Dr Wisnu Ananta Kusuma, Peneliti Pusat Studi Biofarmaka Tropika (Trop BRC) IPB University menjelaskan bahwa pengobatan presisi akan memudahkan diagnosa penyakit berdasarkan analisis biomarka pada pasien. Diharapkan dengan pengembangan pengobatan presisi ini, efektivitas obat\/terapi lebih tinggi dan efek samping yang ditimbulkan lebih rendah.<\/p>\n\n\n\n
Menurutnya, data bioinformatika yang digunakan adalah profil omik personal yang terintegrasi seperti genome, exposome, epigenome, transcriptome, proteome, microbiome, metabolome dan fenome.<\/p>\n\n\n\n
\u201cPendekatan pertama yang dilakukan menggunakan pengetahuan dari berbagai basis data yang berbeda. Ini untuk menyatukan berbagai komponen berbeda dari patologi penyakit sehingga mendapatkan \u201cinsight\u201d penyakit dan mengidentifikasi molekuler kunci yang terlibat dalam patogenesis penyakit dan drug repurposing,\u201d terangnya dalam Kuliah Umum Forum Metabolomik Indonesia, (25\/01).<\/p>\n\n\n\n
Adapun pendekatan kedua, lanjutnya, dilakukan dengan mengintegrasikan dataset multi-omics yang dikumpulkan dari sampel yang sama. Analisa ini dapat membantu para peneliti dalam memahami mekanisme disregulasi dalam sampel penyakit.<\/p>\n\n\n\n
\u201cAnalisis multi-omik terintegrasi dapat digunakan untuk mengidentifikasi subtipe penyakit, mendeteksi pola molekuler terkait penyakit, diagnosis atau prognosis, prediksi respon obat dan memahami proses regulasi,\u201d lanjutnya.<\/p>\n\n\n\n
Menurutnya, dengan identifikasi subtipe penyakit, peneliti mendapatkan sasaran dan perawatan yang lebih efektif, termasuk obat-obatan biologis, terapi hormonal dan imunoterapi. Studi ini dilakukan dengan mengasosiasikan penanda molekuler (omik) dengan penanda klinis suatu penyakit (fenomik).<\/p>\n\n\n\n
\u201cBahkan, metode ini dapat diterapkan pada penyakit multifaktorial yang sulit didiagnosis karena genotipe dan fenotipnya yang kompleks. Analisa multi-omik dapat memprediksikan aktivitas penyakit, tingkat keparahan, dan perjalanan penyakit menggunakan data molekuler terintegrasi,\u201d ujar Dosen IPB University dari Departemen Ilmu Komputer Fakultas Matematika dan Ilmu Pengetahuan (FMIPA) ini.<\/p>\n\n\n\n
Ia menerangkan, analisis data multi-omik memungkinkan peneliti melakukan inferensi jejaring pengatur gen spesifik penyakit. Caranya dengan menggabungkan pengukuran dari ekspresi gen dan regulator potensial. Kemudian, jejaring pengatur gen spesifik penyakit dipakai untuk mengidentifikasi sub-jaringan utama yang mengalami deregulasi dalam membantu penemuan target obat.<\/p>\n\n\n\n
Dr Wisnu menerangkan bahwa integrasi multi-omik dapat dilakukan dengan tiga cara. Pertama adalah melakukan integrasi di awal (early integration), representasi berbasis graf dari sekumpulan data omik yang berbeda digunakan sebagai input untuk model Machine Learning (ML). Cara kedua adalah integrasi di tengah (intermediate integration), yaitu mempelajari representasi gabungan dari dataset.<\/p>\n\n\n\n
\u201cIntegrasi ini digunakan untuk mengambil keputusan terkait perangkat (tools) apa yang dipilih untuk integrasi data. Pemilihannya bergantung pada tujuan ilmiah spesifik dan tantangan komputasi yang muncul. Cara ketiga adalah integrasi di akhir (late integration), model machine learning diterapkan ke setiap dataset secara independen. Kemudian, model terakhir menggabungkan hasil prediksi yang ada,\u201d terangnya.<\/p>\n\n\n\n
Ia menambahkan, IPB University dan para penelitinya juga telah melakukan beberapa terobosan terkait topik ini. Misalnya penemuan formulasi jamu atau obat herbal presisi, penyakit komorbid kanker paru, hingga prediksi obat herbal dalam terapi penyembuhan COVID-19.<\/p>\n\n\n\n
Walau masih dihadapi oleh beberapa tantangan, menurut Dr Wisnu, analisis multi-omik terintegrasi berpeluang untuk dikembangkan dalam mendukung inisiatif pengobatan presisi.<\/p>\n\n\n\n
\u201cIntegrasi Omics dapat dilakukan di level data maupun pengetahuan, sehingga diperlukan sinergisitas antara peneliti melalui penelitian kolaboratif yang berjalan berdasarkan roadmap yang komprehensif dan berkelanjutan,\u201d tutupnya. (MW\/Zul)<\/p>\n\n\n\n
Narasumber : Dr Wisnu Ananta Kusuma, ipb.ac.id<\/p>\n","protected":false},"excerpt":{"rendered":"
