bio inform a tika

5/28/2018 Bio Inform a Tika

1/71

Bioinformatika untukAnalisis GenomeTigor Nauli([email protected] / [email protected])

Kuliah Umum di Jurusan Teknik Informatika STTTelkomBandung, 29 Desember 2003


2/71

topik

istilah bioinformatika komponen genetik dalam biologi

riset biologi molekuler

contoh aplikasi bioinformatika pada analisisgenome


3/71

istilah

bioinformatika = komputer + biologi bioinformatika adalah sebuah sains baru yang

berkembang pesat, yang merupakanintersection (penggabungan) antarateknologi informasi dan biologi molekuler

bioinformatika merupakan aplikasi teknologiinformasi (yaitu: perangkat komputasi dan

teknik) untuk mengkoleksi, mengelola,menyebarkan, menganalisis danmenggunakan sejumlah besar data yangdihasilkan oleh riset biologi molekuler


4/71

pemanfaatan bioinformatika

mengungkap bagaimana kode genetikditerjemahkan untuk membentuk komponenmakhluk hidup (manusia, hewan, tumbuhanatau bakteri) ?

memprediksi fungsi gen

melacak letak kerusakan gen yangmengakibatkan penyakit genetik

menelusuri evolusi biologi dari organisme

mencari kesamaan genetik diantara berbagaimacam organisme


5/71

pemanfaatan bioinformatika

membantu identifikasi DNA dalam forensik menyempurnakan diagnosa penyakit dan

terapi gen

membantu perancangan obat baru memperlancar proyek pemetaan fungsional

genome manusia (Human Genome Proyek)sehingga selesai 2 tahun lebih awal

memudahkan kegiatan rekayasa genetika

untuk membantu mengerti proses molekuleryang mendasari kehidupan


6/71

DNA (deoxyribose nucleic acid)

DNA merupakan double-helix(dua untai sirkular) antiparaleldari 4 basa nukleotida, yaitu:adenine (A), guanine (G),

cytosine (C) dan thymine (T)

untai DNA memiliki urutan yangberkomplemen, A pada untai

satu selalu berpasangan denganT diuntai lainnya, begitu jugadengan G dan C


7/71

pengurutan DNA

sel cairan DNA

isolasi

elektroforesa

konfirmasi

PCR

amplifikasi/perbanyakan DNA

konfirmasi

imaging densitometer

sequencing (pengurutan)

urutan DNA

( ... A-G-G-C-T-T-A-C-T-G-G-A-C-T... )


8/71

DNA (dioxyribose nucleic acid)

DNA merupakan pembawa informasi genetik keseluruhan rantai panjang (untai lengkap)

DNA dari suatu organisme disebut genome

genom pada organisme rendah (prokariot)seperti bakteri berada sebagai molekul DNAtunggal, kira-kira berukuran 2 mm (di dalamsel yang berdiameter 0.001 mm)

DNA pada organisme tinggi (eukariot),tersusun dalam sejumlah kromosom (padamanusia terdapat 23 pasang)


9/71


unit-unit fungsional dalam genome yangmewarisi sifat, disebut sebagai gene -mengkode instruksi pembuatan protein

gene gene gene gene

genome

gen dapat berada dikedua untai DNA dankemungkinan terdapat berulang pada lokasi

yang lain dalam genome gen prokariot merupakan satu daerah utuh

(continous), sedangkan gen eukariot beradadalam segmen-segmen terpisah


10/71


ukuran genome disetiap organisme tidaklahsama, mulai yang terkecil pada virus hinggayang terbesar pada manusia

Organisme Ukuran Genome(basa)

PerkiraanJumlah Gene

Manusia (Homo sapiens) 3 milyar 30000

Tikus (M. musculus) 2.6 milyar 30000

Rumput liar (A. thaliana) 100 juta 25000

Cacing (C. elegans) 97 juta 19000

Lalat buah (D. melanogaster) 137 juta 13000

Ragi roti (S. cerevisiae) 12.1 juta 6000Bakteri (E. coli) 4.6 juta 3200

Virus HIV 9700 9


11/71

aliran pesan genetik

disebut sebagai ekspresi gen prosesnya (central dogma):

DNAReplikasiTranskripsi

RNATranslasi

Protein

mRNAtRNArRNA

replikasi memperbanyak diritranskripsi membuat cetakan negatif/komplementranslasi penerjemahan kode


12/71

protein

protein merupakan komponen biologis utamadari suatu organisme dan memiliki berbagaimacam peran dalam proses kehidupan:

sebagai protein struktural (collagen,proteoglycan, viral coat protein)

sebagai enzim (dehydrogenase, kinase)

sebagai protein penyimpan (ferritin,

myoglobin) sebagai protein pelindung (antibody,

immunoglobulin, zat pembeku darah)


