Bioinformatika

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.

http://id.wikipedia.org/w/index.php?title=Berkas:Hemagglutinin_molecule.png&filetimestamp=20051017173410

http://id.wikipedia.org/wiki/Bioinformatika

http://www.scribd.com/doc/23291106/Bioinformatika-Perkembangan-Disiplin-Ilmu-dan-Penerapanny

Cloud Computing

JAKARTA - Perwakilan dari firma penasihat dan penelitian TI, Gartner, mengatakan bahwa prospek penerapan teknologi cloud computing di Indonesia cukup cerah.

Errol Rasit, Principle Analyst dari Gartner, mengatakan bahwa Gartner memprediksi pertumbuhan data perusahaan untuk lima tahun ke depan di Indonesia adalah sekira 716 persen.

"Cloud computing akan membuat sektor bisnis jadi lebih mudah dan efisien," ujar Errol Rasit, Principle Analyst dari Gartner, di Jakarta, Selasa (29/3/2011).

Errol Rasit mengatakan bahwa sudah banyak usaha di Indonesia yang menggunakan cloud-computing.

"Sebagai contoh, banyak usaha kelas menengah yang menggunakan email sebagai contoh nyata dari public cloud," jelas Errol Rasit.

Ketika ditanya apakah cloud-computing menguntungkan untuk sektor bisnis, Errol malah balik menyatakan "Justru TI yang menentukan apakah cloud itu bagus atau tidak untuk sektor bisnis,"

Errol Rasit juga menyatakan bahwa banyak perusahaan yang mulai melakukan migrasi data dari data center tradisional ke cloud.

"Dalam beberapa tahun ke depan bakal banyak lagi perusahaan di Indonesia yang menggunakan teknologi cloud-computing," tutup Errol Rasit.

Definisi Cloud-Computing sendiri berdasarkan National Institute of Standards and Technology (NIST) adalah model untuk menciptakan kenyamanan dalam akses jaringan sesuai keperluan ke dalam wadah bersama sumber daya komputasi yang dapat dikonfigurasi dengan cepat dan dirilis dengan upaya manajemen yang minimal atau minimal interaksi antar penyedia jasa manajemen.
(srn)

http://techno.okezone.com/read/2011/03/29/55/440271/gartner-cloud-computing-indonesia-berprospek-cerah

Grid Computing

Grid Computing

Grid computing merupakan teknologi infrastruktur yang memungkinkan penyatuan berbagai sumberdaya TI ke dalam satu set layanan yang dapat digunakan bersama (shared services). Infrastruktur berbasis teknologi ini secara kontinu menganalisis kebutuhan sumberdaya dan menyesuaikan pasokannya sesuai kebutuhan.

Menurut sumber lain Grid computing adalah istilah yang mengacu pada kombinasi dari sumber daya komputer dari domain administrasi ganda untuk mencapai tujuan bersama. grid bisa dianggap sebagai sistem terdistribusi dengan beban kerja non-interaktif yang melibatkan sejumlah besar file. Ukuran Grid dapat bervariasi dengan jumlah yang cukup besar. Grid adalah bentuk komputasi terdistribusi dimana sebuah "komputer super virtual" terdiri dari banyak jaringan longgar ditambahkomputer bertindak bersama-sama untuk melakukan tugas yang sangat besar. Lebih jauh lagi, "didistribusikan" atau "grid" computing, secara umum, adalah tipe khusus dari komputasi paralel yang mengandalkan komputer lengkap (dengan CPU onboard, penyimpanan, pasokan listrik, antarmuka jaringan, dll) yang terhubung ke jaringan (swasta, publik atau Internet ) oleh konvensional antarmuka jaringan , seperti Ethernet . Hal ini berbeda dengan gagasan tradisional sebuah superkomputer , yang memiliki banyak prosesor dihubungkan oleh lokal berkecepatan tinggi bus komputer .

Grid computing menggabungkan administrasi computer dari domain ganda untuk mencapai tujuan yang sama dan dapat menyelesaikan tugas dengan cepat. Salah satu strategi utama komputasi grid adalah dengan menggunakan middleware untuk membagipotongan program di antara beberapa computer, kadang-kadang hingga ribuan. Komputasi grid melibatkan perhitungan dengan cara terdistribusi, yang juga mungkin melibatkan agregasi skala besar berbasis system komputasi,

Grid adalah bentuk komputasi terdistribusi dimana sebuah “computer super virtual” terdiri dari jaringan yang banyak serta ditambah computer yang bertindak bersama-sama untuk melakukan tugas yang sangat besar. Teknologi ini telah diterapkan untuk masalah akademik intensif ilmiah, matematika, dan komputasi melalui komputasi relawan, dan digunakan di perusahaan-perusahaan komersial untuk aplikasi yang beragam seperti penemuan obat, peramalan ekonomi, analisis seismic, dan back office pengolahan data untuk mendukung e-commerce dan layanan web.

Dahulu sebagian besar orang masing menganggap grid computing sebagai suatu aplikasi yang lebih condong untuk kepentingan ilmiah. Anggapan itu mungkin tidak sepenuhnya salah, karena ekspose terbesar memang lebih banyak pada inisiatif atau proyek-proyek sains, mulai dari riset genetika fisika dan mungkin yang paling glamour adalah proyek mencari kehidupan di luar bumi, yang dikenal dengan proyek SETI (Search for Extra Terrestrial Intelligence)

Persepsi inilah yang menjadi hambatan besar diterimanya gagasan grid computing di kalangan bisnis. Padahal, ia berpotensi sanghat mempengaruhi kepentingan bisnis, misalnya mengatasi permasalahan operasional sehari-hari yang dihadapi departemen TI perusahaan. Mulai dari system maintenance , penambahan dan pengurangan aset TI, memaksimalkan penggunaan perangkat keras, sehingga anggaran yang tersedia bisa dialokasikan ke hal lain, sampai menjaga pengguna agar tetap senang. Dari konteks kepentingan bisnis inilah orang mulai mengenalEnterprise grid .

