Jurnal Kesehatan Bakti Tunas Husada.
Volume 25 Nomor 2.
Agustus 2025
ANALISIS VARIAN GENETIK DAN EKSPRESI GEN SPESIFIK
JARINGAN PADA HIPERTIROIDISME: STUDI BIOINFORMATIKA
INTEGRATIF
ANALYSIS OF GENETIC VARIANTS AND TISSUE-SPECIFIC GENE EXPRESSION IN
HYPERTHYROIDISM: AN INTEGRATIVE BIOINFORMATICS STUDY
Rahmawati 1*.
Fauzan Sebastian Ramadhan 2.
Mida Hamidah 1.
Citra Dewi Salasanti 2 A Program Studi Pendidikan Profesi Apoteker.
Fakultas Farmasi.
Universitas Bakti Tunas Husada.
Tasikmalaya.
West Java.
Indonesia A Program Studi Farmasi.
Fakultas Farmasi.
Universitas Bakti Tunas Husada.
Tasikmalaya.
West Java.
Indonesia Alamat prodi dan universitas: Jalan Letjen Mashudi No.
Kota Tasikmalaya.
Jawa Barat *e-mail korespondensi: rahmawati@universitas-bth.
ABSTRAK
Hipertiroidisme merupakan gangguan endokrin yang dipengaruhi oleh faktor genetik, imunologis, dan regulasi ekspresi gen.
Penelitian ini bertujuan untuk menganalisis variasi genetik serta pola ekspresi gen spesifik jaringan pada hipertiroidisme menggunakan pendekatan bioinformatika integratif.
Penelitian dilakukan secara in-silico menggunakan basis data GWAS Catalog.
GTEx Portal.
Ensembl Genome Browser.
SNPnexus, dan HaploReg v4.
Identifikasi SNP dilakukan menggunakan kata kunci AuHyperthyroidismAy dengan nilai signifikansi genom luas .
< 1y10AA) dan difokuskan pada varian missense.
Analisis dilanjutkan dengan evaluasi ekspresi gen, anotasi genom, prediksi dampak fungsional protein, serta distribusi alel populasi.
Hasil penelitian menunjukkan terdapat 506 SNP terkait hipertiroidisme dan 17 missense variant yang berpotensi memengaruhi fungsi protein.
Gen yang paling banyak berkaitan dengan regulasi imun dan autoimun tiroid meliputi PTPN22.
HLADPB1.
TAP2.
FCRL3.
ADCY7, dan TG.
Analisis fungsional menunjukkan SNP rs78534766 pada gen ADCY7 termasuk kategori probably damaging.
Selain itu, ditemukan perbedaan distribusi alel antar populasi yang menunjukkan adanya variasi kerentanan genetik terhadap hipertiroidisme.
Pendekatan bioinformatika integratif mampu memberikan gambaran molekuler yang lebih komprehensif dan berpotensi mendukung pengembangan precision medicine berbasis genomik pada hipertiroidisme.
Kata Kunci: bioinformatika, ekspresi gen, hipertiroidisme.
SNP, genomik
ABSTRACT
Hyperthyroidism is an endocrine disorder influenced by genetic, immunological, and gene expression regulatory factors.
This study aimed to analyze genetic variants and tissue-specific gene expression patterns associated with hyperthyroidism using an integrative bioinformatics approach.
The study was conducted in silico using the GWAS Catalog.
GTEx Portal.
Ensembl Genome Browser.
SNPnexus, and HaploReg v4.
2 databases.
SNP identification was performed using the keyword AuHyperthyroidismAy with a genome-wide significance threshold .
< 1y10AA) and focused on missense variants.
Further analyses included gene expression evaluation, genomic annotation, functional protein impact prediction, and population allele distribution analysis.
The results identified 506 SNPs associated with hyperthyroidism and 17 missense variants potentially affecting protein function.
Several genes associated with immune regulation and autoimmune thyroid mechanisms were identified, including PTPN22.
HLA-DPB1.
TAP2.
FCRL3.
ADCY7, and TG.
Functional prediction analysis showed that SNP rs78534766 in the ADCY7 gene was classified as probably damaging.
In addition, differences in allele distribution among populations suggested population-specific genetic susceptibility to Jurnal Kesehatan Bakti Tunas Husada.
Volume 25 Nomor 2.
Agustus 2025 This integrative bioinformatics approach provides a more comprehensive molecular understanding of hyperthyroidism and may support the future development of genomics-based precision medicine strategies.
Keywords: bioinformatics, gene expression, genomics, hyperthyroidism.