13/71

protein...

sebagai protein pengatur (hormone,receptor protein)

sebagai protein pembawa/transport(hemoglobin, plasma lipoprotein)

sebagai protein penggerak (actin, tubulin)


14/71

struktur protein

protein adalah suatu molekul besar dankompleks yang tersusun dari 20 subunit lebihkecil (yang disebut asam amino)

esensial, yaitu:

histidine (His/H) isoleucine (Ile/I)

leucine (Leu/L) lysine (Lys/K)

methionine (Met/M)

phenilalanine (Phe/F)

threonine (Thr/T)

tryptophan (Trp/W) valine (Val/V)


15/71

struktur protein

non-esensial, yaitu: alanine (Ala/A) arginine (Arg/R)

asparagine (Asn/N)

aspartic acid (Asp/D) cysteine (Cys/C)

glutamic acid (Glu/E)

glutamine (Gln/Q) glycine (Gly/G) proline (Pro/P)

serine (Ser/S) tyrosine (Tyr/Y)


16/71

struktur protein

adanya sifat-sifat kimia yang berbeda padake-20 macam asam amino menyebabkanrantai protein menekuk (fold) danmembentuk struktur 3-D yang menentukan

fungsi-fungsi spesifik dalam sel

konstelasi seluruh protein di dalam sebuah seldisebut proteome


17/71

kode genetik

kombinasi 4 karakter (A, C, G, T) pada genakan mengkode 20 macam asam amino

jika 1 basa mengkode 1 asam amino

maka ada 41

= 4 kemungkinan asam aminojika 2 basa mengkode 1 asam amino,

maka ada 42= 16 kemungkinan asam amino

jika 3 basa mengkode 1 asam amino,

maka ada 43= 64 kemungkinan asam amino

satuan kode genetik = 1 triplet basa


18/71

kode genetik

Posisi KeduaT C A G

TTT TCT TAT TGT T

TTC Phe

TCC TACTyr

TGCCys

C

TTA TCA TAA Stop TGA Stop AT

TTG Leu

TCG

Ser

TAG Stop TGG Trp G

CTT CCT CAT CGT T

CTC CCC CAC

His

CGC CCTA CCA CAA CGA AC

CTG

Leu

CCG

Pro

CAGGln

CGG

Arg

G

ATT ACT AAT CGT T

ATC ACC AACAsn

AGCSer

C

ATA

Ile

ACA AAA AGA AA

ATG Met (start) ACG

Thr

AAGLys

AGGArg

G

GTT GCT GAT GGT TGTC GCC GAC

AspGGC C

GTA GCA GAA GGA A

PosisiPertama

G

GTG

Val

GCG

Ala

GAGGlu

GGG

Gly

G

PosisiKetiga

terdapat 61 triplet basa


19/71

kode genetik

T A C CA G G G A T C G C C T A C T

A U G GU C C C U A G C G G A U G A

DNA

replikasi transkripsi

mRNA

U C G C C U

tRNA tRNA

GlySerProMet

translasi

ProteinCys

3'5'

anticodon

codon

suatu ekspresi gen


20/71

kelainan genetik

sifat genetik suatu organisme dapat berubahbila terjadi mutasi pada salah satu atau lebihbasa dalam genome

Variasi

A C G T G T C A G

Thr Cys Gln

A C G TAC C A G

Thr Tyr Gln

A C G T G C C A G

Thr Cys Gln

Mutasi


21/71

paradigma analisis genome

sekuens DNA menentukan sekuens protein sekuens protein menentukan struktur protein

struktur protein menentukan fungsi protein


22/71

analisis genome

analisis genome bertujuan untuk mengetahuikarakteristik suatu organisme dan fungsibiologis dari setiap bagian di dalam genome

dilakukan secara bertahap terhadap fragmen-fragmen DNA yang lebih pendek

pemotongan sekuens DNA menjadi fragmen,dilakukan di laboratorium dengan

menggunakan enzim endonuklease (enzimrestriksi) yang dapat melakukan pemutusanrantai DNA secara spesifik


23/71

analisis genome

fungsi dari setiap fragmen yang diuji, dapatdiketahui melalui teknik DNA rekombinan(DNA recombinant)

fragmen ditempel pada pembawa DNAdan ditumbuhkan dalam organisme inang

atau melalui pembandingan dan prediksimenggunakan bioinformatika

fragmen DNA ada yang mengkode dan adayang tidak mengkode

proses translasi hanya terjadi pada daerahyang mengkode (coding region)


