Metagenomik kini tengah menjadi tren yang berkembang pesat. Dengan kemajuan pesat dalam teknologi sekuensing, banyak peneliti tertarik untuk mengeksplorasi berbagai komunitas mikroba di lingkungan, terutama bakteri, yang belum sepenuhnya terungkap karena keterbatasan teknik kultivasi konvensional. Pendekatan metagenomik memungkinkan sekuensing seluruh materi genetik bakteri di lingkungan, memungkinkan pemahaman menyeluruh tentang profil komunitas bakteri dari segi taksonomi dan fungsi yang dilakukan oleh komunitas tersebut dalam lingkungan mereka.

Di antara metode metagenomik yang tersedia, metode amplikon 16s rRNA menjadi salah satu yang paling banyak digunakan oleh peneliti untuk mengungkap profil komunitas bakteri di lingkungan. Tidak hanya karena biayanya yang lebih ekonomis dibandingkan metode lainnya seperti Whole genome sequencing, Shotgun Sequencing, atau RNA sequencing, metode ini juga efektif dalam menentukan profil taksonomi komunitas bakteri hingga tingkat genus. Biaya sekuensing amplikon 16s rRNA saat ini berkisar antara 3 hingga 5 juta rupiah per sampel, tergantung pada jenis sekuensing (single-end atau paired-end), region amplikon yang digunakan (misalnya V4, V3-V4, V4-V5, dll.), platform sekuensing (Illumina, MGI, atau Ion Torrent), dan juga adanya diskon ?.

Meskipun biaya sekuensing ini sekarang lebih terjangkau dibandingkan dulu, beberapa peneliti, terutama di Indonesia, mungkin masih ada yang menganggapnya ‘lumayan mahal’. Namun, meskipun begitu, sayangnya banyak peneliti yang hanya memanfaatkan data sekuens untuk melihat profil taksonomi dari komunitas bakterinya saja. Padahal, data sekuens amplikon 16s rRNA dapat dieksplorasi lebih lanjut menggunakan berbagai tool bioinformatik yang akan dijelaskan berikut ini. Meskipun hasil yang dihasilkan bersifat prediktif, tool-tool ini telah banyak digunakan oleh peneliti dari negara lain, tetapi sayangnya, masih sedikit yang mengadopsinya atau bahkan sekedar tahu mengenai keberadaannya di Indonesia.

Berikut adalah beberapa tool bioinformatik yang dapat digunakan untuk mengeksplorasi data amplikon 16s rRNA lebih lanjut:

1. PICRUSt2

Phylogenetic Investigation of Communities by Reconstruction of Unobserved States atau PICRUSt adalah tool bioinformatik berbasis command line yang berguna untuk memprediksi functional profile berdasarkan suatu marker gene sequences. Function di sini terutama merujuk pada gene families seperti KEGG orthologs (KO) dan Enzyme Classification numbers (EC), di mana dari data KO dan EC ini nanti bisa kita peroleh juga prediksi pathway yang terjadi di dalam komunitas bakteri sampel kita.

Dalam menggunakan tool ini kita hanya perlu menyiapkan dua input file, yaitu berupa file FASTA dan OTU BIOM table. Bagi peneliti yang menggunakan QIIME2 untuk analisis diversitas komunitas bakterinya, dapat memanfaatkan fitur qiime tools export dari file feature-sequences dan feature-table untuk memperoleh dua file input PICRUSt2 tersebut. Jika dua file tersebut telah disiapkan, analisis selanjutnya tinggal mengikuti script yang telah disediakan secara default oleh PICRUSt2 yang dapat diakses pada halaman github berikut.

Dapat dikatakan, PICRUSt2 ini adalah tool yang paling popular untuk analisis functional profile dari suatu komunitas bakteri. Dilansir dari jumlah sitasi google scholarnya, PICRUSt2 for prediction of metagenome functions, telah disitasi sebanyak 2648 kali per 24 Januari 2024 sejak diperkenalkan pada Juni 2020.

