Paralel Processing
1. Apa yang kalian ketahui tentang paralel processing?
Paralel Processing yaitu komputasi yang menggunakan proses
parallel. Paralel Processing adalah melakukan proses perhitungan/komputasi
dengan menggunakan 2 atau lebih processor dalam suatu komputer yang sama atau
komputer yang berbeda dimana dalam hal ini setiap instruksi dibagi kedalam
beberapa instruksi kemudian dikirim ke processor yang terlibat komputasi dan
dilakukan secara bersamaan.
2. Jelaskan hubungan paralel dengan processing!
Peningkatan kinerja atau proses komputasi semakin
diterapkan, dan salah satu caranya adalah
dengan meningkatkan kecepatan perangkat keras. Dimana
komponen utama dalam perangkat
keras komputer adalah processor. Sedangkan parallel
processing adalah penggunaan beberapa
processor (multiprocessor atau arsitektur komputer dengan
banyak processor) agar kinerja
komputer semakin cepat.
Bionformatika
3. Apa yang kalian ketahui tentang Bioinformatika?
Bioinformatika merupakan ilmu terapan yang lahir dari
perkembangan teknologi informasi
dibidang molekular. Bioinformatika ialah ilmu yang
mempelajari penerapan teknik komputasi
untuk mengelola dan menganalisis informasi hayati. Bidang
ini mencakup penerapan metodemetode matematika, statistika, dan informatika
untuk memecahkan masalahmasalah biologi,
terutama yang terkait dengan penggunaan sekuens DNA dan asam
amino. Contoh topik utama
bidang ini meliputi pangkalan data untuk mengelola informasi
hayati, penyejajaran sekuens
(sequence alignment), prediksi struktur untuk meramalkan
struktur protein atau pun struktur
sekunder RNA, analisis filogenetik, dan analisis ekspresi
gen.
4. Apa yang kalian ketahui tentang sejarah dan juga
penerapan Bioinformatika?
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.
PENERAPAN
a). 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 [5]. 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.
b). 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.
5. Bagaimana trend bioinformatika di 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. Bidang ini disebut sebagai Biologi Komputasi. Bioinformatika
muncul atas desakan kebutuhan untuk mengumpulkan, menyimpan dan menganalisa
datadata 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). 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. Sementara itu bagi protein,
databasenya dapat ditemukan di SwissProt (Swiss) untuk sekuen asam aminonya
dan di Protein Data Bank (PDB) (AS) untuk struktur 3Dnya. 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 dan CATH yang mengklasifikasikan protein berdasarkan
struktur 3Dnya, selain itu ada pula PROSITE, Blocks, dll yang berdasar pada
motif struktur sekunder protein. Tak kalah penting dari data eksperimen
tersebut adalah keberadaan database paper yang terletak di Medline. 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 online 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). 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.
Data yang memerlukan analisa bioinformatika dan cukup
mendapat banyak perhatian saat ini adalah data hasil DNA chip. Menggunakan
perangkat ini dapat diketahui kuantitas maupun kualitas transkripsi satu gen
sehingga bisa menunjukkan gengen 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 gengen yang aktif dari eksperimen DNA chip ini,
salah satunya yang paling ampuh adalah Support Vector Machine (SVM).
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. Berdasar jenisnya produk yang
dipatenkan itu bisa dibagi menjadi tiga yaitu 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”, 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
multiplatform object oriented program language for
providing objects at runtime for creating and manipulating biological or
chemical data”, terakhir produk Bioinformatika itu sendiri yaitu informasi
biologis hasil analisanya.
6. Sebutkan basis data sekuent biologis dan penyejaran
sekuent!
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
masingmasing 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), SwissProt (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 sinarX, spektroskopi NMR
dan mikroskopi elektron). PDB menyimpan data struktur sebagai koordinat tiga
dimensi yang menggambarkan posisi atom-atom dalam protein ataupun asam
nukleat.