Aplikasi Epidemiologi Genetik dan Molekuler dalam Kesehatan Masyarakat

Mohammad Rizki
mohammadrizki@unram.ac.id

FKIK Universitas Mataram

Outline

  • Konsep dasar epidemiologi genetik dan molekuler
  • Interaksi genetik, lingkungan, dan faktor sosial
  • Metodologi penelitian
  • Aplikasi dalam kesehatan masyarakat
  • Studi kasus
  • Tantangan dan prospek masa depan

1. Konsep Dasar

Epidemiologi Genetik

Epidemiologi genetik mempelajari:

  • distribusi variasi genetik dalam populasi
  • kontribusi gen terhadap kerentanan penyakit
  • interaksi antara gen dan faktor lingkungan

Tujuan utama:

  • mengidentifikasi faktor genetik yang memengaruhi risiko penyakit
  • memahami mekanisme biologis penyakit
  • meningkatkan strategi pencegahan berbasis populasi

Pertanyaan Utama Epidemiologi Genetik

Beberapa pertanyaan penting:

  • Apakah suatu penyakit memiliki komponen genetik?
  • Gen apa yang berperan dalam meningkatkan risiko penyakit?
  • Bagaimana interaksi gen dan lingkungan memengaruhi kejadian penyakit?
  • Bagaimana variasi genetik memengaruhi respons terhadap terapi?

Epidemiologi Molekuler

Epidemiologi molekuler menggunakan biomarker biologis untuk memahami hubungan antara:

  • paparan lingkungan
  • perubahan biologis
  • kejadian penyakit

Pendekatan ini menghubungkan:

epidemiologi populasi
dengan
mekanisme molekuler penyakit

Biomarker dalam Epidemiologi Molekuler

Jenis biomarker yang digunakan:

Biomarker paparan

  • DNA adduct akibat karsinogen
  • metabolit zat toksik

Biomarker efek biologis

  • mutasi gen
  • perubahan ekspresi gen

Biomarker kerentanan

  • polimorfisme gen metabolisme
  • variasi gen imunologi

Interaksi Gen, Lingkungan, dan Sosial

Model Determinan Penyakit

Banyak penyakit disebabkan oleh kombinasi:

  • faktor genetik
  • faktor lingkungan
  • faktor sosial

Model konseptual:

Genetik
↓
Kerentanan biologis
↓
Paparan lingkungan
↓
Perubahan molekuler
↓
Penyakit

Gene–Environment Interaction

Risiko penyakit sering bergantung pada interaksi gen dan lingkungan.

Contoh:

Kanker paru

Faktor genetik:

  • polimorfisme CYP1A1
  • gen GSTM1

Faktor lingkungan:

  • merokok
  • polusi udara

Individu dengan gen detoksifikasi lemah memiliki risiko lebih tinggi.

Determinan Sosial dan Ekspresi Gen

Faktor sosial dapat memengaruhi ekspresi gen melalui mekanisme epigenetik.

Contoh faktor sosial:

  • kemiskinan
  • stres kronis
  • akses nutrisi
  • kondisi lingkungan

Dampak biologis:

  • perubahan DNA methylation
  • perubahan ekspresi gen terkait stres

Bidang ini dikenal sebagai:

social epigenomics

Mengapa Penting untuk Kesehatan Masyarakat?

Manfaat Pendekatan Genetik dan Molekuler

Pendekatan ini memungkinkan:

  • memahami predisposisi genetik terhadap penyakit
  • deteksi dini melalui biomarker molekuler
  • pengembangan intervensi yang dipersonalisasi
  • peningkatan strategi pencegahan berbasis populasi

Paradigma Baru: Precision Public Health

Pendekatan tradisional:

one-size-fits-all

Pendekatan modern:

precision public health

Karakteristik:

  • intervensi berbasis data genomik
  • identifikasi kelompok populasi berisiko
  • strategi pencegahan yang lebih spesifik

Aplikasi pada Penyakit Menular

Epidemiologi Molekuler Penyakit Infeksi

Teknik genomik memungkinkan:

  • pelacakan sumber wabah
  • analisis pola penyebaran patogen
  • identifikasi mutasi patogen
  • pemantauan resistensi antibiotik

Whole Genome Sequencing

Whole Genome Sequencing (WGS) menganalisis seluruh genom patogen.

