Konsep, Sekuens, dan Basis Data Genom untuk Analisis Bioinformatika

Pendahuluan

Pernahkah Anda mendengar berita tentang virus corona yang “genomnya” berhasil dipetakan hanya dalam hitungan minggu setelah wabah dimulai? Atau tayangan forensik di televisi yang mencocokkan “DNA” pelaku dengan sampel di tempat kejadian? Di balik semua itu, ada satu bidang ilmu yang bekerja diam-diam: bioinformatika.

Kata “bioinformatika” mungkin terdengar rumit, tetapi idenya sebenarnya sederhana. Bayangkan Anda punya perpustakaan raksasa berisi miliaran huruf, dan tugas Anda adalah membaca, menyalin, membandingkan, dan mencari makna dari huruf-huruf itu secepat mungkin. Tidak ada manusia yang sanggup melakukannya sendirian. Di sinilah komputer turun tangan, dan itulah inti dari bioinformatika: menggunakan komputer untuk membaca dan memahami “huruf-huruf kehidupan” yang tersimpan di dalam setiap makhluk hidup.

Artikel ini mengajak siapa saja, termasuk yang belum pernah belajar biologi sama sekali, untuk memahami tiga hal mendasar: apa itu bioinformatika, apa yang sebenarnya disebut “sekuens” atau “genom”, dan bagaimana informasi sebesar itu disimpan serta dicari di dunia digital.

Konsep Dasar Bioinformatika DNA

Setiap makhluk hidup, mulai dari bakteri sekecil debu sampai manusia, menyimpan instruksi pembangun dirinya dalam sebuah molekul bernama DNA. DNA ini seperti kode rahasia yang ditulis hanya dengan empat “huruf”: A, T, G, dan C. Kombinasi jutaan hingga miliaran huruf inilah yang menentukan bentuk, sifat, dan cara kerja suatu organisme.

Bioinformatika, menurut definisi yang dipakai secara luas, adalah penerapan teknologi komputer untuk mengelola dan memanfaatkan informasi biologi molekuler dan genetik semacam itu (Liò & Bishop, 2005). Dengan kata lain, bioinformatika adalah pertemuan antara ilmu komputer, statistika, dan biologi. Fokus utamanya adalah membangun model dan program yang mampu menganalisis kode-kode kehidupan ini secara otomatis, mulai dari level DNA (disebut genom), salinan kerja sementaranya (disebut transkriptom), sampai produk akhirnya berupa protein (disebut proteom).

Mengapa hal ini penting? Karena sejak teknologi pembacaan DNA (disebut sekuensing) berkembang pesat, jumlah data yang dihasilkan meningkat jauh lebih cepat dibanding kemampuan manusia untuk membacanya satu per satu. Menurut Hung dan Kim (2001), tantangan besar di era ini bukan lagi sekadar membaca kode DNA, melainkan memahami bagaimana kode itu benar-benar bekerja, berinteraksi, dan menghasilkan makhluk hidup yang berfungsi. Bioinformatika hadir sebagai jembatan yang menghubungkan tumpukan data mentah dengan pemahaman biologis yang bermakna.

Genom dan Sekuens sebagai Objek Analisis

Genom: Buku Kehidupan

Cara termudah memahami genom adalah dengan analogi buku. Bayangkan genom sebagai sebuah buku tebal berisi puluhan ribu kalimat. Setiap “kalimat” dalam buku ini disebut gen, dan setiap gen adalah instruksi untuk membangun satu jenis protein tertentu (Hung & Kim, 2001). Protein sendiri adalah “pekerja” utama di dalam sel: ada yang membentuk otot, ada yang mempercepat reaksi kimia tubuh, ada pula yang menjadi bagian dari sistem kekebalan.

Kata “genom” sendiri berasal dari gabungan gene (gen) dan ome (yang berarti “keseluruhan”). Jadi, genom adalah keseluruhan buku instruksi genetik yang dimiliki satu organisme, sedangkan gen adalah kalimat-kalimat penyusunnya.

Uniknya, setiap “kalimat” (gen) ini punya kode awal dan kode akhir yang jelas, seperti tanda mulai dan tanda selesai. Di antara kedua tanda ini, urutan hurufnya dibaca dalam kelompok tiga huruf sekaligus. Setiap kelompok tiga huruf ini disebut kodon, dan setiap kodon menyandi satu dari dua puluh jenis “blok bangunan” protein yang disebut asam amino. Bagian gen yang benar-benar dibaca dan diterjemahkan menjadi protein ini disebut ORF, singkatan dari Open Reading Frame atau “kerangka baca terbuka”.

Sekuens: Cara Menuliskan Kode DNA

Ketika ilmuwan membaca urutan huruf DNA suatu organisme, hasilnya perlu dituliskan dalam format yang bisa dibaca komputer. Format paling umum digunakan adalah FASTA. Bentuknya sederhana: baris pertama diawali tanda “lebih besar” (>) berisi semacam nama atau label untuk sekuens tersebut, lalu baris-baris berikutnya berisi deretan huruf A, T, G, C yang mewakili urutan DNA sesungguhnya. Format inilah yang menjadi “bahasa universal” untuk bertukar data sekuens antar peneliti maupun antar program komputer di seluruh dunia.

