BIOINFORMATIKA: Mengawinkan Teknologi
Informasi dengan Bioteknologi
Trendnya di Dunia dan Prospeknya di Indonesia
1Dr. Arief B. Witarto, M.Eng.
Laboratorium Rekayasa Protein, Pusat Penelitian Bioteknologi – LIPI Jl. Raya Bogor Km.46, Cibinong 16911, Kabupaten Bogor
E-mail, witarto@biotek-indonesia.net
ABSTRAK
Ledakan informasi dari kemajuan bioteknologi seperti data sekuen DNA dari pembacaan genom, data sekuen dan struktur protein sampai kepada data transkripsi RNA berkat teknologi DNA chip, telah mendorong lahirnya Bioinformatika yang digunakan untuk mengorganisasi dan menganalisa data-data tersebut menjadi sebuah informasi biologis yang bermakna. Bermacam database telah dibuat dan banyak perangkat lunak telah diciptakan yang menunjukkan trend kepada spesialisasi tujuan. Walaupun negara berkembang kurang dapat berpartisipasi dalam eksperimen bioteknologi yang padat informasi untuk pengumpulan informasi dalam database-database itu, peluang untuk memanfaatkannya melalui Bioinformatika terbuka lebar karena sifatnya yang terbuka.
PENDAHULUAN
Tak disangkal, saat ini adalah jamannya Teknologi Informasi (TI). Berbagai produk dan jasa dalam bidang TI mulai dari komputer pribadi, Internet, handphone, dsb sudah dinikmati oleh masyarakat luas. Dengan itu semua, TI tidak hanya telah membangkitkan gelombang new-economy tapi juga merubah pola pikir sampai kepada gaya hidup manusia modern sehingga serasa hidup dalam “kampung dunia”. Kekuatan inovasi teknologi yang disepadankan dengan TI di masa depan adalah bioteknologi [1]. Bioteknologi modern ditandai dengan kemampuan manusia untuk memanipulasi kode genetik DNA, “cetak biru kehidupan”. Berbagai aplikasinya telah merambah sektor kedokteran, pangan, lingkungan, dsb [2]. Pembacaan sekuen genom manusia oleh perusahaan bioteknologi Amerika Serikat (AS) Celera Genomics dalam waktu singkat (beberapa tahun) dibanding usaha konsorsium lembaga riset publik AS, Eropa, dll (lebih dari 10 tahun) a.l. berkat kontribusi TI melalui perangkat komputasinya (perangkat keras maupun lunak). Aplikasi TI dalam bidang biologi/life sciences yang melahirkan bidang Bioinformatika akan menjadi semakin penting di masa depan, tidak hanya mengakselerasi kemajuan bioteknologi namun juga menjembatani dua
gelombang ekonomi baru tersebut (TI & bioteknologi). Dalam tulisan ini diulas perkembangan Bioinformatika di dunia dengan didahului oleh latar belakang “ledakan” informasi dalam bioteknologi, kemudian ditutup dengan prediksi prospek Bioinformatika di Indonesia melalui pertanyaan “dari mana kita harus mulai?”
BIOTEKNOLOGI MODERN
Bioteknologi modern lahir tahun 70-an diawali dengan inovasi ilmuwan AS mengembangkan teknologi DNA rekombinan. Berkat penemuan ini lahirlah perusahaan bioteknologi pertama di dunia, Genentech di AS yang segera memproduksi protein hormon, insulin yang dibutuhkan penderita diabetes, dalam bakteri. Selama ini insulin hanya bisa didapatkan dalam jumlah sangat terbatas dari organ pankreas sapi. Sebagaimana TI, saat ini produk bioteknologi telah mengimbas bahkan kepada kebutuhan hidup sehari-hari masyarakat seperti pangan, kosmetika, dsb.