Digunakan untuk:

  • menentukan hubungan antar strain
  • membuat phylogenetic tree
  • mengidentifikasi mutasi penting

Surveilans Genomik Patogen

WGS memungkinkan:

  • pelacakan rantai transmisi
  • identifikasi varian baru
  • deteksi penyebaran global patogen

Contoh penggunaan:

  • SARS-CoV-2
  • tuberculosis
  • influenza

Resistensi Antibiotik

Genomik dapat mengidentifikasi gen resistensi seperti:

  • mecA pada MRSA
  • blaNDM-1 pada bakteri Gram negatif

Manfaat:

  • pemantauan penyebaran resistensi
  • pengembangan kebijakan antibiotik

Aplikasi pada Penyakit Tidak Menular

Genetika Penyakit Kardiovaskular

Beberapa varian gen meningkatkan risiko penyakit jantung.

Contoh gen:

  • APOE
  • PCSK9
  • LDLR

Penemuan ini bahkan menghasilkan terapi baru seperti:

PCSK9 inhibitors

Genetika Kanker

Mutasi genetik berperan dalam:

  • inisiasi tumor
  • pertumbuhan tumor
  • metastasis

Contoh gen penting:

Gen Penyakit
BRCA1 kanker payudara
BRCA2 kanker ovarium
APC kanker kolon
TP53 berbagai kanker

Biomarker untuk Deteksi Dini

Teknologi modern memungkinkan deteksi kanker melalui:

  • circulating tumor DNA
  • liquid biopsy
  • analisis mutasi genetik

Keuntungan:

  • deteksi lebih dini
  • prosedur minimal invasif

Farmakogenomik

Farmakogenomik mempelajari bagaimana gen memengaruhi respons terhadap obat.

Contoh:

Gen Obat Dampak
CYP2C19 clopidogrel efektivitas terapi
TPMT azathioprine toksisitas
HLA-B*1502 carbamazepine reaksi kulit berat

Implikasi:

pengobatan dapat dipersonalisasi.

2. Metodologi Penelitian

Studi Asosiasi Genetik

Pendekatan utama:

Candidate Gene Study

  • fokus pada gen tertentu
  • berdasarkan hipotesis biologis

Keterbatasan:

  • bias pemilihan gen
  • replikasi sering sulit

Genome-Wide Association Study

GWAS menganalisis jutaan single nucleotide polymorphisms (SNP).

Keunggulan:

  • tidak memerlukan hipotesis awal
  • mampu menemukan gen baru

Keterbatasan:

  • membutuhkan sampel sangat besar
  • efek gen biasanya kecil

Epigenetik

Epigenetik adalah perubahan ekspresi gen tanpa perubahan urutan DNA.

Mekanisme utama:

  • DNA methylation
  • modifikasi histon
  • microRNA

Epigenetik menjelaskan bagaimana lingkungan memengaruhi ekspresi gen.

Teknologi Molekuler

Beberapa teknologi utama:

PCR

  • amplifikasi DNA
  • deteksi patogen

Next Generation Sequencing

  • analisis genom skala besar
  • sequencing cepat

Proteomics

  • analisis seluruh protein dalam sel

Integrasi Data Multi-Omics

Pendekatan Multi-Omics

Penelitian modern mengintegrasikan berbagai jenis data biologis:

Omics Fokus
Genomics DNA
Transcriptomics RNA
Proteomics protein
Metabolomics metabolit

Pendekatan ini disebut:

systems biology

Big Data dalam Epidemiologi Molekuler

Data genom sangat besar.