24/71

Exon

Intron

3' UTR

C A GG A A C A A A T A A A CA C APoly-A Site

T C CA C C T G CA C T A G GG G C

Stop Codon

C C C TA

T C CC C A C C CG T G CC

Acceptor Site

G C CC C A G C CT C T CT

Start Codon

T CC A CA A GG T GA T AG CGC C GG C

Donor SiteCodon

5' UTRTranscription Start

Promotor

arsitektur genome


25/71

komponen bioinformatika

bioinformatika sebagai suatu disiplin ilmu,meliputi kegiatan implementasi danpengembangan dari

genomic & proteomic database (yangmeliputi: data storage, data mining)

algoritma (seperti: pattern recognition,tree, path, searching)

user interface (untuk misalnya: visualisasistruktur, penjajaran sekuens)

statistika (yang mengeksplorasi: modelmatematis dan probabilistik)


26/71

aspek database

database biologi berjumlah sangat besarsekali dan tersedia di Web secara gratis

hampir setiap hari komunitas peneliti biologiengakses data dari bank data danmenambahkan informasi baru kedalamnya

database biologi yang ada antara lain adalahsekuens asam nukleat, sekuens genome,

sekuens protein, dan struktur protein tersimpan sebagai file teks (flat file)

diperlukan program (atau parser) untukmengekstrak data yang tersimpan


27/71

LOCUS E02830 1861 bp DNA linear PAT 29-SEP-1997DEFINITION gDNA encoding lipase.

ACCESSION E02830VERSION E02830.1 GI:2171058KEYWORDS JP 1991087175-A/1.SOURCE Rhizopus oryzae ORGANISM Rhizopus oryzae Eukaryota; Fungi; Zygomycota; Zygomycetes; Mucorales; Mucoraceae; Rhizopus.

REFERENCE 1 (bases 1 to 1861) AUTHORS Tsuchiya,M. and Matsui,Y. TITLE LIPASE AND GENE OF THE SAME LIPASE JOURNAL Patent: JP 1991087175-A 1 11-APR-1991; AJINOMOTO CO INCCOMMENT OS Rhizopus delemar PN JP 1991087175-A/1 PD 11-APR-1991 PF 26-JAN-1990 JP 1990017611 PR 28-FEB-1989 JP 89P 49604, 28-APR-1989 JP 89P 111076 PI TSUCHIYA MAKOTO, MATSUI YUTAKA PC C12N9/20,C12N15/55,(C12N15/55,C12R1:845); CC strandedness: Double; CC topology: Linear; CC hypothetical: No; CC anti-sense: No; CC *source: strain=AJ 6045; FH Key Location/Qualifiers FH FT 5'UTR 1..371 FT CAAT_signal 203..208 FT TATA_signal 261..265 FT polyA_signal 1601..1606 FT sig_peptide 372..455 FT /product='signal peptide of lipase beta

FT subunit' FT mat_peptide 456..551 FT /product='lipase beta subunit' FT sig_peptide 505..564 FT /product='signal peptide of lipase alpha FT subunit' FT Region 565..657 FT /note='pro sequence of lipase alpha subunit' FT mat_peptide 658..1548 FT /product='lipase alpha subunit' FT misc_feature 1153..1194 FT /note='region which is homologous to other FT lipase'.


28/71

FEATURES Location/Qualifiers source 1..1861 /organism="Rhizopus oryzae" /mol_type="genomic DNA" /db_xref="taxon:64495"BASE COUNT 471 a 426 c 313 g 648 t 3 others

ORIGIN 1 ttttgaaagg taacttataa tattgagctt attgtcgcac ataaaatcag tttattttat 61 cccagccagt tatatagggg aaatcagaac tgtccctttt tttgtcttat tttatgtaaa 121 tcgctttgtg tgatgttttg tattacattc aaacagagga atcagtcgta catattgatt 181 acttggtact actattaatg tacctaattc atgagggtta cattnnntaa tgccatgttc 241 gtattttttg acaaaaaaca tataaataga gcaagtttat gttatgttca agtctctatc 301 ttcatcaagt caattgatac agactcttct tttcttttct tcttacccct tccagttctt 361 tactatcaat catggtttca ttcatttcca tttctcaagg tgttagtctt tgtcttcttg 421 tctcttccat gatgctcggt tcatctgctg ttcctgtttc tggtaaatct ggatcttcca 481 acaccgccgt ctctgcatct gacaatgctg ccctccctcc tctcatctcc agccgttgtg 541 cttcctcctt ctaacaaggg aagtaaaagc gatctccaag ctgaacctta caacatgcaa 601 aagaatacag aatggtatga gtcccatggt ggcaacctga catccatcgg aaagcgtgat

