Hasil Pencarian  ::  Simpan CSV :: Kembali

"SARS-CoV-2 merupakan penyebab COVID-19 yang melanda dunia sejak akhir 2019. Virus ini telah menyebar secara luas di dunia akibat infektifitasnya yang tinggi. Sampai saat ini, telah muncul banyak lineage dengan karakter yang berbeda, dan beberapa diantaranya memiliki infektifitas lebih tinggi dibandingkan lineage lainnya. Perubahan nukleotida akibat mutasi menjadi penyebab munculnya lineage baru Dalam penelitian ini, telah dilakukan analisa untaian gen SARS-CoV-2 yang berasal dari beberapa lineage berbeda, yang dilanjutkan dengan analisa epitop sel B, dan sel T. Setelahnya, dilakukan desain vaksin menggunakan epitop terbaik dan dihubungkan dengan linker yang berupa asam gabungan asam amino, yang kemudian dilanjutkan dengan analisa fisikokimia dan alergenisitas kandidat vaksin. Setelahnya, kandidat vaksin dilanjutkan ke tahap simulasi molecular docking. Berdasarkan hasil yang diperoleh dari penelitian ini, terdapat 2 epitop 9-mer HLA kelas I dan 7 epitop 15-mer HLA kelas II yang dapat digunakan untuk mencakup seluruh untaian yang terpilih. Vaksin kandidat yang terpilih disusun dengan menggunakan linker tertentu dan epitop yang telah diperoleh sebelumnya. Dari simulasi molecular docking yang telah dilakukan dari vaksin kandidat terhadap 3 reseptor antigenik, diperoleh hasil simulasi berupa energi center kompleks sebesar -1161,4 kkal/mol (TLR-3), -1034,1 kkal/mol (HLA-C*14:02), -1064,3 kkal/mol (HLA-DRB1*07:01).

---

SARS-CoV-2 is the cause of COVID-19 that has hit the world since late 2019. The virus has spread widely in the world due to its high infectivity. To date, many lineages have emerged with different characters, and some of them have higher infectivity than other lineages. Nucleotide changes due to mutations are the cause of the emergence of new lineages In this study, the SARS-CoV-2 gene strands from several different lineages were analysed, followed by epitope analysis of B cells and T cells. After that, vaccine design was carried out using the best epitopes and connected with a linker in the form of an amino acid combination, followed by physicochemical and allergenicity analysis of vaccine candidates. After that, the vaccine candidate is continued to the molecular docking simulation stage. Based on the results obtained from this study, there are 2 9-mer HLA class I epitopes and 7 15-mer HLA class II epitopes that can be used to cover all selected strands. The selected candidate vaccines were prepared using specific linkers and previously obtained epitopes. From the molecular docking simulation of the candidate vaccines against 3 antigenic receptors, the simulation results showed the centre complex energy of -1161.4 kcal/mol (TLR-3), -1034.1 kcal/mol (HLA-C*14:02), -1064.3 kcal/mol (HLA-DRB1*07:01)."

"Tuberkulosis masih menjadi masalah penting kesehatan dunia, merupakan penyebab kematian terbesar ke-13 dan menempati posisi kedua setelah COVID-19 sebagai penyakit menular penyebab kematian terbesar. Tuberkulosis merupakan penyakit yang diakibatkan oleh infeksi bakteri Mycobacterium tuberculosis (Mtb), yang dapat ditularkan melalui udara ketika penderita berbicara, batuk, atau bersin. Penelitian terhadap obat dan vaksin TB telah lama dilakukan, pada penelitian ini telah dilakukan pembuatan vaksin berbasis conserved region epitop secara in silico. Desain vaksin pada penelitian ini didasarkan pada prediksi epitop yang terdiri dari epitop dari sekuens protein Mce2E untuk bakteri Mtb yang terdiri dari epitop sel B dan sel T. Prediksi epitop sel B telah dilakukan menggunakan ABCpred, sedangkan prediksi epitop sel T menggunakan IEDB. Proses penambatan molekul (molecular docking) dilakukan menggunakan MOE2014.09. Kandidat epitop terbaik yang didapat berdasakan nilai ?Gbinding dan juga interaksi antara ikatan epitop dengan molekul HLA. Teridentifikasi dua kandidat epitop terbaik yaitu GTGISGMLR dengan HLA-C*12:03 untuk MHC kelas I dan GTGISGMLRALEQAW dengan HLA-DRB1*11:01 untuk MHC kelas II, dengan nilai ?Gbinding untuk masing-masing epitope secara berurutan yaitu -9,4737 kkal//mol dan -8,2259 kkal/mol. Cakupan populasi yang dimiliki oleh vaksin yang telah didesain pada penelitian ini sebesar 75,68% dari populasi global.

