MALANG - Ada beberapa metode yang bisa kalian gunakan dalam prediksi gen ncRNA. Tapi, khusus bagian ini kita hanya fokus pada salah satu metodenya, yaitu minimum folding energy.

Jika kalian ingin memahami tentang prediksi struktural ncRNA, kalian harus meninjau beberapa prinsip biologis dasar mengenai RNA. RNA adalah polimer nukleotida adenine (A), cytosine (C), guanine (G) and uracil (U) nucleotides (dalam DNA, timin menggantikan urasil). RNA terdiri dari molekul beruntai tunggal yang dapat melipat intramolekul untuk membentuk struktur kompleks. Struktur dibuat oleh pasangan basa antara pasangan AU dan pasangan CG (pasangan basa kanonik) serta pasangan GU (pasangan basa non-kanonik). Sementara itu, pasangan GT biasanya tidak diamati dalam DNA, pasangan GU umum dalam struktur RNA dan bisa menguntungkan seperti pasangan basa kanonik.

Struktur sekunder bisa jadi lebih kompleks dan pasangan basa yang tidak bersarang juga dapat membentuk struktur seperti pseudoknots, kalian bisa menyebutnya struktur tersier. Kalian bisa melihat contoh ini, dalam molekul rRNA E. coli SSU yang dipelajari dengan baik, hanya 8 dari 447 pasangan basa yang diyakini terlibat dalam struktur pseudoknot. Padahal, pasangan basa yang diizinkan harus jelas, urutan dapat melipat menjadi banyak struktur hipotetis. Untuk RNA dengan panjang n, ada sekitar 1,8n kemungkinan struktur sekunder (3 × 1025 struktur untuk panjang urutan 100 nukleotida).

Tujuan dari alat prediksi struktural adalah untuk memprediksi struktur ncRNA secara fungsional dari semua kemungkinan. Ahli biologi mengembangkan metode untuk membuat tebakan terbaik tentang struktur fungsional itu, salah satunya pendekatan minimum folding energy MFE. Penggunaan pendekatan MFE yaitu parameter energi susun pasangan basa yang diturunkan secara eksperimental supaya bisa menentukan struktur di antara semua kemungkinan struktur terlipat.

Ada kesulitan untuk menentukan struktur MFE yang tumbuh dengan cepat dengan kompleksitas struktur RNA. Contohnya: Set standar algoritma pemrograman dinamis untuk MFE tidak mengevaluasi struktur tersier (pseudo-knots) dan skala O(L3) dalam waktu, di mana L adalah panjang urutan. Algoritma pemrograman dinamis bisa memprediksi skala topologi pseudoknot paling terkenal O(L6) dalam waktu. Artinya, penggandaan panjang urutan membutuhkan delapan kali lebih banyak waktu komputer dengan metode standar, tapi 64 kali lebih banyak jika pseudoknots dipertimbangkan. 

Kondisi di dalam sel dapat mencegah molekul RNA untuk mengasumsikan struktur MFE yang diprediksi. Mitra pengikatan, modifikasi pasca-transkripsi, kinetika pelipatan, dan pemrosesan biologis lainnya, yang terjadi selama sintesis transkrip semuanya dapat mempengaruhi struktur RNA fungsional. Jadi, apa contoh sempurna dari jebakan di minimum free folding? Yaitu, struktur energi berasal dari tRNA. Sebagai salah satu keluarga RNA terbaik yang dianalisis dan sebagai percobaan yang sudah menunjukkan bahwa mereka memiliki struktur daun semanggi yang fungsional. Tapi, ketika 99 urutan tRNA dari database Rfam dievaluasi menggunakan pendekatan MFE, hanya 33 yang diprediksi memiliki struktur daun semanggi. Ini menunjukkan bahwa tRNA mengalami banyak modifikasi basa yang mengubah strukturnya.

Penjelasana singkat mengenai minimum folding energy sampai sini saja. Kalian bisa mencari metode lengkap lainnya di artikel-artikel yang ditawarkan oleb InBio Indonesia! 

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