Berita
ncRNA Characteristic: Not Well Characterized Families ‘Single Example’
MALANG - Di pembahasan sebelumnya, kalian sudah membaca mengenai ncRNA gene characteristic dari Keluarga yang Berkarakter Baik atau Well Characterized Families. Kali ini kita akan membahas mengenai karakteristik yang lain, yaitu Not Well Characterized Families ‘Single Example’.
Sebuah kegiatan yang berkaitan dengan eksperimental terkadang mengarah pada penemuan gen ncRNA yang terbaru. Jadi, cukup penting untuk mengkarakterisasi gen-gen ini supaya bisa mendapatkan informasi baru tentang fungsinya atau juga bisa digunakan untuk mencari anggota keluarga tambahan.
Ada yang disebut sebagai karakterisasi struktur. Jika satu contoh ncRNA diperoleh, pendekatan minimum folding energy (MFE) dapat digunakan untuk memprediksi strukturnya. Beberapa program yang digunakan untuk memprediksi struktur MFE tanpa mempertimbangkan struktur tersier itu sendiri (pseudo-knots) adalah RNAfold, Mfold, dan Afold. Sebuah program bernama RNAsubopt bisa memprediksi struktur menggunakan MFE dan memberikan informasi tentang struktur lipat yang mendekati optimal. Disisi lain juga ada Sfold, sebuah pendekatan pelipatan Bayesian yang berguna untuk mengidentifikasi bagian urutan yang memiliki pelipatan tinggi di bawah ansambel struktur. Selain itu ada beberapa program yang mampu memprediksi pseudo-knot/struktur kompleks lainny, diantaranya pknots, pknotsRG dan HotKnots. Tiap program itu membuat asumsi penyederhanaan dan memberikan informasi tentang urutan yang dievaluasi yang berbeda-beda.
Lalu ada Find Additional Family Members,
Sebuah struktur fungsional dari contoh data eksperimen (kristalografi/NMR) program, seperti RSEARCH atau RNAMotif dapat kalian guunakan untuk mencari anggota keluarga tambahan dalam urutan target. RSEARCH menggunakan model stochastic context-free grammar (SCFG) untuk menghitung skor pada setiap kecocokan yang mencerminkan keandalan prediksi. Program RNAMotif sendiri biasanya bisa disesuaikan dan berpotensi memberikan sensitivitas dan spesifisitas yang tinggi. Penggunanya bisa menentukan motif pencarian, fitur struktur sekunder dan tersier, dan parameter penilaian kustom.
Namun, dalam kebanyakan kasus, struktur contoh ncRNA tidak bisa diketahui. Tapi, masih bisa digunakan untuk mencari urutan target untuk anggota keluarga tambahan jika penyelarasan dan pelipatan dilakukan secara bersamaan. Pendekatan umum bisa dilakukan dengan algoritma Sankoff. Solusi eksak dari algoritme Sankoff cukup intensif secara komputasi, sehingga program sudah dikembangkan dan mengimplementasikan aproksimasi dari pendekatan Sankoff. Program-program itu adalah DYNALIGN, FOLDALIGN, dan CONSAN. Kalian wajib untuk memeriksa setiap program ini dengan hati-hati ketika mau memilih atau menggunakan aplikasi terbaik untuk masalah tertentu. DYNALIGN dan FOLDALIGN bisa digunakan untuk mencari urutan yang lebih pendek dalam urutan pengujian yang panjang. Lalu, FOLDALIGN dikembangkan untuk mendeteksi struktur peraturan lokal daripada struktur global dengan multi-loop. Sedangkan DYNALIGN berguna untuk mengurangi kompleksitas komputasi dengan menempatkan batasan pada ukuran loop internal dalam struktur RNA. Diantara program-program tersebut, CONSAN, DYNALIGN dan FOLDALIGN memberikan kinerja keseluruhan yang sebanding dan memiliki kekuatan/kelemahan yang berbeda pula.
Terimakasih sudah menbaca penjelasan diatas, semoga bisa membantu kalian ya! Untuk selanjutnya kita akan membahas mengenan ncRNA gene characteristics lainnya, yaitu Not Well Characterized Families: Multiple Examples. Terus cek media sosial InBio Indonesia untuk mendapatkan wawasan baru mengenai biologi💞
Sumber: Bioinformatics: Tools and Applications-David Edwards, Jason Stajich, David Hansen (book)
Leave a reply