Jumat, 13 Mei 2011

BIOINFORMATIKA

Bioinformatika (bahasa Inggris: 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.

Sejarah

Istilah bioinformatics mulai dikemukakan pada pertengahan era 1980-an untuk mengacu pada penerapan komputer dalam biologi. Namun demikian, penerapan bidang-bidang dalam bioinformatika (seperti pembuatan basis data dan pengembangan algoritma untuk analisis sekuens biologis) sudah dilakukan sejak tahun 1960-an.

Kemajuan teknik biologi molekular dalam mengungkap sekuens biologis dari protein (sejak awal 1950-an) dan asam nukleat (sejak 1960-an) mengawali perkembangan basis data dan teknik analisis sekuens biologis. Basis data sekuens protein mulai dikembangkan pada tahun 1960-an di Amerika Serikat, sementara basis data sekuens DNA dikembangkan pada akhir 1970-an di Amerika Serikat dan Jerman (pada European Molecular Biology Laboratory, Laboratorium Biologi Molekular Eropa). Penemuan teknik sekuensing DNA yang lebih cepat pada pertengahan 1970-an menjadi landasan terjadinya ledakan jumlah sekuens DNA yang berhasil diungkapkan pada 1980-an dan 1990-an, menjadi salah satu pembuka jalan bagi proyek-proyek pengungkapan genom, meningkatkan kebutuhan akan pengelolaan dan analisis sekuens, dan pada akhirnya menyebabkan lahirnya bioinformatika.

Perkembangan Internet juga mendukung berkembangnya bioinformatika. Basis data bioinformatika yang terhubung melalui Internet memudahkan ilmuwan mengumpulkan hasil sekuensing ke dalam basis data tersebut maupun memperoleh sekuens biologis sebagai bahan analisis. Selain itu, penyebaran program-program aplikasi bioinformatika melalui Internet memudahkan ilmuwan mengakses program-program tersebut dan kemudian memudahkan pengembangannya.

Penerapan utama bioinformatika

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.

Basis data utama untuk sekuens asam nukleat saat ini adalah GenBank (Amerika Serikat), EMBL (Eropa), dan DDBJ(Inggris) (DNA Data Bank of Japan, Jepang). Ketiga basis data tersebut bekerja sama dan bertukar data secara harian untuk menjaga keluasan cakupan masing-masing basis data. Sumber utama data sekuens asam nukleat adalah submisi langsung dari periset individual, proyek sekuensing genom, dan pendaftaran paten. Selain berisi sekuens asam nukleat, entri dalam basis data sekuens asam nukleat umumnya mengandung informasi tentang jenis asam nukleat (DNA atau RNA), nama organisme sumber asam nukleat tersebut, dan pustaka yang berkaitan dengan sekuens asam nukleat tersebut.

Sementara itu, contoh beberapa basis data penting yang menyimpan sekuens primer protein adalah PIR (Protein Information Resource, Amerika Serikat), Swiss-Prot (Eropa), dan TrEMBL (Eropa). Ketiga basis data tersebut telah digabungkan dalam UniProt (yang didanai terutama oleh Amerika Serikat). Entri dalam UniProt mengandung informasi tentang sekuens protein, nama organisme sumber protein, pustaka yang berkaitan, dan komentar yang umumnya berisi penjelasan mengenai fungsi protein tersebut.

BLAST (Basic Local Alignment Search Tool) merupakan perkakas bioinformatika yang berkaitan erat dengan penggunaan basis data sekuens biologis. Penelusuran BLAST (BLAST search) pada basis data sekuens memungkinkan ilmuwan untuk mencari sekuens asam nukleat maupun protein yang mirip dengan sekuens tertentu yang dimilikinya. Hal ini berguna misalnya untuk menemukan gen sejenis pada beberapa organisme atau untuk memeriksa keabsahan hasil sekuensing maupun untuk memeriksa fungsi gen hasil sekuensing. Algoritma yang mendasari kerja BLAST adalah penyejajaran sekuens.

PDB (Protein Data Bank, Bank Data Protein) adalah basis data tunggal yang menyimpan model struktural tiga dimensi protein dan asam nukleat hasil penentuan eksperimental (dengan kristalografi sinar-X, spektroskopi NMR dan mikroskopi elektron). PDB menyimpan data struktur sebagai koordinat tiga dimensi yang menggambarkan posisi atom-atom dalam protein ataupun asam nukleat.

