IF Notes

Whole-Genome Shotgun Sequencing and Assembly

5 min read

Back to IF3211 Komputasi Domain Spesifik

Whole-Genome Shotgun Sequencing and Assembly

Questions/Cues

  • Apa tujuan dan tonggak penting Human Genome Project?
  • Apa arti high-throughput sequencing dan mengapa ia diperlukan?
  • Bagaimana whole-genome shotgun menghasilkan fragmen DNA acak?
  • Mengapa assembly (penyusunan ulang) merupakan masalah komputasi?
  • Apa peran bioinformatics dan basis data dalam mengelola data genom?

Reference Points

  • IF3211 — Genetics (PPT 3 & 4, bagian Genomes and Their Evolution / Human Genome Project)

Human Genome Project dan Era High-Throughput

Human Genome Project (HGP) resmi dimulai tahun 1990 dan sebagian besar sekuensingnya selesai pada 2003. Salah satu pendorong utamanya adalah pengembangan mesin sekuensing otomatis untuk mempercepat pembacaan DNA. Metode yang dapat menganalisis materi biologis secara cepat dan menghasilkan data dalam jumlah sangat besar disebut high-throughput.

HGP bukan sekadar membaca satu genom; ia mendorong lahirnya teknologi yang lebih cepat dan murah, serta membangun basis data dan perangkat lunak analitis yang membuat data tersedia di Internet. Dengan kata lain, HGP mengubah biologi menjadi disiplin yang data-intensive.

Pendekatan Whole-Genome Shotgun

Pendekatan whole-genome shotgun dikembangkan oleh J. Craig Venter dan rekan-rekannya. Idenya: alih-alih membaca genom secara berurutan dari awal hingga akhir (yang sulit untuk molekul sepanjang 3 miliar basa), genom dipecah menjadi fragmen DNA acak yang banyak, masing-masing diklon dan disekuens.

Hasilnya adalah tumpukan besar potongan sekuens pendek yang saling tumpang tindih (overlapping). Karena fragmen diambil acak dan dalam jumlah berlebih (redundansi/coverage tinggi), setiap bagian genom kemungkinan besar terbaca oleh beberapa fragmen berbeda — dan tumpang tindih inilah kunci untuk menyusunnya kembali.

Masalah Assembly: Menyusun Ulang Fragmen

Setelah ribuan hingga jutaan fragmen pendek tersedia, muncul assembly problem: bagaimana menyusunnya kembali menjadi satu sekuens kontinu yang utuh? Pekerjaan ini tidak dilakukan manual — program komputer yang powerful digunakan untuk merangkai potongan-potongan pendek yang tumpang tindih menjadi sekuens panjang.

Prinsip dasarnya adalah overlap: jika ujung satu fragmen identik dengan awal fragmen lain, keduanya kemungkinan berasal dari lokasi genom yang sama dan dapat disambung. Dengan cukup banyak fragmen yang saling tumpang tindih, komputer dapat merekonstruksi urutan asli — mirip menyusun ulang dokumen yang disobek menjadi banyak serpihan dari banyak salinan.

flowchart TB
    G["Genom utuh"] -->|"acak + fragmentasi"| F["Banyak fragmen pendek<br/>(overlapping reads)"]
    F --> R1["read: ...ACGTTGA..."]
    F --> R2["read: ...GTTGACCA..."]
    F --> R3["read: ...GACCATGG..."]
    R1 --> O["Deteksi overlap<br/>(suffix = prefix)"]
    R2 --> O
    R3 --> O
    O -->|"assembly program"| C["Contig / sekuens kontinu"]

Sudut Pandang Komputasional: De-Novo Assembly dan de Bruijn Graph

Bagi informatika, shotgun assembly adalah masalah string reconstruction klasik. Dua formulasi utama: (1) Overlap-Layout-Consensus (OLC) — bangun graf di mana node = read dan edge = overlap signifikan, lalu cari jalur yang melewati semua read (mirip Hamiltonian path); (2) de Bruijn graph — pecah read menjadi k-mer, jadikan k-mer sebagai node dan tumpang tindih (k-1) sebagai edge, lalu cari jalur Eulerian yang melintasi setiap edge. Pendekatan de Bruijn menjadi standar untuk read pendek karena lebih skalabel.

Tantangan intinya mirip masalah komputasi nyata: repeat (sekuens berulang) menciptakan jalur ambigu pada graf, error sequencing menambah node/edge palsu, dan ukuran data raksasa menuntut struktur data efisien (hash k-mer, FM-index). Inilah mengapa bioinformatics — penerapan metode komputasional untuk penyimpanan dan analisis data biologis — menjadi tak terpisahkan dari genomika modern, lengkap dengan basis data publik untuk menyimpan dan mencari sekuens.

Summary

Human Genome Project (1990-2003) mendorong high-throughput sequencing dan pendekatan whole-genome shotgun (Venter): genom dipecah menjadi fragmen acak yang diklon, disekuens, lalu disusun ulang. Assembly problem — merangkai banyak read pendek yang overlap menjadi sekuens kontinu — diselesaikan oleh program komputer, secara komputasional dimodelkan sebagai de-novo assembly via Overlap-Layout-Consensus (Hamiltonian-like) atau de Bruijn graph (k-mer, Eulerian path), dengan tantangan repeat dan error. Bioinformatics dan basis data menyimpan serta menganalisis data raksasa ini — fondasi bagi Comparative Genomics and Evolutionary Analysis dan terkait DNA Structure, Replication, and Repair Machinery.

Graph View

Backlinks