SNP
Diterima: 04 Juli 2025
Direview: 11 Juli 2025
Diterbitkan: 06 Agustus 2025
PENDAHULUAN
Hipertiroidisme merupakan gangguan endokrin yang ditandai oleh produksi hormon tiroid berlebihan dan berhubungan dengan peningkatan risiko komplikasi kardiovaskular, osteoporosis, gangguan metabolik, serta penurunan kualitas hidup pasien ( Ross et al.
, 2016.
Taylor et al.
, 2.
Penyakit Graves menjadi penyebab tersering hipertiroidisme dan melibatkan mekanisme autoimun melalui pembentukan autoantibodi terhadap thyroid-stimulating hormone receptor (TSHR) pada sel tiroid (Smith & Hegedys, 2.
Kompleksitas mekanisme penyakit menunjukkan bahwa hipertiroidisme tidak hanya dipengaruhi oleh faktor hormonal dan lingkungan, tetapi juga memiliki keterkaitan kuat dengan faktor genetik dan disregulasi imunologis (Lee et al.
, 2020.
Cui & Zhang.
Perkembangan genome-wide association studies (GWAS) telah mengidentifikasi berbagai gen yang berasosiasi dengan hipertiroidisme, termasuk TSHR, human leukocyte antigen (HLA).
CTLA4.
PTPN22.
FOXE1, dan TG (Chu et al.
, 2011.
Zhao et al.
, 2013.
Simmonds, 2.
Di antara gen tersebut.
TSHR dan HLA menjadi kandidat genetik yang paling konsisten dikaitkan dengan penyakit Graves dan hipertiroidisme autoimun karena berperan dalam regulasi respons imun dan aktivasi sel tiroid (Fang et , 2021.
Stefan et al.
, 2.
Meskipun demikian, sebagian besar varian genetik hasil GWAS masih berada pada wilayah non-coding sehingga relevansi biologis dan dampak fungsionalnya belum sepenuhnya dipahami (Tam et al.
, 2.
Selain variasi genetik, pola ekspresi gen spesifik jaringan juga diketahui berperan penting dalam patogenesis hipertiroidisme.
Gen TSHR menunjukkan ekspresi dominan pada jaringan tiroid, sedangkan gen seperti CTLA4 dan PTPN22 lebih berkaitan dengan jaringan imun dan regulasi limfosit T (GTEx Consortium, 2020.
Lee et al.
, 2.
Namun, sebagian besar penelitian sebelumnya masih menganalisis data genetik dan ekspresi gen secara terpisah sehingga hubungan antara variasi genetik dan manifestasi biologis penyakit belum tergambarkan secara menyeluruh (Cano-Gamez & Trynka.
Pendekatan bioinformatika integratif menjadi penting karena mampu menghubungkan data GWAS, anotasi fungsional, dan profil ekspresi gen untuk memberikan interpretasi biologis yang lebih komprehensif terhadap hipertiroidisme (Ullah et al.
, 2018.
Yuan et al.
, 2.
Akan tetapi, penelitian yang mengintegrasikan ketiga pendekatan tersebut pada hipertiroidisme masih relatif terbatas, khususnya dalam konteks precision medicine dan farmakogenomik (Cui & Zhang, 2022.
Simmonds.
Oleh karena itu, penelitian ini bertujuan untuk menganalisis varian genetik terkait hipertiroidisme serta mengevaluasi pola ekspresi gen spesifik jaringan menggunakan pendekatan bioinformatika integratif.
Penelitian ini diharapkan dapat membantu memperjelas mekanisme molekuler hipertiroidisme dan mendukung pengembangan strategi terapi berbasis genomik pada masa METODE PENELITIAN Desain Penelitian Penelitian ini menggunakan pendekatan in-silico dengan desain studi bioinformatika komputasional untuk menganalisis variasi genetik dan ekspresi gen spesifik jaringan yang berkaitan dengan Hipertiroidisme.
Tahapan penelitian dimulai dengan pengumpulan data asosiasi genetik dari GWAS Catalog menggunakan kata kunci AuHyperthyroidismAy.
Variasi genetik yang diperoleh kemudian disaring berdasarkan nilai signifikansi genom luas .
< 1y10AA), dengan fokus pada varian missense karena memiliki potensi lebih besar dalam memengaruhi struktur dan fungsi protein (Fadista et al.
Adzhubei et al.
, 2.
Varian yang telah diseleksi selanjutnya dianalisis menggunakan beberapa platform bioinformatika, yaitu GTEx Portal untuk mengevaluasi ekspresi gen pada berbagai jaringan tubuh.
Jurnal Kesehatan Bakti Tunas Husada.