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).

ccat---caac

| || ||||

Caatgggcaac

Sequence alignment merupakan metode dasar dalam analisis sekuens. Metode ini digunakan untuk mempelajari evolusi sekuens-sekuens dari leluhur yang sama (common ancestor). Ketidakcocokan (mismatch) dalam alignment diasosiasikan dengan proses mutasi, sedangkan kesenjangan (gap, tanda "–") diasosiasikan dengan proses insersi atau delesi. Sequence alignment memberikan hipotesis atas proses evolusi yang terjadi dalam sekuens-sekuens tersebut. Misalnya, kedua sekuens dalam contoh alignment di atas bisa jadi berevolusi dari sekuens yang sama "ccatgggcaac". Dalam kaitannya dengan hal ini, alignment juga dapat menunjukkan posisi-posisi yang dipertahankan (conserved) selama evolusi dalam sekuens-sekuens protein, yang menunjukkan bahwa posisi-posisi tersebut bisa jadi penting bagi struktur atau fungsi protein tersebut.

Selain itu, sequence alignment juga digunakan untuk mencari sekuens yang mirip atau sama dalam basis data sekuens. BLAST adalah salah satu metode alignment yang sering digunakan dalam penelusuran basis data sekuens. BLAST menggunakan algoritma heuristik dalam penyusunan alignment.

Beberapa metode alignment lain yang merupakan pendahulu BLAST adalah metode "Needleman-Wunsch" dan "Smith-Waterman". Metode Needleman-Wunsch digunakan untuk menyusun alignment global di antara dua atau lebih sekuens, yaitu alignment atas keseluruhan panjang sekuens tersebut. Metode Smith-Waterman menghasilkan alignment lokal, yaitu alignment atas bagian-bagian dalam sekuens. Kedua metode tersebut menerapkan pemrograman dinamik (dynamic programming) dan hanya efektif untuk alignment dua sekuens (pairwise alignment)

Clustal adalah program bioinformatika untuk alignment multipel (multiple alignment), yaitu alignment beberapa sekuens sekaligus. Dua varian utama Clustal adalah ClustalW dan ClustalX.

Metode lain yang dapat diterapkan untuk alignment sekuens adalah metode yang berhubungan dengan Hidden Markov Model ("Model Markov Tersembunyi", HMM). HMM merupakan model statistika yang mulanya digunakan dalam ilmu komputer untuk mengenali pembicaraan manusia (speech recognition). Selain digunakan untuk alignment, HMM juga digunakan dalam metode-metode analisis sekuens lainnya, seperti prediksi daerah pengkode protein dalam genom dan prediksi struktur sekunder protein.

Model protein hemaglutinin dari virus influensa

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). Secara umum, metode prediksi struktur protein yang ada saat ini dapat dikategorikan ke dalam dua kelompok, yaitu metode pemodelan protein komparatif dan metode pemodelan de novo.

Pemodelan protein komparatif (comparative protein modelling) meramalkan struktur suatu protein berdasarkan struktur protein lain yang sudah diketahui. Salah satu penerapan metode ini adalah pemodelan homologi (homology modelling), yaitu prediksi struktur tersier protein berdasarkan kesamaan struktur primer protein. Pemodelan homologi didasarkan pada teori bahwa dua protein yang homolog memiliki struktur yang sangat mirip satu sama lain. Pada metode ini, struktur suatu protein (disebut protein target) ditentukan berdasarkan struktur protein lain (protein templat) yang sudah diketahui dan memiliki kemiripan sekuens dengan protein target tersebut. Selain itu, penerapan lain pemodelan komparatif adalah protein threading yang didasarkan pada kemiripan struktur tanpa kemiripan sekuens primer. Latar belakang protein threading adalah bahwa struktur protein lebih dikonservasi daripada sekuens protein selama evolusi; daerah-daerah yang penting bagi fungsi protein dipertahankan strukturnya. Pada pendekatan ini, struktur yang paling kompatibel untuk suatu sekuens asam amino dipilih dari semua jenis struktur tiga dimensi protein yang ada. Metode-metode yang tergolong dalam protein threading berusaha menentukan tingkat kompatibilitas tersebut.