---

Tuberculosis is still a critical world health problem, is the 13th most significant cause of death, and ranks second after COVID-19 as an infectious disease that causes the most death. Tuberculosis is a disease caused by infection with the bacterium Mycobacterium tuberculosis (Mtb), which can be transmitted through the air when the patient speaks, coughs, or sneezes. Research on TB drugs and vaccines has been carried out for a long time. This research develops a novel vaccine utilizing in silico method based on conserved region epitopes. The vaccine design in this study was based on epitope prediction from the Mce2E protein sequence for Mtb bacteria consisting of B-cell and T-cell epitopes. B-cell epitope prediction was carried out using ABCpred, while T cell epitope prediction used IEDB. The process of molecular docking was carried out using MOE2014.09. The best epitope candidate was obtained based on the value of ?Gbinding and the interaction between the epitope bond and the HLA molecule. The two best epitope candidates identified were GTGISGMLR with HLA-C*12:03 for class I MHC and GTGISGMLRALEQAW with HLA-DRB1*11:01 for class II MHC, with ?Gbinding values for each epitope respectively -9.4737 kcal/mol and -8.2259 kcal/mol. The population coverage prediction from the obtained epitopes could cover 75.68% of the global population"

"SARS-CoV-2 sebagai virus penyebab COVID-19 yang berikatan dengan reseptor ACE-2 untuk masuk ke dalam sel inang melalui protein spike-1. Protein spike-1 dapat menjadi target pencegahan COVID-19 melalui pengembangan vaksin. Vaksin berbasis DNA merupakan kandidat vaksin yang menjanjikan untuk dikembangkan. Spesimen naso-oro faring pasien COVID-19 yang telah dikonfirmasi dengan RT-PCR, diekstraksi dan diamplifikasi dengan menggunakan primer kloning terhadap plasmid pUMVC4a. Hasil sekuensing dianalisis dengan SeqScape 3.0 dan MEGA 11. Analisis epitop sel B dilakukan dengan berbagai piranti lunak berbasis web. Konstruksi DNA vaksin dilakukan melalui analisis in silico menggunakan SnapGene 6.0 serta in vitro melalui teknik DNA Rekombinan. Gen spike-1 teramplifikasi dengan ukuran 2.265 bp, namun ligasi ke pUMVC4a dan transformasi ke E.coli strain DH5α belum berhasil. Berdasarkan analisis, seluruh sekuen memiliki mutasi D614G dengan isolat A dan B memiliki PNI yang dekat dengan varian Wuhan wt sementara 5 isolat (C-G) termasuk dalam varian Omicron. Berdasarkan sifat antigenisitas, toksisitas, alergenisitas, topologi dan hidrofobisitas, empat belas sekuen asam amino (pada posisi 68-678 protein S-1) diajukan sebagai epitop terpilih. Terdapat 14 sekuens asam amino pada protein spike-1 SARS-CoV-2 yang dapat diajukan sebagai domain epitop sel B dalam pengembangan vaksin COVID-19 berbasis DNA.

