Penggunaan Algoritma Komputasi untuk Analisis Sederhana Data DNA dalam Studi Bioinformatika

Ishlahiyah Nur Rizky; Rosa Prahasti; Natria Selina; Rizky Barus

doi:10.70340/jirsi.v4i1.163

Penulis

Ishlahiyah Nur Rizky Universitas Islam Negeri Sumatera Utara
Rosa Prahasti Universitas Islam Negeri Sumatera Utara
Natria Selina Universitas Islam Negeri Sumatera Utara
Rizky Barus Universitas Islam Negeri Sumatera Utara

DOI:

https://doi.org/10.70340/jirsi.v4i1.163

Kata Kunci:

Algoritma komputasi, analisis DNA, bioinformatika, genetika, optimasi komputasi

Abstrak

Perkembangan teknologi komputasi dan bioinformatika telah membuka peluang baru dalam analisis data DNA secara efisien dan akurat. Penelitian ini bertujuan untuk mengkaji penggunaan algoritma komputasi dalam melakukan analisis sederhana terhadap data DNA untuk keperluan studi bioinformatika. Metode yang digunakan meliputi implementasi beberapa algoritma dasar seperti sequence alignment, pattern matching, dan clustering untuk menganalisis dataset DNA yang telah dikumpulkan. Dataset terdiri dari 500 sampel sekuens DNA yang berasal dari berbagai organisme model. Algoritma-algoritma tersebut diimplementasikan menggunakan bahasa pemrograman Python dengan memanfaatkan library bioinformatika Biopython. Hasil penelitian menunjukkan bahwa penggunaan algoritma komputasi dapat mempercepat proses analisis data DNA hingga 70% dibandingkan dengan metode manual. Tingkat akurasi yang dicapai mencapai 95% dalam mengidentifikasi pola-pola sekuens tertentu dan melakukan pengelompokan berdasarkan kemiripan struktur. Analisis performa menunjukkan bahwa algoritma sequence alignment berbasis dynamic programming memiliki kompleksitas waktu O(mn) untuk sekuens dengan panjang m dan n, sementara algoritma clustering hierarkis membutuhkan waktu komputasi O(n²) untuk n sampel. Penelitian ini juga mengidentifikasi beberapa tantangan seperti kebutuhan optimasi untuk dataset berskala besar dan perlunya penyesuaian parameter algoritma untuk kasus-kasus spesifik. Kesimpulannya, penggunaan algoritma komputasi terbukti efektif dalam mendukung analisis data DNA sederhana, membuka jalan untuk pengembangan tools bioinformatika yang lebih kompleks di masa depan.

Unduhan

Data unduhan belum tersedia.

Referensi

C. C. Huang, M. Du, and L. Wang, “Bioinformatics analysis for circulating cell-free DNA in cancer,” Cancers (Basel)., vol. 11, no. 6, pp. 1–15, 2019, doi: 10.3390/cancers11060805.

C. Pockrandt, M. Alzamel, C. S. Iliopoulos, and K. Reinert, “GenMap: Ultra-fast computation of genome mappability,” Bioinformatics, vol. 36, no. 12, pp. 3687–3692, 2020, doi: 10.1093/bioinformatics/btaa222.

B. Tang, Z. Pan, K. Yin, and A. Khateeb, “Recent advances of deep learning in bioinformatics and computational biology,” Front. Genet., vol. 10, no. MAR, pp. 1–10, 2019, doi: 10.3389/fgene.2019.00214.

M. Trerotola et al., “A deterministic code for transcription factor-DNA recognition through computation of binding interfaces,” NAR Genomics Bioinforma., vol. 4, no. 1, pp. 1–13, 2022, doi: 10.1093/nargab/lqac008.

H. Li et al., “Modern deep learning in bioinformatics,” J. Mol. Cell Biol., vol. 12, no. 11, pp. 823–827, 2020, doi: 10.1093/jmcb/mjaa030.

G. Q. Lee, “Chemistry and bioinformatics considerations in using next-generation sequencing technologies to inferring HIV proviral DNA genome-intactness,” Viruses, vol. 13, no. 9, 2021, doi: 10.3390/v13091874.

F. Yu, C. Xu, H. W. Deng, and H. Shen, “A novel computational strategy for DNA methylation imputation using mixture regression model (MRM),” BMC Bioinformatics, vol. 21, no. 1, pp. 1–17, 2020, doi: 10.1186/s12859-020-03865-z.

G. A. Tamás and K. Zsolt, “The role of bioinformatic analysis in the early diagnosis of hereditary fructose intolerance,” Bull. Med. Sci., vol. 94, no. 1, pp. 45–50, 2021, doi: 10.2478/orvtudert-2021-0006.

A. S. Mohammed and A. A. Al-Janabi, “Analytical computation of interleukin17a activity in breast cancer patients using bioinformatics methods,” Arch. Razi Inst., vol. 76, no. 4, pp. 829–835, 2021, doi: 10.22092/ARI.2021.355942.1743.

M. A. Firmansyah, A. Susilo, S. D. Haryanti, and R. Herowati, “Desain Vaksin Berbasis Epitop dengan Pendekatan Bioinformatika untuk Menekan Glikoprotein Spike SARS-CoV-2 Epitope-Based Vaccine Design with Bioinformatics Approach to Suppress Spike Glycoprotein of SARS-CoV-2 1 . PENDAHULUAN Dunia saat ini memerangi pand,” Farm. Indones., vol. 18, no. 2, pp. 82–96, 2021.

F. Y. Dao et al., “A computational platform to identify origins of replication sites in eukaryotes,” Brief. Bioinform., vol. 22, no. 2, pp. 1940–1950, 2021, doi: 10.1093/bib/bbaa017.