Sebelum sekuens ini dianalisis lebih jauh, para ilmuwan biasanya melakukan pemeriksaan awal yang disebut segmentasi genom, yaitu memetakan bagian-bagian genom yang komposisinya berbeda dari rata-rata. Salah satu cara paling sederhana adalah menghitung proporsi huruf G dan C dalam suatu wilayah genom, karena proporsi ini bisa memberi petunjuk tentang asal-usul atau fungsi suatu wilayah DNA (Liò & Bishop, 2005). Cara ini ibarat menyisir sebuah naskah panjang untuk mencari paragraf-paragraf yang gaya penulisannya mencolok berbeda dari bagian lain, sebuah tanda awal bahwa ada sesuatu yang menarik untuk diselidiki lebih lanjut.

Basis Data dan Repositori Sekuens Genom

Bayangkan setiap laboratorium di dunia yang berhasil membaca sekuens DNA baru menyimpan hasilnya di komputer masing-masing tanpa saling berbagi. Data-data berharga ini akan tersebar dan sulit dimanfaatkan bersama. Untuk mencegah hal itu, dunia sains membangun perpustakaan digital raksasa yang disebut basis data sekuens, tempat siapa pun bisa menyimpan dan mengambil data DNA secara gratis.

Yang paling terkenal adalah GenBank, basis data yang dikelola oleh Pusat Informasi Bioteknologi Nasional Amerika Serikat (NCBI). Saat ini GenBank menyimpan lebih dari 6 triliun pasangan huruf DNA dari lebih dari 1,6 miliar sekuens berbeda, sebuah koleksi yang terus bertambah setiap hari (Sayers dkk., 2020). Namun, GenBank tidak sendirian. Sejak awal 1980-an, GenBank bekerja sama dengan dua basis data besar lain, yaitu European Nucleotide Archive (ENA) di Eropa dan DNA Data Bank of Japan (DDBJ) di Jepang. Ketiganya membentuk kemitraan bernama International Nucleotide Sequence Database Collaboration atau INSDC, yang saling bertukar salinan data setiap hari sehingga siapa pun yang mengakses salah satu dari ketiganya akan menemukan informasi yang sama (Arita, Karsch-Mizrachi, & Cochrane, 2021).

Setiap data sekuens yang tersimpan diberi semacam “nomor identitas” unik (disebut accession number), mirip nomor induk buku di perpustakaan, sehingga data itu bisa dilacak dan dirujuk kembali kapan saja meski bertahun-tahun kemudian. Selain urutan huruf DNA itu sendiri, setiap catatan di GenBank biasanya juga dilengkapi keterangan tambahan: nama organisme, fungsi gen yang diketahui, hingga tautan ke publikasi ilmiah terkait. Fitur pelengkap inilah yang membuat data mentah berubah menjadi informasi yang benar-benar bisa dipahami dan dimanfaatkan peneliti lain di seluruh dunia.

Alat dan Algoritma Analisis Sekuens

Memiliki jutaan sekuens DNA di dalam basis data saja belum cukup. Tantangan berikutnya adalah: bagaimana caranya mengetahui apa fungsi dari sekuens yang baru saja dibaca?

Cara paling ampuh dan paling sering dipakai adalah dengan membandingkan sekuens baru itu dengan sekuens lain yang sudah diketahui fungsinya. Prinsipnya sederhana: jika dua sekuens DNA dari dua organisme berbeda memiliki kemiripan yang tinggi, kemungkinan besar keduanya memiliki fungsi yang mirip pula. Proses pencarian kemiripan ini dilakukan dengan program komputer bernama BLAST (singkatan dari Basic Local Alignment Search Tool). Cara kerja BLAST bisa dibayangkan seperti mesin pencari di internet, hanya saja alih-alih mencari kata kunci di antara jutaan halaman web, BLAST mencari kemiripan pola huruf DNA di antara jutaan sekuens yang tersimpan di basis data seperti GenBank (Liò & Bishop, 2005).

Namun, tidak semua gen baru punya “kerabat” yang sudah dikenal. Gen semacam ini disebut gen yatim (orphan genes), karena tidak memiliki sekuens serupa di basis data manapun. Untuk kasus seperti ini, ilmuwan menggunakan program penemu-gen otomatis, seperti Glimmer, yang bekerja dengan mempelajari pola statistik umum dari sekuens DNA (disebut model Markov) untuk menebak bagian mana dari genom yang kemungkinan besar merupakan gen, tanpa perlu membandingkannya dengan gen lain yang sudah dikenal.