---

SARS-CoV-2 as the virus that causes COVID-19 binds to the ACE-2 receptor to enter host cells via the spike-1 protein. Spike-1 protein can be a target for preventing COVID-19 through vaccine development. DNA-based vaccines are promising vaccine candidates to be developed. Naso-oropharyngeal specimens of COVID-19 patients confirmed by RT-PCR were extracted and amplified using clone primers against the plasmid pUMVC4a. The sequencing results were analyzed with SeqScape 3.0 and MEGA 11. B cell epitope analysis was performed with various web-based software. Vaccine DNA construction was carried out through in silico analysis using SnapGene 6.0 and in vitro using Recombinant DNA techniques. The spike-1 gene was amplified with a size of 2,265 bp, but ligation to pUMVC4a and transformation to E.coli strain DH5α were not successful. Based on the analysis, all sequences have the D614G mutation with isolate A and B having a PNI that is close to the Wuhan wt variant while 5 isolates (C-G) belong to the Omicron variant. Based on antigenicity, toxicity, allergenicity, topology and hydrophobicity, fourteen amino acid sequences (at positions 68 - 678 of protein S-1) were proposed as selected epitopes. There are 14 amino acid sequences in the SARS-CoV-2 spike-1 protein that can be proposed as B cell epitope domains in the development of a DNA-based COVID-19 vaccine."

"Pada akhir tahun 2019, telah muncul suatu tipe virus korona baru yaitu SARS-CoV-2 yang menyebabkan pandemik global dengan tingkat kematian yang relatif sangat tinggi. Dikarenakan oleh belum adanya obat maupun vaksin yang efektif untuk mengobati virus ini maka diperlukan suatu senyawa yang bisa menginhibisi protein yang berperan dalam infeksi virus SARS-CoV-2. Virus SARS-CoV-2 terdiri dari beberapa protein penyusun. Salah satu protein yang berperan penting adalah protein nukleokapsid (NP). Protein ini berperan dalam proses transkripsi maupun replikasi dari RNA virus SARS-CoV-2. Oleh karena itu, protein ini memiliki potensi untuk dijadikan target protein yang akan diinhibisi. Pada penelitian ini akan dilakukan pemanfaatan senyawa bahan alam yang dapat menginhibisi protein target tersebut sehingga dapat mengurangi dampak dari pandemik global ini. Struktur tiga dimensi (3D) dari NP dimodel melalui sekuen yang diunduh melalui basis data GenBank. Struktur protein kemudian dioptimisasi dan dikarakterisasi untuk mengetahui keakurasian struktur hasi homologi model. Kemudian, penapisan dilakukan terhadap basis data senyawa bahan alam yang berasal dari NPASS dengan menggunakan Astex’s Rule of Three (RO3) dan sifat toksisitas untuk mendapatkan senyawa fragmen. Kemudian dilakukan simulasi penambatan molekul senyawa-senyawa fragmen ini terhadap sisi ikat dari NP menggunakan perangkat lunak MOE 2014.09. Kemudian setelah didapatkan delapan ligan terbaik, ligan-ligan tersebut ditumbuhkan dengan menggunakan proses penumbuhan fragmen yang menghasilkan 14.332 senyawa yang nantinya akan dievaluasi melalui simulasi penambatan molekul sekali lagi. Simulasi ini menghasilkan 40 ligan terbaik dengan nilai energi bebas Gibbs terendah terhadap struktur ptorein. Ligan terpilih diprediksi sifat farmakologinya secara komputasi, dan menghasilkan 2 ligan (CFG-17 dan NFG-11) yang memiliki sifat farmakologis yang baik. Kedua ligan ini divalidasi interaksinya dengan menggunakan simulasi dinamika molekul dan menunjukkan stabilitas interaksi yang baik sebagai kandidat obat untuk terapi SARS-CoV-2.

