Hasil Pencarian  ::  Simpan CSV :: Kembali

"Pada dua dekade terakhir ini, telah dikembangkan suatu metode deteksi infeksi HPV yang memiliki tingkat akurasi sensitifitas yang jauh lebih tinggi dibandingkan Pap Smear, yaitu Hybrid Capture. Peneihian ini bertujuan untuk mendapatkan rancangan primer secara in silica sebagai pengganti probe untuk memodifikasi Hybrid Capture. Sekuens DNA HPV didapat dari database Los Alamos National Laboratory. Sekuens genom HPV hanya difokuskan pada daerah Late Gene (L 1 dan L2) yang berfungsi untuk menyandi protein kapsid (pembungkus) HPV. Sequence alignment dilakukan masing-masing untuk sekuens L 1 dan L2 HPV dari database yang bertujuan untuk mencari kesamaan antar sekuens. Hasil yang diperoleh adalah conserved region antar sekuens nukleotida sebagai template pelekatan primer. Agar hasil analisis conserved region dapat dipertanggung jawabkan, maka perlu dilakukan database similiarity searching melalui Basic Local Alignment Search Tool (BLA?T). Diperoleh 7 region terbaik, yaitu region 1 dari hasil alignment daerah gen L 1 tipe HPV 16; 18; 31; 45. Region 21, 31,43,45, 46 dari hasil alignment daerah gen L 1 tipe HPV 11; 16; 18; 31; 35; 68 Regi?n 52 dari hasil alignment daerah gen L2 tipe HPV 16; 18; 52."

"Salah satu metode deteksi dini kanker mulut rahim melalui deteksikeberadaan atau infeksi HPVadalah metode Hybrid Capture. Dalampenelitian ini akan dicari primer sebagai pengganti probe dalam rangkamemodifikasi metode Hybrid Capture. Metode yang digunakan adalahmetode bioinformatik. Sekuens genom HPV dari database dibagi menjaditiga kelompok beidasarkan kecenderungannya menyebabkan kanker, dandata dibuat dalam tiga bentuk yaitu genom total, gen E?, dan gen E7.Multiple alignment dilakukan untuk menoari kesamaan antar sekuenstersebut, dan memperoleh conserved area yang akan digunakan sebagaitemplate. Untuk mendapatkan daerah yang spesifik, maka seleksi lebih lanjutterhadap conserved region menggunakan Basic Local Alignment SearchTool (BLAST). Diperoleh empat segmen dengan basil terbaik, yaitu segmen3 dan 27 dari basil alignment genom total High-Risk. segmen 1 dari basilalignment daerah gen E7 High-Risk, dan segmen 4 dari basil alignmentdaerah gen E7 High-Risk + Low Risk. "

"Kanker mulut rahim merupakan kanker yang menempati urutan kedua di dunia dan pertama di negara berkembang, termasuk di Indonesia. Insidensi kanker ini diketahui memiliki keterkaitan yang erat dengan infeksi Human Papillomavirus (HPV). Tipe HPV sendiri berdasarkan kemampuannya dalam menginduksi kanker mulut rahim digolongkan menjadi low-risk dan high-risk HPV. Di Indonesia, tipe HPV yang bersifat high-risk adalah tipe 16, 18, dan 52. Untuk menekan insidensi kanker mulut rahim di Indonesia, perlu dirancang vaksin chimeric Virus-Like Particle (cVLP) yang bersifat polyvalent dengan cara mensubstitusikan epitope dari protein L1 HPV-18 dan -52 pada backbone protein L1 HPV-16. Prediksi epitope T-cell dilakukan melalui server MULTIPRED, sedangkan untuk epitope B-cell dilakukan melalui server Conformational Epitope Prediction (CEP). Dari prediksi epitope T-cell dan B-cell, didapatkan empat rancangan sekuen vaksin yang dari pengujian similaritas sekuen terhadap protein L1 HPV-16 native melalui BLAST, keempatnya menghasilkan 96% identity. Keempat sekuen vaksin kemudian diprediksi struktur tersiernya melalui homology modelling dengan menggunakan viewer molekuler DeepView/Swiss-Pdb Viewer 3.7 dan server Swiss-Model. Struktur hasil homology modelling kemudian dievaluasi melalui Ramachandran Plot. Hasil evaluasi menunjukkan kualitas keempat struktur vaksin baik, sehingga kemudian keempat struktur vaksin diuji similaritas struktur tersiernya dengan protein L1 HPV native pada database Protein Data Bank (PDB) melalui VAST. Hasil VAST menunjukkan bahwa keempat vaksin memiliki nilai RMSD yang sama yakni 0,1 ?; sehingga dapat dikatakan keempat vaksin secara struktural sama dengan protein L1 HPV-16 native."

