Hasil Pencarian  ::  Simpan CSV :: Kembali

Abstrak :
Virus dengue merupakan virus RNA positif rantai tunggal yang memiliki bentuk antigenik yang kompleks diantara Famili Flaviviridae. Virus dengue merupakan penyebab demam berdarah yang telah banyak menyebabkan kematian di daerah tropik seperti di Indonesia, Thailand, Amerika Tengah dan Amerika Latin. Faktor virus merupakan salah satu penyebab terjadinya keparahan dengue. Dengue tipe 3 merupakan tipe yang dominan di Indonesia dan memiliki keterkaitan dengan kasus serangan dengue yang lebih berat. Sekuens lengkap nukleotida genom virus dengue tipe 3 masih sangat terbatas. Data yang cukup banyak diperlukan untuk lebih memahami penyakit ini terutama pada virus dengue tipe 3. Penelitian ini bertujuan untuk mendapatkan sekuens lengkap genom RNA genom virus dengue tipe 3 strain 00331/94 Thailand. Penelitian merupakan bagian dari penelitian kloning sekuens utuh nukleotida genom virus dengue tipe 3. Genom strain CO331/94 diamplifikasi langsung dari plasma penderita DHF dengan PCR. Produk PCR disekuensing untuk mendapatkan sekuens lengkap, kemudian dibandingkan dengan virus dengue tipe 3 yang lain (C0360/94, CH53489, H87, 80-2/Guangxi) untuk melihat perbedaan nukleotida dan asam amino diantara virus dengue tipe 3. Strain CO331/94 terdiri dari 10.707 nukleotida. Pengelompokan nukleotida berdasar protein yang dibuatnya dibagi menjadi C, PreM, M, E (struktural) dan NSI, NS2A, NS2B1 NS3, NS4A, NS413, NS5 (non-struktural). Dari perbandingan nukleotida dan asam amino didapat perbedaan dibeberapa daerah genom maupun asam amino sepanjang nukleotida. Kodon AUG pertama strain CO331/94 Thailand berada di posisi nukleotida ke 95. Penelitian ini penting karena dapat menjadi data awal penelitian dengue selanjutnya. Penelitian-penelitian mengenai genom dan ekspresi protein serta fungsi-fungsinya dapat diperkirakan dengan bantuan komputer. Diharapkan perbandingan hasil penelitian dari virus dengue tipe 3 ini dapat digunakan untuk memandu arah penelitian selanjutnya dan memberikan kontribusi untuk memecahkan permasalahan penyakit dengue pada umumnya.

Abstrak :
Diabetik retinopati adalah komplikasi dari penyakit diabetes yang dapat mengakibatkan gangguan penglihatan bahkan kebutaan. Penyakit ini menjadi tidak dapat disembuhkan jika telah melewati fase tertentu, sehingga diagnosa sedini mungkin menjadi sangat penting. Namun, diagnosa oleh dokter mata memerlukan biaya dan waktu yang cukup besar. Oleh karena itu, telah dilakukan upaya untuk meningkatkan efisiensi kerja dokter mata dengan bantuan komputer. Deep learning merupakan sebuah metode yang banyak digunakan untuk menyelesaikan masalah ini. Salah satu arsitektur deep learning yang memiliki performa terbaik adalah residual network. Metode ini memiliki kelebihan dalam menghindari masalah degradasi akurasi, sehingga memungkinkan penggunaan jaringan yang dalam. Di sisi lain, metode persistent homology juga telah banyak berkembang dan diaplikasikan pada berbagai masalah. Metode ini berfokus pada informasi topologi yang terdapat pada data. Informasi topologi ini berbeda dengan representasi data yang didapatkan dari model residual network. Penelitian ini melakukan analisis terhadap penerapan persistent homology pada kerangka kerja residual network dalam permasalahan klasifikasi diabetik retinopati. Dalam studi ini, dilakukan eksperimen berkaitan dengan informasi topologi dan proses pengolahannya. Informasi topologi ini direpresentasikan dengan betti curve atau persistence image. Sementara itu, pada proses pengolahannya dilakukan ujicoba pada kanal citra, metode normalisasi, dan layer tambahan. Hasil eksperimen yang telah dilakukan adalah penerapan persistent homology pada kerangka kerja residual network dapat meningkatkan hasil klasifikasi penyakit diabetik retinopati. Selain itu, penggunaan betti curve dari kanal merah sebuah citra sebagai representasi informasi topologi memberikan hasil terbaik dengan skor kappa 0.829 pada data test. ......Diabetic retinopathy is a complication of diabetes which can result in visual disturbance and even blindness. This disease becomes incurable after reaching certain phases, thus immidiate diagnosis is highly important. However, diagnosis by a professional ophthalmologist requires a great amount of time and cost. Therefore, efforts to increase the work efficiency of ophthalmologists using computer system has been done. Deep learning is a method that widely used to solve this particular problem. Residual network is one of deep learning architecture which has the best performance. The main advantage of residual network is its ability to prevent accuracy degradation, thus enabling the model to go deeper. On the other hand, persistent homology is also rapidly developing and applied in various fields. This method focus on the topological information of the data. This information are different with the data representation that extracted by neural network model. This study analyze the incorporation of persistent homology to residual networks framework for diabetic retinopati classification. In this study, experiments regarding about topological information and its process were carried out. The topological information is represented as betti curve or persistence image. Meanwhile, the experiments are analyzing the impact of image colour channel, normalization method, and additional layer. According to the experiments, application of persistent homology on residual network framework could improve the outcome of diabetic retinopathy classification. Moreover, the application of betti curve from the red channel as a representation of topological information has the best outcome with kappa score of 0.829.