---

The outbreak of COVID-19 caused by the SARS-CoV-2 virus caused a global pandemic that affects the worldwide. Because of the lacking effective prescribed drugs or vaccines as a therapeutic strategy, there is a need to identify a novel inhibitor to inhibit a protein that plays a vital role in the infection of SARS-CoV-2. The Nucleocapsid protein (NP) of the SARS-CoV-2 is a protein that is necessary for viral RNA replication and transcription. Thus, in this study, a three-dimensional (3D) NP structure was modeled using the protein sequences of NP obtained from the GenBank database. After that, the modeled protein structure was characterized and optimized. The natural compound databases obtained from the NPASS database were screened based on Astex’s Rule of Three and toxicity filter to gain lead-like fragments. The filtered fragments were docked into the binding site of the NP utilizing MOE 2014.09 software. Then potential eight potential lead-like fragments were grown to generate 14,332 new ligands by utilizing DataWarrior software. Then molecular docking simulation was performed once again with the same protocol as the first molecular docking simulation. The simulation resulted in 40 best ligands with the lowest value of Gibbs free energy binding to NP. The selected ligands were subjected to the computational pharmacological properties prediction using several tools and resulted in two compounds candidate with favorable interaction and ADME-Tox properties. Then these two compounds were further analyzed with the molecular dynamic simulation."

"

Pada Oktober 2019, Sumatera Utara kembali terpapar penyakit kolera babi (hog cholera atau classical swine fever) dan demam babi Afrika. Wabah penyakit ini telah menyebabkan kematian pada ternak babi hingga 29.223 ekor di 17 kabupaten/kota di Sumatera Utara. Sementara pada Februari 2020, Dinas Pertanian dan Ketahanan Pangan Provinsi Bali melaporkan sebanyak 1700 ekor babi milik warga mati disebabkan oleh penyakit ASF di 9 kabupaten/ kota. Penelitian ini dilakukan untuk merancang vaksin berbasis epitop secara in siliko untuk mencegah infeksi virus ASF dan CSF pada babi. Vaksin dibuat berbasis epitop dari protein virus karena sangat imunogenik dalam menginduksi produksi antibodi, dan juga merupakan target utama untuk netralisasi antibodi selama infeksi CSFV dan ASFV. Sekuens protein diunduh dari NCBI dan dianalisis secara komputasi. Prediksi afinitas ikatan dilakukan dengan menggunakan IEDB Tepitool dan prediksi epitop untuk CTL dilakukan dengan menggunakan IEDB NetCTLpan. Struktur protein target dapat diunduh dari Protein Database (PDB) maupun secara homology modelling dan struktur ligan peptida nonamer dirancang dengan menggunakan ChemBioDraw Ultra 14.0 untuk kemudian dipreparasi melalui proses optimasi geometri dan minimasi energi. Ikatan antara molekul SLA dan peptida epitope kemudian dianalisis dengan cara molecular docking pada situs asam amino tertentu dengan menggunakan software MOE 2014.09, untuk menghitung energi ikatan dan memverifikasi daerah interaksi epitop dengan reseptor protein.

---

On October 2019, Hog Cholera and African Swine Fever outbreak has struck North Sumatera. As many 29.223 pigs has been killed in 17 districts/ cities in North Sumatera. Meanwhile since February 2020, Bali Agriculture and Food Security Agency reported that over 1700 pigs were killed by ASF in 9 districts/ cities. This study aimed to design epitope-based peptide vaccine in order to prevent further infection of ASFV and CSFV. An epitope-based vaccine is potent in establishing a strong antibody due to its strong immunogenicity, and it is also the main target for inducing neutralizing antibodies during CSFV and ASFV infection. Sequences of ASFV and CSFV protein were collected from NCBI and analyzed through computational method. Peptides binding affinities were predicted using IEDB Tepitool and NetCTLpan was used to predict rhe CTL epitopes. The 3D structures of the protein were obtained either downloading from the Protein Database and homology modelling, and the nonamer peptide structures were drew by using ChemBioDraw Ultra 14.0 and then prepared through geometry optimization and energy minimization. The epitopes were further tested for binding against the SLA molecules using molecular docking technique at any amino acid residues to calculate its binding energy and verify the binding cleft epitope interactions.