Dalam pendekatan de novo atau ab initio, struktur protein ditentukan dari sekuens primernya tanpa membandingkan dengan struktur protein lain. Terdapat banyak kemungkinan dalam pendekatan ini, misalnya dengan menirukan proses pelipatan (folding) protein dari sekuens primernya menjadi struktur tersiernya (misalnya dengan simulasi dinamika molekular), atau dengan optimisasi global fungsi energi protein. Prosedur-prosedur ini cenderung membutuhkan proses komputasi yang intens, sehingga saat ini hanya digunakan dalam menentukan struktur protein-protein kecil. Beberapa usaha telah dilakukan untuk mengatasi kekurangan sumber daya komputasi tersebut, misalnya dengan superkomputer (misalnya superkomputer Blue Gene [1] dari IBM) atau komputasi terdistribusi maupun komputasi grid.

Analisis ekspresi gen

Analisis klastering ekspresi gen pada kanker payudara

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. Metode-metode penggalian data (data mining) diterapkan pada data tersebut untuk memperoleh pola-pola informatif. Sebagai contoh, metode-metode komparasi digunakan untuk membandingkan ekspresi di antara gen-gen, sementara metode-metode klastering (clustering) digunakan untuk mempartisi data tersebut berdasarkan kesamaan ekspresi gen.

Bioinformatika di Indonesia

Saat ini mata ajaran bioinformatika maupun mata ajaran dengan muatan bioinformatika sudah diajarkan di beberapa perguruan tinggi di Indonesia. Sekolah Ilmu dan Teknologi Hayati ITB menawarkan mata kuliah "Pengantar Bioinformatika" untuk program Sarjana dan mata kuliah "Bioinformatika" untuk program Pascasarjana. Fakultas Teknobiologi Universitas Atma Jaya, Jakarta menawarkan mata kuliah "Pengantar Bioinformatika". Mata kuliah "Bioinformatika" diajarkan pada Program Pascasarjana Kimia Fakultas MIPA Universitas Indonesia (UI), Jakarta. Mata kuliah "Proteomik dan Bioinformatika" termasuk dalam kurikulum program S3 bioteknologi Universitas Gadjah Mada (UGM), Yogyakarta. Materi bioinformatika termasuk di dalam silabus beberapa mata kuliah untuk program sarjana maupun pascasarjana biokimia,biologi, dan bioteknologi pada Institut Pertanian Bogor (IPB). Selain itu, riset-riset yang mengarah pada bioinformatika juga telah dilaksanakan oleh mahasiswa program S1 Ilmu Komputer maupun program pascasarjana biologi serta bioteknologi IPB.

Riset bioinformatika protein dilaksanakan sebagai bagian dari aktivitas riset rekayasa protein pada Laboratorium Rekayasa Protein, Pusat Penelitian Bioteknologi Lembaga Ilmu Pengetahuan Indonesia (LIPI), Cibinong, Bogor. Lembaga Biologi Molekul Eijkman, Jakarta, secara khusus memiliki laboratorium bioinformatika sebagai fasilitas penunjang kegiatan risetnya. Selain itu, basis data sekuens DNA mikroorganisme asli Indonesia sedang dikembangkan di UI.

Bioinformatika dalam Dunia Kedokteran

1. 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. McDonald pertama kali mengaplikasikan EMR pada 33 orang pasien penyakit gula (diabetes). Sekarang EMR ini telah diaplikasikan pada berbagai penyakit. Data yang disimpan meliputi data analisa diagnosa laboratorium, hasil konsultasi dan saran, foto ronsen, ukuran detak jantung, dll. Dengan data ini dokter akan bisa menentukan obat yang sesuai dengan kondisi pasien tertentu. Lebih jauh lagi, dengan dibacanya genom manusia, akan memungkinkan untuk mengetahui penyakit genetik seseorang, sehingga personal care terhadap pasien menjadi lebih akurat. Sampai saat ini telah diketahui beberapa gen yang berperan dalam penyakit tertentu beserta posisinya pada kromosom. Informasi ini tersedia dan bisa dilihat di home page National Center for Biotechnology Information (NCBI) pada seksi Online Mendelian in Man (OMIM). OMIM adalah search tool untuk gen manusia dan penyakit genetika . Selain berisikan informasi tentang lokasi gen suatu penyakit, OMIM ini juga menyediakan informasi tentang gejala dan penanganan penyakit tersebut beserta sifat genetikanya. Dengan demikian, dokter yang menemukan pasien yang membawa penyakit genetika tertentu bisa mempelajarinya secara detil dengan mengakses home page OMIM ini.