661 gacaacttgg ttggtggcat gactttggac ttacccagcg atgctcctcc tatcagcctc 721 tctagctcta ccaacagcgc ctctgatggt ggtaaggttg ttgctgctac tactgctcag 781 atccaagagt tcaccgagta tgctggtatc gctgccactg cctactgtcg ttctgttgtc 841 cctggtaaca agtgggattg tgtccaatgt caaaagtggg ttcctgatgg caagatcatc 901 actaccttta cctccttgct ttccgataca aatggttacg tcttgagaag tgataaacaa 961 aagaccattt atcttgtttt ccgtggtacc aactccttca gaagtgccat cactgatatc 1021 gtcttcaact tttctgacta caagcctgtc aagggcgcca aagttcatgc tggtttcctt 1081 tcctcttatg agcaagttgt caatgactat ttccctgtcg tccaagaaca attgaccgcc 1141 caccctactt ataaggtcat cgttaccggt cactcactcg gtggtgcaca agctttgctt 1201 gccggtatgg atctctacca acgtgaacca agattgtctc ccaagaattt gagcatcttc 1261 actgtcggtg gtcctcgtgt tggtaacccc acctttgctt actatgttga atccaccggt 1321 atccctttcc aacgtaccgt tcacaagaga gatatcgttc ctcacgttcc tcctcaatcc 1381 ttcggattcc ttcatcccgg tgttgaatct tggatcaagt ctggtacttc caacgttcaa 1441 atctgtactt ctgaaattga aaccaaggat tgcagtaact ctatcgttcc tttcacctct 1501 atccttgacc acttgagtta ctttgatatc aacgaaggaa gctgtttgta aaacacttga 1561 cgtgttactc taattttata ataaaattaa gtttttatac aataaatttt tgcatgtcta 1621 tacataattt agaacataac ctcaacttca aacttgtata tcaatagtct cttctcattc 1681 tatctcgccc atttttaaaa cagtgttcat agagccattt atattagacg tattctatga 1741 tatcctctga tctacagctt tcattcattc ttttatgatt caagtaatgt cttgaattta 1801 gaaagaatag tttgagagtt attttgtagt taaaaaatta atcttttacc tttttttagg 1861 a//


29/71

aspek database

perlu dikembangkan sistem pengelolaandatabase, seperti indexing, searching,ekstraksi dan pengelompokan, terhadapkoleksi data hasil download dari bank data

dan data luaran penelitian sendiri

perlu disiapkan program konversi untukpertukaran antara data milik sendiri dan milik

komunitas peneliti dunia dan yang terutama adalah membuat

bioinformatika untuk data mining terhadapknowledge database ini


30/71

situs-situs bank data

sekuens asam nukleat:GenBank

http://www.ncbi.nlm.nih.gov:80/entrez/

query.fcgi?db=Nucleotide

sekuens genome:

Entrez Genome


query.fcgi?db=GenomeTIGR database

http://www.tigr.org/tdb/


31/71

situs-situs bank data

sekuens protein:GenBank


query.fcgi?db=Protein

SWISS-PROT

http://www.expasy.ch/spro/

struktur protein:

Protein Data Bankhttp://www.rcsb.org/pdb/


32/71

aspek algoritma

algoritma merupakan komponen utama daribioinformatika yang terus dikembangkan dandisempurnakan

kebanyakan dari algoritma yang ada, didasaripada pendekatan probabilistik, sehinggaakurasinya masih belum sempurna

akan dicontohkan beberapa diantaranya

sebagai ilustrasi dan terbatas pada datagenomic

bukan dari yang terbaik, tetapi yangmudah untuk dicermati


33/71

aspek algoritma

contoh 1:melacak fragmenAGTCGACTpada deretan

AGACGGTAGCGATTCAGTCGACTTCCATGCATGG

ATCGACTTCGT

merupakan suatu proses string matchingbiasa, yang umum terdapat pada aplikasipengolah kata

bila menggunakan cara brute force, tahapanproses akan menjadi terlalu panjang


34/71

aspek algoritma

1 2 3 4 123456789012345678901234567890123456789012345 AGACGGTAGCGATTCAGTCGACTTCCATGCATGGATCGACTTCGT1 AGTCGACT2 AGTCGACT3 AGTCGACT4 AGTCGACT

5 AGTCGACT6 AGTCGACT7 AGTCGACT8 AGTCGACT9 AGTCGACT10 AGTCGACT11 AGTCGACT

12 AGTCGACT13 AGTCGACT14 AGTCGACT15 AGTCGACT16 AGTCGACT AGACGGTAGCGATTCAGTCGACTTCCATGCATGGATCGACTTCGT

string matching

dengan brute forceO(n)