"

"Pandemi virus SARS-CoV-2 yang terjadi telah membuat kebutuhan untuk pemeriksaan massal deteksi virus menjadi meningkat. Saat ini pemeriksaan gold standard untuk mendeteksi virus SARS-CoV-2 adalah dengan metode reverse transcriptase quantitative polymerase chain reaction (RT-qPCR) yang berbiaya mahal. Oleh karena itu dibutuhkan metode pemeriksaan alternatif yang lebih murah, cepat, dan mudah digunakan sebagai sistem deteksi virus. Metode Loop Mediated Isothermal Amplification LAMP) dapat melakukan reaksi amplifikasi nukleotida pada suhu isothermaltanpa perlu mesin thermal cycler dan dapat diamati langsung dengan penambahan zat pewarna. Metode deteksi virus berbasis LAMP yang dikembangkan menggunakan desain primer yang menarget gen S dan ORF1ab ditambah pewarna Calcein-Mangan dan senyawa tambahan Guanidine Hydrochloride (GuHCl). Sistem deteksi dilakukan optimasi konsentrasi komponen reaksi, suhu dan template yang menggunakan plasmid DNA kontrol. Optimasi didapatkan dengan konsentrasi reaksi FIP/BIP 0,4 µM, F3/B3 0,2 µM, Loop F/P 0,4 µM, Calcein-Mangan 12 µM, dan GuHCl 40 mM. Sistem LAMP yang dikembangkan dapat mendeteksi sekuens gen target pada DNA kontrol hingga 1 copy number dalam waktu sekitar 1 jam pada inkubasi suhu 55 ºC. Meski begitu, sistem LAMP yang dikembangkan belum mapu mengamplifikasi RNA virus SARS-CoV-2 hasil ekstraksi sampel swab pasien. Hal ini disebabkan oleh enzim Bst 3.0 yang dipakai dalam sistem LAMP tidak memiliki kemampuan reverse transcriptase yang diharapkan.

---

The SARS-CoV-2 virus pandemic has made the need for mass screening of virus detection increased. Currently, the gold standard  test to detect SARS-CoV-2 virus is reverse transcriptase quantitative polymerase chain reaction (RT-qPCR) method that costly. Therefore, an alternative method that is cheaper, faster, and easier to use as a virus detection system is needed. The Loop Mediated Isothermal Amplification (LAMP) method can perform nucleotide amplification reactions at isothermal temperatures  without the need of thermal cycler  machine and can be observed directly with the addition of coloring agents. The LAMP-based virus detection method development use primers design targeting the S and ORF1ab genes with Calcein-Manganese dyes and the additive compound Guanidine Hydrochloride (GuHCl). The detection system performed optimization of the concentration of reaction components, temperature and template using plasmid DNA control. Optimization was obtained with reaction concentration of FIP/BIP 0.4 μM, F3/B3 0.2 μM, Loop F/P 0.4 μM, Calcein-Manganese 12 μM, and GuHCl 40 mM. The developed LAMP system can detect target gene sequences in control DNA up to  1 copy number in about 1 hour at 55 ºC incubation temperature. Even so, the LAMP system developed still unable to amplify the RNA of the SARS-CoV-2 virus from the extraction of patient swab samples. This issue occurred due to the Bst 3.0 enzyme that used in the reaction did not have reverse transcriptase activity as expected."

