Tools Visualisasi Biological Network: Dari Cytoscape sampai NetworkX

Dalam bioinformatika, data biologis sering kali tidak berdiri sendiri. Gen dapat saling mengatur, protein dapat saling berinteraksi, metabolit dapat membentuk jalur metabolisme, dan obat dapat terhubung dengan target biologis tertentu. Kalau semua hubungan itu hanya ditampilkan sebagai tabel, sulit untuk melihat pola besarnya. Di sinilah biological network visualization menjadi penting.

Biological network membantu kita melihat sistem biologis sebagai sebuah jaringan. Dalam jaringan ini, node dapat merepresentasikan gen, protein, metabolit, obat, penyakit, atau pathway. Sementara itu, edge menunjukkan hubungan antar-node, seperti interaksi fisik protein-protein, regulasi gen, asosiasi fungsional, korelasi ekspresi, atau hubungan obat-target. Jenis hubungan yang direpresentasikan bergantung pada sumber data dan tujuan analisis.

Kenapa Biological Network Perlu Divisualisasikan?

Bayangkan kita memiliki daftar 500 protein yang saling berinteraksi. Jika hanya dilihat sebagai tabel, kita mungkin tahu protein A berinteraksi dengan protein B, lalu protein B dengan protein C. Namun, kita sulit melihat protein mana yang menjadi pusat jaringan, kelompok mana yang membentuk komunitas, atau jalur mana yang paling penting. Di sinilah visualisasi graph berperan penting. Melalui visualisasi, peneliti dapat mengidentifikasi kandidat hub node, kelompok node yang membentuk cluster, serta hubungan antar-modul biologis. Pola-pola ini dapat menjadi petunjuk untuk analisis lebih lanjut, meskipun interpretasi biologisnya tetap perlu didukung oleh data dan validasi tambahan.

Cytoscape: Favoritnya Bioinformatika

Salah satu tool paling populer untuk biological network adalah Cytoscape. Cytoscape adalah platform open–source untuk memvisualisasikan complex networks dan mengintegrasikannya dengan berbagai attribute data. Situs resminya menjelaskan bahwa Cytoscape digunakan untuk visualisasi molecular interaction networks, biological pathways, annotation, gene expression profiles, dan data biologis lainnya.

Selain visualisasi, Cytoscape memungkinkan pengguna menghubungkan network dengan data eksperimen, seperti ekspresi gen, anotasi protein, dan informasi pathway. Kelebihan utama Cytoscape terletak pada ekosistem aplikasinya (apps/plugins). Pengguna dapat menambahkan apps untuk analisis pathway, enrichment, clustering, integrasi database, dan network comparison. Sebagai contoh, pada analisis protein-protein interaction, protein bisa dijadikan node, interaksi sebagai edge, lalu ukuran node disesuaikan dengan nilai degree centrality, dan warna node disesuaikan dengan tingkat ekspresi gen (up–regulated/down–regulated). Dengan begitu, visualisasi membawa makna biologis, bukan sekadar gambar jaringan.

Gephi: Eksplorasi Graph yang Interaktif

Jika Cytoscape sangat kuat untuk konteks biologis, Gephi terkenal sebagai tool visualisasi graph umum yang interaktif. Gephi dapat digunakan untuk mengeksplorasi jaringan kompleks dengan berbagai ukuran, tergantung pada kapasitas perangkat dan konfigurasi yang digunakan. Fitur layout seperti ForceAtlas2 dan Fruchterman-Reingold membantu mengatur posisi node agar struktur jaringan lebih mudah diamati. Gephi juga menyediakan fitur untuk menghitung metrik jaringan dan mendeteksi komunitas.

Dalam konteks biological network, Gephi bisa digunakan untuk eksplorasi awal jaringan besar, misalnya gene co-expression network atau network literatur biomedis. Namun, karena Gephi bukan tool khusus biologi, integrasi dengan anotasi biologis biasanya perlu dilakukan melalui tahap preprocessing terlebih dahulu.