35/71

aspek algoritma

1 2 3 4 123456789012345678901234567890123456789012345 AGACGGTAGCGATTCAGTCGACTTCCATGCATGGATCGACTTCGT

1 AGTCGACT2 AGTCGACT3 AGTCGACT4 AGTCGACT5 AGTCGACT6 AGTCGACT7 AGTCGACT AGACGGTAGCGATTCAGTCGACTTCCATGCATGGATCGACTTCGT

dapat menggunakan backtracking algorithm(dari Boyer-Moore) yang lebih efisien

orde algoritma O(log n)


36/71

aspek algoritma

contoh 2:bagaimana karakteristik protein hasil translasisebuah gen prokariot?

translasi dapat dilakukan secara langsung,karena gen tidak terputus oleh intron

harus dicari sinyal-sinyal translasi padasekuens DNA gen, yaitu;ATG sebagai start

dan TAA, atau TAG, atau TGAsebagai stop

A T G TC T G A G T C G C A G T G A C A A A G T C A T A G C

"daerah yang ditranslasi"

start stop5' UTR 3' UTR


37/71

aspek algoritma

karena penerjemahan dilakukan pada setiaptriplet basa, maka harus ditetapkan awal daripenelusuran sekuens DNA gen

terdapat 6 bingkai pembacaan (readingframe)

AC T C G G A G C T T C G G A G CC G A T G C C T C G A A G C C T C G

bingkai -2

bingkai -3

bingkai -1G

5'

3'

3'

5'

arah pembacaan

arah pembacaan

bingkai +3

bingkai +2

bingkai +1


38/71

aspek algoritma

dibuat parser yang dapat membaca codon-codon sinyal

dibuat fungsi lookup untuk memperolehasam amino padanan dari triplet basa yangdibaca

dan dibuat fungsi untuk mengabaikanpelacakan bila daerah translasi terlalu pendek

atau tidak memiliki codon stop


39/71

analisis genome


40/71

analisis genome


41/71

aspek algoritma

contoh 3:melacak intron dalam genome ragi (yeast)

berdasarkan deretan konsensus yang

terdapat pada intron eukariot, yang diawalidengan GT dan diakhiri dengan AG

dapat dicari antara lain dengan regularexpression, menggunakan misalnya, grep(Unix), Perl, Java (JDK 1.4)

Exon ExonIntron

GT AG


42/71

aspek algoritma

memerlukan kombinasi dengan metoda lainagar hasilnya lebih akurat

Intron pada ragi

5 splice site branch site 3 splice siteGTTCGT AACTAAC

GTTAAG AATTAAC

GTGAGT ATATAAC

GTCAGT CACTAAC TAG

GTATGT GAATAAC CAG

GTATGC GACTAAC AAGGTATGA TACTAAC

GTAGTA TACTAAC

GTACGT TATTAAC

GTAAGT TGCTAAC

regular expressionGT.{2}[AGT]. .[AGT][ACT]TAAC [ATC]AG


43/71

aspek algoritma

contoh 4:mencari kemiripan (similarity) diantara duasekuens DNA

untuk mencari fungsi (gen) yang sama digenome lain

mendeduksi fungsi fragmen DNA yang belumdiketahui, dari informasi database genome

dapat menggunakan dot plot, dynamicprogramming, genetic algorithm, decisiontree atau neural network


44/71

aspek algoritma1 2 3

123456789012345678901234567890#1: KALIMAT.PENDEK.YANG.PENTING (n = 27) |||||||||#2: KALIMAT.PADAT.DAN.SINGKAT (n = 25)

identik = 9/27 = 33 %

1 2 3 123456789012345678901234567890#1: KALIMAT.PENDEK.YANG.PENTING (n = 27) ||||||||| | |||#2: KALIMAT.PADAT.DAN.-----SINGKAT (n = 30)

identik = 12/30 = 40 %

1 2 3 123456789012345678901234567890#1: KALIMAT.PENDEK.YANG.PENTING (n = 27) ||||||||| | | || | |||#2: KALIMAT.PA-DAT.DAN-.---SINGKAT (n = 30)

identik = 17/30 = 56 %


45/71

aspek algoritma

penjajaran sekuens (sequence alignment) terjadi pasangan cocok (match)

terjadi pasangan tidak cocok (mismatch)

terjadi pasangan dengan celah (gap)

TTGTCAAAGACTTGACGTGATGCAT

GGCAGACATGAC-TGACAAGGTA

|||| |||| |||

daerah yang dijajarkan

tidak cocok (mismatch) celah (gap)


46/71

aspek algoritma

dibuat matriks nilai dengan isi setiap seladalah maksimum dari 3 sel lainnya:

F(i,j)F(i-1,j)

