Mesin Pencari Serangga Vektor Virus Berbasis Analisis Jejaring Interaksi Serangga-Virus-Tanaman
Date
2023Author
Katili, Mohammad Zulkifli
Herdiyeni, Yeni
Hardhienata, Medria Kusuma Dewi
Metadata
Show full item recordAbstract
Identifikasi serangga vektor penting untuk mencegah penyebaran virus pada tanaman. Menurut penelitian terdahulu 80% faktor penyebab virus masuk ke dalam tanaman adalah serangga vektor. Namun identifikasi serangga vektor secara langsung seringkali sulit dilakukan karena serangga vektor memiliki banyak inang, metode deteksi yang terbatas, dan memerlukan biaya serta keahlian khusus untuk PCR. Disisi lain saat ini, ada sebuah sumber data bernama Global Biotic Interaction (GloBI).GloBI memberikan peluang baru untuk melakukan identifikasi serangga vektor secara tidak langsung dengan memanfaatkan data interaksi organisme yang telah tersedia. Penelitian ini bertujuan untuk membangun mesin pencari serangga vektor yang dapat: (1) membangun graf interaksi serangga, virus, dan tanaman dari GloBI; (2) mengidentifikasi serangga vektor menggunakan analisis jejaring; dan (3) mengumpulkan informasi detail terkait serangga vektor teridentifikasi.
Penelitian dimulai dengan memanfaatkan data GloBI untuk membangun graf pengetahuan yang menggambarkan hubungan kompleks antara serangga, virus, dan tanaman. Kemudian dilanjutkan dengan identifikasi serangga vektor melalui dua pendekatan analisis jejaring: (1) analisis interaksi, dan (2) analisis taksonomi. Analisis interaksi akan menggunakan Targeted Node Centric - Degree Centrality (TNC-DC), sebuah usulan kebaruan dalam bentuk modifikasi rumus Degree Centrality orisinal yang telah disesuaikan agar dapat mengidentifikasi node sentral sekaligus memastikan adanya koneksi node sentral ke suatu node target (virus). Analisis taksonomi akan menggunakan teknik entity embedding RDF2Vec untuk mengubah data taksonomi menjadi vektor (numerik), dan Euclidean distance sebagai metode pengukuran kedekatan taksonomi di dalam ruang vektor (numerik) tersebut. Kombinasi kedua pendekatan analisis direpresentasikan dalam bentuk skor akhir. Semakin tinggi skor akhir, semakin besar potensi serangga tersebut sebagai vektor virus. Setelah serangga vektor potensial diperoleh, setiap serangga dihubungkan dengan graf pengetahuan lain untuk mendapatkan informasi yang lebih detail tentang serangga.
Penelitian ini memilih Pepper Yellow Leaf Curl Virus (PYLCV) sebagai contoh virus yang akan dicarikan serangga vektornya. Pada hasil penelitian, sebuah graf interaksi PYLCV berhasil dibangun dengan mengakses GloBI sebagai sumber data. Hasil analisis menunjukan serangga Bemisia Tabaci sebagai vektor dari PYLCV. Metode TNC-DC yang diusulkan pada analisis interaksi berhasil menghilangkan dominasi serangga lebah pada hasil analisis yang diperoleh. Dominasi serangga lebah tidak tidak diinginkan karena lebah hanya berperan sebagai polinator dibanyak tanaman namun tidak memiliki hubungan dengan virus. Selain itu virus lain juga telah di analisis dan ditampilkan hasilnya pada tahap pengujian. Hasil pengujian menunjukan nilai presisi yang terus meningkat jika rentang urutan serangga diperbesar. Misalnya pada rentang 3 serangga pertama diperoleh presisi sebesar 0,78; pada rentang 5 serangga pertama diperoleh presisi sebesar 0,80; dan pada rentang 10 serangga pertama diperoleh presisi sebesar 0,88. Hal tersebut menunjukan bahwa serangga vektor telah diperoleh di dalam graf namun masih terkendala pada teknik pengurutan saja. Sementara itu, informasi detail tentang serangga vektor yang berhasil diperoleh adalah nama umum serangga pada beberapa bahasa, foto, deskripsi, musuh alami, kerabat spesies lain, dan publikasi relevan terkait.
Penelitian ini telah menghasilkan mesin pencari serangga vektor virus yang dapat menerapkan tiga fitur utama yaitu pembangunan graf interaksi, analisis jejaring, dan pengumpulan informasi detail tentang serangga. Mesin pencari tersebut dapat diakses melalui tautan https://ipb.link/vektorpedia. Semua informasi yang dihasilkan memungkinkan para peneliti untuk memahami dinamika kompleks antara serangga vektor, tanaman inang, dan virus yang ditularkan, sehingga memungkinkan pengembangan strategi pengendalian yang lebih efektif dan efisien kedepannya. Dengan menggunakan mesin pencari serangga vektor virus tanaman ini, diharapkan dapat membantu dalam identifikasi serangga vektor secara efisien dan akurat.