By Mediasembilan.com 
Nama Penulis : Khoeri abdul azis
Diabetes melitus bukan sekadar penyakit gula biasa. Kondisi ini muncul ketika tubuh tidak lagi mampu mengatur kadar gula darah secara normal, terutama akibat gangguan produksi atau fungsi hormon insulin. Namun tahukah Anda, bahwa di balik penyakit ini ada peran penting dari gen-gen dalam tubuh kita?
Dengan kemajuan teknologi, kini para ilmuwan dapat meneliti ribuan gen manusia sekaligus menggunakan teknologi yang disebut microarray. Seperti menyalakan dan mematikan ribuan saklar listrik, teknologi ini memungkinkan kita melihat gen mana yang “aktif” atau “diam” dalam kondisi tertentu, seperti obesitas atau diabetes. Salah satu tantangan terbesar adalah bagaimana menyaring dan menemukan gen-gen yang benar-benar penting dari sekian banyak data tersebut.
Untuk menjawab tantangan itu, tim peneliti dari Universitas Pamulang mengembangkan sebuah metode baru yang disebut Three-Phase Biclustering. Metode ini bertujuan mengelompokkan gen dan kondisi tubuh secara bersamaan agar dapat ditemukan pola hubungan tersembunyi di antara keduanya. Teknik ini bekerja dalam tiga tahap:
1. Penyederhanaan Data
Langkah pertama menggunakan metode matematika canggih bernama Singular Value Decomposition (SVD) untuk menyederhanakan data besar menjadi lebih fokus dan mudah dianalisis.
2. Pengelompokan Gen dan Kondisi
Kemudian dilakukan pengelompokan menggunakan algoritma Partition Around Medoids (PAM), untuk memetakan gen dan kondisi tubuh (seperti gemuk atau kurus) yang memiliki pola ekspresi mirip.
3. Evaluasi Kekuatan Hubungan
Tahap terakhir adalah mengevaluasi kekuatan hubungan gen dan kondisi menggunakan algoritma lift yang dimodifikasi, untuk mengukur korelasi gen dengan kondisi diabetes.
Hasilnya sangat menjanjikan. Dari ribuan data ekspresi gen pada pasien diabetes dan non-diabetes, ditemukan tiga kelompok utama gen (disebut δ-corbicluster) yang memiliki korelasi kuat dengan kondisi pasien. Misalnya, salah satu kelompok gen menunjukkan pola ekspresi yang erat dengan wanita gemuk yang menderita diabetes namun rutin melakukan kontrol kesehatan. Ini menunjukkan bahwa pengelolaan yang baik dapat mengubah aktivitas gen yang terlibat dalam diabetes.
Harapan Baru untuk Dunia Medis
Temuan ini tidak hanya memperluas pemahaman kita tentang penyebab genetik diabetes, tetapi juga membuka jalan bagi deteksi dini, pengembangan terapi genetik, dan pengobatan yang lebih personal. Dalam jangka panjang, analisis seperti ini dapat membantu dokter memahami risiko seseorang terkena diabetes hanya dari data genetiknya.
Tentu saja, penelitian ini masih terus berkembang. Para peneliti menyarankan agar metode ini nantinya juga mempertimbangkan data klinis seperti tekanan darah, pola makan, dan riwayat keluarga, agar hasilnya semakin akurat.
Dengan memadukan teknologi data, genetika, dan pemahaman medis, penelitian ini menjadi contoh bagaimana ilmu pengetahuan dapat memberikan solusi nyata bagi masalah kesehatan masyarakat.
Temuan ini tidak hanya memperluas pemahaman kita tentang penyebab genetik diabetes, tetapi juga membuka jalan bagi deteksi dini, pengembangan terapi genetik, dan pengobatan yang lebih personal. Dalam jangka panjang, analisis seperti ini dapat membantu dokter memahami risiko seseorang terkena diabetes hanya dari data genetiknya.
Tentu saja, penelitian ini masih terus berkembang. Para peneliti menyarankan agar metode ini nantinya juga mempertimbangkan data klinis seperti tekanan darah, pola makan, dan riwayat keluarga, agar hasilnya semakin akurat.
Dengan memadukan teknologi data, genetika, dan pemahaman medis, penelitian ini menjadi contoh bagaimana ilmu pengetahuan dapat memberikan solusi nyata bagi masalah kesehatan masyarakat.
metode yang digunakan three-phase biclustering Three-Phase Biclustering : Pendekatan Matematis
Metode ini terdiri dari tiga tahap utama:
- Reduksi Dimensi dengan SVD (Singular Value Decomposition)
Tujuan nya untuk mengubah matriks ekspresi gen mentah menjadi representasi yang lebih padat, tanpa kehilangan informasi penting.
- Teori SVD
Diberikan sebuah matriks ekspresi gen berukuran maka SVD adalah :
- Klasterisasi dengan PAM (Partition Around Medoids)
Mengelompokkan gen dan kondisi berdasarkan kedekatan pola ekspresi.
Teori PAM :
PAM mengelompokkan data ke dalam klaster menggunakan pusat klaster (medoid) dan jarak Euclidean.
- Evaluasi dan Refinement dengan Modified Lift Algorithm
Mengevaluasi seberapa “terkait” gen dan kondisi dalam bicluster, dengan ukuran korelasi residu.
Kemudian, total residu hitung :
Semakin kecil R (B), maka bicluster semakin “terkorelasi”
Refinement / Perbaikan:
- Jika bisa diturunkan:
Lakukan node deletion → hilangkan gen atau sampel satu per satu untuk menurunkan residue - Jika terlalu kecil:
Lakukan node addition → tambahkan node ke arah korelasi positif
Contoh Simulasi (Ilustratif)
Misal submatriks ekspresi gen (3 gen, 3 sampel):
Kesimpulan:
Metode Three-Phase Biclustering menggabungkan:
- Reduksi dimensi (SVD) → menyaring sinyal penting,
- Klasterisasi (PAM) → membentuk kandidat bicluster awal,
- Evaluasi korelasi (residue dengan lift algorithm) → memilih yang paling bermakna secara biologis.
Metode ini kuat dalam mengungkap pola tersembunyi antara gen dan kondisi, terutama dalam penyakit kompleks seperti diabetes.