Sejarah Ilmu Bioinformatika

Perjalanan dari Analisis Protein hingga Era Big Data

Ketika mendengar kata “bioinformatika”, banyak orang membayangkan sesuatu yang serba modern: superkomputer, kecerdasan buatan, atau sekuensing genom dalam hitungan jam. Padahal, akar disiplin ilmu ini jauh lebih tua dari yang dibayangkan kebanyakan orang. Jauh sebelum komputer pribadi ada di meja kerja, dan puluhan tahun sebelum DNA manusia pertama kali berhasil dipetakan, sekelompok ilmuwan sudah mulai menggunakan komputer untuk memecahkan misteri kehidupan pada level molekuler.

Artikel ini menelusuri perjalanan panjang bioinformatika, dari eksperimen komputasi protein di tahun 1950-an hingga era big data biologis masa kini, dengan merujuk pada tiga kajian ilmiah utama: Bioinformatics: Past and Present (Fando & Klavdieva, 2018), A Brief History of Bioinformatics (Gauthier, Vincent, Charette, & Derome, 2019), dan A Brief History of Bioinformatics Told by Data Visualization (Mariano, Ferreira, Sousa, Santos, & de Melo-Minardi, 2020).

Apa Itu Bioinformatika, dan Dari Mana Istilah Ini Berasal?

Istilah “bioinformatika” pertama kali dicetuskan oleh dua ahli biologi teoretis asal Belanda, Paulien Hogeweg dan Ben Hesper, dalam sebuah publikasi berbahasa Belanda tahun 1970, kemudian muncul dalam publikasi berbahasa Inggris pada 1978. Menariknya, definisi awal mereka lebih menekankan pada kajian proses informasi dalam sistem hayati (biotic systems), bukan sekadar “penggunaan komputer dalam biologi” seperti yang sering dipahami sekarang.

Definisi yang lebih luas kemudian dirumuskan oleh U.S. National Center for Biotechnology Information (NCBI) pada tahun 2001: bioinformatika adalah bidang ilmu tempat biologi, ilmu komputer, dan teknologi informasi bergabung menjadi satu disiplin. NCBI turut mengidentifikasi tiga subdisiplin utamanya, yaitu pengembangan algoritma dan statistik untuk menilai hubungan antaranggota kumpulan data besar, analisis dan interpretasi berbagai jenis data biologis (urutan nukleotida, asam amino, domain protein, dan struktur protein), serta pengembangan dan pemanfaatan alat bantu untuk mengakses dan mengelola informasi biologis secara efisien.

Namun, para sejarawan sains sendiri tidak sepenuhnya sepakat kapan sebenarnya bioinformatika “lahir”. Sebagian menelusurinya hingga ke masa kuno berdasarkan pengetahuan intuitif manusia; sebagian lain mengaitkannya dengan perkembangan teknologi komputer di tahun 1960-an atau 1980-an. Yang jelas, seperti akan diuraikan berikut ini, jejak paling konkret bioinformatika sebagai praktik ilmiah bisa dilacak hingga akhir 1950-an, jauh sebelum istilahnya sendiri diciptakan.

1950–1970: Titik Tolak dari Analisis Protein, Bukan DNA

Fakta yang mengejutkan bagi banyak orang: bioinformatika tidak dimulai dengan DNA, melainkan dengan protein. Alasannya sederhana: pada awal 1950-an, struktur DNA belum sepenuhnya dipahami, dan statusnya sebagai pembawa informasi genetik pun masih diperdebatkan. Baru pada 1952, eksperimen Hershey dan Chase berhasil membuktikan bahwa DNA-lah, bukan protein, yang membawa dan mewariskan informasi genetik pada bakteriofag. Struktur double helix DNA sendiri baru dipecahkan oleh Watson, Crick, dan Franklin pada tahun 1953, dan kode genetiknya baru berhasil diuraikan sepenuhnya pada 1968. Karena keterlambatan ini, penggunaan pendekatan komputasional untuk menganalisis DNA tertinggal hampir dua dekade dibandingkan analisis protein, yang secara kimiawi sudah lebih dipahami terlebih dahulu.

