MALANG - Apakah anda tahu,  kalau struktur lebih dari satu urutan di antara molekul RNA homolog, maka mereka akan memiliki fungsi yang sama?

Beberapa urutan homolog biasa digunakan untuk memperoleh struktur konsensus untuk menangkap fitur struktural umum. Pendekatan komparatif bisa menjadi pilihan yang lebih baik jika kalian mau memprediksi struktur RNA fungsional daripada MFE yang hanya memiliki informasi dari urutan tunggal. 

Jadi, ada tiga pendekatan umum yang bisa digunakan untuk mendapatkan struktur umum dari beberapa urutan. Pendekatan terbaik untuk aplikasi yang diberikan bergantung pada derajat identitas urutan di antara urutan homolog. 

Pendekatan pertama (rencana A) dimulai dengan mengidentifikasi struktur umum dari keselarasan urutan tetap. Ini merupakan pendekatan yang baik ketika identitas urutan adalah 360%, memungkinkan wilayah yang setara untuk disejajarkan dengan tingkat akurasi yang tinggi. Pendekatan kedua (rencana B) mempertimbangkan banyak kemungkinan dan struktur penyelarasan yang berbeda untuk mengidentifikasi kombinasi yang bisa menghasilkan solusi optimal. Ini adalah pendekatan terbaik ketika identitas urutan kurang dari sekitar 50–60% dan wilayah yang setara secara fungsional tidak dapat disejajarkan secara andal berdasarkan kesamaan urutan saja. Pendekatan ketiga (rencana C) melipat/folds setiap urutan secara independen dan coba untuk menyelaraskan struktur yang dihasilkan. Ini merupakan pendekatan yang lumayan baru di bidang penyelarasan struktural dan menjadi harapan terbesar untuk barisan homolog yang memiliki sedikit identitas barisan.

Melalui rencana A, hal pertama yang harus dilakukan adalah mendapatkan keselarasan yang akurat dari himpunan urutan. Alat penyelarasan beberapa urutan standar, dilengkapi dengan kurasi ahli, dan secara akurat menyelaraskan wilayah yang secara fungsional setara. Jika keselarasan terbaik sudah diperoleh, beberapa metode tersedia untuk menyimpulkan struktur konsensus dari pola perubahan kompensasi di antara urutan. Metode ini meliputi pengukuran informasi bersama, kombinasi skor MFE dan kovariasi, dan probabilistik model yang dikompilasi dari kumpulan data referensi besar.

Jika identitas pasangan sekuens dalam rangkaian sekuens RNA homolog di bawah sekitar 50–60%, bisa jadi rencana A tidak akan memberikan hasil yang baik. Jadi, perlu untuk menyelaraskan dan melipat urutan secara bersamaan untuk menyimpulkan fitur struktural umum yang mendasari yang dimiliki oleh himpunan (rencana B).

Pendekatan terakhir (rencana C) berguna ketika tidak ada tingkat konservasi urutan yang bisa membantu. Pendekatan ini akan melewatkan langkah penyelarasan urutan dan langsung melompat untuk memprediksi struktur sekunder dari setiap urutan homolog secara terpisah. Struktur ataupun beberapa bagian dari struktur akan dibandingkan satu sama lain untuk mencoba dan mengidentifikasi struktur secara bersamaan. Inti rencana C adalah sebuah pertanyaan, “Apakah pelipatan independen awal menghasilkan setidaknya beberapa struktur yang selaras dengan baik dan karenanya memberikan petunjuk tentang struktur konsensus yang mendasarinya, dengan asumsi ada?”

Sumber: Bioinformatics: Tools and Applications-David Edwards, Jason Stajich, David Hansen (book)