BAB I PENDAHULUAN
1.1 Latar Belakang
Bioinformatika merupakan bidang ilmu dalam biologi yang menggunakan teknologi
komputer untuk penerapannya dalam ilmu biologi. Bioinformatika ini lebih ditekankan dalam
bidang khusus ilmu biologi, yaitu biomolekuler. Namun bila penerapannya teknologi komputer
dalam ilmu biologi lebih dikenal dengan komputasi biologi. Perkembangan bioinformatika
menyebabkan pesatnya ilmu biologi khusunya bidang biologi molekuler, dengan menggunakan
teknlogi memudahkan dalam penelitian, dan menghasilkan keakuratan dalam pengerjaan. Bioinformatika merupakan suatu metode yang memadukan antara teknologi komputasi
dengan biologi molekuler yang memungkinkan kita untuk melakukan sebuah simulasi
molekuler dengan akurasi hasil yang cukup tinggi. Metode ini telah banyak dikembangkan
untuk kepentingan berbagai bidang, salah satunya untuk desain vaksin.
Di bioinformatika sering digunakan untuk sekeun DNA, RNA, protein, dan lain-lain yang
berkaitan. Banyak kalangan yang tidak mengetahui tentang bioinformatika itu seperti apa. Maka
dari itu penulis menulis makalah ini dengan tujuan dapat memberika wawasan kepada para
ilmuan, pembaca, dan pihak yang bersangkutan pada umumnya yang akan membahasa tentang
bioinformatika dan khusunya tentang metode desain vaksin.
1.2 Rumusan Masalah
Dari latar belakang diatas maka didapatkan rumusan masalah, yaitu: 1. Bagaimana sejarah bioinformatika?
2. Apa pengertian bioinformatika?
3. Apa yang dimaksud dengan bioinformatika klasik? 4. Apa yang dimaksud dengan bioinformatika baru? 5. Apa cabang-cabang terkait dengan bioniformatika?
6. Bagaimana desain vaksin dengan pendekatan bioinformatika?
Tujuan dibuatkan makalah ini adalah untuk mengetahui tentang bioinformatika, manfaat
atau peran dari bioinformatika dan penerapannya dalam bidang ilmu biologi terutama pada
metode desain vaksin. 1.4 Manfaat
Makalah ini diharapkan menambah pengetahuan penulis, maupun pembaca, serta
pihak-pihak yang terkait tentang apa itu bioinformatika, bagaimana peranannya dibidang biologi
terutama metode desain vaksin.
BAB II ISI
2.1 Sejarah Bioinformatika
Istilah bioinformatika awalnya dikemukakan di era 1980-an untuk mengolah data analisis
biologi dengan menggunakan komputer. Bioinformatika sering diterapkan dalam bidang-bidang
Paulien Hogeweg merupakan tokoh yang menciptakan istilah bioinformatka pada tahun
1970. Komputer menjadil oenting dalam ilmu biologi molekuler seiring dengan penemuan urutan
insulin di awal tahun 1950an oleh Frederick Sanfger, pelopor bioinformatika di lapangan adalah
Margaret Oakley DAydoff yang dipuji oleh David Lipman (National Center of Biotechnology
Information). Daydoff berhasil menyusun salah satu database urutan protein pertama. Pelopor
lain, Elvin A. Kabat, berhasil memelopori analisis urutan biologis pada tahun 1970 (Herman
1997).
2.2 Pengertian Bioinformatika
Bioinformatika berasal dari kata “bioinformatics” yang artinya (ilmu yang mempelajari)
penerapan teknik komputasional untuk mengelola dan menganalisis informasi biologis. Bidang
ini mencakup penerapan metode-metode matematika, statistika, dan informatika untuk
memcahkan masalah-masalah biologis, terutama dengan menggunakan sekuens DNA dan asam
amino serta informsi yang berkaitan (Herman 1997).
Bioinformatika merupakan ilmu terapan yang lahir dari perkembangan teknologi
informasi dibidang molekuler. Pembahasan dibidang bioinformatika ini tidak terlepas dari
perkembangan biologi molekular modern, salah satunya peningkatan pemahaman manusia dalam
bidang genomik yang terdapat dalam molekul (DNA).
