NextGeners pasti sering melihat mengenai seseorang yang ingin melakukan tes DNA(Deoxyribo Nucleic Acid) untuk mengungkapkan orang ini benarkah keluarganya atau bukan, entah di dalam berita televisi, koran maupun media online. Tes DNA sendiri adalah prosedur yang digunakan untuk mengetahui informasi genetika seseorang. Dengan tes DNA, seseorang bisa mengetahui garis keturunan dan juga risiko penyakit tertentu. Tapi apakah NextGeners sudah mengetahui jika dibalik tes DNA ini terdapat peranan matematika yang sangat begitu penting dalam tes DNA ini? jika ingin tahu yuk baca artikel ini sampai akhir.
Peranan Matematika dalam pengidentifikasian DNA dapat digunakan perumusan algoritma Needleman-Wunsch. Algoritma Needleman-Wunsch merupakan perluasan algoritma pencocokan string pada teks atau barisan sebagai salah satu implementasi program dinamis. Algoritma ini merupakan salah satu algoritma yang digunakan untuk menentukan tingkat kesamaan atau kecocokan dua buah teks. Dalam bioinformatika, algoritma Needleman-Wunsch digunakan sebagai metode untuk menjajarkan DNA. Penjajaran DNA merupakan hal yang sangat penting untuk penelitian di bidang biologi.
untuk dapat melihat dari mana algoritma Needleman-Wunsch berperan dalam pencocokan DNA, STEM-Z akan memberikan contoh kasusnya yang dilansir dari halaman dictio.id.
DNA 1 / Urutan #1 (CGTGAATTCAT) DNA 2 / Urutan #2 (GACTTAC)
Panjang (dihitung dari nukleotida atau asam amino) dari urutan 1 dan urutan 2 masing-masing adalah 11 dan 7. Matriks awal dibuat dengan kolam A+1 dan baris B+1(di mana A dan B sesuai dengan panjang urutan). Ditambahkan baris dan kolom ekstra, sehingga bisa sejajar dengan gap, pada awal matriks
Setelah membuat matriks awal, sekma penilaian harus diperkenalkan dan dapat didefinisikan pengguna dengan nilai spesifik. Sekma penilaian dasar sederhana dapat diasumsikan sebagai, jika dua residu(nukleotida dan asam amino) pada posisi ke-i dan ke-j yang sama, skor yang cocok adalah 1 (S(i,j)=1) atau jika dua residu pada posisi ke-i dan ke-j yang tidak sama, skor ketidakcocokan diasumsikan sebagai -1 (S(i,j)=-1). Nilai gap (w) diasumsikan sebagai -1.
- Inisialisasi
baris pertama dan kolom pertama dari matriks awalnya dapat diisi dengan 0. Jika nilai gap diasumsikan, nilai gap dapat ditambahkan ke baris sebelumnya dari baris atau kolom
- Mengisi Matriks
Pengisian matriks mulai dari sudut kiri atas matriks. Untuk mengetahui nilai maksium masing-masing sel, perlu diketahui nilai disekitar (diagonal, kiri dan kanan) posisi saat ini. dari nilai yang diasumsikan, tambahkan kecocokan atau ketidakcocokan (asumsi ke asumsi) skor ke nilai diagonal. Demikian pula menambah nilai gap ke nilai sekitarnya.Dalam hal posisi matriks, penting untuk mengetahui [M (i-1, j-1) + S (i, j) , M (i, j-1) + w, M (i-1, j) + w] Keseluruhan persamaan dapat ditunjukkan dengan cara berikut:
Untuk mendapatkan nilai matriks posisi saat ini (posisi pertama M 1,1 ) rumus yang disebutkan di atas dapat digunakan. Residu pertama (nukleotida atau asam amino) dalam 2 urutan adalah ‘G’ dan ‘C’. Karena ketidakcocokan residu, skornya akan (S i, j = – 1) menjadi -1.
Skor yang diperoleh -1 ditempatkan pada posisi i, j (1,1) dari matriks penilaian. Demikian pula dengan menggunakan persamaan dan metode di atas, isi semua baris dan kolom yang tersisa. Tempatkan pointer belakang ke sel dari tempat skor maksimum diperoleh, yang merupakan pendahulu dari sel saat ini
3. Menelusuri Kembali
Langkah terakhir dalam algoritma adalah menelusuri keselarasan terbaik. Dalam contoh yang disebutkan di atas, seseorang dapat melihat skor sudut kanan bawah sebagai -1. Hal penting yang perlu dicatat di sini adalah bahwa mungkin ada dua atau lebih keselarasan. Sel saat ini dengan nilai -1 memiliki pendahulu langsung, di mana nilai maksimum yang diperoleh secara diagonal dan nilainya 0. Jika ada dua atau lebih nilai yang ada di belakang, menunjukkan bahwa ada dua atau lebih kemungkinan keselarasan.
Dengan melanjutkan jejak kembali langkah dengan metode yang didefinisikan di atas, seseorang akan mencapai ke baris ke-0, kolom ke-2 . Setelah langkah-langkah yang dijelaskan di atas, penyelarasan dua urutan sampel dapat ditemukan. Keselarasan terbaik dapat diidentifikasi dengan menggunakan skor penyelarasan maksimum (kecocokan = 5, mismatch = -1, gap = -2) yang dapat ditentukan pengguna.
Algoritma Needleman-Wunsch digunakan oleh sebuah kelompok riset The Human Genome Project yang telah mengidentifikasikan 100.000 gen pada DNA manusia loh.
Bagiamana NextGeners? Semoga kalian tidak pusing melihat rumus-rumusnya ya, karena STEM-Z yakin pasti NextGeners dapat dengan cepat mempelajarinya. Jadi sekarang NextGeners jadi tahu kan, kalau dibalik sebuah tes DNA itu terdapat sebuah rumusan matematikanya, setelah mengenal algorimta Needleman-Wunsch nantinya kalian bisa membuat implementasi matematika untuk inovasi lainnya dan Kita tunggu NextGeners untuk berinovasi di bidang Business Mathematics
Sumber Referensi:
https://www.zenius.net/blog/5689/matematika-dna-biologi-identitas-manusia
http://informatika.stei.itb.ac.id/~rinaldi.munir/Stmik/2005-2006/Makalah2006/MakalahStmik2006-03.pdf
https://www.dictio.id/t/bagaimana-cara-menerapkan-algoritma-pada-sebuah-teknologi/12465/3
Sumber Gambar:
