Multiskala
Banyak proses biologis terjadi pada skala yang menjangkau banyak urutan besarnya, baik spasial dan
temporal. Misalnya, ketika konstanta waktu untuk getaran atom atom dalam protein berada dalam urutan
femtosecond (10-15 detik), proses lain, seperti gerakan pernapasan protein, terjadi dalam urutan milidetik
(10-3 detik) . Bahkan dengan komputer yang paling kuat, tidak mungkin untuk mensimulasikan sistem yang
membentang lebih dari 12 kali lipat.
Masalah ini ditangani di bidang simulasi multiskala. Simulasi multiskala (Ayton, Noid, & Voth, 2007)
menggunakan pendekatan berlapis di mana simulasi dari resolusi / dimensi yang lebih rendah
menginformasikan simulasi ke tingkat berikutnya dalam hierarki.
peneliti akhirnya dapat mulai menyusun kepingan-kepingan tersebut; itu adalah lem yang menghubungkan
mereka. Melalui VPH, suatu hari seluruh gambar dapat dilihat. Kerangka kerjanya akan deskriptif, integratif,
dan prediktif. Ini akan memungkinkan penciptaan:
• Koleksi besar data anatomi, fisiologis, dan patologis yang disimpan dalam format digital;
• Koleksi besar model prediksi yang dapat saling berhubungan untuk membentuk representasi efektif dari
You can Resize
sistem without
yang kompleks;
losing quality
• Layanan yang bertujuan membantu para peneliti membuat dan memelihara model, dan memberdayakan
You can Change Fill
Colorpengguna
& klinis, industri, dan masyarakat dalam penggunaan sumber daya VPH.
Line Color
FREE
PPT
TEMPLATES
www.allppt.com
Simulasi multiskala telah digunakan untuk membuat model sel, jaringan, dan bahkan organ.
EuroPhysiome, misalnya (http://www.europhysiome.org/), yang merupakan bagian dari Virtual
Physiological Human (VPH), adalah kerangka kerja metodologis dan teknologi yang, setelah
didirikan, akan memungkinkan penyelidikan tubuh manusia sebagai sistem tunggal yang kompleks.
Tubuh manusia disamakan dengan sebuah puzzle yang terbuat dari satu triliun keping, dan VPH
(Fenner et al., 2008) adalah kerangka kerja di mana para peneliti akhirnya dapat mulai menyusun
kepingan-kepingan tersebut; itu adalah lem yang menghubungkan mereka.
Koleksi besar data Koleksi besar model Layanan yang bertujuan membantu
anatomi, fisiologis, prediksi yang dapat saling para peneliti membuat dan
dan patologis yang berhubungan untuk memelihara model, dan
disimpan dalam format membentuk representasi memberdayakan pengguna klinis,
digital efektif dari sistem yang industri, dan masyarakat dalam
kompleks penggunaan sumber daya VPH
13.6.10. Bionanoinformatics
Di antara banyak aplikasi bioinformatika untuk perawatan kesehatan, yang paling umum
terkait dengan pengujian genetik molekuler. Laboratorium ARUP di Universitas Utah,
laboratorium rujukan utama A.S., menawarkan sekitar 150 tes genetik yang berbeda -
sekitar 70 untuk mutasi yang diwariskan dan 80 untuk mutasi somatik. Yang pertama
mendeteksi mutasi yang terkait dengan kondisi medis bawaan, baik sebagai penyebab
atau sebagai faktor risiko; sementara, yang terakhir mendeteksi mutasi pada sel tumor.
Alat bioinformatika digunakan untuk menentukan tingkat risiko, dan mungkin
menyarankan tindakan. Gambar 7 menunjukkan lembar informasi laboratorium untuk
pengujian telangiectasia hemoragik herediter. Ini memberitahu gen mana yang diurutkan
(ACVRL1 dan ENG), metodologi, waktu pergantian, bagaimana spesimen harus
dikumpulkan dan disimpan, serta informasi tentang penyakit dan tes, termasuk
batasannya.
Masa Depan Informatika Medis
13.7 Dan Bioinformatika
Mengingat kompleksitas sistem perawatan
kesehatan dalam masyarakat modern dan
besarnya masalah biomedis, masa depan
informatika medis dan bioinformatika akan
menarik dan menantang.
Oleh karena itu, bab ini memberikan survei luas tentang disiplin yang
kompleks dari Informatika Biomedis - Informatika Medis dan
Bioteknologi - dengan penekanan khusus pada sub-disiplin ilmu yang
muncul seperti informatika translasi, informatika penelitian klinis,
informatika kesehatan konsumen, dan informatika dari ilmu "omics",
biologi sistem, dan nanoteknologi.
DAFTAR
PUSTAKA