Sebagai salah satu contoh, jika kita ingin melihat tentang kanker payudara, kita tinggal masukan kata-kata “breast cancer” dan setelah searching akan keluar berbagai jenis kanker payudara. Kalau kita ingin mengetahui lebih detil tetang salah satu diantaranya, kita tinggal klik dan akan mendapatkan informasi detil mengenai hal tersebut beserta posisi gen penyebabnya di dalam koromosom.

2. 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).

Pada awal munculnya penyakit ini, ada beberapa pendapat tentang penyebabnya. Dari gejala pengidap SARS, diperkirakan bahwa penyakit ini disebabkan oleh virus influenza karena gejalanya mirip dengan gejala pengidap influenza. Tetapi virus influenza tidak terisolasi dari pasien, sehingga dugaan ini salah. Selain itu juga diperkirakan bahwa penyakit ini disebabkan oleh bakteri Candida karena bakteri ini terisolasi dari beberapa pasien. Tapi karena hanya terisolasi dari sebagian kecilpasien, perkiraan ini juga salah. Akhirnya ditemukan bahwa dari sebagian besar pasien SARS terisolasi virus corona yang jika dilihat dari morfologinya. Sekuen genom virus ini kemudian dibaca dan dari hasil analisa dikonfirmasikan bahwa penyebab SARS adalah virus corona yang telah berubah (mutasi) dari virus corona yang ada selama ini.

Dalam rentetan proses ini, Bioinformatika memegang peranan penting. Pertama pada proses pembacaan genom virus corona. Karena di database seperti GenBank, EMBL (European Molecular Biology Laboratory), dan DDBJ (DNA Data Bank of Japan) sudah tersedia data sekuen beberapa virus corona, yang bisa digunakan untuk men-design primer yang digunakan untuk amplifikasi DNA virus SARS ini. Software untuk mendesign primer juga tersedia, baik yang gratis yang bisa kita gunakan online maupun yang komersial yang berupa software. Diantara yang gratis adalah Web primer yang disediakan oleh Stanford Genomic Resources GeneWalker yang disediakan oleh Cybergene AB, dlsb. Untuk yang komersial ada seperti Primer designer yang dikembangkan oleh Scientific & Education Software, dan pada software-software untuk analisa DNA lainnya seperti Sequencher (GeneCodes Corp.), SeqMan II (DNA STAR Inc.), Genetyx (GENETYX Corp.), DNASIS (HITACHI Software), dll.

Berikutnya Bioinformatika juga berperan dalam mencari kemiripan sekuen (homology alignment) virus yang didapatkan dengan virus lainnya. Dari hasil analisa virus SARS diketahui bahwa genom virus corona penyebab SARS berbeda dengan virus corona lainnya, sehingga virus ini dinamakan virus SARS (SARS-CoV). Perbedaan ini diketahui dengan menggunakan homolgy alignment dari sekuen virus SARS. Untuk keperluan ini tersedia beberapa tool. Diantaranya ada BLAST (Basic Local Alignment Search Tool) yang tersedia di NCBI, di EMBL, dan di DDBJ. Selain itu juga ada FASTA yang dapat diakses di EMBL, di DDBJ, dll.

Selanjutnya, Bioinformatika juga berfungsi untuk analisa posisi sejauh mana suatu virus berbeda dengan virus lainnya. Untuk analisa ini biasanya digunakan CLUSTAL W (software untuk multiple alignment dan tree making) yang dapat diakses di EMBL atau di DDBJ. Data yang telah dianalisa diekspresikan dengan software “Tree View” yang bisa didownload dengan gratis dari berbagai situs tersebut. Dengan menggunakan tool ini dianalisa beberapa protein virus SARS dan didapatkan hasilnya bahwa virus SARS berbeda dengan virus Corona lainnya.

3. 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 pemberian obat danperawatan 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.