Volume 25 Nomor 2.
Agustus 2025 Ensembl Genome Browser untuk eksplorasi anotasi genom manusia.
SNPnexus untuk prediksi dampak fungsional variasi genetik, serta HaploReg v4.
2 untuk analisis regulasi genomik dan distribusi frekuensi alel populasi (Dayem Ullah et al.
, 2018.
Ward & Kellis, 2.
Prosedur Penelitian Tahapan penelitian diawali dengan identifikasi lokus genetik yang berkaitan dengan hipertiroidisme menggunakan GWAS Catalog.
Data SNP yang diperoleh kemudian disaring berdasarkan nilai signifikansi genom luas .
< 1y10AA) dan difokuskan pada varian missense.
Tahap berikutnya dilakukan analisis ekspresi gen menggunakan GTEx Portal untuk mengevaluasi variasi dan distribusi ekspresi gen pada berbagai jaringan tubuh manusia.
Selanjutnya, anotasi genom dilakukan menggunakan Ensembl Genome Browser untuk mengeksplorasi sekuens dan lokasi genomik dari setiap varian genetik.
Prediksi dampak fungsional SNP dianalisis menggunakan SNPnexus yang terintegrasi dengan algoritma PolyPhen-2 untuk menentukan perubahan protein yang diklasifikasikan menjadi benign, possibly damaging, atau probably damaging (Adzhubei et al.
, 2.
Analisis terakhir dilakukan menggunakan HaploReg v4.
2 untuk menelusuri data regulasi genomik dan distribusi frekuensi alel pada berbagai populasi (Ward & Kellis, 2.
Analisis Data Analisis data dilakukan menggunakan National Human Genome Research Institute (NHGRI) GWAS Catalog Database .
ttps://w.
uk/gwas/) dengan memasukkan istilah AuHyperthyroidismAy.
Variasi genetik yang diperoleh kemudian difokuskan pada varian missense karena memiliki potensi lebih besar dalam memengaruhi fungsi protein.
Nilai p < 1y10AA digunakan untuk menentukan SNP yang signifikan secara genom luas (Fadista et al.
, 2.
Profil ekspresi gen dianalisis menggunakan GTEx Portal untuk mengevaluasi ekspresi gen pada berbagai jaringan tubuh manusia (Yudhani et al.
, 2.
Selanjutnya.
Ensembl Genome Browser digunakan untuk mengeksplorasi anotasi genom dan lokasi variasi genetik.
Prediksi dampak fungsional dilakukan menggunakan SNPnexus yang terintegrasi dengan PolyPhen-2 untuk mengklasifikasikan varian menjadi benign, possibly damaging, atau probably damaging (Dayem Ullah et al.
, 2.
Distribusi frekuensi alel populasi dianalisis menggunakan HaploReg v4.
2 untuk mengevaluasi distribusi alel dan keterlibatan SNP terhadap elemen regulatori genom pada berbagai populasi dunia (Ward & Kellis, 2.
HASIL DAN PEMBAHASAN
Penelitian ini bertujuan untuk menganalisis variasi genetik dan ekspresi gen spesifik jaringan yang berkaitan dengan Hipertiroidisme melalui pendekatan bioinformatika integratif.
Analisis dilakukan menggunakan beberapa basis data genomik, yaitu GWAS Catalog.
GTEx Portal.
Ensembl Genome Browser.
SNPnexus, dan HaploReg v4.
Pendekatan ini digunakan untuk mengidentifikasi SNP yang berkaitan dengan hipertiroidisme, mengevaluasi dampaknya terhadap fungsi protein, serta melihat distribusi genetik pada berbagai populasi.
Penelitian terdiri atas lima tahap utama, yaitu identifikasi lokus genetik menggunakan GWAS Catalog, analisis ekspresi gen pada berbagai jaringan tubuh menggunakan GTEx Portal, anotasi genom menggunakan Ensembl, prediksi dampak fungsional protein menggunakan SNPnexus, dan analisis distribusi frekuensi alel populasi menggunakan HaploReg v4.
Identifikasi Variasi Genetik Terkait Hipertiroidisme Tahap awal penelitian dilakukan menggunakan GWAS Catalog dengan memasukkan kata kunci AuHyperthyroidismAy.
Hasil pencarian menghasilkan total 506 SNP yang berkaitan dengan Selanjutnya dilakukan proses filtrasi berdasarkan nilai signifikansi genom luas .
< 1y10AA) dan konteks variasi genetik.
Setelah proses penyaringan, diperoleh 17 SNP bertipe missense variant yang diprioritaskan untuk analisis lanjutan karena berpotensi memengaruhi struktur dan fungsi protein (Fadista et al.