Sebaliknya, protein sudah bisa disekuensing sejak akhir 1950-an. Urutan asam amino pertama, yaitu insulin, berhasil dipublikasikan, membuka jalan bagi metode degradasi Edman, yaitu teknik yang memungkinkan penentuan urutan protein satu residu asam amino pada satu waktu dari ujung N-terminal. Masalahnya, metode ini hanya efektif untuk protein pendek (maksimum sekitar 50–60 asam amino per reaksi); protein yang lebih panjang harus dipecah menjadi fragmen-fragmen kecil terlebih dahulu, disekuensing satu per satu, lalu disusun kembali secara manual, pekerjaan yang sangat melelahkan untuk protein besar dengan ratusan hingga ribuan residu.

Di sinilah sosok yang oleh banyak kalangan dijuluki sebagai peletak fondasi bioinformatika modern mulai berperan: Margaret Dayhoff (1925–1983), seorang ahli kimia fisik asal Amerika Serikat. David Lipman, mantan direktur NCBI, bahkan menyebutnya sebagai “ibu sekaligus bapak bioinformatika”. Bersama fisikawan Robert S. Ledley, antara 1958 hingga 1962 Dayhoff mengembangkan COMPROTEIN, sebuah program komputer untuk IBM 7090 yang dirancang untuk menyusun kembali urutan protein utuh dari potongan-potongan data hasil pengurutan Edman. Ditulis seluruhnya dalam bahasa FORTRAN pada kartu berlubang (punch card), COMPROTEIN dianggap sebagai perangkat lunak bioinformatika pertama, cikal bakal dari apa yang sekarang kita kenal sebagai de novo sequence assembler.

Kontribusi Dayhoff tidak berhenti di situ. Ia kemudian mengembangkan kode satu-huruf untuk asam amino yang masih digunakan hingga hari ini, dan pada 1965 menerbitkan Atlas of Protein Sequence and Structure bersama Eck, basis data biologis pertama di dunia, meski edisi awalnya hanya memuat 65 urutan protein. Data inilah yang kemudian dimanfaatkan oleh dua peneliti lain, Emile Zuckerkandl dan Linus Pauling, untuk mengamati bahwa protein-protein ortolog dari berbagai spesies vertebrata (seperti hemoglobin) menunjukkan tingkat kemiripan yang berkorelasi dengan jarak evolusi antarspesies tersebut, pengamatan yang melahirkan istilah “paleogenetika” pada 1963 dan menjadi dasar rekonstruksi sejarah evolusi molekuler.

1970–1980: Dari Protein ke DNA, Lahirnya Algoritma Alignment

Selama era analisis protein, salah satu persoalan besar yang belum terpecahkan adalah bagaimana menilai “nilai evolusioner” dari sebuah substitusi asam amino secara objektif dan reproducible, serta bagaimana menyelaraskan (align) urutan protein yang panjangnya tidak sama. Pada studi filogenetik awal, kemiripan protein yang sangat dekat masih bisa dinilai secara visual, namun untuk protein dengan leluhur yang lebih jauh, pendekatan ini menjadi tidak praktis dan rawan kesalahan.

Masalah ini akhirnya terpecahkan pada 1970, ketika Saul Needleman dan Christian Wunsch memperkenalkan algoritma dynamic programming pertama untuk penjajaran (alignment) berpasangan urutan protein. Algoritma Needleman–Wunsch ini menjadi fondasi dari hampir semua algoritma alignment modern yang digunakan hingga saat ini, meski algoritma multiple sequence alignment (MSA) praktis pertama, yang dikembangkan Feng dan Doolittle dengan pendekatan “progressive sequence alignment”, baru muncul pada 1987, dan kemudian disederhanakan menjadi perangkat lunak CLUSTAL pada 1988.