Genom manusia memiliki sekitar:

3 miliar pasangan basa

Analisis memerlukan:

  • bioinformatika
  • komputasi performa tinggi
  • algoritma analisis data

Machine Learning

Machine learning digunakan untuk:

  • prediksi risiko penyakit
  • identifikasi biomarker
  • klasifikasi pasien

Metode yang sering digunakan:

  • Random Forest
  • Support Vector Machine
  • Neural Networks

3. Aplikasi dalam Kesehatan Masyarakat

Skrining Berbasis Risiko

Skrining tradisional:

berdasarkan usia atau populasi umum.

Skrining modern:

berdasarkan risk stratification.

Contoh:

polygenic risk score

Nutrigenomik

Nutrigenomik mempelajari interaksi antara:

  • gen
  • pola diet

Contoh:

Gen MTHFR memengaruhi metabolisme folat.

Implikasi:

rekomendasi nutrisi dapat dipersonalisasi.

Kebijakan Kesehatan Berbasis Genomik

Data genomik dapat digunakan untuk:

  • menentukan prioritas skrining
  • merancang strategi pencegahan
  • merancang kebijakan kesehatan

Contoh:

program skrining thalassemia carrier.

Studi Kasus

Studi Kasus 1: Kanker Serviks

Kanker serviks hampir selalu disebabkan oleh:

Human Papillomavirus (HPV)

Namun hanya sebagian infeksi berkembang menjadi kanker.

Faktor tambahan:

  • tipe HPV
  • faktor genetik host
  • status imun

HPV Genotyping

Genotipe HPV berisiko tinggi:

  • HPV 16
  • HPV 18
  • HPV 31
  • HPV 45

Informasi ini digunakan untuk:

  • desain vaksin
  • strategi skrining

Studi Kasus 2: COVID-19

Pandemi COVID-19 menunjukkan pentingnya epidemiologi molekuler.

Whole Genome Sequencing digunakan untuk:

  • melacak varian virus
  • memahami pola penyebaran global
  • memonitor mutasi penting

Varian SARS-CoV-2

Varian Mutasi penting
Alpha N501Y
Delta L452R
Omicron banyak mutasi spike

Mutasi pada protein spike dapat memengaruhi:

  • transmisi virus
  • efektivitas vaksin

4. Tantangan

Isu Etika

Data genetik sangat sensitif.

Risiko:

  • diskriminasi genetik
  • pelanggaran privasi
  • penyalahgunaan data

Perlu regulasi kuat terkait:

  • informed consent
  • perlindungan data

Ketimpangan Global

Negara berkembang menghadapi tantangan:

  • biaya teknologi tinggi
  • keterbatasan laboratorium
  • kekurangan tenaga bioinformatika

Akibatnya muncul:

genomic data gap

5. Prospek Masa Depan

Precision Public Health

Pendekatan masa depan dalam kesehatan masyarakat.

Menggabungkan:

  • data genomik
  • data lingkungan
  • data epidemiologi

Tujuan:

intervensi kesehatan yang lebih tepat sasaran.

Integrasi Artificial Intelligence

AI dapat membantu:

  • analisis data genom besar
  • prediksi wabah
  • identifikasi biomarker penyakit

Kolaborasi lintas disiplin menjadi sangat penting.

Kesimpulan

Epidemiologi genetik dan molekuler memperluas pendekatan epidemiologi klasik.

Bidang ini memungkinkan:

  • pemahaman mekanisme penyakit
  • deteksi dini penyakit
  • pengembangan intervensi yang lebih efektif

Namun implementasinya memerlukan:

  • infrastruktur teknologi
  • kolaborasi multidisiplin
  • regulasi etis yang kuat.

Diskusi

Bagaimana pemanfaatan data genetik dan molekuler dapat diintegrasikan dalam program kesehatan masyarakat di Indonesia?

Pertimbangkan:

  • surveilans genomik patogen
  • skrining penyakit genetik
  • kebijakan kesehatan berbasis genomik

Terima Kasih 🌱