Selain itu, diagnosa juga diperlukan untuk menentukan tingkat kematian (mortality) dari suatu agent penyakit. Artinya, semakin tinggi angka kematian ini, semakin berbahaya agent tersebut. Angka ini dihitung dengan menghitung jumlah pasien yang meninggal (D) dibagi dengan jumlah total pasien pengidap penyakit tersebut (P) (=D/P). Pada kasus SARS, gejala yang muncul mirip dengan gejala flu, sehingga dari gejala saja tidak bisa dibedakan apakah dia mengidap SARS atau mengidap flu. Diagnosa ini penting karena akan menentukan tingkat keganasan suatu agent yang akan mempengaruhi kebijakan yang diambil terhadap penyakit tersebut.

Ada beberapa cara untuk diagnosa suatu penyakit. Diantaranya isolasi agent penyebab penyakit tersebut dan analisa morfologinya, deteksi antibodi yang dihasilkan dari infeksi dengan teknik enzyme-linked immunosorbent assay (ELISA), dan deteksi gen dari agent pembawa penyakit tersebut dengan Polymerase Chain Reaction (PCR). Isolasi agent pembawa penyakit memerlukan waktu yang lama. Teknik ELISA bisa dilakukan dalam waktu yang pendek, namun untuk tiap-tiap penyakit kita harus mengembangkan teknik tersebut terlebih dahulu. Untuk pengembangannya ini memerlukan waktu yang lama.

Yang banyak dan lazim dipakai saat ini adalah teknik PCR. Teknik ini simpel, praktis dan cepat. Yang penting dalam teknik PCR adalah design primer untuk amplifikasi DNA. Untuk mendesign primer ini diperlukan data sekuen dari genom agent yang bersangkutan dan software seperti yang telah diuraikan di atas. Di sinilah Bioinformatika memainkan peranannya. Untuk agent yang mempunyai genom RNA, harus dilakukan reverse transcription (proses sintesa DNA dari RNA) terlebih dahulu dengan menggunakan enzim Reverse transcriptase. Setelah DNA diperoleh baru dilakukan PCR. Dua step reverse transcription dan PCR ini bisa dilakukan sekaligus dan biasanya dinamakan RT-PCR.

Karena PCR ini hanya bersifat kualitatif, sejak beberapa tahun yang lalu telah dikembangkan teknik Real Time PCR yang bersifat kuantitatif. Dari hasil Real Time PCR ini bisa ditentukan kuantitas suatu agent di dalam tubuh seseorang, sehingga bisa dievaluasi tingkat emergensinya. Pada Real Time PCR ini selain primer diperlukan probe yang harus didesign sesuai dengan sekuen agent yang bersangkutan. Di sini juga diperlukan software atau program Bioinformatika.

Untuk penyakit SARS sendiri sekarang telah tersedia kit RT-PCR yang dikembangkan oleh Takara Bio Inc., dengan nama komersial CycleaveRT-PCR SARS virus Detection Kit . Selain itu Roche Diagnostics juga juga tengah mengembangkan kit untuk deteksi virus SARS. Keberhasilan pengembangan kit ini tidak terlepas dari didorong kemajuan Bioinformatika.

4. Bioinformatika untuk penemuan obat

Usaha penemuan obat biasanya dilakukan dengan penemuan zat/senyawa yang bisa menekan perkembangbiakan suatu agent penyebab penyakit. Karena banyak faktor yang bisa mempengaruhi perkembangbiakan agent tersebut, faktor-faktor itulah yang dijadikan target. Diantara faktor tersebut adalah enzim-enzim yang diperlukan untuk perkembangbiakan suatu agent. Langkah pertama yang dilakukan adalah analisa struktur dan fungsi enzim-enzim tersebut. Kemudian mencari atau mensintesa zat/senyawa yang bisa menekan fungsi dari enzim-enzim tersebut. Penemuan obat yang efektif adalah penemuan senyawa yang berinteraksi dengan asam amino yang berperan untuk aktivitas (active site) dan untuk kestabilan enzim tersebut.