Bioinformatika merupakan kajian yang memadukan disiplin biologi molekul,
matematika, dna teknologi informasi. Ilmu ini didefinisikan sebagai aplikasi dari alat komputasi
dan analisis untuk menangkap dan menginterpretasikan data-data biologi molekul. Biologi
molekul sendiri juga meruapaj bidang interdisipliner, mempelajari kehidupan dalam level
molekul. Bioinformatika didefinisikan sebagai aplikasi dari alat komputasi dan analisa untuk
Ilmu ini merupaka ilmu baru yang merangkul berbagai disiplin ilmu termasuk ilmu
komputer, matematika, fisika, biologi, dan ilmu kedokteran, yang semuanya saling menunjang
dan saling bermanfaat satu sama lainnya. Bioinformatika merupakan metode matematika,
statistik, dna komputasi yang betujuan untuk menyelesaikan masalah-masalah biologi dengan
menggunakan sekuen DNA dan asam amino serta informasi-informasi yang terkait (MacIntosh
dkk., 1990).
2.3 Bioinformatika Klasik
Bioinformatika klasik merupaka bioinformatika yang lebih mentitikberatkan pada sekuen
DNA, yang merupakan materi genetik yang terdapat pada asam nukleat di protein. Protein
terdapat di tubuh makhluk hidup. Protein merupakan senyawa organik yang penting, termasuk
bahan dasar materi genetik DNA dari asam nukleat (Herman, 2000).
Bioinformatika klasik belum dilakukan perbandingan genom dari beberapa spesies yang
berbeda. Selain itu, belum juga dilakukan pengukuran jumlah relatif dari cetakan dari sebuah
pesan genetik seperti pada bioinformatika baru. Selain itu, juga bias menemukan fungsi dan
keterkaitan dari gen, juga belum dapat melihat kerja fungsi hormon (Herman, 2000).
2.4 Bioinformatika Baru
Bioinformatika baru telah berhasil mencapai suatu metode besar yang belum dapat
dilakukan pada bioinformatika klasik. Proyek pemetaan genom manusia disebut dengan Human
Genome Project. Proyek Human Genome Project menyebabkan berubahnya bentuk dan prioritas
riset, serta terjadi perubahan pula pada penerapan bioinformatika. Berhasilnya riset Human
Genom Project membawa perkembangan yang pesat bagi biologi molekuler terutama dengan
berada pada masa pascagenom. Selesainya proyek Human Genome Project maka membawa
perubahan pada bioibformatika yaitu, dapat mencari perbedaan dan persamaan diantara gen-gen
yang berbeda pada spesies yang sama maupun spesies yang berbeda. Dari perbedaan-perbedaan
tersebut maka dapat digunakan untuk proses identifikasi secara molekuler, identifikasi, dan
pengelompokan secara filogenik dengan berdasarkan persamaan dan perbedaan genetik,
sehingga dapa diketahui proses evolusi, sehingga melahirkan cabang ilmu yang disebut dengan
ilmu evolusi yang disebut juga dengan perbandingan genom (scomparative genomics)
(Maryam dan Romsyah, 2007).
Di era ini muncul suatu teknologi yang didesain untuk mengukur jumlah kopian atau
cetakan sebuah pesan genetik dari beberapa tingkatan yang berbeda pada perkembangannya.
Contohnya adalah DNA Microarrays. Selain itu cara tersebut dapat mengidentifikasi
fungsi-fungsi dan suatu ketertarikan den akan semakin tumbuh. Perubahan besar akan terjadi dalam
penekanan dari gen itu sendiri dari hasil-hasil gen, pada akhirnya akan menuntuk ke usaha untuk
mengkatalogkan semua aktivitas dan karakteristik interaksi antara semua hasil-hasil dari gen
(pada manusia) yang disebut proteomics, usaha untuk mengkristalisasi dan memprediksikan
struktur-struktur dari semua protein pada manusia yang disebut sturuktural genomik.