Ciri dari bioteknologi modern tadi adalah kemampuan pada manipulasi DNA. Rantai/sekuen DNA yang mengkode protein disebut gen. Gen itu ditranskripsikan menjadi mRNA yang selanjutnya mRNA ditranslasikan menjadi protein (Gambar 1). Protein sebagai produk akhir adalah yang bertugas menunjang seluruh proses kehidupan antara lain sebagai katalis reaksi biokimia dalam tubuh (protein ini disebut enzim), ikut serta dalam sistem pertahanan tubuh melawan virus, parasit dll (disebut antibodi), menyusun struktur tubuh dari ujung kaki (otot terbentuk dari protein actin, myosin, dsb) sampai ujung rambut (rambut
tersusun dari protein keratin), dll. Arus informasi, DNA -> RNA -> Protein, inilah yang disebut sentral dogma dalam biologi.
Hanya 20-an tahun sejak bioteknologi modern lahir, terjadilah ledakan data biologis yang mencengangkan. Hal ini disebabkan oleh kemajuan teknologi biologi molekuler itu sendiri (misalnya DNA rekombinan, PCR, dsb) dan ditunjang dengan peralatan yang memadai membuat waktu dan biaya lebih pendek/murah. Ledakan awal dimulai dari data DNA (Gambar 2). Tahun 1977 untuk pertamakalinya sekuen DNA satu organisme dibaca secara menyeluruh yaitu pada sejenis virus yang memiliki kurang lebih 5.000 nukleotida/molekul DNA atau sekitar 11 gen. Sekarang sudah ada milyaran data nukleotida tersimpan dalam database DNA, GenBank di AS yang didirikan tahun 1982 [3]. Sekuen seluruh DNA manusia yang terdiri dari 3 milyar nukleotida dirampungkan dalam waktu 3 tahun. Di Indonesia, dengan membayar $15, kita bisa membaca sekuen 500-an nukleotida di Lembaga Biologi Molekuler Eijkman, Jakarta. Trend yang sama juga nampak pada database lain seperti database sekuen asam amino penyusun protein, database struktur 3D protein, dsb. Inovasi teknologi
G a mb a r 1. S e n t r a l d o gm a : A r u s i nf or ma s i d a l a m s e l .
DNA chip yang dipelopori oleh perusahaan bioteknologi AS, Affymetrix di Silicon Valley telah mendorong munculnya database baru mengenai RNA. Dengan ini, riset tidak dilakukan lagi satu persatu terhadap molekul (DNA/RNA/protein) yang diminati, namun pada keseluruhan/satu set masing-masing molekul (untuk DNA dari gen ke genom, untuk RNA disebut transkriptom dan proteom untuk protein).
TREND BIOINFORMATIKA DUNIA
Ledakan data/informasi biologi itu yang mendorong lahirnya Bioinformatika. Karena Bioinformatika adalah bidang yang relatif baru, masih banyak kesalahpahaman mengenai definisinya. Komputer sudah lama digunakan untuk menganalisa data biologi, misalnya terhadap data-data kristalografi sinar X dan NMR (Nuclear Magnetic Resonance) dalam melakukan penghitungan transformasi Fourier, dsb [4]. Bidang ini disebut sebagai Biologi Komputasi. Bioinformatika muncul atas desakan kebutuhan untuk mengumpulkan, menyimpan dan menganalisa data-data biologis dari database DNA, RNA maupun protein tadi. Untuk mewadahinya beberapa jurnal baru bermunculan (misalnya Applied Bioinformatics), atau berubah nama seperti Computer Applications in the Biosciences (CABIOS) menjadi BIOInformatic yang menjadi official journal dari International Society for Computational Biology (ICSB) (nama himpunan tidak ikut berubah) [5]. Beberapa topik utama dalam Bioinformatika dijelaskan di bawah ini.
Keberadaan database adalah syarat utama dalam analisa Bioinformatika. Database informasi dasar telah tersedia saat ini. Untuk database DNA yang utama adalah GenBank di AS (Gambar 3) [6]. Sementara itu bagi protein, databasenya dapat ditemukan di Swiss-Prot (Swiss) [7] untuk sekuen asam aminonya dan di Protein Data Bank (PDB) (AS) [8] untuk
struktur 3D-nya. Data yang berada dalam database itu hanya kumpulan/arsip data yang biasanya dikoleksi secara sukarela oleh para peneliti, namun saat ini banyak jurnal atau lembaga pemberi dana
penelitian mewajibkan penyimpanan dalam database.