2. SourceTracker2

SourceTracker2 adalah suatu tool bioinformatik berbasis command line yang dapat digunakan untuk memprediksi proporsi suatu kontaminan di dalam sampel kita. Sejak dipublikasi pada 2011 di Nature, tool ini sudah disitasi sebanyak 1381 kali per 24 Januari 2024. Salah satu paper yang mungkin mudah dipahami tentang aplikasi dari tool ini dapat dilihat di paper berikut. Dalam melakukan analisisnya, tool ini membutuhkan dua file input berupa OTU Biom table. Satu dari data sekuens yang terkena kontaminasi (disebut sebagai sink) dan yang kedua dari data sekuens sumber kontaminan (disebut sebagai source). Untuk peneliti yang menggunakan QIIME2 untuk analisis diversitas komunitas bakterinya, dapat memanfaatkan output feature-table.qza untuk bahan input di SourceTracker2, atau lebih jelasnya dapat dilihat pada tutorial di laman github berikut dan di sini.

3. MICOM

Metagenome-Scale Modeling to Infer Metabolic Interactions in the Gut Microbiota (MICOM) adalah tool bioinformatik untuk pemodelan metabolisme suatu komunitas bakteri. Tool ini memungkinkan kita untuk membuat dan mensimulasikan bagaimana growth rate tiap genus bakteri, growth rate interactions antar bakteri apakah bersifat kooperatif atau kompetitif, dan microbiota import fluxes antar sampel. Untuk lebih jelasnya dapat dilihat di dalam paper berikut yang telah terbit pada 2020 dan hingga kini telah disitasi sebanyak 123 kali per 25 Januari 2024.

Bagi pengguna Qiime2, tool ini telah terintegrasi dengan nama q2-micom, dan tutorialnya tersedia di laman GitHub berikut.

4. ARGS_OAP

ARGs-OAP: Online Analysis Pipeline for Anti-biotic Resistance Genes Detection from Meta-genomic Data Using an Integrated Structured ARG-database adalah tool bioinformatik yang berfungsi untuk memprediksi kelimpahan sebaran antibiotic resistance genes (ARG) di dalam suatu komunitas bakteri. Tool ini ada yang berbasis web dan ada juga yang berbasis command line.  Tool ini pertama kali publish pada 2016 dalam paper berikut, tetapi mengalami pembaruan versi pada 2018 yang terbit di dalam paper berikut (disitasi sebanyak 396 kali per 25 Januari 2024). Salah satu paper yang penulis rekomendasikan untuk dilihat dalam aplikasi tool ini adalah paper ini. Selain dapat menganalisis eksistensi ARG, tool ini juga dapat digunakan untuk menganalisis eksistensi metal resistance genes (MRG) seperti yang telah diaplikasikan oleh paper ini.

5. The Huttenhower Lab

The Huttenhower Lab (https://huttenhower.sph.harvard.edu/tools/) ini bukanlah suatu tool bioinformatik yang seperti saya sebutkan sebelumnya, melainkan adalah suatu website yang berisi banyak microbial community profiling tools yang dapat dimanfaatkan oleh para peneliti metagenomik. Oleh karena itu, dari pada saya jelaskan di sini, saya sarankan untuk melihat secara langsung di dalam webnya tersebut.

Penelitian terkait metagenomik memanglah sangat menarik. Namun, rasanya sedikit disayangkan jika data sekuens yang kita miliki dengan harga yang ‘lumayan mahal’ tersebut tidak dieksplor lebih jauh. Selain yang telah disebutkan di sini, masih ada banyak tool yang dapat dicoba untuk mengeksplor lebih jauh tentang data kita seperti yang disebutkan sebelumnya. Mungkin saja dengan tool-tool tersebut peneliti dapat menemukan suatu ide baru yang kemudian dapat dikembangkan dan menjadi sebuah paper baru ?. Semoga bermanfaat ?.

Editor:     Rezekinta Syahputra Sembiring