Bioinformatika sangat memepengaruhi kehidupan manusia. Bioinforrmatika menyebabkan
kepesatan yang didapat dari ilmu biologi dengan memanfaatkan teknologi yang memudahkan
dalan pengerjaannya dan mendapatkan hasil keakuratan yang tinggu sehingga menunjang
kehidupan manusia (Herman, 1997).
2.5 Cabang-Cabang Terkait dengan Bioinformatika
Bioinformatika merupakan penerapan kecanggihan teknologi komputer pada ilmu
ilmu lain, terutama ilmu-ilmu yang terkait dengan dunia SAINS. Beberapa ilmu yang terkait
adalah biophysics, Computational Biology, Medical Informatic, Cheminformatic, Mathematical
Biology, Proteomics, dan Pharmacogenomics, yang akan dibahasa satu perstay dibawah ini,
antara lain (Anonim, 2010) :
1. Biophysics
Biofisika merupakan cabang ilmu yang menerapkan beberapa ilmu atau teknik fisika
untuk menerpakan ilmu biologi. Bioinformatika juga tercipta berdasarkan analisis dan teknik
yang ada di ilmu fisika. Maka dari itu ilmu fisika juga diperlukan dalam biologi, termasuk pada
bioinformatika.
2. Computational Biology
Komputasi biologi sangat dekat hubungannya dengan ilmu bioinformatika. Komputasi
biologi memfokuskan pada populasi, biologi teoritis, dan gerak evolusi, dari pada dalam
biomedis dalam biologi molekuler dan biologi sel. Biologi molekuler penting dalam
computational biologu. Diartikan bahwa data-data yang disajikan lebih pada gaya statistika
daripada model yang sebenarnya. Tidak semua pada komputasi biologi merupakan biologi,
namun komputasi lebih cenderung pada ilmu matematika. 3. Medical Informatics
Bidang medis memerlukan ilmu an penerapan bioinformatika. Medical informatics
diterapakan sebagai analisis atau diagnosa suatu penakit. Memprediksi beberapa tingkat
kecepatan pertumbuhan penyakit. Informasi medis juga dikodekan atau ditampilkan dalan bentuk
algoritma. Dengan demikian maka akan membantu dan memudahkan ilmu medis dalam
perkembangan dan kemajuan bidang ilmu medis. Biologi memegang peranan yang besar dan
keterkaitannya besar dengan ilmu medis. 4. Cheminformatics
Cheminformatics adalah bidang dalam ilmu kimia yang menggunakan cara dalam
biologi, sedangkan cara dalam kimia seperti kombinasi dari sintesis kimia. Pada intinya
manfaat manusia, seperti penemuan obat penisilin yang dapat menggambarkan bagaimana cara
untuk menemukan dan mengembangkan obat-obatan hingga sekarang. Keberhasilan dalam
penemuan ini pun didasarkan atas usaha dan waktu yang lama. Dibutuhkan tahap-thap penting
dan ketelitian hingga berhasil dalam proses pembuatan obat. Keadaan yang lambat salah satu
factor penghambat dalam pembuatahn obat, namun ketersediaan obat dibutuhkan, maka
diterapkanlah teknologi informasi untuk membantu proses pengerjaan pembuatan obat-obatan.
Yaitu dengan mengotomatiskan proses-proses yang terkait dengan sintesis kimiawi yang
dilakukan oleh ahli kimia, maupun para ahli biokimia. Kecepatan pengerjaan dalam sintesis obat
seperti inilah yang menjadi target dari Cheminformatics.
