Perpustakaan Digital ITB

Teknologi microarray dapat mengukur tingkat ekspresi gen pada organisme tertentu. Karena hasil dari microarray tersebut berupa matriks ekspresi gen yang pada umumnya berskala besar, diperlukan aplikasi yang dapat melakukan clustering terhadap data ekspresi gen tersebut. Clustering dapat memberikan informasi kedekatan antar gen maupun sampel. Algoritma clustering yang digunakan adalah simple k-means. Pada tugas akhir ini dilakukan implementasi algoritma k-means untuk pengelompokan data ekspresi gen dengan menggunakan struktur data list of pointer. Aplikasi dibangun dalam bentuk aplikasi desktop dengan menggunakan lingkungan pemrograman Borland Delphi 7.0. Aplikasi ini mampu membaca data ekspresi gen dalam format tab-delimited text file dan mengeluarkan hasil berupa cluster dan anggota-anggotanya. Aplikasi ini diharapkan dapat membantu penelitian ahli biologi dalam memprediksi kedekatan antar gen maupun sampel. Pengujian aplikasi dilakukan terhadap data iris (150 data) dan data ekspresi gen ragi (6221 gen dan 79 sampel). Hasil clustering dengan data iris menunjukan algoritma k-means yang diimplementasikan valid. Berdasarkan perbandingkan hasil clustering data ekspresi gen dengan data Biogrid, hanya sebagian gen dalam cluster yang dianalisis punya keterkaitan satu sama lain.