Trend yang ada dalam pembuatan database saat ini adalah isinya yang makin spesialis. Misalnya untuk protein struktur, ada SCOP [9] dan
CATH [10] yang mengklasifikasikan protein berdasarkan struktur 3D-nya, selain itu ada pula PROSITE [11], Blocks [12], dll yang berdasar pada motif struktur sekunder protein.
Tak kalah penting dari data eksperimen tersebut adalah keberadaan database paper yang terletak di Medline [13]. Link terhadap publikasi asli biasanya selalu tercantum dalam
data asli sekuen. Perkembangan Pubmed terakhir yang penting adalah tersedianya fungsi mencari paper dengan topik sejenis dan link kepada situs jurnal on-line sehingga dapat membaca keseluruhan isi paper tersebut.
Setelah informasi terkumpul dalam database, langkah berikutnya adalah menganalisa data. Pencarian database umumnya berdasar hasil alignment/pensejajaran sekuen, baik sekuen DNA maupun protein. Metode ini digunakan berdasar kenyataan bahwa sekuen DNA/protein bisa berbeda sedikit tetapi memiliki fungsi yang sama. Misalnya protein hemoglobin dari manusia hanya sedikit berbeda dengan yang berasal dari ikan paus. Kegunaan dari pencarian ini adalah ketika mendapatkan suatu sekuen DNA/protein yang belum diketahui fungsinya maka dengan membandingkannya dengan yang ada dalam database bisa diperkirakan fungsi daripadanya. Algoritma untuk pattern recognition seperti Neural Network, Genetic Algorithm dll telah dipakai dengan sukses untuk pencarian database ini. Salah satu perangkat lunak pencari database yang paling berhasil dan bisa dikatakan menjadi standar sekarang adalah BLAST (Basic Local Alignment Search Tool) [14]. Perangkat lunak ini telah diadaptasi untuk melakukan alignment terhadap berbagai sekuen seperti DNA (blastn), protein (blastp), dsb. Baru-baru versi yang fleksibel untuk dapat beradaptasi dengan database yang lebih variatif telah dikembangkan dan disebut Gapped BLAST serta PSI (Position Specific Iterated)-BLAST [15]. Sementara itu perangkat lunak yang digunakan
untuk melakukan alignment terhadap sekuen terbatas di antaranya yang lazim digunakan adalah CLUSTAL dan CLUSTAL W [16].
Data yang memerlukan analisa
bioinformatika dan cukup mendapat banyak perhatian saat ini adalah data hasil DNA chip (Gambar 4). Menggunakan
perangkat ini dapat diketahui kuantitas maupun kualitas transkripsi satu gen
sehingga bisa menunjukkan gen-gen
apa saja yang aktif terhadap perlakuan tertentu, misalnya
timbulnya kanker, dll. mRNA yang diisolasi dari sampel dikembalikan dulu dalam bentuk DNA menggunakan reaksi reverse transcription. Selanjutnya melalui proses hibridisasi, hanya DNA yang komplementer saja yang akan berikatan dengan DNA di atas chip. DNA yang telah diberi label warna berbeda ini akan menunjukkan pattern yang unik. Berbagai algoritma pattern recognition telah digunakan untuk mengenali gen-gen yang aktif dari eksperimen DNA chip ini, salah satunya yang paling ampuh adalah Support Vector Machine (SVM) [17].
Bioinformatika sudah menjadi bisnis besar sekarang. Perusahaan bioteknologi yang menghasilkan data besar seperti perusahaan sekuen genom, senantiasa memerlukan bagian analisa Bioinformatika. Produk Bioinformatika pun sudah dipatenkan baik di AS, Eropa maupun Asia [18]. Berdasar jenisnya produk yang dipatenkan itu bisa dibagi menjadi tiga yaitu (1) perangkat lunak Bioinformatika, termasuk diantaranya adalah perangkat lunak pencarian database dsb dengan contoh misalnya paten no. 6,125,331 di AS berjudul “Structural alignment method making use of a double dynamic programming algorithm”, (2) metode Bioinformatika, ini menggunakan analogi metode bisnis telah dapat dipatenkan di AS seperti pada kasus pematenan Amazon.com, sebagai contoh adalah paten no. 6,125,383 di AS tentang “Research system using multi-platform object oriented program language for providing objects at runtime for creating and manipulating biological or chemical data”, terakhir (3) produk Bioinformatika itu sendiri yaitu informasi biologis hasil analisanya.