F(i,j-1)F(i-1,j-1)

s(xi,y

j) -d

-d

dengan sistem nilai, misalnya, cocok = +2,tidak cocok = -1, dengan celah = -1


47/71

aspek algoritma

dimisalkan melakukan penjajaran CATGTdenganACGCTG

-6

-5

-3

-4

-2

-1

0

-3

-2

0

-1

1

-1

-1

-3

-2

0

-1

0

1

-2

0

1

-1

-1

0

0

-3

3

0

2

1

-1

-1

-4

2

3

1

1

-2

-2

-5

0

C

1

A

2

T

3

G

4

T

5

0

A1

C2

G3

C4

T5

G6

j

i

nilai yang diisikanpada sel di baris 4dan kolom 1

adalah maks dari(3 +2, 0 -1, -4 -1)= -1


48/71

aspek algoritma

penelusuran balik dimulai dari sel dengan nilaiterbesar di sel kanan bawah

0 -1

1

0

2

1

2

3

0

C

1

A

2

T

3

G

4

T

5

0

A1

C2

G3

C4

T5

G6

i

j

hasilnya:C A T G - T -

| | |

- A C G C T G


49/71

aspek algoritma

akan dibandingkan gen PAX-6 dari manusiadengan gen eyeless dari lalat buah(Dorsophila melanogaster)

gen ini bertanggung jawab pada

pembentukan mata, bila terjadi mutasi genmaka akan timbul kelainan klinis yangdisebut aniridia (yaitu tidak terbentuknya

pupil dengan sempurna) hasil penjajaran menunjukkan adanyakemiripan pada dua daerah gen tersebut


50/71

PAX-6 = Homo sapiens paired box gene 6 (aniridia, keratitis) (PAX6), mRNAeyeless = twin of eyeless, a second Pax-6 gene of Drosophila, acts upstream of eyeless in the control of eye development

Identik = 323/467 (69%), Celah = 11/467 (2%)

PAX-6 : 430 cacagcggagtgaatcagctcggtggtgtctttgtcaacgggcggccactgccggactcc 489 || |||||| | |||||||| || || || | ||| || || ||||||||||| || ||eyeless: 97 catagcggaataaatcagctgggcggcgtatatgttaatggccggccactgcccgattca 156

PAX-6 : 490 acccggcagaagattgtagagctagctcacagcggggcccggccgtgcgacatttcccga 549 || || || || ||||| || | ||||| ||| || || || || || ||||| ||eyeless: 157 acgcgtcaaaaaattgtcgaattggctcattccggcgcacgtccttgtgatatttcaaga 216

PAX-6 : 550 attctgcaggtgtccaacggatgtgtgagtaaaattctgggcaggtattacgagactggc 609

|| || || ||||||||||| || || || |||||| ||||||| ||||| || |||||eyeless: 217 atactacaagtgtccaacggttgcgtaagcaaaattttgggcagatattatgaaactgga 276

PAX-6 : 610 tccatcagacccagggcaatcggtggtagtaaaccgagagtagcgactccagaagttgta 669 || || | ||| | || || |||||| || || ||||||| || | |||||eyeless: 277 tcgataaaacctcgagctataggtggttcaaagccacgagtagctacaaccccggttgtg 336

. . .

PAX-6 : 790 agagttctt-cgcaacctgg-ctagcgaaa--agcaac-agatgggc-gc-agacg---g 839 ||| |||| || ||||||| || | ||| |||| | || | || | | |||eyeless: 457 cgag-tcttacgtaacctggcctcacaaaaggagcagcaagctcagcaacaaaacgaatc 515

PAX-6 : 840 catgtatgataaactaaggatgttgaacgggcagaccggaagctggg 886 | | ||||| || || | ||||| || || || || || | ||||eyeless: 516 cgtttatgaaaagcttcgcatgtttaatggccaaacgggcggatggg 562


51/71

aspek algoritma

contoh 5:menemukan hirarki (evolusi biologi) daribeberapa organisme

berasal dari data hasil penjajaran berganda(multiple alignment)

melalui pembuatan pohon filogenetik(phylogenetic tree)

menggunakan metoda Parsimony, UPGMA,Cladistic, Neighbor Joining, Least SquaresMethod, Maximum Likelihood, atau Clustering


52/71

aspek algoritma

dari data kemiripan gen pada 6 organismeKemiripan segmen 40 basa dari gen -hemoglobin (panjang = 223 bp)

