Definisi
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
Basis data sekuens biologis
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
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.
Prediksi struktur 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 (distributed
computing, misalnya proyek Folding@home) 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.
Deteksi
Kelainan Janin
Lembaga Biologi Molekul Eijkman bekerja sama dengan Bagian
Obstetri dan Ginekologi Fakultas Kedokteran Universitas Indonesia dan Rumah
Sakit Cipto Mangunkusumo sejak November 2001 mengembangkan klinik genetik untuk
mendeteksi secara dini sejumlah penyakit genetik yang menimbulkan gangguan
pertumbuhan fisik maupun retardasi mental seperti antara lain, talasemia dan
sindroma down. Kelainan ini bisa diperiksa sejak janin masih berusia beberapa
minggu.
Talasemia adalah penyakit keturunan di mana tubuh kekurangan
salah satu zat pembentuk hemoglobin (Hb) sehingga mengalami anemia berat dan
perlu transfusi darah seumur hidup. Sedangkan sindroma down adalah kelebihan
jumlah untaian di kromosom 21 sehingga anak tumbuh dengan retardasi mental,
kelainan jantung, pendengaran dan penglihatan buruk, otot lemah serta
kecenderungan menderita kanker sel darah putih (leukemia).
Dengan mengetahui sejak dini, pasangan yang hendak menikah,
atau pasangan yang salah satunya membawa kelainan kromosom, atau pasangan yang
mempunyai anak yang menderita kelainan kromosom, atau penderita kelainan
kromosom yang sedang hamil, atau ibu yang hamil di usia tua bisa memeriksakan
diri dan janin untuk memastikan apakah janin yang dikandung akan menderita
kelainan kromosom atau tidak, sehingga mempunyai kesempatan untuk
mempertimbangkan apakah kehamilan akan diteruskan atau tidak setelah mendapat
konseling genetik tentang berbagai kemungkinan yang akan terjadi.
Di bidang talasemia, Eijkman telah memiliki
katalog 20 mutasi yang mendasari talasemia beta di Indonesia, 10 di antaranya
sering terjadi. Lembaga ini juga mempunyai informasi cukup mengenai spektrum
mutasi di berbagai suku bangsa yang sangat bervariasi. Talasemia merupakan
penyakit genetik terbanyak di dunia termasuk di Indonesia.
Pengembangan
Vaksin Hepatitis B Rekombinan
Lembaga Biologi Molekul Eijkman bekerja sama dengan PT Bio
Farma (BUMN Departemen Kesehatan yang memproduksi vaksin) sejak tahun 1999
mengembangkan vaksin Hepatitis B rekombinan, yaitu vaksin yang dibuat lewat
rekayasa genetika. Selain itu Lembaga Eijkman juga bekerja sama dengan PT
Diagnosia Dipobiotek untuk mengembangkan kit diagnostik.
Meringankan
Kelumpuhan dengan Rekayasa RNA
Kasus kelumpuhan distrofi (Duchenne Muscular Dystrophy) yang
menurun kini dapat dikurangi tingkat keparahannya dengan terapi gen. Kelumpuhan
ini akibat ketidaknormalan gen distrofin pada kromosom X sehingga hanya
diderita anak laki-laki. Diperkirakan satu dari 3.500 pria di dunia mengalami
kelainan ini.
Dengan memperbaiki susunan ekson atau bagian penyusun RNA
gen tersebut pada hewan percobaan tikus, terbukti mengurangi tingkat kelumpuhan
saat pertumbuhannya menjadi dewasa.
Gen distrofin pada kasus kelumpuhan paling sering disebabkan
oleh delesi atau hilangnya beberapa ekson pada gen tersebut. Normalnya pada gen
atau DNA distrofin terdapat 78 ekson. Diperkirakan 65 persen pasien penderita
DMD mengalami delesi dalam jumlah besar dalam gen distrofinnya. Kasus
kelumpuhan ini dimulai pada otot prosima seperti pangkal paha dan betis. Dengan
bertambahnya usia kelumpuhan akan meluas pada bagian otot lainnya hingga ke
leher. Karena itu dalam kasus kelumpuhan yang berlanjut dapat berakibat
kematian.
Teknologi rekayasa RNA seperti proses penyambungan (slicing)
ekson dalam satu rangkaian terbukti dapat mengoreksi mutasi DMD. Bila bagian
ekson yang masih ada disambung atau disusun ulang, terjadi perubahan asam amino
yang membentuk protein. Molekul RNA mampu mengenali molekul RNA lainnya dan
melekat dengannya.