Karena itu analisa struktur dan fungsi enzim ini biasanya difokuskan pada analisa asam amino yang berperan untuk aktivitas (active site) dan untuk kestabilan enzim tersebut. Analisa ini dilakukan dengan cara mengganti asam amino tertentu dan menguji efeknya. Sebelum perkembangan Bioinformatika, analisa penggantian asam amino ini dilakukan secara random sehingga memakan waktu yang lama. Dengan adanya Bioinformatika, data-data protein yang sudah dianalisa bebas diakses oleh siapapun, baik data sekuen asam amino-nya seperti yang ada di SWISS-PROT maupun struktur 3D-nya yang tersedia di Protein Data Bank (PDB). Dengan database yang tersedia ini, enzim yang baru ditemukan bisa dibandingkan sekuen asam amino-nya, sehingga bisa diperkirakan asam amino yang berperan untuk active site dan kestabilan enzim tersebut. Hasil perkiraan kemudian diuji di laboratorium. Dengan demikian, akan lebih menghemat waktu dari pada analisa secara random. Setelah penemuan asam amino yang berperan sebagai active site dan untuk kestabilan enzim tersebut, kemudian dicari atau disintesa senyawa yang bisa berinteraksi dengan asam amino tersebut.

Sebelumnya pencarian atau sintesa senyawa juga dilakukan secara random. Dengan data yang tersedia di PDB, bisa dilihat struktur 3D suatu enzim termasuk active site-nya, sehingga bisa diperkirakan bentuk senyawa yang akan berinteraksi dengan active site tersebut. Dengan demikian, kita cukup hanya mensintesa senyawa yang diperkirakan akan berinteraksi, sehingga obat terhadap suatu penyakit akan jauh lebih cepat ditemukan dari pada mencari secara random. Cara ini dinamakan “docking” dan telah banyak digunakan oleh perusahaan farmasi untuk penemuan obat baru.

Untuk enzim dari agent penyakit baru bisa dilakukan dengan homology modeling menggunakan enzim yang sudah ada struktur 3D-nya sebagai referensi. Misalnya penemuan obat SARS. Sekarang tengah diusahakan mencari inhibitor enzim protease SARS. Karena virusnya juga baru, otomatis belum ada data 3D-nya di PDB. Tetapi karena data coronavirus sebelumnya tersedia di PDB, data ini digunakan untuk homology modeling protease dari virus SARS. Dari homology modeling didapatkan struktur 3D proteinase dari virus SARS. Dari hasil analisa docking diperkirakan bahwa senyawa AG7088 bisa dijadikan leader compound (senyawa induk) untuk penemuan obat anti virus corona termasuk anti virus SARS.

Analisa docking dan homology modeling seperti ini memerlukan software yang harganya agak mahal sehingga hanya dimiliki oleh lembaga penelitian dan perusahaan farmasi. Diantara software tersebut adalah Insight II (Accelrys Inc.) dan The Molecular Operating Environment (MOE, Scalable Software), dua software yang banyak dipakai. Walaupun dengan sarana Bioinformatika bisa diperkirakan senyawa yang berinteraksi dan menekan fungsi suatu enzim, hasilnya harus dikonfirmasi melalui eksperiment di laboratorium. Namun dengan Bioinformatika, semua proses ini bisa dilakukan lebih cepat sehingga lebih efesien baik dari

5. Kesimpulan

Bioinformatika merupakan ilmu yang esensial dalam dunia Biologi dan Kedokteran modern. Tidak berlebihan kalau saat ini dunia Biologi dan Kedokteran tidak akan jalan tanpa Bioinformatika. Perananannya mencakupi dari manajemen data klinis pasien, diagnosa penyakit, sampai pada penemuan obat penyakit. Bahkan di masa yang akan datang diramalkan bahwa manusia akan bisa mendapat personal care sesuai dengan sifat genetikanya. Namun hasil analisa melalui Bioinformatika tidak bisa langsung digunakan dan harus melalui uji langsung di laboratorium dan uji kilinis (clinical test). Ini disebabkan karena analisa melalui Bioinformatika adalah hasil simulasi yang harus dibuktikan lagi. Seperti ilmu-ilmu lainnya, Bioinformatika juga tidak bisa berdiri sendiri dan harus didukung oleh disiplin ilmu lain yang mengakibatkan saling membantu dan menunjang dan harus bermanfaat untuk kepentingan manusia.



Sumber :

http://id.wikipedia.org/wiki/Bioinformatika

http://www.komputasi.lipi.go.id

http://pantaihujankereta.blogspot.com/2011/04/bio-informatika.html