"Di negara berkembang kanker mulut rahim merupakan pembunuh nomor satu. Infeksi Human Papillomavirus (HPV) diketahui memiliki hubungan dengan insidensi kanker mulut rahim. HPV dikelompokkan menjadi high risk dan low risk berdasarkan kemampuannya menimbulkan kanker mulut rahim. Dari studi epidemiologi diketahui bahwa di Indonesia HPV yang termasuk high risk adalah HPV-16, -18, dan -52. Untuk menekan insidensi kanker mulut rahim diperlukan tindakan pencegahan berupa vaksinasi menggunakan Chimeric Virus-Like Particle (cVLP) yang merupakan pengembangan Virus-Like Particle (VLP) dengan mensubstitusikan epitope dari protein L1 HPV-18 dan -52 pada protein L1 HPV-16. Prediksi epitope T cell dilakukan dengan server MULTIPRED, sedangkan epitope B cell dengan server Conformational Epitope Prediction (CEP). Visualisasi data struktur protein L1 HPV-16, berupa Protein Data Bank (PDB), serta posisi epitope yang disubstitusikan dilakukan dengan software Swiss-Pdb Viewer (DeepView). Didapat dua sekuen vaksin cVLP yang kemudian diuji kesamaan strukturnya dengan struktur protein L1 HPV-16 native melalui BLAST pada database PDB. Hasil BLAST menunjukkan tingkat kesamaan sebesar 96% dan 94%."

"ABSTRAKKanker mulut rahim merupakan kanker terbanyak yang di derita oleh parawanita dan menduduki urutan pertama dari sepuluh jenis kanker dl Indonesia.Kanker inl disebabkan oleh infeksl Human Papillomavirus (HPV). Dalamkemampuannya memlcu kanker mulut rahim, HPV digolongkan menjadi duatipe yaitu tipe high-risk dan tipe low-risk. Tipe HPV yang termasuk high-riskdi dunia adalah tipe 16, 18, 31, dan 45, sedangkan di Indonesia adalah tipe16, 18, dan 52. Untuk mengurangi tingginya insiden kanker mulut rahim yangterjadi, perlu dikembangkan tindakan pencegahan dengan merancang suatuvaksin. Jenis vaksin yang tengah dikembangkan adalah vaksin chimericVirus-like Particle yang mempunyai sifat polyvalent dengan caramensubstitusikan epitope-epitope dari protein LI HPV 18, 31, 45, dan 52 kedalam protein backbone 11 HPV 16. Vaksin ini diharapkan dapat memicurespon imunitas terhadap kelima tipe HPV tersebut. Untuk memprediksiepitope T-cell digunakan server MULTIPRED dengan kedua metodealgoritma. Artificial Neural Network dan Hidden Markov Model. Sedangkan untuk memprediksi epitope B-cell dlgunakan server Conformational EpitopePrediction (CEP). Hasil rancangan vaksin dilakuikan pembandingansimilaritas dengan protein database dengan server BLAST dan didapat 91%identity. Struktur vaksin cVLP divisuallsasikan dan dilakukan homologymodeling dengan menggunakan program Swiss-PdbViewer/DeepView. Darlhasil evaluasi menggunakan Ramachandran Plot dan metode VAST didapatstruktur tersier vaksin memiliki kesamaan struktur dengan protein database11 HPV 16 yaitu 92% identity. Hal ini menunjukkan bahwa vaksin yangdirancang mempunyai kualitas yang cukup baik dan dapat digunakan sebagaivaksin"