Cabang-cabang yang Terkait dengan Bioinformatika
Dari pengertian Bioinformatika baik yang klasik maupun baru,
terlihat banyak terdapat cabang-cabang disiplin ilmu yang terkait dengan
Bioinformatika --terutama karena Bioinformatika itu sendiri merupakan suatu
bidang interdisipliner--. Hal tersebut menimbulkan banyak pilihan bagi orang
yang ingin mendalami Bioinformatika. Di bawah ini akan disebutkan beberapa
bidang yang terkait dengan Bioinformatika.
Biophysics
Biologi
molekul sendiri merupakan pengembangan yang lahir daribiop hysi cs. Biophysics
adalah sebuah bidang interdisipliner yang mengaplikasikan teknik-teknik dari
ilmu Fisika untuk memahami struktur dan fungsi biologi (British Biophysical
Society).
Sesuai dengan definisi di atas, bidang ini merupakan suatu
bidang yang luas. Namun secara langsung disiplin ilmu ini terkait dengan
Bioinformatika karena penggunaan teknik-teknik dari ilmu Fisika untuk memahami
struktur membutuhkan penggunaan TI.
Computational
Biology
Computational
biology merupakan bagian dari Bioinformatika (dalam arti yang paling luas) yang
paling dekat dengan bidang Biologi umum klasik. Fokus dari computational
biology adalah gerak evolusi, populasi, dan biologi teoritis daripada biomedis
dalam molekul dan sel. Tak dapat dielakkan bahwa Biologi Molekul cukup penting
dalam computational biology, namun itu bukanlah inti dari disiplin ilmu ini.
Pada penerapan computational biology, model-model statistika untuk fenomena
biologi lebih disukai dipakai dibandingkan dengan model sebenarnya. Dalam
beberapa hal cara tersebut cukup baik mengingat pada kasus tertentu eksperimen
langsung pada fenomena biologi cukup sulit.
Tidak semua dari computational biology merupakan
Bioinformatika, seperti contohnya Model Matematika bukan merupakan
Bioinformatika, bahkan meskipun dikaitkan dengan masalah biologi.
Medical
Informatics
Menurut Aamir Zakaria [ZAKARIA2004] Pengertian dari medical
informatics adalah "sebuah disiplin ilmu yang baru yang didefinisikan
sebagai pembelajaran, penemuan, dan implementasi dari struktur dan algoritma
untuk meningkatkan komunikasi, pengertian dan manajemen informasi medis."
Medical informatics lebih memperhatikan struktur dan
algoritma untuk pengolahan data medis, dibandingkan dengan data itu sendiri.
Disiplin ilmu ini, untuk alasan praktis, kemungkinan besar berkaitan dengan
data-data yang didapatkan pada level biologi yang lebih "rumit"
--yaitu informasi dari sistem-sistem superselular, tepat pada level populasi—di
mana sebagian besar dari Bioinformatika lebih memperhatikan informasi dari
sistem dan struktur biomolekul dan selular.
Cheminformatics
Cheminformatics
adalah kombinasi dari sintesis kimia, penyaringan biologis, dan
pendekatandata-mining yang digunakan untuk penemuan dan pengembangan obat
(Cambridge Healthech Institute's Sixth Annual Cheminformatics conference).
Pengertian disiplin ilmu yang disebutkan di atas lebih merupakan identifikasi
dari salah satu aktivitas yang paling populer dibandingkan dengan berbagai
bidang studi yang mungkin ada di bawah bidang ini.
Salah satu contoh penemuan obat yang paling sukses sepanjang
sejarah adalah penisilin, dapat menggambarkan cara untuk menemukan dan
mengembangkan obat- obatan hingga sekarang --meskipun terlihat aneh--. Cara
untuk menemukan dan mengembangkan obat adalah hasil dari kesempatan, observasi,
dan banyak proses kimia yang intensif dan lambat. Sampai beberapa waktu yang
lalu, disain obat dianggap harus selalu menggunakan kerja yang intensif, proses
uji dan gagal (trial-error process). Kemungkinan penggunaan TI untuk
merencanakan secara cerdas dan dengan mengotomatiskan proses-proses yang
terkait dengan sintesis kimiawi dari komponen- komponen pengobatan merupakan
suatu prospek yang sangat menarik bagi ahli kimia dan ahli biokimia.