Manusia GCTGCACTGT GACAAGCTGC ACGTGGATCC TGAGAACTTC

Simpanse GCTGCACTGT GACAAGCTGC ACGTGGATCC TGAGAACTTC

Sapi GCTGCACTGT GATAAGCTGC ACGTGGATCC TGAGAACTTC

Kambing GCTGCACTGT GATAAGCTGC ACGTGGATCC TGAGAACTTC

Ayam ACTGCATTGT GACAAGCTGC ATGTGGACCC CGAGAACTTC

Katak GAAGCACGCT GAGGAACTCC ACGTGGACCC TGAAAACTTC

dicari cluster yang menyatakan keterkaitanJumlah Perbedaan pada Sekuens DNA

Katak Ayam Kambing Sapi Simpanse Manusia

Katak - 13 10 9 9 9

Ayam 13 - 6 6 5 5

Kambing 10 6 - 0 1 1

Sapi 9 6 0 - 1 1

Simpanse 9 5 1 1 - 0

Manusia 9 5 1 1 0 -


53/71

aspek algoritma

ditemukan persentase identik antar ke-6 genPersen identik terhadap manusia

Simpanse 223/223 = 100 %

Sapi 189/223 = 84 %

Kambing 189/223 = 84 %

Ayam 170/223 = 76 %

Katak 137/223 = 61 %

*dihitung dari panjang total gen

dalam format binary tree ditulis sebagai

(Katak Ayam ((Kambing Sapi)(Simpanse Manusia)))

yang dapat diimplementasikan dengan mudahmenjadi bentuk grafis


54/71

aspek algoritma

bentuk pohon filogenetik-nya adalah


55/71

aspek user interface

pengembangan user interface berfokus padavisualisasi grafis dari luaran dankompatibilitas terhadap berbagai macamsistem lainnya

untuk data genomic, misalnya: bentuktampilan dari hasil penjajaran, grafik entropiatau frekuensi basa

untuk data proteomic, misalnya: prediksi daristruktur 3-D protein berdasarkan datasekuens asam amino


56/71

aspek statistika

contoh 6:memprediksi gen dengan probabilitas

suatu pendekatan teoritis yang dapatdikonfirmasikan melalui eksperimen

menggunakan statistika Bayesian terhadapmodel Markov tersembunyi (hidden Markovmodel)

akurasinya ditentukan oleh pilihan model danlatihan (terhadap database gen yang sudahdiketahui secara benar)


57/71

aspek statistika

model Markov terdiri dari sekumpulan keadaan (state) yang hidden

sekumpulan simbol (mewakili keadaan)

sekumpulan probabilitas transisi sekumpulan probabilitas emisi

model ini menyatakan rantai keadaan yangmemiliki tingkatan (order), sesuai

pengalaman data sebelumnya


58/71

aspek statistika

A:0

C:0.7

G:0.3

T:0

S1

A:0.8

C:0.2

G:0

T:0

S2

A:0.2

C:0.1

G:0.2

T:0.5

S3

1.0 0.6 A:1.0C:0

G:0

T:0

0.6

S4

1.0

0.4

0.7probabilitas emisi:...

0.2 0.2 0.5 1.0...

S1

?

... S2

1.0

S3

0.6

S3

0.4

S4

0.6

...

C C G T A

probabilitas transisi:

P(CCGTA) = P(C)P(C|C)P(G|C)P(T|G)P(A|T)


59/71

aspek statistika

terdiri dari 4 sub-model

A|C|G|T A T G

T T G

A A A

A A C

A A G

T T T

... T A G

T G A

T A A

stop codon

start codon

model 61 triplet

model antargen

mengikuti Markov orde-2

P(CCGAT)=P(CC)*P(G|CC)*P(A|CG)*P(T|GA)


61/71

aspek statistika

ditentukan dari model latihan (training model)2311 (dari 4354) gen pada genome E. coli

(4 639 221 bp) dengan panjang > 1000 bp

452 fragmen tak-mengkode denganpanjang > 40 bp

menghasilkan tabel-tabel frekuensi yangmenyatakan besarnya probabilitas tampilnya

basa Z dalam urutan berikut, setelah basa XY


62/71

aspek statistikaProbabilitas prior

Daerah yang mengkode:Bingkai 1 Bingkai 2 Bingkai 3

AA A 0.001801 AA A 0.000689 AA A 0.000255

AA C 0.000949 AA C 0.001864 AA C 0.000535

AA G 0.000854 AA G 0.000322 AA G 0.0.00256

AA T 0.001240 AA T 0.000792 AA T 0.001339

. . . . . . . . .

TT G 0.001546 TT G 0.001370 TT G 0.000570

TT T 0.002331 TT T 0.001591 TT T 0.002652

Daerah tak-mengkode:

Bingkai 1 Bingkai 2 Bingkai 3

AA A 0.002321 AA A 0.000674 AA A 0.000190

AA C 0.002652 AA C 0.002405 AA C 0.000510AA G 0.000874 AA G 0.001218 AA G 0.000622

AA T 0.000539 AA T 0.001031 AA T 0.000814

. . . . . . . . .