Dr Wisnu Ananta Kusuma, Peneliti Pusat Studi Biofarmaka Tropika (Trop BRC) IPB University menjelaskan bahwa pengobatan presisi akan memudahkan diagnosa penyakit berdasarkan analisis biomarka pada pasien. Diharapkan dengan pengembangan pengobatan presisi ini, efektivitas obat\/terapi lebih tinggi dan efek samping yang ditimbulkan lebih rendah. Menurutnya, data bioinformatika yang digunakan adalah profil omik personal yang terintegrasi seperti genome, exposome, epigenome, transcriptome, proteome, microbiome, metabolome dan fenome. \u201cPendekatan pertama yang dilakukan menggunakan pengetahuan dari berbagai basis data yang berbeda. Ini untuk menyatukan berbagai komponen berbeda dari patologi penyakit sehingga mendapatkan \u201cinsight\u201d penyakit dan mengidentifikasi molekuler kunci yang terlibat dalam patogenesis penyakit dan drug repurposing,\u201d terangnya dalam Kuliah Umum Forum Metabolomik Indonesia, (25\/01). Adapun pendekatan kedua, lanjutnya, dilakukan dengan mengintegrasikan dataset multi-omics yang dikumpulkan dari sampel yang sama. Analisa ini dapat membantu para peneliti dalam memahami mekanisme disregulasi dalam sampel penyakit. \u201cAnalisis multi-omik terintegrasi dapat digunakan untuk mengidentifikasi subtipe penyakit, mendeteksi pola molekuler terkait penyakit, diagnosis atau prognosis, prediksi respon obat dan memahami proses regulasi,\u201d lanjutnya. Menurutnya, dengan identifikasi subtipe penyakit, peneliti mendapatkan sasaran dan perawatan yang lebih efektif, termasuk obat-obatan biologis, terapi hormonal dan imunoterapi. Studi ini dilakukan dengan mengasosiasikan penanda molekuler (omik) dengan penanda klinis suatu penyakit (fenomik). \u201cBahkan, metode ini dapat diterapkan pada penyakit multifaktorial yang sulit didiagnosis karena genotipe dan fenotipnya yang kompleks. Analisa multi-omik dapat memprediksikan aktivitas penyakit, tingkat keparahan, dan perjalanan penyakit menggunakan data molekuler terintegrasi,\u201d ujar Dosen IPB University dari Departemen Ilmu Komputer Fakultas Matematika dan Ilmu Pengetahuan (FMIPA) ini. Ia menerangkan, analisis data multi-omik memungkinkan peneliti melakukan inferensi jejaring pengatur gen spesifik penyakit. Caranya dengan menggabungkan pengukuran dari ekspresi gen dan regulator potensial. Kemudian, jejaring pengatur gen spesifik penyakit dipakai untuk mengidentifikasi sub-jaringan utama yang mengalami deregulasi dalam membantu penemuan target obat. Dr Wisnu menerangkan bahwa integrasi multi-omik dapat dilakukan dengan tiga cara. Pertama adalah melakukan integrasi di awal (early integration), representasi berbasis graf dari sekumpulan data omik yang berbeda digunakan sebagai input untuk model Machine Learning (ML). Cara kedua adalah integrasi di tengah (intermediate integration), yaitu mempelajari representasi gabungan dari dataset. \u201cIntegrasi ini digunakan untuk mengambil keputusan terkait perangkat (tools) apa yang dipilih untuk integrasi data. Pemilihannya bergantung pada tujuan ilmiah spesifik dan tantangan komputasi yang muncul. Cara ketiga adalah integrasi di akhir (late integration), model machine learning diterapkan ke setiap dataset secara independen. Kemudian, model terakhir menggabungkan hasil prediksi yang ada,\u201d terangnya. Ia menambahkan, IPB University dan para penelitinya juga telah melakukan beberapa terobosan terkait topik ini. Misalnya penemuan formulasi jamu atau obat herbal presisi, penyakit komorbid kanker paru, hingga prediksi obat herbal dalam terapi penyembuhan COVID-19. Walau masih dihadapi oleh beberapa tantangan, menurut Dr Wisnu, analisis multi-omik terintegrasi berpeluang untuk dikembangkan dalam mendukung inisiatif pengobatan presisi. \u201cIntegrasi Omics dapat dilakukan di level data maupun pengetahuan, sehingga diperlukan sinergisitas antara peneliti melalui penelitian kolaboratif yang berjalan berdasarkan roadmap yang komprehensif dan berkelanjutan,\u201d tutupnya. (MW\/Zul) Narasumber : Dr Wisnu Ananta Kusuma, ipb.ac.id<\/p>\n","protected":false},"author":1,"featured_media":4254,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"_jetpack_memberships_contains_paid_content":false,"footnotes":""},"categories":[26],"tags":[],"class_list":["post-4253","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-berita-utama"],"yoast_head":"\n