, 2.
Jurnal Kesehatan Bakti Tunas Husada.
Volume 25 Nomor 2.
Agustus 2025 Gambar 1.
Tahapan Filtrasi SNP(Sumber: Pribad.
Hasil filtrasi menunjukkan bahwa sebagian besar variasi genetik berada pada kategori intron variant sebanyak 304 SNP dan intergenic variant sebanyak 94 SNP.
Varian intron dan intergenik umumnya tidak mengubah urutan protein secara langsung, tetapi dapat memengaruhi regulasi transkripsi, proses splicing, maupun stabilitas ekspresi gen (EMBL-EBI, 2.
Selain itu, ditemukan pula variasi pada wilayah regulatory region, 3 prime UTR, dan splice donor region yang menunjukkan bahwa sebagian besar SNP terkait hipertiroidisme berada pada area regulatori genom.
Varian missense menjadi fokus utama penelitian karena menyebabkan perubahan asam amino yang dapat memengaruhi struktur dan aktivitas biologis protein (Adzhubei et al.
, 2.
Berdasarkan hasil filtrasi, diperoleh sembilan SNP utama dengan tingkat signifikansi tinggi yang berkaitan dengan gen PTPN22.
HLA-DPB1.
ADCY7.
TAP2.
FCRL3.
AAMDC.
TG, dan ZAP70.
Tabel 1.
Hasil GWAS SNP Missense pada Hipertiroidisme No.
Kode Gen
SNP
P-Value AP4B1-AS1.
PTPN22
1E-8
C1QTNF6
1E-9
HLA-DPB1
2E-13
ADCY7
2E-15
TAP2
2E-16
FCRL3
2E-21
AAMDC
2E-59
2E-8
ZAP70
2E-9
Sumber: GWAS Catalog .
Sebagian besar gen yang ditemukan memiliki keterkaitan dengan regulasi sistem imun dan penyakit autoimun tiroid.
Gen PTPN22 diketahui berperan dalam aktivasi limfosit T dan telah banyak dilaporkan berkaitan dengan penyakit autoimun, termasuk penyakit Graves (Lee et al.
, 2.
Gen HLA-DPB1 dan TAP2 terlibat dalam proses presentasi antigen, sedangkan gen TG berkaitan langsung dengan sintesis hormon tiroid.
Temuan ini menunjukkan bahwa hipertiroidisme tidak hanya dipengaruhi oleh gangguan hormonal, tetapi juga berkaitan erat dengan disregulasi sistem imun.
Analisis Ekspresi Gen pada Berbagai Jaringan Tubuh Analisis ekspresi gen dilakukan untuk mengevaluasi distribusi ekspresi gen pada berbagai jaringan tubuh manusia.
Hasil analisis menunjukkan bahwa beberapa gen memiliki pola ekspresi dominan pada jaringan tertentu.
Gen TG menunjukkan ekspresi tinggi pada jaringan tiroid, sesuai Jurnal Kesehatan Bakti Tunas Husada.
Volume 25 Nomor 2.
Agustus 2025 dengan perannya dalam sintesis hormon tiroid.
Sementara itu, gen PTPN22.
FCRL3, dan ZAP70 lebih dominan diekspresikan pada jaringan imun dan limfatik.
Perbedaan pola ekspresi ini menunjukkan adanya hubungan antara sistem endokrin dan sistem imun dalam mekanisme hipertiroidisme.
Temuan tersebut sejalan dengan penelitian Wang et al.
yang menyebutkan bahwa penyakit tiroid autoimun dipengaruhi oleh kombinasi faktor genetik, imunologis, dan regulasi ekspresi gen spesifik jaringan.
Analisis Lokasi dan Anotasi Genomik Analisis anotasi genom dilakukan untuk menentukan posisi SNP pada kromosom dan konteks Hasil analisis menunjukkan bahwa sebagian besar SNP signifikan berada pada wilayah gen yang berkaitan dengan fungsi imun dan regulasi inflamasi.
Selain menentukan posisi kromosom, anotasi genom juga menunjukkan apakah SNP berada pada exon, intron, maupun wilayah regulatori Informasi lokasi genomik penting untuk memahami kemungkinan dampak biologis suatu Varian pada wilayah coding umumnya berkaitan dengan perubahan struktur protein, sedangkan varian pada wilayah regulatori lebih banyak memengaruhi ekspresi gen dan proses transkripsi (EMBLEBI, 2.