TT G 0.000172 TT G 0.000921 TT G 0.001591

TT T 0.001666 TT T 0.000172 TT T 0.000367


63/71

aspek statistikaProbabilitas kondisi

Daerah yang mengkode:

Bingkai 1

A C G T

AA 0.186712 0.183134 0.431893 0.445291

AC 0.259937 0.277165 0.595482 0.187232

AG 0.272389 0.314251 0.109616 0.228153

AT 0.110139 0.176955 0.324473 0.400621

. . .TG 0.395386 0.410135 0.410082 0.172744

TT 0.222835 0.289972 0.436321 0.372181

Daerah tak-mengkode:

Bingkai 1

A C G TAA 0.345324 0.254387 0.288616 0.254233

AC 0.549191 0.130097 0.127723 0.581637

AG 0.163811 0.333365 0.198174 0.111278

AT 0.283213 0.362833 0.409421 0.308102

. . .

TG 0.114081 0.470082 0.532941 0.281721

TT 0.171321 0.125911 0.372309 0.299712


64/71

aspek statistika

lintasan terbaik (atau yang paling mungkin)ditentukan dengan dynamic programmingmengikuti algoritma Viterbi

A 01

G

0

CG

Tacgt

0

0

0

0

0

0

0

0 0 0

A T A

0 0.0924 0 0.0157

0 0 0 0

0.1512 0 0 0

0 00.0696

0

0 0.0502 0 0.0087

0 0 0 0

0.1433 0 0 0

0 0 0.0814 0

v GATAberada didaerahmengkode


65/71

aspek statistika

hasilnya adalah data posisi gen pada genomyang dianalisis

Genome: Mycoplasma genitalium

Gen Awal Akhir Panjang----- ------- ------- -------1 735 1829 10952 2845 4798 19543 4813 7323 25114 7295 8548 1254

583 564926 566203 1278584 570053 570988 936585 570992 576343 5352


66/71

aspek statistika

hasilnya adalah data posisi gen pada genomyang dianalisis

Genome: Mycoplasma pneumoniae

Gen Awal Akhir Panjang----- ------- ------- -------1 9947 11275 13292 11275 12060 7863 13558 14265 708

765 731678 732835 1158766 747742 749427 1686767 761504 762562 1059768 765524 766387 864


67/71

aspek statistika

hasil prediksi masih belum sempurna:

Genome Panjang(bp)

Jumlahgen

Prediksi Tepatsama

Tidakketemu

Mycoplasma

genitalium

580.074 490 585 276

(56.4)

69

(14.1)Mycoplasmapneumoniae

816.394 695 768 334(48.1)

83(11.9)

Helicobacter pylori 1.667.867 1.588 1.641 916(57.7)

163(10.3)

Methanobacterium

thermoautotrophicum

1.751.377 1.889 2.014 923

(48.9)

173

(9.2)Haemophilusinfluenzae

1.830.138 1.738 1.861 1124(64.7)

139(8.0)


68/71

aspek statistika

banyak prediksi yang meleset, seperti:

Genome Tag Lokasi Panjang (bp)

Mycoplasmagenitalium

rp17 460126 460494 369

Mycoplasmapneumoniae

ptsH 66822 67088 267

Helicobacter pylori HP0203 207932 208207 276

Methanobacteriumthermoautotrophicum

MTH74 45402 45677 136

Haemophilus

influenzae

HI0484 505168 - 505422 255


69/71

aspek statistika

perlu perbaikan model dengan mengubah orde rantai Markov menjadi lebih

tinggi (dari orde 2 menjadi orde 5)

mengganti algoritma lintasan terbaikdengan lainnya (seperti: forward algorithm)

T C G GAT C G GA

T C G GA

3 bingkai pembacaan

rantai Markov orde 5

rantai Markov orde 2


70/71

peranan lanjut bioinformatika

melakukan analisis hibridisasi paralel padaDNA microarray (DNA chips)

menentukan pola ekspresi gen dalam array2-D secara bersamaan

membantu mempelajari sistem biologi untukkepentingan konservasi sumber daya dankelestarian lingkungan

mengembangkan kemampuan komputasiuntuk memodelkan sistem biologi yang rumit


71/71

epilog

bioinformatika merupakan alat bantu (tools)dalam riset biologi

bioinformatika adalah aplikasi teknologiinformasi untuk mempelajari karakteristik

genome dan memperkirakan struktur protein

bioinformatika memerlukan pengembanganlanjut dibidang algoritma dan pemodelan

matematis untuk mendapatkan metodaprediksi yang lebih akurat

bio inform a tika

Documents