NetworkX: Untuk User Python

Untuk pengguna Python, NetworkX adalah pilihan yang sangat fleksibel. NetworkX adalah library Python untuk membangun, memanipulasi, dan menganalisis graph. Karena berbasis kode, proses analisis dapat disusun dalam workflow yang reproducible. Misalnya, kita bisa membaca edge list dari file CSV, membangun graph, menghitung metrik jaringan (centrality), mencari shortest path, mendeteksi connected component, lalu mengekspor hasilnya untuk divisualisasikan di Cytoscape atau Gephi.

Dalam analisis jaringan dengan NetworkX, beberapa metrik penting yang sering dihitung antara lain:

1. Degree Centrality

Di sini, adalah jumlah koneksi node , dan adalah jumlah total node dalam jaringan. Degree centrality mengukur seberapa banyak koneksi yang dimiliki sebuah node dibandingkan dengan jumlah koneksi maksimum yang mungkin dimiliki node tersebut. Node dengan degree tinggi sering disebut hub karena memiliki banyak koneksi langsung, misalnya protein yang berinteraksi dengan banyak protein lain. Namun, degree tinggi tidak otomatis berarti node tersebut paling penting secara biologis.

1. Betweenness Centrality:

Metrik ini mengukur seberapa sering sebuah node berada pada shortest path antara pasangan node lainnya ( dan ). Node dengan betweenness tinggi dapat berperan sebagai bottleenck atau jembatan penghubung antar-bagian jaringan dalam struktur graph. Dalam biological network, node semacam ini dapat menjadi kandidat penting untuk diteliti lebih lanjut karena posisinya menghubungkan beberapa kelompok protein atau modul biologis.

Tools Lainnya?

Selain Cytoscape, Gephi, dan NetworkX, ada beberapa tool lain yang sering digunakan. STRING merupakan database berbasis web untuk mengeksplorasi protein-protein association networks. Hubungan yang ditampilkan dapat berupa interaksi fisik maupun asosiasi fungsional yang didukung oleh berbagai sumber bukti. igraph merupakan library analisis graph yang tersedia untuk R, Python, dan C. Graphviz cocok untuk visualisasi graph yang lebih berstruktur hierarkis (directed acyclic graph). Network Data Exchange (NDEx), framework cloud yang dapat digunakan untuk menyimpan, membagikan, dan mempublikasikan network biologis. Untuk visualisasi pathway dan metabolisme biologis terdefinisi, tools seperti Reactome Pathway Browser dan KEGG Mapper juga sering digunakan.

Kesimpulan

Biological network visualization membantu mengubah data biologis yang kompleks menjadi pola yang lebih mudah dipahami. Cytoscape unggul untuk interpretasi biologis dan integrasi data omics. Gephi nyaman untuk eksplorasi visual graph berukuran besar. NetworkX kuat untuk analisis komputasional berbasis Python dan workflow reproducible.

Dalam praktiknya, peneliti tidak harus membatasi diri pada satu tool saja. NetworkX bisa digunakan untuk analisis, Cytoscape untuk interpretasi biologis, dan Gephi untuk eksplorasi visual. Yang terpenting adalah memahami tujuan analisis, yaitu apakah ingin melihat pola, menghitung metrik kuantitatif, menemukan hub, atau menjelaskan mekanisme biologis di balik data.

Penulis
Felicia Natania Lingga, S.Kom. — FDP Scholar

Referensi

Cytoscape. “An Open Source Platform for Complex Network Analysis and Visualization”.

Cytoscape. “What Is Cytoscape?”

Gephi. “The Open Graph Viz Platform”

NetworkX Documentation. “Software for Complex Networks”.

Su, G., Morris, J. H., Demchak, B., & Bader, G. D. (2014). Biological network exploration with Cytoscape 3. Current protocols in bioinformatics, 47, 8.13.1–8.13.24. https://doi.org/10.1002/0471250953.bi0813s47