Dosen Ilmu Komputer IPB University Paparkan Peran Bioinformatika dalam Precision Medicine bagi Pengobatan Kanker

Departemen Ilmu Komputer Fakultas Matematika dan Ilmu Pengetahuan Alam (FMIPA) IPB University bekerja sama dengan Working Group Bioinformatika dan Pusat Studi Bioinformatika Tropika (Trop BRC), Lembaga Penelitian dan Pengabdian kepada Masyarakat (LPPM) IPB University menggelar Bioinformatics Webinar Series 1 dengan tema utama “Precision Medicine for Cancer”, (29/04). Kegiatan tersebut digelar mengingat pentingnya informasi dan keilmuan dengan pendekatan lintas ilmu, khususnya biosains di IPB University.

Ilmu biosains juga ditopang oleh analisis kimia sehingga menambah keragaman data menjadi big data bagi peneliti IPB University. Hasil penelitian tersebut berguna untuk membuat sistematika alur menjadi bermakna serta bermanfaat bagi masyarakat. Berbagai penyakit yang belum disembuhkan sempurna seperti kanker juga menjadi tantangan tersendiri bagi peneliti.  Pengobatan kanker sering mengalami masalah karena membutuhkan presisi bahkan personalisasi.

Ahmad Rusdan Handoyo Utomo, PhD, Dosen Pascasarjana Program Biomedik Universitas Yarsi memberikan perspektif mengenai prospek dan kendala pada pengobatan presisi untuk kanker. Ia menjelaskan bahwa pengobatan presisi merupakan pendekatan yang sangat berkembang dan menjanjikan. Pengobatan secara presisi tersebut diterapkan berdasarkan profil biomarker pada target individu.

Menurutnya, target individu akan mendapatkan manfaat berupa kualitas hidup yang lebih baik bahkan memperpanjang kesempatan bertahan hidup. Namun tentu saja pengobatan tersebut tidak bisa disertamertakan akan berhasil sepenuhnya karena hanya sebagian persen saja yang mendapatkan manfaat secara nyata. Masih diperlukan adanya kolaborasi untuk merealisasikan pengobatan secara presisi pada potensi sebenarnya. Kolaborasi tersebut juga harus mencakup pencegahan yang presisi pada pengobatan secara presisi.

Dr Mushthofa, Dosen IPB University dari Departemen Ilmu Komputer, FMIPA turut hadir dan menyampaikan materi mengenai integrasi data omics berbasis jaringan untuk pengobatan presisi pada kanker. Kanker diketahui sebagai penyakit yang kompleks dan melibatkan berbagai fitur dan proses molekular. Sel-sel kanker terjadi akibat adanya abnormalitas pada molekul genetik. Berdasarkan perubahan-perubahan yang terjadi pada sel kanker, peneliti mencoba melihat pola umumnya dan mencari ‘pemain utama’ atau driver pada kanker.  Misalnya protein pada gen yang mengatur signaling dan proses-proses molekular terkait dengan kanker.

“Peneliti berusaha melihat berbagai keragaman dari kanker tersebut, misalnya berdasarkan per individu pasien, per enzim yang berbeda, dengan  mutasinya yang berbeda tentu menjadi tantangan bagi peneliti dan biomedis untuk memberikan treatment atau prognosis yang paling tepat untuk setiap pasien. Di situlah peran precision medicine tadi,” pungkasnya.

Kanker merupakan penyakit yang berbasis pada biological network  atau jaringan interaksi antar molekul yang penting dalam fungsi-fungsi sel, misalnya TP53 yang berfungsi sebagai regulator berbagai pathway yang berperan pada kanker.  Dengan integrasi data molekular dalam pengobatan presisi dapat membantu menangkap dan memodelkan kompleksitas dari kanker. Tenaga biomedis dapat melakukan treatment yang sifatnya kustom sesuai profil masing-masing pasien.

“Namun (pengobatan) ini kompleks dari segi pengolahan data karena fenotip atau perilaku yang sama bisa jadi didorong oleh mutasi-mutasi yang berbeda. Hal tersebut menjadi basis data secara komputasional dan menjadi peluang untuk kita agar dapat mendefinisikan suatu pendekatan. Ketika kita ingin mengolah data-data omics yang berkaitan dengan kanker tadi, kita selalu coba untuk kaitkan dengan biological network, jadi kita landasi dengan jaringan yang berasal dari sumber-sumber data biologis yang menunjukkan bahwa gen yang termutasi itu berbeda namun tetap saling berhubungan. Sehingga dari pemodelan tersebut kita dapat menghasilkan suatu kesimpulan atau model prediksi yang lebih akurat,” jelasnya.

Database yang digunakan di antaranya biological pathways, transcriptional network, protein-protein interaction network, dan cancer-specific network. Model komputasional tersebut nantinya diharapkan mampu berperan dalam berbagai pengambilan keputusan dalam pengobatan secara presisi. (MW/Zul)