DARI MANA KITA MULAI?
Di Indonesia Bioinformatika masih belum dikenal oleh masyarakat luas. Di kalangan peneliti sendiri, mungkin hanya para peneliti biologi molekuler yang sedikit banyak mengikuti perkembangannya karena keharusan
menggunakan perangkat-perangkat Bioinformatika untuk analisa data. Sementara itu di kalangan TI masih kurang mendapat perhatian.
Ketersediaan database dasar (DNA, protein) yang bersifat terbuka/gratis merupakan peluang besar untuk menggali informasi berharga daripadanya. Sudah disepakati, database genom manusia misalnya akan bersifat terbuka untuk seluruh kalangan. Dari padanya bisa digali kandidat-kandidat gen yang memiliki potensi kedokteran/farmasi. Dari sinilah Indonesia dapat ikut berperan mengembangkan bioinformatika. Kerjasama antara peneliti bioteknologi yang memahami makna biologis data tersebut dengan praktisi IT seperti programmer, dsb akan sangat berperan dalam kemajuan Bioinformatika Indonesia nantinya.
REFERENSI 1. S . G i e s e c k e ( 2 0 0 0 ) T h e c o n t r a s t i n g r o l e of go v e r n m e n t i n t h e d e v e l o pm e n t o f bi ot e c h n ol o gy i n d u s t r y i n t h e U S a n d G e r m a n y . R e s e a r c h P ol i c y 29 , 2 0 5 - 2 2 3 . 2. C . R o b bi ns - R o t h ( 2 0 0 0) F r o m Al c h e my t o I PO : Th e b u s i n e s s o f b i ot e c h n ol o g y . Pe r s e us P u bl i s h i n g, Ne w Y o r k , US A . 3. D . Ge r s h on ( 1 9 9 7) B i oi n f or m a t i c s i n a p o s t - ge n o m e a g e . N a t u r e 3 8 9, 4 1 7 - 4 1 8 . 4. H . Ga v a g h a n ( 19 9 7) R u n n i n g t o c a t c h up i n E u r o p e . N a t u r e 3 89 , 4 2 0- 42 2 . 5. C . S a n d e r ( 20 0 1) B i o i n f orm a t i c s c h a l l en ge s i n 2 0 0 1. B i oi n f o rm a t i c s 1 7 , 1 - 2 . 6. D . B e n s o n , D . J . L i p m a n , a n d J . O s t e l l ( 1 99 3 ) G e n B a n k . Nu c l e i A c i d R e s e a r c h 21 , 2 96 3 - 2 96 5 . 7. A . B a i r oc h , a n d R . A p w e i l e r ( 19 9 8 ) T h e S W I S S - PR O T p r o t e i n s e q u e n c e d a t a b a n k a n d i t s s u p p l e m e n t . N u c l e i c A c i d R e s e a r c h 2 6, 3 8 - 4 2 . 8. J . L . S u s s m a n, e t a l . ( 1 9 9 8 ) Pr ot e i n D a t a B a n k ( P D B ) : d a t a ba s e o f t h r e e - di m e n s i o n al s t r uc t u r a l i n f o r m at i o n of b i o l o gi c a l m a c r o m ol e c u l e s . Ac t a C ry s t a l l o g r . D . B i ol . C r y s t a l l o g r . , 5 4, 1 0 7 8- 1 0 8 4 . 9. G . J . B a r t on ( 19 9 4) S C O P : s t r u c t u r a l c l a s s i f i c a t i o n o f p r ot e i n s . T r e n ds i n B i o c h e mi c a l S c i e nc es 1 9 , 5 5 4- 5 5 5. 10 . h t t p :/ / w w w . bi oc h e m . uc l . a c . u k / b s m / c a t h 11 . A . B a i r o c h , P. B u c h e r , a n d K . H of m a n n ( 1 9 9 7) T h e P R O S I T E d a t a b a s e , i t s s t a t u s i n 1 99 7 . N u c l ei c A c i d R e s e a rc h 25 , 2 1 7- 22 1 . 