Implementasi Super Pairwise Alignment pada Global Sequence Alignment

Transkripsi

1 Implementasi Super Pairwise Alignment pada Global Sequence Alignment Oleh: ARFAN PANTUA JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT TEKNOLOGI SEPULUH NOPEMBER SURABAYA

2 Daftar Isi Pendahuluan Dasar Teori Analisis dan Perancangan Sistem Uji Coba Sistem Penutup

3 Pendahuluan Latar Belakang Rumusan Masalah Batasan Masalah Tujuan Manfaat

4 Latar Belakang Salah satu pengenalan spesies pada bioinformatika yaitu melalui pensejajaran sekuens (sequence alignment). Solusi untuk pensejajaran sekuens dapat menggunakan program dinamik. Algoritma alignment berbasis program dinamik merupakan suatu algoritma yang seringkali digunakan untuk menyelesaikan permasalahan optimalisasi pada berbagai macam bidang. Beberapa algoritma program dinamik antara lain Needleman-Wunsch, Smith-Watherman. Kedua algoritma tersebut merupakan algoritma klasik dalam analisis sekuens.

5 Latar Belakang(2) Berdasarkan hasil penelitian, kedua metode tersebut memiliki beberapa kelemahan salah satunya adalah tingkat kecepatan komputasinya. Dari hasil penelitiannya, ditemukan metode baru yaitu Super Pairwise Alignment. Metode ini menggabungkan metode analisis kombinatorial dan probabilitas. Berdasarkan hasil penelitian ini cukup menarik untuk dikaji lebih jauh dengan tinjauan aspek matematis, biologi maupun dari segi komputasionalnya. Hal ini kemudian menjadi acuan bagi penulis untuk mengkaji lebih dalam metode super pairwise alignment dengan mengambil contoh kasus mutasi struktur sequence DNA dengan menggunakan metode super pairwise alignment.

7 Rumusan Masalah Bagaimana mengimplementasikan metode Super Pairwise Alignment dalam mensejajarkan sekuens

9 Batasan Masalah

10 Batasan Masalah Data yang digunakan adalah data DNA yang diperoleh dari database

11 Batasan Masalah Data yang digunakan adalah data DNA yang diperoleh dari database Pensejajaran dilakukan terhadap dua buah sekuen

12 Batasan Masalah Data yang digunakan adalah data DNA yang diperoleh dari database Pensejajaran dilakukan terhadap dua buah sekuen Sistem dibuat dengan menggunakan bahasa pemrograman Java

14 Tujuan Membuat perangkat lunak untuk mensejajarkan sekuen menggunakan metode Super Pairwise Alignment

16 Manfaat sebagai dasar untuk menciptakan perangkat lunak sebagai tools alternatif dalam pensejajaran sekuens disamping tools JEmboss

18 Dasar Teori Sequence Alignment Super Pairwise Alignment Peningkatan Algoritma untuk mengestimasi posisi mutasi Perancangan Sistem dengan Metodologi Berorientasi Objek

19 Sequence Alignment Hal yang sangat penting dalam sequence alignment adalah memutuskan pemindahan mutasi. Misalkan A, B adalah dua sequence yang didefinisikan

20 Sequence Alignment Hal yang sangat penting dalam sequence alignment adalah memutuskan pemindahan mutasi. Misalkan A, B adalah dua sequence yang didefinisikan A = (a 1,a 2,,a na ),B = (b 1,b 2,,b nb ),C = (c 1,c 2,,c nc ) (1)

21 Sequence Alignment Hal yang sangat penting dalam sequence alignment adalah memutuskan pemindahan mutasi. Misalkan A, B adalah dua sequence yang didefinisikan A = (a 1,a 2,,a na ),B = (b 1,b 2,,b nb ),C = (c 1,c 2,,c nc ) (1) Penyisipan symbol - ke dalam A,B bertujuan untuk membentuk dua sekuens baru, yaitu A dan B. Selanjutnya, elemen-elemen dari A dan B menjadi range dari V 5 = {0,1,2,3,4} = {a,c,g,t, } dengan V 4 adalah himpunan quaternary (himpunan yang terdiri dari 4 elemen) dan V 5 adalah himpunan yang terdiri dari 5 elemen.

23 Super Pairwise Alignment Super Pairwise Alignment SPA mengkombinasikan estimasi statistik dan analisis kombinatorik yang berhubungan dengan mutasi tipe insersi dan penghapusan antara string. Sekuens DNA atau RNA dapat dianggap independen dan secara identik distribusi barisan variable random. Berdasarkan model statistik, SPA memprediksi keberadaan insersi maupun penghapusan dan panjang insersi maupun penghapusan tersebut bergantung pada similaritas lokal sekuens input

24 Super Pairwise Alignment Langkah-langkah SPA Misalkan (A, B) adalah 2 sekuen yang diketahui. Setiap algoritma memiliki penaksiran nilai parameter pada mode mutasi T. Tanpa terkecuali SPA. Secara spesifik, terlebih dahulu tentukan nilai parameter yang penting, yaitu n, h, θ,θ,τ. Disini n dipilih berdasarkan kekonvergenan hukum perluasan nilai atau teorema limit pusat. Secara khusus, kita tentukan n = 20,50,80,100,dsb. θ,θ dipilih berdasarkan tingkat galat dari mutasi tipe I dan tipe II dan tingkat galat dari dua variabel bebas yang acak. Dengan demikian kita pilih 0 < θ < θ < 0,75. Untuk nilai parameter h,τ sebagai dua modifikasi lokal, kita pilih sebagai nilai proporsi dari n; yaitu τ = αn,h = βn,0 < α,β < 0.5

25 Langkah I Mengestimasi posisi mutasi pertama i 1 di T Tentukan i = j = 0 dan hitung w(a,b;i,j,n). Jika w(a,b;i,j,n) = w θ, maka misalkan î 1 = 0. Ini berarti mutasi shifting terjadi di awal interval [1,n]. Jika tidak dilanjutkan ke langkah ke(2). Pada langkah ke(1) jika w θ, yang berarti tidak ada mutasi shifting di [1,n],kita letakkan titik awal di depan dan misalkan i = j = n τ. Selanjutnya, kita hitung w(a,b;i,j,n). Jika w(a,b;i,j,n) = w θ,

26 maka misalkan i = j = 2(n τ)dan ulangi langkah (2) hingga w(a,b;i,j,n) > θ. Misalkan, k 1 adalah bilangan bulat yang memenuhi w(a,b;i,j,n) = w θ, jika i = j = k 1 (n τ), dan w(a,b;i,j,n) > θ jika i = j = (k 1 + 1)(n τ). Kemudian lanjutkan ke langkah 3 atau 4. Untuk i = j = (k 1 + 1)(n τ), jika w(a,b;i,j,n) > θ, maka tentukan î 1 = (k 1 + 1)(n τ). Jika tidak demikian, maka lakukan tahap (4). Mengikuti langkah 1-3, kita peroleh θ < w < θ jika i = j = (k 1 + 1)(n τ). Dengan demikian, untuk n yang sama, hitunglah w (A,B;i + h,j + h,n). Jika w > w,

27 hitung î 1 berdasarkan persamaan n 1 = h w w (3 w) (2) 4 Jika w w ulangi langkah 1-4 untuk nilai h dan n yang cukup besar hingga diperoleh w > w. Dengan demikian, melalui langkah-langkah di atas kita dapat mengestimasi î 1 dan i 1. Langkah II : Estimasi l 1 berdasarkan estimasi î 1 dari posisi mutasi pertama di T. Secara khusus, w(a,b;î 1 +l,î 1,n),w(A,B;î 1,î 1 +l,n),l = 1,2,3,... jika pasangan (î 1 + l,î 1 ) atau pasangan (î 1,î 1 + l) memenuhi w 0.3 atau 0.4, adalah fungsi sliding window yang berhubungan, maka l adalah panjang dari mutasi shiftingnya. Secara khusus:

28 Jika w(a,b;î 1 + l,î 1,n) < θ, kita catat bahwa ˆl1 = l dan kita masukkan l simbol maya ke dalam sekuen B mengikuti letak î 1, sementara sekuen A dipertahankan invariant. Jika w(a,b;î 1,î 1 + l,n) < θ, kita catat bahwa ˆl1 = l dan kita masukkan l simbol maya ke dalam sekuen A mengikuti letak î 1, sementara sekuen B dipertahankan invariant. Melalui penggunaan 2 tahap ini, kita dapat mengestimasi mode mutasi lokal T 1 = {(i 1,l 1 )}, dan kesejajaran seragam lokal (C 1,D 1 ) yang dijabarkan sebagai berikut: C 1 = (C 1,1,A 2,1 ),D 1 = (D 1,1,B 2,1 ) Misalkan panjang vektor C 1,1 dan D 1,1 adalah î 1 + l 1. Karena tidak terjadi mutasi pergeseran pada letak n pertama dari A 2,1,B 2,1, kita misalkan L = î 1 + l 1 + n

29 Jika w(a,b;î 1 + l,î 1,n) < θ, kita catat bahwa ˆl1 = l dan kita masukkan l simbol maya ke dalam sekuen B mengikuti letak î 1, sementara sekuen A dipertahankan invariant. Jika w(a,b;î 1,î 1 + l,n) < θ, kita catat bahwa ˆl1 = l dan kita masukkan l simbol maya ke dalam sekuen A mengikuti letak î 1, sementara sekuen B dipertahankan invariant. Melalui penggunaan 2 tahap ini, kita dapat mengestimasi mode mutasi lokal T 1 = {(i 1,l 1 )}, dan kesejajaran seragam lokal (C 1,D 1 ) yang dijabarkan sebagai berikut: C 1 = (C 1,1,A 2,1 ),D 1 = (D 1,1,B 2,1 ) Misalkan panjang vektor C 1,1 dan D 1,1 adalah î 1 + l 1. Karena tidak terjadi mutasi pergeseran pada letak n pertama dari A 2,1,B 2,1, kita misalkan L = î 1 + l 1 + n

30 adalah titik awal pada kesejajaran berikutnya. Langkah III : Setelah mendapatkan estimasi (i 1,l 1 ), kita lanjutkan untuk mengestimasi i 2 berdasarkan (C 1,D 1 ). Kita misalkan i = j = L 1 dan hitung w(a, B; i, j, n) dengan mengulangi langkah (I) langkah 1-4 untuk mendapatkan estimasi î 2 untuk i 2. Langkah IV : Langkah VI : Estimasi l 2 berdasarkan î 1, ˆl1,î 2. Disini kita menghitung w(c 1,D 1 ;î 2 +l,î 2,n),w(C 1,D 1 ;î 2,î 2 +l,n),l = 1,2,3,... kita ulangi langkah II untuk memperoleh ˆl2 dan kesejajaran lokal (C 2,D 2 ). Melanjutkan proses di atas, kita peroleh sekuen î k, ˆlk dan sekuen (C k,d k ) yang berhubungan

31 untuk setiap k = 1,2,3,... Proses akan berhenti pada suatu k 0 sedemikian sehingga C k0 = (C 1,k0,A 2,k0 ) dan D k0 = (D 1,k0,B 2,k0 ) memiliki mutasi pergeseran yang terjadi pada (A 2,k0,B 2,k0 ). Misalkan L k0 menotasikan panjang sekuen C 1,k0,D 1,k0 dan i = j = L k0. l yang berkaitan adalah panjang dari mutasi pergeseran jika pasangan ( ik0 ˆ + l, ik0 ˆ ) atau ( ik0 ˆ, ik0 ˆ + l) memenuhi w θ dan kemudian w(c k0,d k0 ;i,j,n ) θ dimana n panjang terpendek dari A 2,k0 dan B 2,k0. Langkah terakhir kita samakan panjang A 2,k0 dan B 2,k0. Dengan kata lain, jika panjang A 2,k0 lebih pendek dari pada B 2,k0, masukkan beberapa simbol maya diakhir A 2,k0 sehingga panjangnya sama dengan B 2,k0.

33 Peningkatan Algoritma untuk mengestimasi posisi mutasi Langkah-langkah Regresi Linear Posisi mutasi ŝ adalah variable acak, dan jarak antara dua posisi mutasi yang berdekatan i k dan i k+1 adalah juga variable acak. Operasi pada (2) tidak memiliki sifat yang dapat menyesuaikan diri. Dengan kata lain, tidak dapat secara otomatis mencari posisi mutasi dengan pemisahan yang berbeda. Untuk menyelesaikan dua masalah tersebut, kita gunakan algoritma pembeda pada analisis regresi sebagai berikut :

34 Pada langkah ini digunakan w k = 1 n 0 w(k,n 0 ) untuk mengestimasi posisi mutasi awal i 1 di T Tentukan k = 0 dan hitung w(k,n 0 ). Jika w k θ (θ (0.6,0.8)), maka misalkan î 1 = 0. Jika tidak lanjutkan ke langkah berikutnya. Jika w k θ(θ (0.3,0.5)), lanjutkan untuk menghitung w k+1 untuk setiap k = 0,1,2,... Jika terdapat beberapa k yang berhubungan sedemikian hingga w k θ,w k+1 < θ, untuk k = 0,1,...,k 1, kemudian lakukan analisis regresi pada titik-titik tersebut. Garis lurus yang berhubungan adalah garis horisontal dan Γ 1 : y = ρ 1, dimana nilai ρ 1 adalah solusi dari persamaan

35 maka k 1 k=0 (w k ρ 1 ) 2 = min σ 2 1 = 1 k adalah error dari regresi { k1 } (w k ρ) 2,ρ > 0 k=0 k 1 k=0 (3) (w k ρ 1 ) 2 (4)

36 Setelah garis lurus Γ 1 ditentukan, lanjutkan untuk menghitung w k,k = k 1 + 1,k 1 + 2,k 1 + 3,..., jika terdapat titik k 2,k 3 sedemikian hingga { θ < wk < θ untuk setiap k 2 < k < k 3, θ < w k untuk setiap k 3 < k. kemudian lakukan analisis regresi berdasarkan data: w k,k = k 2 +1,k 2 +2,...,k 3,k = k 3 +1,k 3 +2,k 3 +3,... (5) Garis lurus (pada analisis regresi) tersebut adalah

37 { Γ2 : y = ρ 2 x + ρ 2, Γ 3 : y = ρ 3, secara berurutan, yang memenuhi kondisi : { } k 3 k3 (w k ρ 2 k ρ 2) 2 = min (w k ρk ρ ) 2,ρ,ρ > 0, k=k 2 k=k 2 { } (6) n n (w k3 +k ρ 3 ) 2 = min (w k3 +k ρ) 2,ρ > 0, (7) k=1 k=1 dimana n 0 n < n a k 3. Kedua persamaan di (6) dan (7) dapat diselesaikan dengan metode kuadrat minimum.

38 Titik potong dari garis lurus Γ 2 dan Γ 3 adalah nilai ŝ yang kita butuhkan. Dengan menggantikan langkah (I) pada algoritma SPA dengan langkah (III) kita peroleh untuk meningkatkan algoritma SPA, yang merupakan algoritma pembeda pada analisis regresi.

40 Bahasa Pemrograman Java Tujuan pembuatan bahasa pemograman Java adalah untuk meningkatkan kemampuan bahasa pemograman C++ yang sebelumnya telah ada sehingga aplikasi-aplikasi (program komputer) yang dikembangkan dengan bahasa pemograman tersebut mampu berjalan di atas berbagai platform perangkat keras dan perangkat lunak (sistem operasi) yang berbeda.

41 Unified Modeling Language(UML) UML (Unified Modeling Language) adalah salah satu perkakas (tool) yang sangat bermanfaat untuk melakukan analisis dan perancangan sistem dalam konteks pemograman berorientasi objek. Para pakar di bidang perancangan perangkat lunak pada sekitar tahun mulai bekerja dengan bahasa pemrograman yang berorientasi objek (OOP [Object Oriented Programming]) seperti C++ dan Java. Dengan demikian, diperlukan metodologi dan tools yang lebih sesuai. Dalam hal ini, UML (Unified Modeling Language) merupakan metodologi yang sering digunakan saat ini untuk mengadaptasi maraknya penggunaan bahasa pemograman berorientasi objek(oop).

