Prediksi Struktur 2-Dimensi non-coding RNA dari Biomarker Kanker Payudara Triple-Negative dengan Vienna RNA Package

1.Abstract

Berdasarkan data WHO, kanker adalah penyakit yang paling berbahaya. Sekarang, peneliti sedang berusaha memahami mekanisme molekuler kanker. Berdasarkan dogma sentral, hanya protein coding gene yang diketahui fungsinya, sementara non coding gene belum dapat dijelaskan. Kemudian, diketahui bahwa non-coding RNA (ncRNA) berperan dominan dalam regulasi molekuler sel, sehingga berpengaruh secara langsung kepada proliferasi kanker. Dalam hal ini, instrumen RNA-seq maupun Tiling Array sudah mengumpulkan banyak data biologis dan mendeposisikannya kepada database genom. Diketahui bahwa, ncRNA tidak hanya dapat berperan sebagai biomarker untuk diagnostik kanker, namun juga akan dapat dikembangkan sebagai agen terapetik. Kanker payudara memiliki 4 subtipe molekuler, yaitu luminal A, luminal B, Her-2 and triple negative/basal-like. Kanker Payudara Triple-negative (TNBC) merupakan penyakit yang sangat berbahaya dan belum ditemukan pengobatan yang efektif. Memahami mekanisme dan struktur ncRNA pada Biomarker TNBC merupakan langkah awal untuk menentukan agen terapetik dan propilaksis terbaik. Diketahui bahwa jalur ekspresi lincRNA-RoR/miR-145/ARF6 berperan dalam proliferasi TNBC. Berdasarkan pencarian di GenBank, ditemukan lema-lema ncRNA untuk jalur tersebut. Hasil pencarian diolah dengan software Vienna RNA Package, untuk ditentukan struktur 2 dimensi (2-D) yang solid. Kedepannya, diharapkan dengan mencegah terbentuknya struktur 2-D tersebut, maka kesemua gen tersebut akan menjadi tidak aktif dan menghentikan proliferasi kanker.

2.Keywords
Vienna RNA Package, Triple Negative Breast Cancer (TNBC), ncRNA, Struktur 2-D, Biomarker
3.Objective

Memahami mekanisme dan struktur ncRNA pada Biomarker TNBC merupakan langkah awal untuk menentukan agen terapetik dan propilaksis terbaik. Tujuan penelitian ini adalah menyelidiki struktur 2-D dan fungsi ncRNA dari Biomarker TNBC dengan bantuan aplikasi Vienna RNA Package sebagai informasi awal untuk pengembangan agen terapetik dan propilaksis.

4.Methodology

Pencarian dan pengunduhan lema terkait jalur ekspresi lincRNA-RoR/miR-145/ARF6 berbasis protein dan ncRNA dilakukan pada situs genbank/NCBI pada http://www.ncbi.nlm.nih.gov/. Jika setiap ncRNA atau mRNA memiliki banyak lema, maka akan dilakukan multiple sequence alignment (MSA) untuk mencari conserved region. Jika hanya lema tunggal, maka MSA tidak dilakukan. Kemudian, data FASTA ncRNA atau mRNA dimasukkan kepada aplikasi Vienna RNA Package berbasis web di http://rna.tbi.univie.ac.at. Tools yang digunakan secara berurutan adalah RNAfold untuk prediksi struktur 2-D bagi miR-145 dan linRNA-ROR, Barrier server untuk memahami kinetika pelipatan RNA pada miR-145 dan linRNA-ROR, RNAup untuk prediksi interaksi antara miR-145 dan lincRNA-ROR dan RNAxs untuk desain siRNA �gene knock down� untuk merepresi linRNA-ROR dan mRNA dari ARF6. Semua tools menggunakan parameter default. Verfikasi desain sekuens siRNA dilakukan dengan BLAST, untuk menentukan fungsi gen. Langkah terakhir adalah analisis hasil pengolahan data secara termodinamika dan kinetika kimia, untuk menentukan struktur dan fungsi dari ncRNA atau mRNA.

5.Team

1) Dr.rer.nat Arli Aditya Parikesit: Dosen STAI ALHIKMAH Jakarta
2) dr. Dito Anurogo: Mahasiswa Pascasarjana Biomedik FK-UGM, dan Praktisi Medis di Puskesmas Jetis Yogyakarta

6.Computation plan (required processor core hours, data storage, software, etc)

Kami memerlukan data storage sekitar 1 TB.
Software yang diperlukan untuk pekerjaan kami adalah:

Vienna RNA Package 2: http://www.tbi.univie.ac.at/RNA/
Software ini digunakan untuk memprediksi struktur dan reaktivitas RNA dan pelipatannya (folding)

HMMER: http://hmmer.org/
Software ini digunakan untuk memprediksi protein domain

PFAMSCAN: ftp://ftp.ebi.ac.uk/pub/databases/Pfam/Tools/
Software ini digunakan untuk memprediksi protein domain

Domain Model PFAM: -> Mengunduh semua file di ftp://ftp.ebi.ac.uk/pub/databases/Pfam/current_release/
Situs ini menyediakan domain model HMM untuk aplikasi HMMER dan PFAMSCAN

DOMOSAIC: http://www.domosaics.net/
Aplikasi ini adalah GUI front end untuk PFAMSCAN dan HMMER

AUGUSTUS: http://bioinf.uni-greifswald.de/augustus/downloads/
Aplikasi ini berguna untuk memprediksi struktur dan fungsi gen yang belum diketahui (baru)

7.Source of funding
DIKTIS-POSFI/4/2016 Kemenag
8.Target/outputs
Publikasi pada jurnal nasional terakreditas LIPI/DIKTI
9.Date of usage
20/06/2016 - 20/06/2017
10.Gpu usage
use gpu
11.Supporting files
prop_1466401180.pdf
12.Created at
20/06/2016
13.Approval status
approved