Beberapa bidang yang dikaji dalam cheminformatics antara lain: visulisation tools,
shynthesis planning, reaction dan structure retrieval, 3-D structure retrieval, modeling,
computational chemistry, dan utilities. 5. Mathematical Biology
Merupakan penerapan bidang ilmu biolog pada matematika. Matematika biologi seing
menggunakan ilmu biologi yang dianalisis secara matematika, baik menggunakan algoritma,
menggunakan statistik, menggunakan grafik, yang tujuannya adalah untuk mempermudah
pembacaan data. Mathematical biology sering digunakan untuk aplikasi software. Dengan
mathematical biology menggnakan software dengan analisis matematika dan diterpkannya pada
biologi, misalnya pembuatan software klasifikasi tumbuhan ataupun klasifikasi hewan pada
taksonomi tumbuhan dan taksonomi hewan. Dengan mengunakan prinsip matematika yaoti teori
permutasi. 6. Proteomica
Merupakan studi biologi yang lebih mendalami pada struktur dan fungsi dari protein.
Protein merupakan senyawa organik yang penting untuk metabolism sel. Protein memiliki
peranan penting dan dapat dikatakan senyawa terbanyak yang dibutuhkan oleh makhluk hidup.
materi genetik pada suatu makhluk hidup. Penerapannya adalah dengan cara menggunakan
teknolohi untuk menganalisisnya. Sehinnga didapatkan hasil yang akurat, cepat, dan maksimal
dalam analisisnya. Disamping itu pula dikarenakan pengerjaan secara manual akan memakan
waktu yang lama. Dengan adanya teknologi maka akan mempermudah dalam pengerjaannya.
Berhubungan dengan bioinformatika dikarenakan protein merupakan bagian dari studi biologi
dan teknologi yang digunakan menerapkan prinsip teknologi informasi. 7. Pharmacogenomics
Meruapakan bidang studi yang menganalisis bagaimana respon atau efek obat-obatan
terhadap seseorang. Pharmacogenomics merupakan kombinasi dari bidang ilmu farmakologi dan
genomic. Ini semua juga digunakan teknik sekuen DNA dan sekuen DNA sendiri digunakan
untuk analisis DNA.
2.6 Desain Vaksin dengan Pendekatan Bioinformatika
Dapat dilakukan dengan beberapa metode, yaitu (Herman, 2000): 1. Pencarian Data Protein
Data yang akan digunakan dalam analisis dicari melalui National Centre of
Biotechnology Information (NCBI) (http://www.ncbi.nlm.nih.gov/)dengan kata kunci sesuai
dengan data protein yang akan digunakan dalam penelitian seperti pada gambar 1.
Data yang diperoleh kemudian disimpan dalam bentuk FASTA pada Notepad untuk kemudian
digunakan pada seleksi data.
Apabila vaksin yang akan di desain spesifik terhadap reseptor-reseptor tertentu,maka
perlu dicari kristal struktur 3 dimensi dari reseptor tersebut melalui Protein Data Bank (PDB)
(h ttp://www.pdb.org/). Protein Data Bank adalah basis data tunggal yang menyimpan model
struktural 3 dimensi protein dan asam nukleat hasil eksperimental.
2. Seleksi data dengan Alignment (Pensejajaran)
Alignment dilakukan untuk pensejajaran sekuen-sekuen protein sampel. Alignment
protein dapat dilakukan dengan menggunakan softwere MEGA 5.05 (metode Clustal W). Clustal
adalah program bioinformatika untuk alignment multiple yaitu alignment beberapa sekuens
sekaligus 2 varian utama yaitu clustal W dan clustal X, seperti pada gambar 2. Alignment pada
clustal W ini dilakukan dengan metode pairwise dan multiple alignment. Pensejajaran sekuens
adalah proses penyusunan/pengaturan 2 atau lebih sekuens-sekuens tersebut tampak nyata. Hasil
dari proses tersebut juga disebut sebagai sequence alignment. Metode sequence alignment
Gambar 2. Tampilan software MEGA 5.05
Alignment dilakukan dengan langkah sebagai berikut : Align Edit /Build Alignment
Create a new alignmet (pada menu Alignment editor) Ok Protein (pada menu data type for
alignment) hingga muncul tampilan Alignment Explorer seperti pada gambar 3.