Abstrak :
This book presents the solution of a long-standing problem concerning the stable module category (of not necessarily finite dimensional representations) of a finite group. The proof draws on commutative algebra, cohomology of groups and stable homotopy theory. The unifying theme is a notion of support which provides a geometric approach for studying various algebraic structures.

Abstrak :
Kanker mulut rahim merupakan kanker yang menempati urutan kedua di dunia dan pertama di negara berkembang, termasuk di Indonesia. Insidensi kanker ini diketahui memiliki keterkaitan yang erat dengan infeksi Human Papillomavirus (HPV). Tipe HPV sendiri berdasarkan kemampuannya dalam menginduksi kanker mulut rahim digolongkan menjadi low-risk dan high-risk HPV. Di Indonesia, tipe HPV yang bersifat high-risk adalah tipe 16, 18, dan 52. Untuk menekan insidensi kanker mulut rahim di Indonesia, perlu dirancang vaksin chimeric Virus-Like Particle (cVLP) yang bersifat polyvalent dengan cara mensubstitusikan epitope dari protein L1 HPV-18 dan -52 pada backbone protein L1 HPV-16. Prediksi epitope T-cell dilakukan melalui server MULTIPRED, sedangkan untuk epitope B-cell dilakukan melalui server Conformational Epitope Prediction (CEP). Dari prediksi epitope T-cell dan B-cell, didapatkan empat rancangan sekuen vaksin yang dari pengujian similaritas sekuen terhadap protein L1 HPV-16 native melalui BLAST, keempatnya menghasilkan 96% identity. Keempat sekuen vaksin kemudian diprediksi struktur tersiernya melalui homology modelling dengan menggunakan viewer molekuler DeepView/Swiss-Pdb Viewer 3.7 dan server Swiss-Model. Struktur hasil homology modelling kemudian dievaluasi melalui Ramachandran Plot. Hasil evaluasi menunjukkan kualitas keempat struktur vaksin baik, sehingga kemudian keempat struktur vaksin diuji similaritas struktur tersiernya dengan protein L1 HPV native pada database Protein Data Bank (PDB) melalui VAST. Hasil VAST menunjukkan bahwa keempat vaksin memiliki nilai RMSD yang sama yakni 0,1 ?; sehingga dapat dikatakan keempat vaksin secara struktural sama dengan protein L1 HPV-16 native.

Abstrak :
ABSTRAK Diabetes merupakan penyakit yang dikarakterisasi dengan meningkatnya kadar gula darah yang yang diakibatkan defisiensi insulin, resistensi insulin atau keduanya. Pengobatan diabetes berfokus pada insulin, dimana efikasinya dapat berkurang seiring penyakit berprogresi. Golongan penghambat Sodium-Glucose Linked Transporter 2 (SGLT2) merupakan golongan obat diabetes baru dengan mekanisme pengaturan kadar glukosa darah independent dari insulin, ditambah khasiat menurunkan resiko kardiovaskular dan berat badan. Fakultas Farmasi Universitas Indonesia berkontribusi dalam pengembangan golongan obat ini dengan metode in silico melalui penapisan virtual berbasis ligan berdasarkan gugus farmakofor dari pangkalan data tanaman herbal Indonesia, dan penapisan virtual berbasis struktur dengan model homologi hSGLT2 dari pangkalan data ZINC15. Hasil penapisan virtual tersebut dilakukan identifikasi lebih lanjut dengan simulasi dinamika molekuler selama 20 nanodetik untuk memperoleh perkiraan yang paling mendekati kondisi eksperimental. Sebelum simulasi, dilakukan pemerolehan model interaksi pada hasil penapisan virtual berbasis ligan dilakukan dengan penambatan molekuler dengan AutoDock terhadap makromolekul hasil pemodelan homologi dari SWISSMODEL. Interaksi ligan-reseptor dilihat dari interaksi hidrogen dan energi bebas ikatan ligan dibandingkan kontrol positif dengan MM/PB(GB)SA. Hasil studi dinamika molekuler menunjukkan empat senyawa dengan ∆G MM/PB(GB)SA lebih kecil dibanding kontrol positif, diantaranya zinc000146809581, cucumerin A, zinc000038175116, dan zinc000095913941 dengan jumlah ikatan hidrogen yang lebih banyak atau dapat bersaing dengan kontrol positif.

---

ABSTRACT Diabetes is a non-communicable disease that is characterized by the rising of blood glucose due to deficiency of insulin, insulin resistance, or both. Pharmacological treatment of diabetes mainly focuses on insulin, which decreases in efficacy once the disease progresses. SGLT2 inhibitors are diabetic treatments available in recent years with blood glucose control mechanism independent from insulin. Two in silico research were done in Faculty of Pharmacy from Universitas Indonesia to find more compounds of potential SGLT2 inhibition action by virtual screening of ligand based on Indonesian Herbal Database, dan of structure-based on the ZINC herbal database. In this study, the docked interaction models of the compounds acquired from those two virtual screening methods are analyzed for their ligand-receptor interactions by 20 nanoseconds of molecular dynamic simulations, with the ligand-based virtual screening results were first docked with macromolecule from homology modelling. The ligand-receptor interactions are observed by its calculated binding free energy and their hydrogen interactions with the protein, compared with known drugs of SGLT2 inhibitors as positive controls. The result of this study has shown four compounds with lower ∆G MM/PB(GB)SA than the positive controls, cucumerin A, zinc000146809581, zinc000038175116, and zinc000095913941 with more or comparable hydrogen interactions with positive controls.