Sejalan dengan itu, tahun 1978 juga menjadi tonggak penting lain: Dayhoff bersama Schwartz dan Orcutt mengembangkan matriks PAM (Percent Accepted Mutation), model probabilistik pertama untuk substitusi asam amino, berdasarkan observasi terhadap 1.572 mutasi yang diterima dalam pohon filogenetik 71 famili protein. Matriks 20×20 ini memungkinkan peneliti mengukur kemungkinan sebuah asam amino berubah menjadi asam amino lain dalam interval evolusi tertentu, sebuah lompatan besar dari sekadar menghitung “jumlah perubahan minimum” yang digunakan sebelumnya.

Di sisi lain, dekade 1970-an juga menjadi titik balik bagi analisis DNA. Setelah kode genetik berhasil diuraikan sepenuhnya pada 1968, kebutuhan akan metode sekuensing DNA yang murah dan andal menjadi mendesak. Metode Maxam–Gilbert diperkenalkan pada 1976, namun kompleksitasnya yang tinggi (karena penggunaan bahan radioaktif dan kimia berbahaya) membuatnya kalah populer dibanding metode dari laboratorium Frederick Sanger. Tim Sanger mengembangkan metode “plus and minus” pada 1977, yang kemudian dimodifikasi menjadi metode terminasi rantai Sanger (Sanger chain-termination), teknik yang masih digunakan hingga empat dekade kemudian. Menggunakan metode “plus and minus” inilah, genom DNA pertama di dunia, yaitu bakteriofag ΦX174 dengan panjang 5.386 pasangan basa, berhasil disekuensing penuh pada 1977.

Seiring bertambahnya data urutan DNA, kebutuhan akan perangkat lunak pengolah data pun meningkat. Roger Staden menerbitkan perangkat lunak pertama yang secara khusus dirancang untuk menganalisis hasil sekuensing Sanger pada 1979, yaitu kumpulan program yang bisa mencari tumpang tindih antarbacaan gel Sanger, menyunting dan menggabungkannya menjadi kontig, serta mengelola berkas urutan. Staden Package ini masih dikembangkan dan digunakan hingga saat ini.

1980–1990: Era Komputer Pribadi dan Lahirnya Ekosistem Perangkat Lunak

Sebelum dekade 1970-an berakhir, “komputer mini” masih memiliki ukuran dan berat setara lemari es rumah tangga, membuat kepemilikannya sangat terbatas bagi individu atau kelompok kecil. Gelombang komputer mikro siap pakai baru benar-benar menyentuh pasar konsumen pada 1977 lewat Commodore PET, Apple II, dan Tandy TRS-80; ketiganya relatif kecil, terjangkau, dan ramah pengguna untuk ukuran zamannya.

Perkembangan perangkat lunak biologi untuk komputer mikro pun menyusul dengan cepat. Pada 1984, University of Wisconsin Genetics Computer Group merilis GCG, kumpulan 33 alat baris perintah untuk memanipulasi urutan DNA, RNA, dan protein, dirancang untuk berjalan pada komputer mainframe skala kecil seperti DEC VAX-11. Di tahun yang sama, DNASTAR, perangkat lunak lain untuk komputer CP/M, juga populer digunakan untuk menyusun dan menganalisis data sekuensing Sanger sepanjang 1980-an dan 1990-an.

Pertengahan 1980-an juga menandai kemunculan bahasa-bahasa pemrograman scripting yang masih akrab bagi para bioinformatikawan hingga kini. Perl, diciptakan oleh Larry Wall pada 1987, dengan cepat menjadi lingua franca bioinformatika berkat fleksibilitasnya dalam mengolah data berformat teks, yang memang mendominasi representasi data biologis kala itu. Popularitas Perl semakin kuat setelah kemunculan BioPerl pada 1996 (dirilis resmi 2002), sebuah antarmuka pemrograman yang memudahkan tugas-tugas seperti mengakses basis data lokal maupun jarak jauh, mengonversi format berkas, melakukan pencarian kesamaan, dan mengelola anotasi data urutan.

