| dc.description.abstract | Diabetes Melitus merupakan penyakit yang kompleks dengan berbagai tingkat komplikasi sistemik. Interaksi protein dapat memberikan lebih banyak informasi jika dilengkapi dengan interaksi protein terhadap Gen Ontologi (GO). Clustering PPI merupakan salah satu metode komputasi yang ditawarkan untuk mengidentifikasi protein-protein yang berpengaruh terhadap Diabetes Melitus tipe 2. Selain itu, teknik clustering merupakan salah satu metode yang dapat digunakan dalam menemukan protein pelengkap sehingga menemukan obat menjadi lebih mudah. Salah satu algoritme fuzzy clustering berbasis graf ialah fuzzy k-partite clustering. Algoritme ini dibangun untuk menyelesaikan masalah data jaringan biologis yang memiliki lebih dari satu fungsi dan terdapat pada lebih dari satu cluster.
Penelitian sebelumnya mengidentifikasi protein-protein signifikan yang berasosiasi dengan penyakit Diabetes Melitus tipe 2 menggunakan analisis topologi jaringan interaksi protein yang hasilnya menunjukkan bahwa terdapat 21 protein signifikan yang berasosiasi dengan Diabetes Melitus (DM) tipe 2. Penelitian lainnya mengurai mekanisme jamu menggunakan metode fuzzy k-partite graph clustering pada jejaring senyawa-protein-penyakit, ditemukan senyawa utama dari bratawali dan jahe memiliki aktivitas berbeda pada mekanisme kerja jamu diabetes tipe 2 dan terdapat tiga gerombol protein yang memiliki peran yang sama dalam mengatasi penyakit DM tipe 2. Hasil penelitian ini mengungkapkan bahwa metode fuzzy k-partite clustering mampu menyelesaikan masalah data jaringan biologi. Hal ini menunjukkan bahwa pendekatan dengan fuzzy k-partite mampu diterapkan pada data jaringan biologi yang diketahui lebih dari satu cluster dan saling overlapping.
Data interaksi protein DM tipe 2 dengan cellular component memiliki hubungan satu sama lain. Jumlah interaksi kurang memberikan informasi untuk penelitian lanjutan dalam pencarian obat multitarget dan prediksi akan kemungkinan munculnya penyakit baru. Oleh karena itu, diperlukan pembentukan jaringan yang memuat hubungannya dalam skala yang lebih kompleks menggunakan Fuzzy K-Partite Clustering. Jaringan ini disebut sebagai jaringan backbone karena memuat protein/gen yang memiliki interaksi signifikan dengan banyak pasangan protein/gen lainnya. Tujuan dari penelitian ini adalah mendeteksi keberadaan hubungan protein penyakit DM tipe 2 dengan GO cellular component yang direpresentasikan dalam bentuk jaringan backbone protein DM tipe 2 dengan GO cellular component. Penelitian ini telah dilakukan dengan beberapa tahapan yaitu data protein DM tipe 2, pencarian protein signifikan clustering MCL yang menghasilkan data protein kompleks DM tipe 2, penambangan cellular component di web database Uniprot, konstruksi adjacency matrix, pembentukan jaringan bipartite dengan Fuzzy k-Partite Clustering, dan analisis cluster. Penerapan algoritme Fuzzy K-Partite pada clustering data PPI penyakit dan cellular component dapat digunakan
untuk mendapatkan jaringan backbone yang merepresentasikan jaringan inti pada penyakit DM tipe 2 terhadap cellular component-nya. Jaringan backbone yang dihasilkan memuat protein signifikan yang berasosiasi dengan penyakit DM tipe 2. Hal ini merepresentasikan bahwa hasil output penggunaan algoritme adalah jaringan yang dapat memberikan informasi proses biologi pada penyakit DM tipe 2. Jika bobot keterhubungan antar-cluster bernilai tinggi, maka bisa dipastikan nilai derajat keanggotaan pada cluster bernilai rendah dan anggota cluster berjumlah sedikit. Sebaliknya, jika bobot keterhubungan antar-cluster bernilai rendah maka derajat keanggotaan cluster bernilai tinggi dan anggota cluster berjumlah banyak. Dengan kata lain, nilai derajat keanggotaan pada hasil penerapan algoritme ini berbanding terbalik dengan nilai keterhubungan antar-cluster. | id |