Penghargaan untuk menghasilkan obat yang dapat dipasarkan secara lebih cepat
sangatlah besar, sehingga target inilah yang merupakan inti dari
cheminformatics.
Ruang
lingkup akademis daricheminformatics ini sangat luas. Contoh bidang minatnya
antara lain: Synthesis Planning, Reaction and Structure Retrieval, 3-D
Structure Retrieval, Modelling, Computational Chemistry, Visualisation Tools and
Utilities.
Genomics
Genomics
adalah bidang ilmu yang ada sebelum selesainya sekuen genom, kecuali dalam
bentuk yang paling kasar.Genomics adalah setiap usaha untuk menganalisa atau
membandingkan seluruh komplemen genetik dari satu spesies atau lebih. Secara
logis tentu saja mungkin untuk membandingkan genom-genom dengan membandingkan
kurang lebih suatu himpunan bagian dari gen di dalam genom yang representatif.
Mathematical
Biology
Mathematical
biology lebih mudah dibedakan dengan Bioinformatika daripada computational
biology dengan Bioinformatika. Mathematical biology juga menangani
masalah-masalah biologi, namun metode yang digunakan untuk menangani masalah
tersebut tidak perlu secara numerik dan tidak perlu diimplementasikan dalamsoft
ware maupunhardwa re. Bahkan metode yang dipakai tidak perlu
"menyelesaikan" masalah apapun; dalam mathematical biology bisa
dianggap beralasan untuk mempublikasikan sebuah hasil yang hanya menyatakan
bahwa suatu masalah biologi berada pada kelas umum tertentu.
Menurut Alex Kasman [KASMAN2004] Secara umum mathematical
biology melingkupi semua ketertarikan teoritis yang tidak perlu merupakan
sesuatu yang beralgoritma, dan tidak perlu dalam bentuk molekul, dan tidak
perlu berguna dalam menganalisis data yang terkumpul.
Proteomics
Istilah proteomics pertama kali digunakan untuk
menggambarkan himpunan dari protein-protein yang tersusun (encoded) oleh genom.
Ilmu yang mempelajariproteome, yang disebutproteomi cs, pada saat ini tidak
hanya memperhatikan semua protein di dalam sel yang diberikan, tetapi juga
himpunan dari semua bentuk isoform dan
KESIMPULAN
Bioinformatika adalah teknologi pengumpulan, penyimpanan,
analisis, interpretasi, penyebaran dan aplikasi dari data-data biologi molekul.
Perangkat utama Bioinformatika adalah software dan didukung oleh kesediaan
internet dan server World Wide Web (WWW).
Dengan Bioinformatika, data-data yang dihasilkan dari proyek
genom dapat disimpan dengan teratur dalam waktu yang singkat dengan tingkat
akurasi yang tinggi serta sekaligus dianalisa dengan program-program yang
dibuat untuk tujuan tertentu. Sebaliknya Bioinformatika juga mempercepat
penyelesaian proyek genom karena Bioinformatika memberikan program-program yang
diperlukan untuk proses pembacaan genom ini.
Dalam dunia kedokteran, keberhasilan proyek genom ini
membuka kemungkinan luas untuk menangani berbagai penyakit genetik serta
memprediksi resiko terkena penyakit genetik. Juga dapat digunakan untuk
mengetahui respon tubuh terhadap obat sehingga efektivitas pengobatan bisa
ditingkatkan.
Karena Bioinformatika merupakan suatu bidang
interdisipliner, maka Bioinformatika juga tidak bisa berdiri sendiri dan harus
didukung oleh disiplin ilmu lain yang mengakibatkan saling bantu dan saling
menunjang sehingga bermanfaat untuk kepentingan manusia. Bidang yang terkait
dengan Bioinformatika diantaranya adalah
Biophysics,
Computational Biology, Medical Informatics, Cheminformatics, Genomics,
Mathematical
Biology, Proteomics, Pharmacogenomics.
Meskipun merupakan kajian yang masih baru, Indonesia telah
berperan aktif dalam mengembangkan Bioinformatika ini. Ada sejumlah pakar yang
telah mengikuti perkembangan Bioinformatika ini, antara lain para peneliti
dalam Lembaga Biologi Molekul Eijkman.