Prediksi Dampak Fungsional Variasi Genetik Prediksi dampak fungsional dilakukan untuk mengevaluasi pengaruh SNP terhadap fungsi protein menggunakan PolyPhen-2.
No.
Tabel 2.
Identifikasi SNP dan Prediksi Dampaknya terhadap Protein
SNP
Chromosome Gene
Score
Prediction Chr16
ADCY7
0,999
Probably Damaging Chr6
HLA-DPB1
0,029
Benign
Chr6
TAP2
0,007
Benign
Chr22
C1QTNF6
0,007
Benign
Chr1
FCRL3
0,003
Benign Sumber: SNPnexus .
Hasil analisis menunjukkan bahwa sebagian besar SNP termasuk kategori benign, yang berarti perubahan asam amino diperkirakan tidak memberikan dampak besar terhadap fungsi protein.
Namun.
SNP rs78534766 pada gen ADCY7 menunjukkan skor 0,999 dan diklasifikasikan sebagai probably Hasil ini menunjukkan bahwa varian tersebut sangat mungkin memengaruhi stabilitas atau aktivitas biologis protein.
Gen ADCY7 berperan dalam jalur pensinyalan cyclic AMP .
AMP) yang berkaitan dengan regulasi respons imun dan inflamasi.
Gangguan pada jalur ini dapat memengaruhi aktivitas sel imun dan memperkuat proses autoimun pada hipertiroidisme.
Temuan ini menunjukkan bahwa ADCY7 berpotensi menjadi kandidat gen penting dalam perkembangan hipertiroidisme autoimun.
Analisis Distribusi Alel pada Populasi Analisis distribusi frekuensi alel dilakukan untuk melihat variasi distribusi SNP pada berbagai populasi dunia.
Tabel 3.
Distribusi SNP Berdasarkan Populasi Allele Afrika Amerika Asean Eropa No.
SNP
REF
ALT
Chr16 Chr6 Chr6 Chr22 Chr1 Sumber: HaploReg v4.
Jurnal Kesehatan Bakti Tunas Husada.
Volume 25 Nomor 2.
Agustus 2025 Hasil analisis menunjukkan adanya variasi distribusi alel antar populasi.
SNP rs229527 memiliki frekuensi lebih tinggi pada populasi ASEAN dibandingkan populasi lain, sedangkan rs7522061 lebih dominan pada populasi Afrika.
Perbedaan distribusi ini menunjukkan bahwa kerentanan genetik terhadap hipertiroidisme dapat bersifat populasi-spesifik.
Variasi distribusi alel antar populasi menjadi penting dalam pengembangan precision medicine karena dapat memengaruhi risiko penyakit maupun respons terapi.
Secara keseluruhan, hasil penelitian ini menunjukkan bahwa pendekatan bioinformatika integratif mampu memberikan gambaran yang lebih komprehensif mengenai hubungan antara variasi genetik, ekspresi gen, dan mekanisme molekuler hipertiroidisme.
KESIMPULAN DAN SARAN
Penelitian ini menunjukkan bahwa hipertiroidisme memiliki keterkaitan erat dengan variasi genetik yang berhubungan dengan regulasi sistem imun dan mekanisme autoimun.
Analisis bioinformatika integratif berhasil mengidentifikasi beberapa gen penting, seperti PTPN22.
HLA-DPB1.
TAP2.
FCRL3.
ADCY7, dan TG, yang berpotensi berperan dalam patogenesis hipertiroidisme.
Sebanyak 17 missense variant berhasil diseleksi dari 506 SNP terkait hipertiroidisme.
Analisis fungsional menunjukkan bahwa SNP rs78534766 pada gen ADCY7 termasuk kategori probably damaging dan berpotensi memengaruhi fungsi protein.
Selain itu, pola ekspresi gen dan distribusi alel yang berbeda antar populasi menunjukkan bahwa mekanisme hipertiroidisme dipengaruhi oleh interaksi kompleks antara faktor genetik, jaringan spesifik, dan karakteristik populasi.
Pendekatan bioinformatika integratif pada penelitian ini mampu memberikan gambaran molekuler yang lebih komprehensif terkait hipertiroidisme serta berpotensi mendukung pengembangan precision medicine berbasis genomik.
Penelitian lanjutan perlu dilakukan untuk memvalidasi SNP potensial, khususnya pada gen ADCY7, melalui pendekatan eksperimental dan analisis multi-omics agar mekanisme biologis hipertiroidisme dapat dipahami lebih mendalam.
Selain itu, kajian farmakogenomik juga diperlukan untuk mendukung pengembangan terapi hipertiroidisme yang lebih personal dan tepat sasaran.
DAFTAR PUSTAKA