Foundations of Computational Biology and Bioinformatics

Back to IF3211 Komputasi Domain Spesifik

Foundations of Computational Biology and Bioinformatics

Questions/Cues

• Apa definisi computational biology menurut NIH dan disiplin apa yang berpotongan di dalamnya?
• Apa beda bioinformatics, bio-inspired computing, biomedical engineering, dan biological computing?
• Mengapa di kuliah ini bioinformatics ≈ computational biology?
• Bagaimana data science berpotongan dengan bidang ini?
• Mengapa biologi makin menjadi “computational science”?

Reference Points

• IF3211 — Course Introduction (PPT 1, bagian Computational Biology & Bioinformatics)
• IF3211 — Course Introduction (PPT 1, bagian Biology vs Computing)
• IF3211 — Course Introduction (PPT 1, bagian Why Computational Biology?)

Definisi Computational Biology

Mengikuti definisi kerja NIH (2000), computational biology adalah penggunaan teknik computer science, analisis data, pemodelan matematis, dan simulasi komputasi untuk memahami sistem dan relasi biologis. Bidang ini merupakan irisan (intersection) dari computer science, biology, dan data science, dengan fondasi tambahan pada applied mathematics, molecular biology, cell biology, chemistry, dan genetics. Intinya: komputasi sebagai alat untuk menjawab pertanyaan biologi.

Bioinformatics dan Hubungannya

Bioinformatics adalah penggunaan komputasi untuk memahami dan menganalisis data biologis — genetic sequences, protein structures, dan informasi biologis lain. Jika computational biology berfokus pada pertanyaan/model, bioinformatics cenderung berfokus pada data dan pipeline analisisnya (penyimpanan, indexing, pencarian, anotasi). Dalam praktik keduanya tumpang tindih erat, sehingga kuliah ini menyatakan bioinformatics ≈ computational biology dan memakai kedua istilah secara bergantian.

Lima Disiplin yang Sering Tertukar

Deck membedakan lima bidang berdasarkan arah aliran antara biologi dan komputasi:

Bidang	Esensi	Arah
Computational Biology	memakai CS, math, statistik untuk memahami biologi	komputasi → biologi
Bioinformatics	memakai teknologi untuk menganalisis DNA/RNA/protein & Big Data biologi	komputasi → data biologi
Bio-inspired Computing	memakai model biologi untuk menyelesaikan masalah CS	biologi → komputasi
Biomedical Engineering	memakai engineering/computing untuk mengobati penyakit	rekayasa → kesehatan
Biological Computing	memakai molekul biologis (DNA/protein) untuk melakukan komputasi	biologi menjadi komputer

Catatan kunci: bio-inspired computing dan biological computing mudah tertukar tetapi berlawanan — yang pertama meminjam ide biologi untuk dijalankan di komputer silikon, yang kedua menjadikan molekul biologis sebagai substrat komputasi itu sendiri (mis. DNA computing).

Mengapa Computational Biology Menarik Sekarang

Deck memberi tiga alasan: (1) problemnya cukup besar sehingga memotivasi algoritma yang efisien; (2) problemnya accessible, fresh, dan menarik; (3) biologi semakin menjadi computational science. Bidang ini juga merupakan sumber pertanyaan kompleks dan data nyata, dengan aliran ide dua arah: dari biologi ke CS (mis. fragment assembly, sequence analysis, algoritma phylogenetic trees) dan dari CS ke biologi (mis. sequencing by hybridization, DNA computing).

Computational Framing: Irisan dengan Data Science

Bagi mahasiswa informatika, peta ini adalah taksonomi teknik berdasarkan substrat dan tujuan. Data science menjadi tulang punggung bioinformatics: data sekuens adalah string berukuran giga/terabyte yang menuntut struktur data efisien (suffix array, hash index, Bloom filter) dan algoritma sub-kuadratik. Computational biology menambahkan lapisan pemodelan (HMM, jaringan Bayesian, ODE) dan simulasi. Karena “problemnya cukup besar”, isu inti adalah kompleksitas asimptotik dan skalabilitas — persis ranah algoritma dan sistem terdistribusi.

flowchart TD
    CB["Computational<br/>Biology"]
    CB --> A["Computer Science"]
    CB --> B["Biology"]
    CB --> D["Data Science"]
    A --> M["Applied Math<br/>&amp; Statistics"]
    B --> MB["Molecular &amp;<br/>Cell Biology"]
    B --> G["Genetics &amp;<br/>Chemistry"]

Summary

Computational biology (definisi NIH) memakai computer science, analisis data, pemodelan matematis, dan simulasi untuk memahami sistem biologis — sebuah irisan CS, biologi, dan data science. Bioinformatics menekankan analisis data biologis (DNA, RNA, protein, Big Data); dalam kuliah ini keduanya dianggap setara. Lima bidang serupa dibedakan berdasarkan arah aliran: computational biology dan bioinformatics (komputasi → biologi), bio-inspired computing (biologi → algoritma), biomedical engineering (rekayasa → pengobatan), dan biological computing (molekul biologis sebagai substrat komputasi). Bidang ini menarik karena problemnya masif, data nyata, dan aliran ide dua arah antara biologi dan CS. Lihat juga Bio-Inspired Computing and Why Engineers Study Biology.

Additional Information

Deeper Dive: Aliran Ide Dua Arah

Contoh biologi → CS: masalah fragment assembly melahirkan algoritma graf (Eulerian path / de Bruijn graph). Contoh CS → biologi: DNA computing Adleman (1994) menyelesaikan instans Hamiltonian path memakai untai DNA, membuktikan komputasi tidak harus berbasis silikon. Pertukaran ini menjadikan bidang ini laboratorium ide bagi kedua disiplin.

CS / Computational Angle

Bedakan bio-inspired (algoritma genetika, ant colony, neural networks — berjalan di CPU/GPU biasa) dari biological computing (DNA strands, enzim, sel sebagai gerbang logika — komputasi in vitro/in vivo). Yang pertama soal metafora algoritmik; yang kedua soal substrat fisik komputasi dan menjadi cabang unconventional computing.

Proyek Eksplorasi Mandiri

1. Buat tabel klasifikasi: untuk lima tool populer (BLAST, AlphaFold, PLINK, NEAT, Adleman’s experiment) tentukan masuk kategori bidang yang mana dan mengapa.
2. Tulis ringkasan satu paper de Bruijn graph assembly dan jelaskan struktur data grafnya.

Bacaan Lanjutan

• NIH BISTI. Working Definition of Bioinformatics and Computational Biology (2000).
• Jones, N. C., & Pevzner, P. A. An Introduction to Bioinformatics Algorithms. MIT Press, 2004.
• Adleman, L. M. “Molecular Computation of Solutions to Combinatorial Problems.” Science, 1994.