"Pandemi COVID-19 adalah penyakit yang disebabkan oleh infeksi virus corona atau yang lebih dikenal sebagai SARS-CoV-2. Menurut data Kemenkes RI pada 17 Januari 2022, jumlah kasus meninggal di Indonesia hingga 144.174 dan jumlah yang diketahui sudah terinfeksi 8.775 per hari. Fenomena ini dikarenakan mutasi SARS-CoV-2 secara terus menerus hingga menyulitkan pembuatan vaksin yang efektif. Proses pembuatan dan penelitian untuk menemukan vaksin yang efektif masih terus dilakukan hingga saat ini. Karena hal tersebut penelitian dan penemuan vaksin yang efektif untuk menanggapi adanya potensi mutasi dari virus SARS-CoV-2 yang lebih berbahaya di masa depan. Penelitian ini bertujuan untuk mendapatkan kandidat vaksin virus SARS-CoV-2 berdasarkan urutan epitop dengan menganalisis spike protein virus SARS-CoV-2 dan Major Histocompatibility Complex I dan II (MHC I dan II ) sebagai alel-alel yang terkait ke satu set peptida yang untuk menjadi target respon imun tubuh melalui pendekatan imunoinformatika. Analisis pada studi ini dilakukan di berbagai perangkat lunak. Sequence S-protein SARS-CoV-2 diunduh melalui GISAID lalu diprediksi antigenisitasnya melalui VaxiJen v2.0 kemudian setelah itu dilakukan molecular docking. Hasil penelitan ini didapatkan 14 urutan epitop yang dapat digunakan sebagai kandidat vaksin SARS-CoV-2 yaitu ATAATTTTA, TTAACTTTA, TTAAGTTGA, TTAAGTTTA; TTAATTTTA, TTATGTTCA, TGGTTATGCACAC, TCTTTAAGTTTAGAA, TCGATAATTTTAAGT, TAGTTAACTTTAATC, CTTTTAAGTTGACAT, ACTTTAATTTTAGCC. Dengan nilai afinitas ikatan vaksin eptip yang telah didesain sebesar -7,8 dan -6,3

---

The COVID-19 pandemic is a disease caused by infection with the corona virus or better known as SARS-CoV-2. According to data from the Ministry of Health of the Republic of Indonesia on January 17, 2022, the number of cases died in Indonesia was up to 144,174 and the number known to have been infected was 8,775 per day. This phenomenon is due to the continuous mutation of SARS-CoV-2 which makes it difficult to make an effective vaccine. The process of making and research to find an effective vaccine is still being carried out until now. Because of this research and the discovery of an effective vaccine to respond to the potential mutation of the SARS-CoV-2 virus that is more dangerous in the future. This study aims to obtain a SARS-CoV-2 virus vaccine candidate based on epitope sequence by analyzing the SARS-CoV-2 viral spike protein and Major Histocompatibility Complex I and II (MHC I and II) as alleles associated with a set of peptides. to become the target of the body's immune response through an immunoinformatics approach. The analysis in this study was carried out in various software. The SARS-CoV-2 S-protein sequence was downloaded via GISAID and then its antigenicity was predicted through VaxiJen v2.0 and then molecular docking was performed. The results of this study obtained 14 epitope sequences that can be used as candidates for the SARS-CoV-2 vaccine, namely ATAATTTTA, TTAACTTTA, TTAAGTTGA, TTAAGTTTA; TTAATTTTA, TTATGTTCA, TGGTTATGCACAC, TCTTTAAGTTTAGAA, TCGATAATTTTAAGT, TAGTTAACTTTAATC, CTTTTAAGTTGACAT, ACTTTAATTTTAGCC. With the value of binding affinity for the designed epitope vaccine of -7.8 and -6.3."

