Hasil Pencarian  ::  Simpan CSV :: Kembali

"Data mining merupakan teknik pengolahan data yang dapat digunakan untuk menemukan pola-pola kelompok dan informasi yang berguna dari kumpulan data tersebut. Salah satu teknik data mining adalah metode triclustering. Triclustering bekerja pada data tiga dimensi. Umumnya algoritma tricluster tidak efektif dalam menganalisis titik waktu pegamatan yang berjumlah sedikit. Oleh karena itu, dikembangkanlah algoritma triclustering berbasis pola yang dirancang untuk menganalisis data microarray dengan jumlah titik waktu pengamatan sedikit yaitu Order Preserving Tricluster (OPTricluster). OPTricluster membentuk tricluster dengan mengidentifikasi gen-gen yang memiliki perubahan tingkat ekspresi yang sama pada subset kondisi eksperimen disepanjang titik waktu. Setelah tricluster didapatkan, analisis Gene Ontology dibutuhkan untuk mendapatkan pemahaman anotasi gen pada hasil tricluster. Metode OPTricluster diimplementasikan pada data microarray sel kanker pankreas ASPC-1 dengan beberapa skenario menggunakan threshold yang berbeda. Skenario terbaik ditunjukkan oleh threshold optimum yang diperoleh dengan membandingkan rata-rata skor Coverage Tricluster dan Tricluster Quality Index. Kemudian tricluster dari skenario terbaik dianalisis dengan Gene Ontology (GO). Hasil penelitian ini menunjukkan bahwa metode OPTricluster berhasil membentuk tricluster dengan kinerja yang baik pada 3 pola tricluster yaitu tricluster pola constant, conserved, dan divergent. Selanjutnya analisis GO dilakukan pada tricluster terbaik pola conserved yaitu tricluster pada kelompok gen yang memiliki pola perubahan tingkat ekspresi gen yang sama saat diberikan obat JQ1 dan diperoleh informasi bahwa respon dari gen-gen sel kanker pankreas ASPC-1 dominan terlibat dalam proses metabolisme, dimana gen-gen tersebut berperan dalam perubahan tingkat ekspresi gen, selain itu letak gen-gen tersebut pun berada dalam inti sel.

---

Data mining is data processing techniques that can be used to find group patterns and useful information from the data set. One of the data mining techniques is the triclustering method. Triclustering works on three-dimensional data. Generally, tricluster algorithms are not effective in analyzing a small number of observation time points. Therefore, a pattern-based triclustering algorithm designed to analyze microarray data with a small number of observation time points was developed under the name Order Preserving Tricluster (OPTricluster). OPTricluster forms triclusters by identifying genes that have similar expression level changes in a subset of experimental conditions across time points. Once the tricluster is obtained, analysis with Gene Ontology is required to gain an understanding of gene annotation in the tricluster result. OPTricluster method was implemented on ASPC-1 pancreatic cancer cell microarray data with several scenarios using different thresholds. The best scenario is indicated by the optimum threshold obtained by comparing the average Tricluster Coverage and Tricluster Quality Index scores. Then the tricluster of the best scenario is analyzed with Gene Ontology (GO). The results showed that the OPTricluster method successfully formed tricluster with good performance in 3 tricluster patterns, namely constant, conserved, and divergent tricluster patterns. Furthermore, GO analysis was carried out on the best tricluster conserved pattern, namely tricluster in the gene group that has the same pattern of changes in gene expression levels when given the drug JQ1 and obtained information that the response of ASPC-1 pancreatic cancer cell genes is dominantly involved in metabolic processes, where these genes play a role in changes in gene expression levels, besides that the location of these genes is also in the cell nucleus."

"Glioblastoma (GBM) merupakan kanker otak agresif dengan kebutuhan mendesak akan target terapi baru. Penelitian ini bertujuan untuk memahami peran gen ELOVL6 dalam metabolisme lipid dan perkembangan sel U-87 MG sebagai model GBM. Pendekatan yang digunakan analah analisis Differentially Expressed Genes (DEG) dan pathway KEGG yang dilanjutkan dengan knockout gen ELOVL6 menggunakan teknologi CRISPR-Cas9 yang dikonfirmasi dengan metode PCR, Cleavage Assay, dan sequencing. Selanjutnya, pemahaman terkait metabolisme lipid dilakuan dengan analisis komposisi asam lemak menggunakan kromatografi gas-spektrometri massa (GC-MS), sementara pertumbuhan sel dinilai menggunakan pengamatan mikroskop fluoresens. Analisis komposisi asam lemak dilakukan dengan metode statistik Two-Way ANOVA. Hasil analisis DEG menunjukkan bahwa gen ELOVL6 serta gen-gen hilir yang terpengaruh berhubungan dengan elongasi asam lemak. Hasil penelitian in vitro menunjukkan knockout gen ELOVL6 menyebabkan penurunan signifikan pada asam lemak palmitat (C16:0) dan stearat (C18:0). Selain itu, knockout ELOVL6 secara signifikan menghambat pertumbuhan sel U-87 MG. Analisis mekanistik mengungkap bahwa gangguan fungsi ELOVL6 memengaruhi jalur metabolik yang berperan dalam elongasi palmitat menjadi stearat yang penting untuk dinamika lipid membran, pembentukan lipid sebagai cell messengers hingga aktivator enzim. Penelitian ini mengindikasikan bahwa ELOVL6 merupakan regulator kunci metabolisme lipid dan pertumbuhan sel GBM, sehingga berpotensi menjadi target molekuler untuk terapi GBM. Studi lebih lanjut diperlukan untuk memvalidasi temuan ini pada model in vivo.

---

Glioblastoma (Glioblastoma multiforme, GBM) is an aggressive brain cancer with an urgent need for new therapeutic targets. This study aims to understand the role of the ELOVL6 gene in lipid metabolism and the development of U-87 MG cells as a GBM model. The approach used is Differentially Expressed Genes (DEG) study and KEGG pathway analysis, followed by ELOVL6 gene knockout using CRISPR-Cas9 technology, validated through PCR, Cleavage Assay, and sequencing. Furthermore, lipid metabolism understanding is performed by analyzing fatty acid composition using gas chromatography-mass spectrometry (GC-MS), while cell growth is assessed through fluorescence microscopy observations. Fatty acid composition analysis is conducted using Two-Way ANOVA. DEG analysis results show that the ELOVL6 gene and its downstream affected genes are involved in fatty acid elongation. In vitro findings indicate that ELOVL6 gene knockout leads to a significant decrease in palmitic acid (C16:0) and stearic acid (C18:0), disrupting lipid homeostasis. Additionally, ELOVL6 knockout significantly inhibits the growth of U-87 MG cells. Mechanistic analysis reveals that ELOVL6 dysfunction affects metabolic pathways involved in the elongation of palmitate into stearate, which is essential for membrane lipid dynamics, lipid formation as cell messengers, and enzyme activation. This study suggests that ELOVL6 is a key regulator of lipid metabolism and glioblastoma cell growth, making it a potential molecular target for GBM therapy. Further studies are needed to validate these findings in in vivo models."