43 Analisis Sistem

44 Perancangan Sistem Use Case Diagram

45 Perancangan Sistem Class Diagram

47 Uji Coba Proses Data Sekuens E.co :ugccuggcggccguagcgcgguggucccaccugaccccaugccgaacucagaagugaaa B.st:ccuagugacaauagcggagaggaaacacccgucccaucccgaacacggaaguuaag

48 Uji Coba Proses Data Sekuens E.co :ugccuggcggccguagcgcgguggucccaccugaccccaugccgaacucagaagugaaa B.st:ccuagugacaauagcggagaggaaacacccgucccaucccgaacacggaaguuaag Parameter n = 20, θ = 0.4, θ = 0.6

49 k w k k w k k w k k w k k w k k w k

50 Percobaan Pertama Data Sekuens Necator americanus mitochondrion, complete genome Ancylostoma duodenale mitochondrion, complete genome

51 Percobaan Pertama Data Sekuens Necator americanus mitochondrion, complete genome Ancylostoma duodenale mitochondrion, complete genome Parameter n = 30, θ = 0.4, θ = 0.6

52 Percobaan Pertama Program Parameter Percobaan Super Pairwise Alignment n=30 length: θ = 0.4 similarity: (78.3) % θ = 0.6 gaps: 277 (2.0) % Jemboss a=10 Died: Sequences too big. b=0.5 EMBOSS a=10 length: b=0.5 similarity:11620 (83.1) % gaps: 648 (4.6) % skor:

53 Percobaan Kedua Data Sekuens Human papillomavirus type 129, complete genome Human papillomavirus type 130, complete genome

54 Percobaan Kedua Data Sekuens Human papillomavirus type 129, complete genome Human papillomavirus type 130, complete genome Parameter n = 150, θ = 0.4,θ = 0.6

55 Percobaan Kedua Program Parameter Percobaan Super Pairwise Alignment n=150 length: 7507 θ = 0.4 similarity: 3687 (49.1) % θ = 0.6 gaps: 310 (4.13) % Jemboss a=100 length: 7446 b=10 similarity:3922 (52.7) % gaps: 285 (3.8) % skor: 2384

57 Penutup Kesimpulan Hasil pensejajaran dengan menggunakan algoritma Super pairwise Alignment, Necator americanus mitochondrion, complete genome dan Ancylostoma duodenale mitochondrion, complete genome diperoleh hasil similaritas sebesar 73.7%. Sedangkan tools JEmboss, yang tidak mampu melakukan proses pensejajaran terhadap pasangan sekuen ini dikarenakan memori yang dibutuhkan terlalu besar. Namun jika dibandingkan dengan Emboss maka hasil pensejajaran mendekati hasil yang diperoleh oleh tools Emboss yaitu 83.1 %. Hal ini dapat disimpulkan bahwa,

58 Penutup kebutuhan memori lebih rendah dibandingkan tools JEmboss. Pemilihan parameter dalam pensejajaran menggunakan metode SPA masih menjadi kendala. Hal ini dapat terlihat dari percobaan yang dilakukan, dimana untuk parameter n = 15, θ = 0.3,θ = 0.8 memiliki hasil pensejajaran yang berbeda dengan parameter n = 30, θ = 0.5,θ = 0.6. Sekalipun dalam Tugas Akhir ini metode untuk mengoptimalkan estimasi posisi mutasi yaitu metode regresi linear dimasukkan dalam pembuatan software.

59 Penutup Saran Ketepatan pemilihan parameter berpengaruh dalam optimalisasi hasil pensejajaran. Pada permasalahan berbeda, user harus menentukan parameter yang tepat dan tentu saja hal pemilihan banyaknya parameter menimbulkan kesulitan dan waktu cukup lama dalam proses pensejajaran. Permasalahan ini dapat diatasi dengan menggunakan modifikasi lokal pada pensejajaran sekuens

60 Terima Kasih! ya!

61 Terima Kasih! erhatiannya!

62 Terima Kasih! Atas Perhatiannya!