12 . S . E . B r e n n e r ( 19 9 5 ) B L A S T , B l i t z , B L O C K S a n d B E A U T Y : s e q u e n c e c om pa ri s o n o n t h e n e t . T r e nd s i n G e n e t i c s , 1 1 , 3 3 0 - 3 3 1 . 13 . R . M . W o o d s m a l l , a n d D . A . B e n s o n ( 1 9 9 3 ) I n f o r m a t i o n r e s o u rc e s a t t h e N a t i o n a l C e n t e r f o r B i o t e c h n ol o g y I n f or ma t i o n . B u l l . M e d . L i br . A s s o c . 8 1, 28 2 - 2 8 4 . 14 . S . F . A l t s c h ul , e t a l . ( 1 9 90 ) B a s i c l oc a l a l i g n m e nt s e a r c h t o ol . J ou r n a l of M ol e c ul a r B i o l o g y 2 1 5, 40 3 - 4 1 0 . 15 . S . F . A l t s c h u l , e t a l . ( 19 9 7 ) G a p p e d- B L A S T a n d P S I - B LA S T : a n e w g e n e r a t i on o f pr ot e i n d a t a ba s e s e a r c h p ro gr a m s . N u c l e i c A c i d R e s e a r c h 2 5 , 3 38 9 - 3 4 0 2 . 16 . J . D . T h om ps o n , D . G . Hi g g i n s , a n d T . J . Gi bs on ( 1 9 94 ) C L US T A L W : I m pr o v i n g t h e s e n s i t i vi t y o f pr o g r e s s i v e m u l t i p l e s e q u e n c e a l i g n m e n t t h r o u g h s e q u e n c e w e i g h t i n g , po s i t i o n -s p e c i f i c ga p p e n a l t i e s a n d w e i g h t m a t ri x c h o i c e . N u c l e i c A c i d R e s e a rc h 22 , 4 67 3 - 4 68 0 . 17 . T . S . F u r e y , e t a l . ( 20 0 0 ) S u pp o r t v e c t or m a c h i n e c l a s s i f i c a t i o n a n d v a l i d a t i o n o f c a n c e r t i s s u e s a m pl e s u s i ng m i c r o a r r a y e x pr e s s i o n d a t a . B i oi nf or m a t i c s 1 6, 9 0 6- 9 1 4 . 18 . T . M a s c h i o , a n d T . K ow a l s ki ( 2 0 01 ) B i oi nf o r ma t i c s – a p a t e n t i n g v i e w . T r e n ds i n B i o t e c h n ol o gy 1 9, 3 3 4 - 3 3 9 . M E N G E N A I P E N U L I S D r . A r i e f B . W i ta rt o d i l a h i r k a n d i L a h a t ( S u m a t e r a S e l a t a n ) , M e i 1 9 7 1 . M e n y e l e s a i k a n p e n di di k a n s a m p a i S - 3 d i D e p a r t m e nt o f B i o t e c h n o l o g y , T o k y o U n i v e rs i t y of A g ri c u l t u r e a n d Te c h n ol og y , J e pa n g t a h u n 2 0 0 0 . S e t el a h i t u be k e r j a s e b a ga i p e n e l i t i di J a pa n A d v a n c e d I n s t i t u t e o f S c i e nc e a n d T e c h n ol o g y , Je p a n g s e l a m a 2 t a h u n s e b e l u m m e ne m p a t i p o s i s i n y a s e k a r a n g . T e r p i l i h s e b a g a i P e n e l i t i M u d a I n d o n e s i a t a h u n 20 0 2 t e r ba i k u n t u k b i da n g I l m u P e n g e t a h u a n T ek n i k d a n R e k a y a s a . S p e s i al i s a s i pa d a bi d a n g R e k a y a s a Pr o t e i n y a n g da l a m pe n e l i t i a n n y a m e n gg u n a k a n t o o l -t o ol b io i nf o r m at i ka . S al ah s a t u t o p i k p e n el i ti a n nya s a a t i n i a d a l a h a n a l i s a bi oi n f or ma t i k a p r o t e i n f ol di n g m ot if.