Gambar 3. Tampilan Alignment Explorer MEGA 5.05
Langkah berikuntnya dalah sebagai berikut : Edit insert sequence from file memilih data
FASTA yang telah disimpan sebelumnya block data Alignment Align by Clustal W
OK (pada Clustal W parameter). Hasil alignment kemudian digunakan untuk seleksi varian
sample (dapat dilakukan dengan menggunakan bantuan analisis filogenetik dengan metode
Maximum Likelihood Tree).
Untuk meminimalkan jumlah sampel, hasil seleksi sekuen dapat diseleksi kembali
berdasarkan struktur 2 dan 3 dimensinya. Seleksi berdasarkan struktur 2 dimensi dapat dilakukan
dengan menggunakan server alignment 2 dimensi DIALIGN
(http://dialignsec.gobics.de/submission). Sedangkan untuk alignment 3 dimensi dapat dilakukan
3. Modelling Protein
Modeling protein dilakukan untuk memodelkan struktur 3 dimensi dari data sekuen
yang akan digunakan dalam penelitian. Secara umum modeling protein ini dilakukan
berdasarkan metode homology modeling. Motode ini dapat dilakukan baik dengan menggunakan
template atau tanpa menggunakan template. Homologi modeling merupakan prediksi struktur
tersier protein berdasarkan kesamaan struktur primer protein. Pemodelan homologi didasarkan
pada teori bahwa 2 protein yang homolog memiliki struktur yang sangat mirip satu sama lain.
Template yang digunakan dalam homologi modeling merupakan sekuen dari protein yang akan
diteliti yang sebelumnya struktur telah dikristalkan dalam Protein Data Bank (PDB). Homologi
modeling dapat dilakukan melalui beberapa server, diantara adalah Swissmodel
(http://swissmodel.expasy.org) dan PS2 (Protein Prediction Structure Server)
(http://ps2.life.nctu.edu.tw). Kedua server ini didasarkan pada metode MODELER. Hasil
homology modeling dapat divisualisasikan pada Pymol atau Chimera.
4. Analisis Docking
Analisis docking merupakan suatu analisis yang dilakukan untuk mengetahui bagian dari
protein ligan dan protein reseptor yang berinteraksi. Analisis docking memungkinkan beberapa
alternativ interaksi dari kedua protein tersebut yang didasarkan pada energy pengikatan. Interaksi
dengan energy pengikatan terkecil adalah interaksi yang dapat direkomendasikan untuk dijadikan
model interaksi untuk analisis lebih lajut. Analisis docking dapat dilakukan dengan beberapa
software diantaranya : Hex, Autodock, Cluspro 2.0 dan lain sebagainya.
5. Analisis Interaksi Protein
Hasil yang diperoleh dari analisis docking meruapakan hasil yang hanya menggambarkan
untuk mengetahui residu-residu protein yang berinteraksi melalui analisis interaksi protein.
Analisis ini dapat dilakukan dengan menggunakan server Knowledge-based FADE and Contacts
(KFC 2 Server) (http://kfc.mitchell-lab.org).
6. Analisis Antigenesitas
Protein-protein yang akan direkomendasikan sebagai kandidat vaksin harus mempunyai
antigenisitas tinggi. Oleh karena itu setiap sampel sekuen protein harus diuji antigenisitasnya
untuk mengetahui secara jelas bagian-bagian dari sekuan protein yang memiliki kemampuan
tinggi untuk menginduksi respon imun. Analisis antigenisitas dapat dilakukan dengan beberapa
metode analisis, salah satunya adalah dengan menggunakan software CLC Main Workbench 5.
Hasil analisis akan disajikan dalam bentuk grafik yang disusun berdasarkan metode
Kolaskar-Tongaonkar dan metode Welling.
7. Prediksi Epitope
Selain harus mempunyai antigenisitas tinggi, protein yang direkomendasikan sebagai
kandidat vaksin juga harus memliki potensi sebagai epitope. Untuk dapat menentukan metode
yang digunakan dalam prediksi epitope, maka terlebih dahulu harus ditentukan sistem
pathogenesis dari penyakit yang akan di desain vaksinnya. Sistem pathogenesis inilah yang
nantinya akan menentukan epitop akan diprediksi berdasarkan epitope sel B ataukah epitope sel
T. Pathogenesis adalah keseluruhan proses perkembangan penyakit/pathogen, termasuk setiap
tahap perkembangan, rantai kejadian yang menuju kepada terjadinya pathogen tersebut dan
serangkaian perubahan struktur dan fungsi setiap komponen yang terlibat didalamnya.