Periode ini juga menyaksikan lahirnya gerakan perangkat lunak bebas (free software movement), dipicu oleh Manifesto GNU yang dipublikasikan Richard Stallman pada 1985. Semangat ini turut memengaruhi berbagai inisiatif bioinformatika, salah satunya European Molecular Biology Open Software Suite yang mulai dikembangkan pada 1996 sebagai alternatif terbuka bagi GCG.

Yang tak kalah penting, tiga basis data urutan nukleotida terbesar dunia, yaitu EMBL (Eropa), GenBank (Amerika Serikat), dan DDBJ (Jepang), akhirnya menyatukan standar format data mereka: EMBL dan GenBank bersepakat pada 1986, disusul DDBJ pada 1987. Kolaborasi ini masih berlangsung hingga sekarang di bawah payung International Nucleotide Sequence Database Collaboration. Sebagai penanda semakin matangnya disiplin ilmu ini, jurnal ilmiah khusus bioinformatika pertama, Computer Applications in the Biosciences (CABIOS), juga terbit perdana pada 1985, jurnal yang kini dikenal dengan nama Bioinformatics.

1990–2000: Era Genomik, Internet, dan Kelahiran BLAST

Dekade 1990-an sering dianggap sebagai titik lahir “resmi” bioinformatika sebagai disiplin ilmu tersendiri, ketika data hasil sekuensing dan pemetaan genom dari berbagai spesies mulai datang bagaikan gelombang pasang. Human Genome Project (HGP), yang secara resmi dimulai pada 1990–1991 di bawah National Institutes of Health (NIH) Amerika Serikat dengan biaya awal 2,7 miliar dolar, menjadi proyek yang paling banyak menyita perhatian dunia sains pada masa itu.

Salah satu terobosan terpenting dekade ini adalah kelahiran BLAST (Basic Local Alignment Search Tool) pada 1990, sebuah algoritma pencarian kesamaan lokal yang jauh lebih cepat dibanding metode alignment sebelumnya, dan hingga hari ini masih menjadi salah satu alat yang paling banyak dikutip dalam literatur biologi molekuler. BLAST menjadi jawaban atas kebutuhan mendesak akan metode pencarian cepat di tengah ledakan data urutan yang terus bertambah.

Di saat bersamaan, penemuan Tim Berners-Lee di CERN pada awal 1990-an, yaitu World Wide Web, turut mengubah wajah bioinformatika secara mendasar. Basis data urutan nukleotida pertama di dunia, EMBL Nucleotide Sequence Data Library, tersedia daring pada 1993, disusul situs web NCBI (termasuk BLAST) pada 1994. Sejumlah basis data besar lain yang masih digunakan hingga kini pun lahir pada dekade ini: Genomes (1995), PubMed (1997), dan Human Genome (1999). Internet juga mempercepat kolaborasi lintas negara: European Bioinformatics Institute (EBI) didirikan pada 1992 di bawah EMBL, berlokasi berdekatan dengan Wellcome Trust Sanger Institute yang menjadi pusat sekuensing besar di Inggris.

Pencapaian penting lain pada dekade ini adalah keberhasilan menyekuensing genom penuh organisme hidup bebas pertama, Haemophilus influenzae, oleh The Institute for Genomic Research (TIGR) pimpinan J. Craig Venter pada 1995. Persaingan antara pendekatan sekuensing “hierarchical shotgun” milik NIH dan “whole genome shotgun” milik Celera Genomics (juga dipimpin Venter) turut mewarnai perlombaan menuju penyelesaian genom manusia menjelang akhir dekade.

Selain genomik, bioinformatika struktural juga mulai berkembang pesat pada 1990-an, ditopang oleh tersedianya force field untuk memodelkan interaksi antaratom dalam simulasi dinamika molekuler protein. Namun demikian, keterbatasan daya komputasi kala itu membuat simulasi berskala besar masih sangat sulit dilakukan. Sebagai gambaran, simulasi satu mikrodetik untuk peptida sederhana berukuran 36 asam amino pada 1998 membutuhkan waktu berbulan-bulan meski menggunakan superkomputer 256 prosesor.

