Preparation

# libs for data wrangling
library(dplyr)
library(stringr)
library(ggplot2)
# libs for bioinformatic
library(msa) # read seq data
library(msaR) # visualize
library(seqinr)
library(ape)

Exploratory Data Analysis

Data yang digunakan adalah data b_cellulose.txt yang berisi data bakteri cellulose. Data ini terdiri dari 14 observasi dimana 4 diantaranya masih tidak ketahui nama bakterinya (sample).

cel_dna <- readDNAStringSet("b_cellulose.txt")
cel_dna %>% 
  as.data.frame() %>% 
  tibble::rownames_to_column(var = "name") %>% 
  mutate(length = str_length(x)) %>% 
  arrange(name) %>% 
  select(1,3,2)

dari data diatas bisa dilihat bahwa terdapat 3 kolom yaitu:
name sebagai nama bakteri
length sebagai panjang DNA
x sebagai DNA

Multiple Alignment

terdapat 2 jenis Alignment yaitu partial alignment (membandingkan dna acuan dengan dna sample secara 1 per 1) dan multiple alignment (membandingkan beberapa dna secara langsung dengan dna acuan). Tujuan dilakukan multiple aligment adalah mensejajarkan setiap sequence dna terhadap dna yang dijadikan acuan (Komagataeibacter xylinus).

cel_msa <- msa(cel_dna)

## use default substitution matrix

cel_msa

## CLUSTAL 2.1  
## 
## Call:
##    msa(cel_dna)
## 
## MsaDNAMultipleAlignment with 14 rows and 1497 columns
##      aln                                              names
##  [1] ---------AGAGTTTGATCCTG...CGGCTGGATCACCTCCTT---- Komagataeibacter ...
##  [2] -----------------------...C--------------------- Komagataeibacter ...
##  [3] ----------GAGTTTGATCMTG...CGGCTGGATCACCTCCTTT--- Komagataeibacter ...
##  [4] ---------TGAGTTTGATCCTG...---------------------- Komagataeibacter ...
##  [5] ATGAACCTGAGAGTTTGATCCTG...CGGCTGGATCACCTCCTTT--- Komagataeibacter ...
##  [6] ---------TGAGTTTGATCCTG...---------------------- Sample3
##  [7] --------TTGAGTTTGATCCTG...---------------------- Komagataeibacter ...
##  [8] ---------TGAGTTTGATCCTG...----------------------  Sample2
##  [9] ----------GAGTTTGATCATG...CGGCTGGATCACCTCCTTT--- Komagataeibacter ...
## [10] ----------GAGTTTCATCCTG...CGGCTGGATCACCTCCTTT--- Komagataeibacter ...
## [11] -----------------------...CGGC------------------ Komagataeibacter ...
## [12] -----------------ATCCTG...CGGCTGGA-------------- Sample
## [13] ----------GAGTTTGATNNTG...CGGCTGGATCACCTCCTTTCAA Gluconacetobacter...
## [14] ----------GAGTTTGATTATG...CGGCTGGATCACCTCCTTT--- Sample4
##  Con ----------GAGTTTGATCCTG...CGGCTGGA??????????---- Consensus

bila dilihat sekarang setiap DNA sudah sejajar, sejajar disini diartikan setiap kolom diisi oleh basa nitrogen yang sama (A,T,G,C). data diatas bisa ditampilkan dalam visualisasi sebagai berikut.

msaR(cel_dna, seqlogo = F)

Clustering

untuk mencari kemiripan dari setiap dna perlu dilakukan perhitungan jarak setiap dna terhadap dna yang lain untuk mengetahui kemiripan DNA tersebut.

cap_align <- msaConvert(cel_msa, type="seqinr::alignment")
cap_ident <- dist.alignment(cap_align, "identity")

bila dilihat dari hasil visualisasi dibawah sample4 merupakan bakteri yang paling jauh dengan Komagataeibacter xylinus.

cap_ident %>% 
  as.matrix() %>% 
  as.data.frame() %>% 
  select(`Komagataeibacter xylinus`) %>% 
  tibble::rownames_to_column("name") %>% 
  ggplot(aes( x = reorder(name, -`Komagataeibacter xylinus`), y = `Komagataeibacter xylinus`)) +
  geom_col(aes(fill = `Komagataeibacter xylinus`), show.legend = F) +
  coord_flip() +
  labs(title = "distance of similarity of Bacteria", 
       x = "Bacteri Name", 
       y = "Distance to Komagataeibacter xylinus")+
  theme_minimal()

Dari plot diatas kita tidak bisa mengetahui setiap bakteri mirip dengan bakteri apa, oleh sebab itu perlu dibuat visualisasi dalam bentuk phylogenetic tree

capTree <- nj(cap_ident)
plot(capTree, main="Phylogenetic Tree of Komagataeibacter xylinus")

Conclution

Dari pylogenetic tree diatas bisa diketahui bahwa sample, sample3, dan sample memiliki kedekatan dengan Komagataeibacter xylinus dikarenakan masih dalam 1 sub-tree. Dari hasil penelitian ini bisa dikatakan bahwa bakteri tersebut berpotensi untuk menggantikan bakteri Komagataeibacter xylinus. namu perlu dilakukan pengujian lab terlebih dahulu untuk memastikan ketepatan perhitungan ini.