"Latar Belakang. Penyakit COVID-19 yang disebabkan oleh SARS-CoV-2 dengan cepat menyebar dan menjadi Pandemi serta menimbukan kerugian yang sangat besar pada masyarakat di seluruh dunia. Deteksi virus yang cepat dan akurat memegang peranan penting untuk mengendalikan penyebaran di masyarakat dan membantu pasien untuk menghindari perkembangan penyakit lebih lanjut. Saat ini real-time Reverse Transcriptase Polymerase Chain Reaction (real-time RT-PCR) merupakan reference standard diagnostic test dalam mendeteksi SARS-CoV-2 di seluruh dunia. Real-time Reverse Transcriptase Loop Mediated Isothermal Amplification (RT-LAMP) merupakan metode amplifikasi asam nukleat isotermal yang memiliki sensitivitas dan spesifisitas tinggi dan waktu pengerjaan yang jauh lebih cepat dibandingkan real-time RT-PCR. Tujuan. Penelitian bertujuan untukiDetectTM SARS-CoV-2 Detection KitSARS-CoV-2.Metode. Penelitian ini merupakan uji kesesuaian dengan studi potong lintang dan menggunakan metode pengumpulan sampel secara consecutive sampling. Subjek penelitian yaitu spesimen swab nasofaring dan orofaring dalam VTM (N=80) yang dianalisis di Laboratorium Mikrobiologi Klinik Fakultas Kedokteran Universitas Indonesia. iDetectTM SARS-CoV-2 Detection Kit menggunakan uji kesesuaian Kappa aplikasi SPSS versi 25.Hasil. Dari 72 sampel valid yang diperiksa dengan real-time RT-LAMP iDetectTM SARS- CoV-2 Detection Kit dan real-time RT-PCR, 24 sampel terdeteksi positif oleh real-time RT-PCR dan hanya tiga sampel yang terdeteksi positif oleh real-time RT-LAMP. Tiga sampel yang terdeteksi positif oleh real-time RT-LAMP termasuk ke dalam sampel - sampel yang terdeteksi positif oleh real-time RT-PCR. Secara statistik, uji reliabilitas / uji kesesuaian dari penelitian kedua alat diagnostik ini menunjukkan nilai Kappa yang sangat rendah, yaitu 0,16. Uji kesesuaian Kappa kedua alat ini menunjukkan bahwa hasil pemeriksaan alat real-time RT-LAMP iDetectTM SARS-CoV-2 Detection Kit tidak sesuai dengan alat real-time RT-PCR dalam mendeteksi SARS-CoV-2. Kesimpulan. Real-time RT-LAMP iDetectTM SARS-CoV-2 Detection Kit tidak sesuai dengan alat real-time RT-PCR dan tidak dapat digunakan sebagai alat diagnostik dalam mendeteksi SARS-CoV-2.

---

Introduction. COVID-19 caused by SARS-CoV-2 quickly spread and became Global Pandemic and caused enormous losses to people around the world. Rapid and accurate virus detection plays an important role in controlling spread in the community and helping patients to avoid further disease progression. Currently, real-time Reverse Transcriptase Polymerase Chain Reaction (real-time RT-PCR) is determined as the reference standard diagnostic test for detecting SARS-CoV-2 worldwide. Real-time Reverse Transcriptase Loop Mediated Isothermal Amplification (RT-LAMP) is an isothermal nucleic acid amplification method that has high sensitivity and specificity and provide faster result than real-time RT-PCR. Aim. The research aims to compare real-time RT-LAMP iDetectTM SARS-CoV-2 Detection Kit and real-time RT-PCR in detecting SARS-CoV-2. Method. This research is a comparison test with a cross-sectional study and uses a consecutive sampling method to collect samples. The research subjects were nasopharyngeal and oropharynx swab specimens in VTM (N=80) which were analyzed at the Clinical Microbiology Laboratory, Faculty of Medicine, Universitas Indonesia. The data obtained from the real-time RT-LAMP iDetectTM SARS-CoV-2 Detection Kit and real-time RT-PCR test results were analyzed using Kappa test SPSS version 25.