2000–2010: High-Throughput Bioinformatics dan Awal Era Big Data

Momen paling monumental di awal milenium baru tentu saja adalah rampungnya Human Genome Project pada April 2003, mencakup 99% genom eukromatik manusia dengan akurasi 99,99%. Selesainya HGP membuka babak baru studi tentang protein sebagai produk gen struktural, bidang yang kemudian dikenal sebagai proteomika, yang berkembang sebagai kelanjutan alami dari genomika.

Di tahun yang sama HGP dimulai perhitungan mundurnya, muncul pula KEGG (Kyoto Encyclopedia of Genes and Genomes) pada 2000, kumpulan basis data yang menghubungkan informasi genom, jalur biologis, penyakit, obat, dan berbagai substansi, diinisiasi oleh Minoru Kanehisa di Kyoto University di bawah program Genom Manusia Jepang. Pada 2003, teknologi DNA biochip (microarray) mulai digunakan secara luas untuk mengukur ekspresi ribuan gen sekaligus dan melakukan genotyping pada berbagai wilayah genom, teknik yang fondasinya dikembangkan oleh A.D. Mirzabekov dan koleganya.

Tantangan komputasional lama, yaitu bagaimana menangani data dalam jumlah masif, kembali muncul dengan intensitas baru berkat kelahiran teknologi sekuensing generasi baru (Next-Generation Sequencing/NGS), dimulai dengan teknologi pirosekuensing “454” pada 2005. Berbeda dengan sekuensing Sanger yang hanya mampu memproses puluhan hingga ratusan bacaan per proses, NGS memungkinkan sekuensing jutaan molekul DNA sekaligus dalam satu kali proses mesin. Perangkat lunak berbasis Perl seperti PHRAP, Celera Assembler, TIGR Assembler, MIRA, dan EULER pun bermunculan untuk merakit hasil bacaan sekuensing skala besar ini.

Tahun 2008 menjadi penanda simbolis lahirnya era “Big Data” biologis: sejak tahun itu, Hukum Moore tidak lagi menjadi prediktor akurat untuk biaya sekuensing DNA, yang justru turun jauh lebih cepat setelah kemunculan teknologi sekuensing paralel masif. Volume data di basis data publik seperti GenBank dan WGS (Whole Genome Shotgun) pun tumbuh secara eksponensial: dari 606 urutan saja pada perilisan pertama GenBank di Desember 1982, menjadi ratusan juta urutan pada dekade 2010-an. Infrastruktur repositori khusus pun mulai bermunculan untuk organisme model seperti Drosophila, Saccharomyces, dan manusia, disusul basis data umum seperti Sequence Read Archive dan European Nucleotide Archive yang dirancang khusus untuk menyimpan data mentah hasil sekuensing demi menjaga reproduktibilitas riset.

2010–Sekarang: Menuju Systems Biology dan Profesi Bioinformatikawan

Satu dekade terakhir menyaksikan pematangan bioinformatika sebagai sebuah profesi tersendiri, yaitu bioinformatikawan (bioinformatician), meski hingga kini belum ada konsensus tunggal tentang siapa yang berhak menyandang gelar tersebut. Sebagian kalangan berpendapat istilah ini sebaiknya dikhususkan bagi mereka yang mengembangkan, memelihara, dan menerapkan alat bioinformatika; sementara kalangan lain berpandangan siapa pun pengguna alat bioinformatika layak disebut demikian. International Society for Computational Biology bahkan telah menerbitkan panduan kompetensi inti bagi profesi ini, terbagi dalam tiga kategori: pengguna bioinformatika, ilmuwan bioinformatika, dan insinyur bioinformatika.