"Kanker mulut rahim merupakan penyakit yang disebabkan oleh infeksiHuman papillomavirus, sampai saat ini cara deteksi yang dilakukan melaluipendekatan genomic yaitu deteksi berdasarkan keberadaan genom HPV,misaikan metode Hybrid Capture dan PGR yang berhasil menolong banyaknyawa wanita. Tujuan jangka panjang penelitian ini adalah mencari suatuprotein yang dapat mendeteksi keberadaan HPV sebagai alat deteksi dini.Kanker mulut rahim disebabkan oleh onkoprotein E6 (|an E7 HPV yangmengadakan ikatan dengan tumor suppresor gene sehingga menjadi tidakberfungsi dan akan membuat pembelahan sel menjadi tidak terkontrol.Metode yang digunakan adalah bioinformatik dengan menggunakan datasekuens asam amino onkoprotein HPV dan Juga tumor suppressor gene p53dan pRb yang bisa didapat dari database. Conserved region yangdigunakan adalah tumor suppressor gene p53 dan pRb dari hasil penelitanyang ada kemudian dengan PS! BLAST dicari protein lain yang memilikif jfTjil!3n|35- Pfrj pp^^Tdiambil p^jp^rapg yang similar dan untukmelihat sebarapa besar similiaritasnya dilakukan mplltiple alignment denganClustalW 1.82. Hasil yang didapatkan akan dikembangkan lebih lanjut yangakan digunakan untuk mendeteteksi keberadaan HPV sebagai penyebabutama kanker mulut rahim"

"ABSTRAK Saat ini kanker mulut rahim menjadi penyebab kedua kematian banyak wanita di dunia setelah kanker payudara. Penyebab kanker ini terkait dengan Human papillomavirus (HPV) jenis high-risk. Berdasarkan studi epidemiologi, rata-rata wanita di seluruh dunia terkena kanker mulut rahim yang disebabkan oleh HPV tipe 16, 18, 31, dan 45. Tipe-tipe high-risk tersebut mengkode dua gen onkoprotein, yaitu protein E6 dan E7 yang berinteraksi dengan protein penekan tumor dan mengganggu proses replikasi sel inang. Untuk mengurangi terjadinya insidensi kanker mulut rahim, diperlukan suatu tindakan pencegahan dengan cara mengembangkan vaksin. Salah satu jenis vaksin yang tengah dikembangkan ialah Chimeric Virus-like Particles (CVLP). Secara in silico perancangan vaksin ini dilakukan dengan memasukkan asam-asam amino yang diprediksikan menjadi epitopes dari protein L1 HPV 18, 31, dan 45; dan protein E6 dan E7 HPV 16, 18, 31, dan 45 ke dalam sekuens backbone protein L1 HPV 16. Diharapkan vaksin yang dirancang memiliki sifat immunogenic dan mampu untuk merespon sistem imun tubuh terhadap keempat tipe HPV di atas. Untuk mengetahui asam-asam amino yang berpeluang sebagai epitopes, dilakukan prediksi dengan server MULTIPRED, sehingga diketahui posisi epitopes yang dapat berikatan dengan Human Leukocytes Antigens (HLA) dan reseptor T cell dari protein-protein yang digunakan. Digunakan juga server CEP untuk memprediksi epitopes B cell. Sekuens asam amino hasil prediksi yang terdiri atas dua jenis algoritma, disubstitusi dengan asam amino dari backbone L1 HPV 16. Rancangan sekuens hasil substitusi dibandingkan similaritasnya dengan native L1 HPV 16 yang tersedia di protein data bank dengan program BLAST. Hasilnya kedua sekuens CVLP menunjukkan persen identitas sebesar 78%. Untuk melihat bentuk konformasi dari backbone protein yang digunakan dan posisi asam amino yang disubstitusi, digunakan program Swiss-Pdb Viewer (DeepView). Kata kunci: CVLP; epitopes; Human papillomavirus; konformasi protein; vaksin."