Aplikasi Konsep-Sekuens-Basis Data dalam Analisis Bioinformatika

Konsep-konsep di atas bukan sekadar teori di ruang kelas. Salah satu contoh paling nyata dan mudah diingat banyak orang adalah penanganan pandemi COVID-19. Begitu virus penyebab COVID-19 pertama kali teridentifikasi, para ilmuwan di seluruh dunia segera membaca sekuens genomnya dan mengunggahnya ke basis data publik seperti GenBank. Dalam waktu singkat, jutaan sekuens virus dari berbagai negara terkumpul, memungkinkan para peneliti melacak bagaimana virus ini bermutasi dan menyebar dari waktu ke waktu, sebuah praktik yang dikenal sebagai pengawasan genomik (Ohlsen dkk., 2022). Tanpa basis data bersama dan alat pencarian seperti BLAST, proses pelacakan yang membantu dunia merespons varian-varian baru virus ini akan memakan waktu jauh lebih lama.

Contoh lain yang lebih dekat dengan topik selanjutnya dalam rangkaian pembahasan ini adalah penggunaan sekuens DNA untuk mengidentifikasi spesies makhluk hidup, mengungkap kekerabatan biologis antarindividu, hingga menelusuri asal-usul suatu organisme berdasarkan kemiripan genetiknya dengan organisme lain yang sudah tersimpan di basis data. Semua aplikasi lanjutan ini pada dasarnya berpijak pada tiga fondasi yang sama: pemahaman tentang struktur genom, kemampuan membaca dan menuliskan sekuens dengan format standar, serta akses ke basis data global yang menjadi rujukan pembanding.

Keterbatasan dan Tantangan

Meski sangat berguna, pendekatan bioinformatika DNA bukan tanpa batas. Salah satu tantangan terbesar adalah kesenjangan antara sekuens dan fungsi biologis yang sesungguhnya. Mengetahui urutan huruf DNA suatu gen tidak otomatis memberi tahu kita apa yang benar-benar dilakukan gen tersebut di dalam tubuh makhluk hidup. Sekuens hanyalah “teks”, sementara makna sesungguhnya baru terungkap lewat penelitian eksperimental lebih lanjut.

Tantangan lain adalah ketergantungan pada kualitas dan kelengkapan basis data referensi. Jika suatu organisme atau kelompok gen belum pernah dipelajari sebelumnya, program pembanding seperti BLAST tidak akan menemukan kecocokan yang berarti. Semakin lengkap dan beragam isi basis data, semakin akurat pula hasil analisis bioinformatika yang bisa diperoleh. Inilah mengapa upaya pengumpulan data secara berkelanjutan dan kolaborasi internasional seperti INSDC menjadi begitu penting bagi kemajuan ilmu ini.

Kesimpulan

Bioinformatika DNA, pada intinya, adalah usaha untuk membaca “buku kehidupan” yang tertulis dalam empat huruf kimia sederhana, lalu memahaminya dengan bantuan komputer. Genom adalah buku itu sendiri, gen adalah kalimat-kalimatnya, dan sekuens adalah cara kita menuliskannya agar bisa dibaca dan dibandingkan secara digital. Basis data seperti GenBank berperan sebagai perpustakaan raksasa tempat semua “buku” ini disimpan dan dibagikan secara bebas ke seluruh dunia, sementara alat seperti BLAST menjadi mesin pencari yang membantu menemukan makna dari setiap sekuens baru.

Dari pelacakan pandemi hingga identifikasi spesies, ketiga fondasi ini, konsep dasar, sekuens, dan basis data, terus menjadi titik tolak bagi hampir seluruh cabang bioinformatika yang lebih lanjut, termasuk topik-topik yang akan dibahas dalam rangkaian pembahasan berikutnya: struktur molekuler DNA, teknik identifikasi kekerabatan biologis, hingga penentuan spesies berdasarkan marker genetik tertentu.

Daftar Pustaka

Arita, M., Karsch-Mizrachi, I., & Cochrane, G. (2021). The international nucleotide sequence database collaboration. Nucleic Acids Research, 49(D1), D121.

Sayers, E. W., Cavanaugh, M., Clark, K., Ostell, J., Pruitt, K. D., & Karsch-Mizrachi, I. (2020). GenBank. Nucleic Acids Research, 48(D1), D84–D86.

Hung, L.-W., & Kim, S.-H. (2001). Genome, proteome, and the quest for a full structure–function description of an organism. Encyclopedia of Life Sciences. John Wiley & Sons.

Liò, P., & Bishop, M. J. (2005). Nucleic acid and protein sequence analysis and bioinformatics. Dalam R. A. Meyers (Ed.), Encyclopedia of Molecular Cell Biology and Molecular Medicine (2nd ed.). Wiley-VCH.

Ohlsen, E. C., Hawksworth, A. W., Wong, K., Guagliardo, S. A. J., Fuller, J. A., Sloan, M. L., & O’Laughlin, K. (2022). Determining gaps in publicly shared SARS-CoV-2 genomic surveillance data by analysis of global submissions. Emerging Infectious Diseases, 28(13), 85–92.