Aksesibilitas juga menjadi tema besar dekade ini. Platform web ramah pengguna seperti Galaxy memperluas jangkauan analisis bioinformatika kepada peneliti yang bukan programmer, sementara komunitas daring seperti SEQanswers dan BioStar menjadi ruang berbagi pengetahuan bagi para praktisi di seluruh dunia.

Dari sisi komputasi, unit pemrosesan grafis (GPU), yang semula dikembangkan untuk memenuhi kebutuhan industri gim, kini banyak diadaptasi untuk mempercepat simulasi dinamika molekuler dan konstruksi filogeni molekuler berskala besar. Sebagai gambaran betapa jauh lompatan teknologi ini, kartu grafis GeForce256 SDR yang dirilis tahun 1999 memiliki 23 juta transistor, sementara GeForce RTX 3090 yang dirilis 2020 memiliki sekitar 28 miliar transistor, lonjakan sekitar 1.200 kali lipat dalam dua dekade.

Bioinformatika juga bergerak melampaui sekadar analisis satu jenis molekul, menuju pemodelan organisme secara holistik yang dikenal sebagai systems biology. Pencapaian penting yang menandai arah ini adalah keberhasilan membangun model komputasi whole-cell pertama untuk Mycoplasma genitalium pada 2012, merekonstruksi seluruh gen organisme tersebut beserta interaksi metaboliknya secara in silico. Sejumlah pengamat bahkan berspekulasi bahwa di masa depan, batas antara “biologi” dan “bioinformatika” akan semakin kabur hingga tak lagi relevan untuk dibedakan, mengingat penggunaan komputer kini sudah menjadi hal yang tak terpisahkan dari hampir seluruh cabang riset biologi.

Bioinformatika dalam Angka: Apa Kata Data Publikasi Ilmiah?

Selain narasi historis di atas, kajian Mariano dan koleganya (2020) menawarkan perspektif menarik lainnya: menelusuri sejarah bioinformatika lewat analisis metadata puluhan ribu artikel dari empat jurnal bioinformatika terkemuka, yaitu Oxford Bioinformatics, BMC Bioinformatics, Briefings in Bioinformatics, dan PLoS Computational Biology, yang terbit sepanjang 1998 hingga 2019.

Beberapa temuan menarik dari kajian tersebut:

• Pertumbuhan publikasi yang eksponensial. Jumlah publikasi meningkat tajam, dengan lonjakan signifikan sekitar 2007–2009, bertepatan dengan kemunculan jurnal akses terbuka seperti BMC Bioinformatics dan PLoS Computational Biology.
• Kolaborasi internasional yang meningkat. Proporsi publikasi dengan penulis dari berbagai negara terus bertambah, sejalan dengan tren global riset ilmiah yang semakin terhubung lintas batas.
• Pergeseran bahasa pemrograman. Perl, yang sempat menjadi bahasa dominan sejak pertengahan 1990-an, perlahan tergeser oleh Python, yang kini menjadi bahasa pemrograman paling populer dalam riset bioinformatika, disusul Perl, Java, dan R.
• Evolusi kata kunci penelitian. Sejak 2011, lima kata kunci yang konsisten menempati posisi teratas dalam publikasi bioinformatika adalah humans, computational biology, algorithms, models, dan software; mencerminkan pergeseran fokus riset dari sekadar membangun infrastruktur data menuju aplikasi yang lebih berorientasi pada manusia.
• Fenomena unik pop culture. Studi ini bahkan menemukan korelasi menarik antara meningkatnya penggunaan kata kunci “artificial intelligence” pada 2001–2008 dengan rilisnya film A.I. Artificial Intelligence garapan Steven Spielberg pada 2001, sebuah indikasi bahwa budaya populer pun bisa memengaruhi tren penamaan topik riset ilmiah.
• Persaingan topik “omics”. Genomika secara konsisten mendominasi topik penelitian dibanding transkriptomika dan proteomika, meski proteomika sempat menyalipnya secara singkat pada 2007–2008.