Results. Of the 72 valid samples examined by the real-time RT-LAMP iDetectTM SARS- CoV-2 Detection Kit and real-time RT-PCR, 24 samples were detected positive by real- time RT-PCR and only three samples were detected positive by real-time RT-LAMP. Three samples that were detected positive by the real-time RT-LAMP were included in the samples that were detected positive by the real-time RT-PCR. Statistically, the comparison test of the research of these two diagnostic tools showed a very low Kappa value, which was 0.16. The Kappa suitability test of these two tools showed that the real- time RT-LAMP iDetectTM SARS-CoV-2 Detection Kit were not compatible with the real- time RT-PCR in detecting SARS-CoV-2. Summary. Real-time RT-LAMP iDetectTM SARS-CoV-2 Detection Kit is not compatible with real-time RT-PCR and cannot be used as a diagnostic tool in detecting SARS-CoV-2."

"

Penelitian ini bertujuan untuk melakukan pengelompokan varian virus SARS-CoV-2 melalui proses clustering menggunakan metode unsupervised learning. Data yang digunakan adalah sekuens protein SARS-CoV-2 yang diekstraksi fiturnya menggunakan paket Discere dalam bahasa pemrograman Python. Sebanyak 27 fitur dihasilkan dan diseleksi dengan metode seleksi fitur Least Absolute Shrinkage and Selection Operator (LASSO). Metode Elbow digunakan untuk menentukan jumlah cluster yang optimal. Dalam penelitian ini, digunakan metode clustering K-Means dan Balanced Iterative Reducing and Clustering using Hierarchies (BIRCH). Evaluasi hasil clustering dilakukan menggunakan metrik evaluasi Silhouette Score dan Davies-Bouldin Index, serta memperhatikan waktu runtime untuk setiap simulasi. Hasil evaluasi kemudian dibandingkan untuk melihat perbedaan performa antara kedua metode clustering yang digunakan, serta pengaruh seleksi fitur terhadap performa clustering. Hasil terbaik diperoleh pada simulasi dengan metode clustering BIRCH + LASSO, dengan nilai Silhouette Score 0,74186 untuk jumlah cluster k=4 dan 0,73207 untuk k=5. Nilai Davies-Bouldin Index terbaik juga diperoleh pada simulasi tersebut, yaitu 0,42697 untuk k=4 dan 0,37949 untuk k=5. Waktu runtime terbaik tercatat pada simulasi dengan metode K-Means + LASSO, yaitu 0,21551 detik untuk k=4 dan 0,17539 detik untuk k=5. Dapat disimpulkan bahwa metode BIRCH menghasilkan cluster yang lebih baik berdasarkan metrik evaluasi, namun K-Means memberikan proses clustering yang lebih cepat. Seleksi fitur dengan metode LASSO juga membantu meningkatkan performa clustering.

---

This study aims to perform clustering of SARS-CoV-2 virus variants using unsupervised learning methods. The data used consists of SARS-CoV-2 protein sequences whose features are extracted using the Discere package in the Python programming language. A total of 27 features are generated and selected using the Least Absolute Shrinkage and Selection Operator (LASSO) feature selection method. The Elbow method is employed to determine the optimal number of clusters for the clustering process. The clustering methods used in this research are K-Means clustering and Balanced Iterative Reducing and Clustering using Hierarchies (BIRCH). The clustering results are evaluated using the Silhouette Score and Davies-Bouldin Index metrics, while also considering the runtime for each simulation. The evaluation results are then compared to examine the performance differences between the two clustering methods and the impact of feature selection on clustering performance. The best Silhouette Score is obtained in the simulation using the BIRCH + LASSO clustering method, with a value of 0.74186 for k=4 and 0.73207 for k=5. The best Davies-Bouldin Index is also achieved in the same simulation, with values of 0.42697 for k=4 and 0.37949 for k=5. The fastest runtime is recorded in the simulation using the K-Means + LASSO method, with a time of 0.21551 seconds for k=4 and 0.17539 seconds for k=5. In conclusion, the BIRCH method yields better clustering results based on the evaluation metrics, while K-Means provides faster clustering processes. The LASSO feature selection method also aids in improving clustering performance.

"