Untuk penerapan grid computing terdapat langkah-langkahnya seperti :

• Konsolidasi perangkat keras, aplikasi dan informasi yang di- share di satu atau lebih data center.
• Standarisasi server, storage dan sistem operasi; menggunakan layanan infrastruktur bersama seperti provisioning dan identity management ; standarisasi layanan aplikasi, misalnya Web services; standarisasi sumber informasi dan metadata
• Otomasi, dalam hal penyediaan dan pengalokasian sumberdaya TI secara otomatis.

(sumber: Oracle)

Elemen-elemen teknologi grid computing

Ada sejumlah teknologi utama yang membentuk arsitektur grid computing , yakni:

• Blades – Sistem komputasi yang meliputi prosesor dan memori dalam satu board tunggal, namun sumber lain, seperti tenaga, sistem pendingin, akses jaringan dan storage semuanya di- shared . Blades dirancang untuk dapat dibongkar pasang dengan mudah dan biasanya berbentuk lebih kecil ketimbang rack-optimised server .
• Clustering – Menghubungkan bersama-sama dua komputer atau lebih sedemikian rupa sehingga nampak sebagai satu sumberdaya computingtunggal. Clustering digunakan untuk pemrosesan paralel, load balancing dan fault tolerance.
• Provisioning – Penyediaan atau pengalokasian sumberdaya TI yang dibutuhkan.
• Service Oriented Architecture (SOA) –adalah satu set layanan yang bersifat independen, fungsionalitas suatu piranti lunak yang dikemas tersendiri dan dapat diakses melalui sebuah jaringan menggunakan berbagai platform danexecution environment berbeda-beda.
• Virtualisation – Teknik mengelola dan menampilkan fungsionalitas perangkat storage danresource lainnya, tanpa memperhatikan tata letak fisik maupun lokasinya.

Pertimbangan desain dan variasi

Salah satu fitur dari grid terdistribusi adalah bahwa mereka dapat dibentuk dari sumber daya komputasi milik beberapa individu atau organisasi. Hal ini dapat memfasilitasi transaksi komersial, seperti pada utilitas komputasi, atau membuat lebih mudah untuk merakit relawan komputasi jaringan.

Salah satu kelemahan dari fitur ini adalah bahwa computer yang sebenernya melakukan perhitungan mungkin tidak sepenuhnya dapat dipercaya. Para desainer dari system harus memperkenalkan langkah-langkah untuk mencegah kerusakan dari hasil produksi yang palsu, menyesatkan, atau keliru, dan menggunakan system sebagai serangan. Hal ini sering kali menugaskan system bekerja secara acak untuk node yang berbeda dan memeriksa bahwa setidaknya dua node yang berbeda melaporkan jawaban yang sama untuk suatu unit kerja tertentu. Perbedaan akan mengidentifikasi node rusak dan berbahaya.

Karena kurangnya control pusat atas perangkat keras, tidak ada cara untuk menjamin bahwa node tidak akan putus dari jaringan pada waktu yang acak. Beberapa node juga mungkin tersedia untuk jaringan komunikasi tetapi perhitungan utnuk periode tak terduga. Variasi ini dapat diakomodasi dengan menugaskan unit kerja yang besar dan pemindahan unit kerja ketika sebuah node yang diberikan tidak melaporkan hasilnya dalam waktu yang diharapkan.

Dampak dari kepercayaan dari ketersediaan pada kinerja dan kesulitan pembangunan dapat mempengaruhi pilihan apakah akan menyebarkan ke cluster computer, untuk idle mesin internal organisasi berkembang, atau ke jaringan eksternal terbuka relawan atau kontraktor. Pada banyak kasus, bagian yang berpartisipasi harus mempercayai system pusat agar tidak menyalahgunakan akses yang sedang diberikan dengan mengganggu pengoperasian program lain.

SEJARANG GRID COMPUTING

Komputasi grid berasal dari awal 1990-an sebagai metafora untuk membuat daya computer agar mudah untuk mengakses. CPU scavenging dan volunteer computing yang dipopulerkan dimulai pada tahun 1997 ileh distributed.net dan kemudian pada tahun 1999 oleh SETI@home dimanfaatkan kekuatan jaringan PC di seluruh dunia, dalam rangka memecakan masalah penilitian intensif CPU.

Ide-ide dari grid dibawa bersama oleh Ian Foster, Carl Kesselman, dan Steve Teucke secara luas dianggap sebagai “ayah dari grid”. Mereka meimpin upaya untuk menciptakan Globus Toolkit. Pada tahun 2007 istilah cloud computing dating ke popularitas, yang secara konseptual mirip dengan definisi Foster kanonik komputasi grid (dalam hal sumber daya komputasi yang dikonsumsi sebagai listrik dari jaringan listrik).

Sumber :

http://en.wikipedia.org/wiki/Grid_computing

http://www.ebizzasia.com/0328-2005/enterprise,0328,02.html

http://id.wikipedia.org/wiki/Komputasi_grid

http://dh1m45.blogspot.com/2011/03/grid-computing.html