Prediksi kedua epitope tersebut dapat dianalisis dengan beberapa software Epitope
Prediction, salah satunya adalah melalui software pada web server online Immune Epitope
adalah suatu metode yang dimaksudkan untuk memprediksi daerah protein yang dapat dikenali
sebagai epitope sehubungan dengan respon terhadap sel B. Prediksi epitope sel B dapat
dilakukan dengan dua metode yaitu : metode linier dan metode konformasional (discotope). Pada
hasil prediksi dengan metode linier akan ditunjukkan beberapa desain epitope pada jumlah asam
amino yang berbeda. Sedangkan pada metode konformasional, hasil prediksi akan ditunjukkan
oleh masing-masing asam amino yang diprediksikan berpotensi sebagai epitope.
Berbeda halnya dengan prediksi epitope sel B, prediksi epitope sel T didasarkan pada prediksi
pengikatan terhadap MHC I dan MHC II. MHC I (Molekul HLA Class I) terdapat pada hamper
semua permukaan sel mamalia yang memiliki inti sel dan berfungsi mempersentasikan antigen
kepada T CD8. MHC I tersusun dari rantai berat a polimorfik berpasangan secara non kovalen
dengan rantai non polimorfik b2-mikroglobbulin. MHC II terdapat pada sel APC (Antigen
Presenting Cells) yang merupakan sel yang mempresentasikan antigen secara professional, yaitu
sel makrifag dan monosit, sel B, sel T aktif, sel dendrite, sel epitel yang biasanya timbul setelah
ada rangsangan sitokin.
Berbeda halnya dengan prediksi epitope sel B, prediksi epitope sel T didasarkan pada
prediksi pengikatana terhadap MHC I dan MHC II. Oleh karena itu dalam pathogenesis harus
diketahui terlebih dahulu MHC spesifik yang akan ditampilkan pada patogenesisnya. Sehingga
harus diketahui secara pasti tipe dan kelompok alel MHC yangditampilkan. Hasil prediksi
berdasarkan MHC I dan MHC II memiliki berpedaan dalam hal penentuan skor. Untuk analisis
berdasarkan MHC I, semakin rendah skor maka semakin baik pengikatannya (diperhatikan pada
skor di bawah 20%), sedangkan pada analisis berdasarkan MHC II, semakin tinggi skor maka
kemudian dikonfirmasi kembali dengan hasil analisis antigenisitas dan analisis hasil interaksi.
Jika hasil ketiganya sinkron, maka dapat diuji lebih lanjut dengan analsis BLAST.
8. Analisis BLAST
Hasil prediksi epitope yang direkomendasikan kemudian dianalisis lebih lanjut dengan
analisis BLAST menggunakan perbandingan data protein manusia. Hasil analisis yang
direkomendasikan adalah hasil analisis dengan nilai kesamaan yang rendah terhadap protein
manusia. Hal ini dilakukan untuk menghindari adanya respon autoimun dari tubuh pasien yang
akan menerima vaksin. Pada pembacaan hasil BLAST perlu diperhatikan untuk skor hasil diatas
70% apakah terdapat sekuen yang memiliki kesamaan terhadap reseptor-reseptor tertentu
manusia khusunya yang berada pada permukaan sel. Analisis ini dapat dilakukan melalui
program BLAST pada NCBI (http://blast.ncbi.nlm.nih.gos v/Blast.cgi).
