PENERAPAN KONSEP TEORI GRAF PADA REKONSTRUKSI JARINGAN KANKER PAYUDARA DENGAN PENDEKATAN MODEL BOOLEAN

Kanker payudara merupakan salah satu penyakit dengan angka kematian tinggi yang memerlukan pendekatan komprehensif untuk memahami mekanisme molekulernya. Penelitian ini bertujuan untuk merekonstruksi jaringan interaksi molekuler kanker payudara menggunakan pendekatan teori graf dan model Boolean. Teori graf diterapkan untuk memodelkan interaksi antar protein atau gen sebagai vertex dan edges sebagai penghubungnya, sementara model Boolean digunakan untuk menganalisis dinamika aktivasi/inaktivasi komponen jaringan. Data interaksi protein diperoleh dari database KEGG dan SIGNOR, kemudian dianalisis menggunakan perangkat lunak Cytoscape untuk visualisasi jaringan dan identifikasi protein kunci seperti BRCA1, TP53, EGFR, dan AKT1 yang memiliki sentralitas tinggi. Hasil penelitian menunjukkan bahwa klasterisasi jaringan dengan algoritma Markov Cluster Algorithm (MCL) berhasil mengelompokkan protein berdasarkan fungsi biologisnya, serta mengidentifikasi attractor (pola stabil) yang terkait dengan proliferasi sel dan resistensi apoptosis. Simulasi model Boolean mengungkapkan bahwa manipulasi status protein kunci dapat memengaruhi penyebaran kanker. Penelitian ini memberikan kontribusi dalam memahami dinamika jaringan kanker payudara secara lebih mendalam serta menawarkan potensi target terapi baru. Kombinasi teori graf dan model Boolean terbukti efektif untuk analisis sistem biologis kompleks dan dapat diaplikasikan dalam penelitian biomedis lainnya.