Kemajuan teknologi sekuensing genom utuh atau Whole Genome Sequencing (WGS) telah membuka cakrawala baru dalam praktik medis, khususnya dalam konteks diagnosis, terapi, dan pemahaman mekanisme biologis penyakit. Meskipun pendekatan awal seperti Whole Exome Sequencing (WES) sempat diharapkan mampu mengungkap dasar genetik dari sebagian besar penyakit herediter, kenyataannya hanya sebagian kecil kasus yang dapat dijelaskan dengan pendekatan terbatas ini. Perhatian ilmuwan kini beralih kepada bagian genom yang sebelumnya dianggap tidak penting, yakni wilayah non-pengode atau non-coding, yang justru mencakup sekitar 98 persen dari keseluruhan urutan DNA manusia. Di dalamnya terkandung unsur pengatur seperti promoter, enhancer, dan mikroRNA yang dapat memengaruhi ekspresi gen dan perjalanan penyakit, khususnya kanker.
Kehadiran basis data genomik berbasis WGS menjadi sangat penting dalam upaya menjembatani kompleksitas informasi genetik tersebut. Data yang terkumpul bukan hanya merepresentasikan variasi genetik individu, tetapi juga dapat membentuk fondasi dalam membangun model prediksi klinis, deteksi awal penyakit, serta pengembangan terapi presisi. Basis data genomik seperti The Cancer Genome Atlas (TCGA), Genome Aggregation Database (gnomAD), dan Pan-Cancer Analysis of Whole Genomes (PCAWG) menjadi pusat referensi penting dalam penelitian kanker, tidak hanya dalam memetakan mutasi pengode protein tetapi juga dalam menelusuri mutasi pengatur yang tersebar di wilayah non-coding.
Salah satu manfaat paling menonjol dari koleksi data WGS adalah kemampuannya untuk menggambarkan variasi genetik lintas populasi. Data ini sangat relevan dalam bidang farmakogenetika dan kedokteran presisi, karena efektivitas terapi sering kali dipengaruhi oleh latar belakang genetik individu yang berbeda. Proyek-proyek lokal seperti Thousand Polish Genomes atau inisiatif genom Asia dan Afrika memainkan peran krusial dalam melengkapi kekosongan data dari populasi yang selama ini kurang terwakili. Representasi ini sangat penting dalam menyempurnakan model prediksi poligenik atau Polygenic Risk Scores (PRS) yang sebelumnya hanya dibangun berdasarkan data genetik dari populasi Eropa.
Dalam bidang onkologi, WGS mengungguli pendekatan WES karena mampu mengidentifikasi variasi struktural, single nucleotide variant (SNV), dan insertion-deletion (indel) dalam seluruh lanskap genomik, termasuk pada wilayah regulasi gen. Penelitian terbaru telah menunjukkan bahwa sejumlah besar mutasi penggerak kanker atau *driver mutations* justru berada di luar wilayah pengode protein. Oleh karena itu, integrasi data WGS dalam panel diagnostik kanker memberikan nilai tambah yang signifikan, khususnya dalam menyesuaikan terapi dengan profil molekuler spesifik setiap pasien.
Pemanfaatan basis data genomik semakin meluas melalui integrasi dengan kecerdasan buatan (Artificial Intelligence/AI). Algoritma pembelajaran mesin (machine learning) saat ini digunakan untuk menyaring data genomik dalam skala besar guna mengidentifikasi biomarker penyakit, target terapeutik, serta respons individu terhadap obat. Misalnya, pengembangan terapi berbasis penghambat enzim poli-(ADP-ribose)-polimerase atau Poly-(ADP-ribose) polymerase inhibitors (PARPi), seperti Olaparib dan Niraparib, sangat terbantu oleh pemetaan Homologous Recombination Deficiency* (HRD) melalui tanda tangan mutasi genomik yang dianalisis dengan algoritma seperti HRDetect atau MyChoiceCDx. Pendekatan ini memungkinkan prediksi efektifitas terapi bahkan pada pasien tanpa mutasi BRCA1 atau BRCA2, yang selama ini menjadi satu-satunya penanda biologis utama.
Selain kanker, basis data genomik juga memainkan peran vital dalam penelitian penyakit infeksi. Inisiatif seperti COVID-19 Host Genetics Initiative dan COVID Human Genetic Effort membuktikan bahwa kolaborasi global dalam pengumpulan dan analisis data WGS dapat mengungkap variasi genetik yang mempengaruhi keparahan penyakit. Data yang terkumpul tidak hanya digunakan untuk memahami patogenesis, tetapi juga membuka peluang untuk personalisasi terapi dan pengembangan vaksin. Proyek lokal seperti “Search for Genomic Markers Predicting the Severity of the Response to COVID-19” di Polandia bahkan menghasilkan referensi penting untuk populasi Slavia, yang selama ini kurang terwakili dalam basis data global.
Di bidang penyakit langka, WGS terbukti memberikan dampak diagnostik yang tinggi, karena mampu mendeteksi mutasi kompleks yang tidak terjangkau oleh teknik sekuensing lainnya. Proyek seperti 100,000 Genomes Project di Inggris dan inisiatif pusat genom di Kanada dan Jepang telah menunjukkan bahwa pemanfaatan WGS dalam kerangka klinis mampu mengidentifikasi penyebab genetik dalam lebih dari sepertiga kasus penyakit langka. Hal ini membuka kemungkinan baru dalam perawatan individual dan pengembangan terapi gen berbasis mutasi spesifik.
Namun, tantangan besar masih mengadang. Infrastruktur komputasi yang diperlukan untuk mengelola dan menganalisis data WGS dalam skala besar membutuhkan investasi yang besar. Selain itu, masih terdapat kesenjangan dalam standardisasi algoritma AI, serta keterbatasan dalam validasi klinis yang dapat menghambat implementasi di dunia nyata. Kasus bias algoritma akibat pelatihan pada data tunggal atau kesalahan interpretasi hasil prediksi menunjukkan bahwa kehati-hatian dalam penerapan AI sangat diperlukan. Meski demikian, upaya kolaboratif yang melibatkan pusat penelitian, rumah sakit, dan institusi publik serta swasta di seluruh dunia semakin mempercepat laju transformasi kedokteran berbasis genom. Basis data genomik tidak lagi sekadar tempat penyimpanan data, tetapi telah menjadi infrastruktur vital dalam upaya menghadirkan pengobatan yang lebih presisi, prediktif, dan personal. Maka dari itu, integrasi WGS dalam layanan kesehatan modern bukan lagi pilihan, melainkan kebutuhan mendesak dalam era kedokteran berbasis data.
Sumber:
Leave a Reply