PSORT
PSORT adalah alat bioinformatika yang digunakan untuk memprediksi lokasi protein dalam sel, dimana alat ini mampu menerima informasi urutan asam amino dan takson asalnya (misalnya bakteri Gram-negatif) sebagai masukan, lalu menganalisis urutan masukan tersebut dengan menerapkan aturan yang tersimpan untuk berbagai fitur urutan sinyal pengurutan protein yang diketahui. Terakhir, PSORT melaporkan kemungkinan protein masukan yang terlokalisasi di setiap calon lokasi dengan informasi tambahan.
Program ini diciptakan oleh Dr. Kenta Nakai dari Pusat Genom Manusia di Institut Ilmu Kedokteran, Universitas Tokyo, Jepang, dan tersedia gratis untuk semua pengguna. Bahkan, terdapat pengembangan dari program ini seperti PSORTB dan WOLF PSORT yang mengakomodasi prediksi lokaliasi protein pada prokariotika dan eukariotika secara berurutan.
Prediksi PSORT
Dalam prediksi ini, ada empat lokasi subseluler yang dapat ditentukan, yaitu sitosol, membran sitoplasma, periplasma, dan membran luar. Prediksi ini dilakukan berdasarkan profil informasi sinyal dari masing-masing lokasi subseluler yang terdiri dari urutan sinyal ujung-N, urutan konsensus, keberadaan asam amino, hidrofobik atau bermuatan, hingga komposisi asam amino pada urutan peptida awal.
Kegunaan
Para peneliti yang menggunakan alat ini dapat memprediksi dengan tingkat sebab tertentu dan lokasi di dalam sel tempat protein yang paling mungkin terlokalisasi karena dilokalisasi oleh mesin sel yang mengenali urutan peptida sinyal (mirip dengan alamat pos) dan memindahkan protein ke lokasi yang sesuai. Peptida sinyal seringkali dibelah setelah tujuannya tercapai. PSORT menggunakan urutan peptida sinyal yang diketahui untuk menganalisis dan memprediksi lokasi urutan masukan yang paling mungkin menyebabkan lokalisasi. Lokalisasi protein penting karena mendukung peran yang diusulkan oleh suatu protein. Misalnya, enzim katalase (protein yang mengubah peroksida menjadi air dan oksigen) diperkirakan terlokalisasi di peroksisom karena area tersebut memiliki aktivitas peroksida yang tinggi. Dengan menganalisis urutan peptida sinyal dan lokalisasi visual melalui ekspresi GFP.
Pranala luar
Referensi
Sumber dan atribusi
Konten artikel ini diadaptasi dari Wikipedia bahasa Indonesia, revisi 29578756 (2026-08-14T20:50:58Z), yang tersedia berdasarkan lisensi Creative Commons Atribusi-BerbagiSerupa (CC BY-SA). Mohon gunakan konten ini secara bijak serta sesuai dengan ketentuan lisensi yang berlaku.