Manfaat dan Penerapan Bioinformatika di Dunia Nyata

Setelah menelusuri perjalanan panjangnya, wajar jika muncul pertanyaan: untuk apa sebenarnya semua perkembangan ini? Jawabannya tersebar di hampir seluruh sudut ilmu hayati dan kedokteran modern.

Di ranah dasar, bioinformatika menjadi tulang punggung pengelolaan basis data biologis (seperti GenBank, EMBL, dan KEGG), analisis kesamaan urutan untuk mengungkap hubungan evolusi antarorganisme, serta kajian genomika, transkriptomika, dan proteomika yang menelusuri aliran informasi biologis dari DNA ke RNA hingga protein.

Di ranah aplikasi kesehatan, manfaatnya bahkan lebih konkret dan menyentuh kehidupan manusia secara langsung. Farmakogenomik, studi tentang bagaimana genom pasien memengaruhi respons terhadap obat, membuka jalan menuju pengobatan yang benar-benar dipersonalisasi berdasarkan profil genetik individu, meminimalkan proses coba-coba dalam peresepan obat. Analisis genom sel kanker atau patogen seperti malaria dan tuberkulosis membantu mengidentifikasi target molekuler baru bagi pengembangan obat. Dalam ranah terapi gen, pendekatan seperti penggantian gen yang rusak (misalnya pada fibrosis kistik) dan terapi antisense, yaitu menonaktifkan gen penyebab penyakit menggunakan untai DNA/RNA sintetis pendek, telah menunjukkan hasil yang menjanjikan bagi sejumlah kondisi genetik yang dulunya sulit ditangani.

Seperti yang pernah dikatakan Dr. Sandra Porter, presiden Digital World Biology, bidang yang akan mengalami perubahan besar berkat bioinformatika adalah diagnostik klinis, yaitu suatu masa ketika setiap orang memiliki genomnya sendiri yang telah disekuensing atau diperiksa, membuka jalan bagi kedokteran presisi dan obat yang benar-benar dirancang khusus untuk masing-masing individu.

Penutup

Dari kartu berlubang FORTRAN di era Dayhoff hingga model komputasi whole-cell dan pemrosesan berbasis GPU masa kini, sejarah bioinformatika pada dasarnya adalah sejarah tentang bagaimana dua dunia yang tampak berbeda, yaitu biologi dan komputasi, terus-menerus saling mendekat dan akhirnya menyatu. Setiap lompatan besar dalam bidang ini selalu lahir dari pertemuan dua kebutuhan: tantangan biologis yang semakin kompleks, dan kapasitas komputasi yang semakin canggih untuk menjawabnya.

Menariknya, sejumlah pengamat justru mempertanyakan relevansi istilah “bioinformatika” itu sendiri di masa depan. Jika penggunaan komputer sudah menjadi bagian tak terpisahkan dari hampir semua cabang biologi modern, mungkinkah suatu saat nanti kita tidak lagi memerlukan istilah khusus untuk membedakannya dari “biologi” itu sendiri? Pertanyaan semacam ini barangkali menjadi pengingat terbaik bahwa bioinformatika bukanlah titik akhir, melainkan sebuah proses yang terus berjalan, dan kita semua sedang berada di tengah babak berikutnya dari perjalanan panjang tersebut.

Referensi

1. Fando, R., & Klavdieva, M. (2018). Bioinformatics: Past and Present. Proceedings of the 2018 International Conference on Engineering Technologies and Computer Science (EnT), 34–36. IEEE.
2. Gauthier, J., Vincent, A. T., Charette, S. J., & Derome, N. (2019). A Brief History of Bioinformatics. Briefings in Bioinformatics, 20(6), 1981–1996.
3. Mariano, D., Ferreira, M., Sousa, B. L., Santos, L. H., & de Melo-Minardi, R. C. (2020). A Brief History of Bioinformatics Told by Data Visualization. Dalam J. C. Setubal & W. M. Silva (Eds.), Advances in Bioinformatics and Computational Biology (BSB 2020), LNBI 12558 (hlm. 235–246). Springer.