Aplikasi BLAST
Langkah-langkah menggunakan BLAST ditunjukkan pada alur metode berikut, pada contoh kali
ini digunakan molekul INS dari Homo sapiens dan Mus musculus:
b. Pada tampilan tersebut, terdapat beberapa pilihan penyejajaran, antara lain program BLAST
untuk nukleotida dan untuk protein. Pada modul ini deberikan contoh BLAST untuk
nukleotida dari INS Homo sapiens dan Mus musculus. (Pencarian sekuen mengikuti
c. Klik kolom Allign two or more sequences untuk membandingkan 2 sekuen nukleotida.
Kemudian dimasukkan sekuen yang ingin dibandingkan pada kolom yang telah tersedia.
Sekuen yang dimasukkan harus dalam format FASTA.
d. Setelah sekuen dimasukkan diklik tanda BLAST pada bagian bawah, maka akan diperoleh
e. Pada tampilan tersebut terdapat suatu skala yang menunjukkan tingkat kesamaan sekuaen
yang dibandingkan. Berdasarkan hasil tampilan tersebut terdapat suatu garis berwarna merah,
hal ini menunjukkan bahwa kedua sekuen tersebut memiliki urutan yang sangat mirip yaitu
lebih dari 200 nukleotida. Apabila discroll maka akan diperoleh tampilan
Pada tampilan tersebut dapat diartikan sebagai berikut:
- Bagian-bagian dari kedua yang tidak dihubungkan suatu garis vertikal, menunjukkan letak
perbedaan dari kedua sekuen tersebut.
PENUTUP
3.1 Kesimpulan
Bioinformatika adalah teknologi pengumpulan, penyimpanan, analisis, dan aplikasi dari
data-data biologi terutama biologi molekul. Sarana utama bioinformatika adalah sejumlah
perangkat lunak yang didukung oleh basis data yang tersedia pada world wide web. Sejumlah
program perangkat lunak dapat diakses secara gratis melalui internet sehingga kegiatan
pencarian, analisis, prediksi, dan penyimpanan data-data biologi molekuler dapat dilakukan
dengan relativ mudah. Jika dibandingkan dengan penelitian di Laboratorium, desain vaksin
dengan menggunakan pendekatan bioinformatika ini memiliki beberapa keunggulan
diantarannya lebih cepat, hasilnya memiliki akurasi yang tinggi, biaya dapat ditekan, dan
simulasi molekuler dapat dilihat lebih jelas.
Anonim, 2010, Bioteknologi, (http://id.wikipedia.org/wiki/Bioteknologi), diakses Hari Selasa, 25 Maret 2015 pukul 19.20 WITA.
Held, G.A., L.A., Bulla, E., Jr. Ferrari, J. Hoch, and A.I. Aronson, 1982. Proc. Natl. Acad. Sci, Cloning and localization of the lepidopteran protoxin gene of Bacillus thuringiensis biotechnology subsp. kurstaki., (79):60-65.
Herman, M., 1997., Insect resistant via genetic engineering. In: A. Darussamin, I.P. Kompiang, and S. Moeljopawiro (Eds.). Proceedings Second Conference on Agricultural Biotechnology Current Status of Agricultural Biotechtology in Indonesia, Research and Development and Priorities, Agency for Agricultural Research and Development, Ministry of Agriculture: 217-226.
Herman, M., 2002, Bioinformatika metode vaksin. Buletin BioTek, 5(1): 1-13.
MacIntosh, S.C., T.B. Stone, S.R., Sims, P. Hunst, J.T., Greenplate, P.G., Marrone, F.J., Perlak, D.A., Fischhoff, and R.L. Fuchs., 1990., J. Insects Path. Specificity and efficacy of purified Bacillus thuringiensis proteins bioinformatic against agronomically important species. (56):95-105.
Maryam dan Romsyah, 2007, Bioinformatika berbasis teknologoi informasi , (http://iirc.ipb.ac.id/jspui/handle/123456789/40843), diakses Hari Selasa, 25 Maret 2015 pukul 20.21 WITA.
Pertanyaan:
Jawab:
Desain vaksin dengan menggunakan pendekatan bioinformatika ini memiliki beberapa
keunggulan diantarannya lebih cepat, hasilnya memiliki akurasi yang tinggi, biaya dapat ditekan,