PEMODELAN STOKASTIK REGULASI GEN DALAM MERESPON GRADED HYPOXIA DENGAN CONTINUOUS-TIME MARKOV CHAIN

Putu Indah Ciptayani, Dr.-Ing. MHD. Reza M.I. Pulungan, S.Si., M.Sc

2012 | Tesis | S2 Ilmu Komputer

Hipoksia merupakan kondisi patologi dimana tubuh secara keseluruhan atau sebagian mengalami kekurangan oksigen. Hypoxia inducible factor (HIF) adalah protein utama yang terlibat dalam adaptasi terhadap tekanan oksigen yang rendah. Terdapat 2 buah sensor oksigen yaitu prolyl hydroxylase (PHD) dan factor inhibitting HIF (FIH). Dalam penelitian ini digunakan pemodelan stokastik untuk memodelkan regulasi gen pada graded hypoxia. Tujuan penelitian ini adalah mengkaji pemodelan stokastik untuk pemodelan regulasi gen pada graded hypoxia. Dengan pemodelan ini diharapkan karakteristik dari sistem meliputi pengaruh perubahan tekanan oksigen terhadap protein HIF dan peranan sensor oksigen FIH dapat diamati. Pemodelan stokastik yang digunakan dalam penelitian ini adalah continuous-time Markov chain (CTMC), dimana jumlah molekular spesies yang terlibat pada suatu waktu dinyatakan sebagai sebuah state dan transisi dari satu state ke state lainnya terjadi melalui reaksi biokimia yang bisa diambil dengan rate tertentu. Dengan model ini bisa dilakukan analisis transient untuk mengetahui jumlah setiap molekular spesies pada waktu tertentu dengan probabilitas tertentu. Model yang telah dibangun menunjukkan bahwa kenaikan derajat tekanan oksigen mengakibatkan penurunan HIF. Model juga mampu menunjukkan peranan FIH. Model mampu mengelompokkan 21 gen dengan benar dari 25 gen yang diobservasi. Hasil tersebut menunjukkan bahwa penggunaan pemodelan stokastik dalam memodelkan regulasi gen pada graded hypoxia dapat berjalan sinergis dengan percobaan biologi dalam rangka memperkuat pemahaman tentang jalur regulasi gen pada hipoksia.

Hypoxia is a pathological condition in which a whole or a region of the body is deprived of adequate oxygen supply. Hypoxia inducible factor (HIF) is a main protein involved in adaptation to low oxygen pressure. There are two oxygen sensors, prolyl hydroxylase (PHD) and factor inhibitting HIF (FIH). This research use stochastic modelling to model gene regulation on graded hypoxia. The purpose of this research is to assess stochastic modelling to model gene regulation in graded hypoxia. Through this model, we can investigate the effect of oxygen pressure changing on HIF and the role of oxygen sensor FIH. Continuous-time Markov chain (CTMC) is used as a stochastic model here, in which the number of biological species involved at current time is expressed as a state and the transition from one state to another is taken through a reaction with certain rate. By this model, we can do transient analysis of the amount biological species at any given time with certain probability. The model has been constructed show that the decrease amount of HIF is resulted in increase of oxygen pressure. The model also able to demonstrate the role of FIH. Model is able to correctly classify 21 of the 25 genes that are observed. These resultsindicate that the use of stochastic modeling in a model of gene regulation in the graded hypoxia can synergize with biological experiments in order to strengthen the understanding of gene regulation pathway in hypoxia.

Kata Kunci : pemodelan stokastik, hipoksia, continuous-time Markov chain (CTMC), HIF, FIH, stochastic hybrid model.