"Clustering bertujuan untuk mengklasifikasikan pola yang berbeda ke dalam kelompok yang disebut cluster. Analisis gen dengan menggunakan metode clustering dinilai lebih akurat dibandingkan analisis nukleotida menggunakan penyejajaran DNA. Hybrid clustering pada tesis ini mengkombinasikan algoritma fuzzy c-means dan algoritma divisive mampu meningkatkan keakurasian jika dibandingkan pendekatan pengelompokan partitional tradisional. Algoritma divisive akan dijalankan pada step kedua setelah hasil clustering yang diperoleh dari pengelompokan partisi fuzzy c-means. Penentuan jumlah cluster terbaik ditentukan dari nilai Indeks Davies Bauldin yang paling minimum. Sebanyak 1252 barisan DNA HPV Human papillomavirus diperoleh dari Genbank NCBI dengan proses melakukan ekstraksi ciri DNA, selanjutnya dilakukan normalisasi. Proses ekstraksi ciri, normalisasi, dan penerapan algoritma partisi fuzzy c-means dan divisive dalam metode hybrid clustering menggunakan bantuan program open source. Pada hasil hybrid clustering level awal diperoleh jumlah cluster optimum sebanyak 3 cluster dengan nilai Indeks Davies Bouldin paling minimum adalah 0.9715919. Pada level ke-2 clustering didapatkan cluster ke-1 terbagi atas 9 sub cluster dengan nilai IDB minimum adalah 0.8909797. Cluster ke-2 terbagi atas 2 sub cluster dengan nilai IDB minimum adalah 0.7650508. Cluster 3 terbagi atas 2 sub cluster dengan nilai IDB minimum adalah 0.9112528. Nilai IDB pada level kedua selalu lebih kecil dibanding nilai IDB pada level 1. Hal ini mengindikasikan bahwa hybrid clustering memberikan hasil yang lebih baik terhadap hasil clustering.

---

Clustering aims to classify the different patterns into groups called clusters. Analysis gene by using clustering method is considered more accurate than analysis of nucleotide using DNA alignment. In this thesis, hybrid clustering algorithm which combines fuzzy c means and algorithm divisive will be improve accuracy when compared to partitional clustering. Divisive algorithms will applied on second level after clustering partition using fuzzy c means.

To find the best number of clusters is determined using the minimum value of Davies Bouldin Index DBI of the cluster results. The data is 1252 sequences of HPV DNA sequences obtained from Gen Bank Database in the National Centre for Biotechnology Information NCBI at http www.ncbi.nlm.nih.gov in FASTA format. The data is converted into numerical form through feature extraction using n mers frequency.

The results on first level hybrid clustering obtained the optimum cluster divided into three clusters with the value of the minimum Davies Bouldin Index is 0.9715919. Morever, DBI values after implementing the second step of clustering are always producing smaller IDB values compare to the results of using first step clustering only. This condition indicates that the hybrid approach in this study produce better performance of the cluster results, in term its DBI values."

"Salah satu metode clustering yang banyak digunakan karena unggul dari sisi kestabilannya adalah metode Self Organizing Map. Pada tesis ini dibahas penggunaan metode SOM pada DNA Human Papillomavirus (HPV) yang menjadi penyebab utama penyakit kanker serviks, yaitu penyakit kanker yang menempati urutan pertama di negara berkembang. DNA HPV yang digunakan adalah sebanyak 18 buah yang diambil berdasarkan complete genome terbaru. Dengan menggunakan program berbasis opensource R, proses clustering berhasil mengelompokkan 18 tipe HPV ke dalam dua buah cluster berbeda, yang terdiri dari 2 tipe HPV di cluster pertama sementara 16 tipe HPV lainnya di cluster ke dua. Hasil analisis 18 tipe HPV adalah berdasarkan tingkat keganasannya, atau tingkat kesulitan dalam penyembuhannya. Dua di antara tipe HPV yang berada di cluster pertama tergolong jenis HPV jinak, sementara 16 tipe HPV yang berada di cluster ke dua tergolong jenis HPV ganas.

---

One of the most widely used clustering method, since it has advantage on its robustness is Self Organizing Map (SOM) method. This thesis discusses the application of SOM method on Human Papillomavirus (HPV) DNA which is a main cause of cervical cancer disease, the most dangerous cancer in developing countries. We use 18 types of HPV DNA based on the newest complete genome. By using open-source-based program R, clustering process can separate 18 types of HPV into two different clusters. There are two types of HPV in the first cluster while 16 others in the second cluster. The Analyzing result of 18 types HPV based on the malignancy of the virus (the difficultness to cure). Two of HPV types the first cluster can be classified as tame HPV, while 16 others in the second cluster are classified as vicious HPV."