Mikrobioma dan Genomik: Pilar Baru dalam Personalized Medicine
Penulis: Cantika Damayanti Putri W. (Archaea’23)
A. Mengenal Lebih Dekat Terkait “Personalized Medicine“
Perkembangan biomedis abad ke-21 menghadirkan personalized medicine, yakni pendekatan yang menyesuaikan pencegahan, diagnosis, dan terapi berdasarkan karakteristik unik tiap individu, seperti profil genetik, biomarker molekuler, kondisi fisiologis, lingkungan, dan gaya hidup, untuk meningkatkan efektivitas dan mengurangi efek samping (Jameson & Longo, 2015). Kemajuan teknologi sekuensing genomik dan analisis big data memungkinkan identifikasi varian genetik yang mempengaruhi penyakit dan respons terapi, serta integrasi data multi omics dan klinis untuk model penyakit dan rekomendasi terapi lebih tepat (Mardis & Wilson, 2025).
Perhatian pada mikrobioma manusia, khususnya usus, meningkat karena perannya dalam pencernaan, metabolisme obat, dan fungsi imun. Metagenomika yang memetakan komunitas mikroba tanpa kultur menjadi bagian penting personalized medicine, memberikan informasi tambahan untuk pilihan terapi atau intervensi nutrisi personal (Hou et al., 2022). Manfaat integrasi metagenomika meliputi prediksi respons terapi lebih baik, identifikasi risiko penyakit kronis lebih awal, dan rancangan intervensi mikrobioma (probiotik, prebiotik, diet) guna meningkatkan hasil klinis. Studi awal menunjukkan mikrobioma berperan dalam keberhasilan terapi, sehingga data mikrobioma dapat meningkatkan akurasi keputusan medis (Huang et al., 2023).
B. Metode Genomic yang Digunakan
Metode genomic yang umum dipakai salah satunya adalah Metagenomic Next Generation Sequencing (mNGS)
mNGS dapat menganalisis keseluruhan materi genetik baik DNA atau RNA pada sampel interest termasuk air , udara, tanah dan bahkan feses. kelebihan pada metode mNGS :
- Dapat mendeteksi mikroba tanpa ketergantungan terhadap mikroba yang culturable (non culturable dapat terdeteksi)
- Memberikan komposisi diversitas mikroba pada sampel
- Digunakan dalam berbagai bidang termasuk kesehatan
Prinsip metagenomik NGS dengan mengekstraksi DNA atau RNA keseluruhan yang terdapat dalam sampel. pengambilan DNA atau RNA didasarkan pada tujuan dari sequencing yang ingin dicapai, umumnya RNA diambil untuk melihat ekspresi gen aktif.
Setelah preparasi sampel dan ekstraksi selesai, sampel DNA/RNA dilakukan pemotongan dan menjadi fragmen-fragmen kecil. kemudian digunakan beberapa platform tertentu seperti ilumina, PacBio atau Oxford nanopore yang akan membaca urutan nukleotida secara paralel dalam jumlah besar, menghasilkan miliaran short reads. kemudian dilakukan quality control untuk membuang data yang berkualitas rendah dan dilakukan proses taxonomic profiling dan functional profiling. Hasil Profiling dari beberapa aspek akan digunakan untuk menganalisis treatment dan metode yang digunakan yang paling cocok dengan pasien. (Chiu & Miller, 2019; Gökdemir et al., 2022)
C. Efektifitas Analisis Metagenomic
Analisis metagenomik, terutama metagenomik shotgun dan metagenomik next-generation sequencing (mNGS), memberikan gambaran komprehensif tentang komposisi dan potensi fungsional komunitas mikroba dalam sampel klinis seperti feses, darah, dan cairan bronkoalveolar. Teknologi ini memungkinkan deteksi patogen sulit dikultur, identifikasi gen resistensi antimikroba, serta profiling mikrobioma host yang memengaruhi respons terapi. Bukti menunjukkan informasi metagenomik dapat meningkatkan keputusan terapeutik dibanding metode tradisional (Ayman Elbehiry & Adil Abalkhail, 2025).
Hubungan mikrobioma usus dengan efektivitas immune checkpoint inhibitors (ICI) penting; studi dan meta-analisis menunjukkan komposisi atau keragaman mikroba tertentu berkorelasi dengan respons pasien terhadap ICI pada beberapa kanker. Intervensi modulasi mikrobioma seperti Fecal Microbiota Transplantation (FMT) dari pasien responder dilaporkan meningkatkan respons, menjadikan profil metagenomik biomarker prediktif sekaligus target intervensi. Namun, hubungan ini dipengaruhi tipe tumor, regimen terapi, dan konfigurasi mikrobioma, sehingga perlu validasi lintas kohort (Zhang et al., 2023). FMT mengubah komunitas mikroba pasien, dan analisis metagenomik pra-pasca FMT menilai “engraftment” donor strain dan penanda yang terkait respons klinis. Faktor seperti komposisi donor, antibiotik, dan ekologi mikrobioma penerima memengaruhi keberhasilan FMT dan hasil terapi, menjadikan metagenomik penting dalam evaluasi donor dan optimasi protokol (Schmidt et al., 2022).
Dalam penyakit infeksi berat seperti pneumonia dan sepsis, mNGS dapat mendeteksi patogen secara cepat dan tanpa asumsi, termasuk bakteri, virus, dan jamur, memungkinkan penyesuaian terapi antibiotik lebih tepat. Integrasi mNGS ke alur diagnostik mempercepat terapi target dan mengurangi antibiotik spektrum luas, yang dapat menurunkan resistensi dan efek samping. Namun, tantangan masih ada dalam interpretasi mNGS untuk membedakan kolonisasi dan infeksi serta validasi gen resistensi sebagai prediktor fenotipik (Wu & Zinter, 2025).
D. Manfaat Luas
Dalam bidang personalized medicine, metagenomic Next-Generation Sequencing (mNGS) memberikan manfaat besar karena mampu menganalisis mikrobioma individu secara detail, sehingga dokter dapat memahami peran komunitas mikroba dalam kesehatan maupun penyakit dan menyesuaikan terapi secara spesifik; misalnya, dalam diagnosis infeksi, mNGS dapat langsung mendeteksi patogen penyebab penyakit dari sampel darah atau cairan serebrospinal tanpa perlu kultur, sehingga pasien dengan infeksi langka atau atipikal dapat segera mendapat terapi tepat sasaran; dalam onkologi, profil metagenomik mikrobioma usus pasien kanker dapat digunakan untuk memprediksi respons terhadap imunoterapi dan menyesuaikan strategi pengobatan; sementara pada bidang farmakogenomik, mNGS membantu memetakan mikroba yang mempengaruhi metabolisme obat tertentu, sehingga dosis dan jenis terapi dapat dipersonalisasi untuk meningkatkan efektivitas sekaligus mengurangi efek samping, menjadikannya alat penting untuk mewujudkan pengobatan yang benar-benar presisi dan individual (Han et al., 2025; Peters et al., 2019)
E. Referensi
Ayman Elbehiry, & Adil Abalkhail. (2025). Metagenomic Next-Generation Sequencing in Infectious Diseases: Clinical Applications, Translational Challenges, and Future Directions. Diagnostics, 15(16), 1991–1991. https://doi.org/10.3390/diagnostics15161991
Chiu, C. Y., & Miller, S. A. (2019). Clinical metagenomics. Nature Reviews. Genetics, 20(6), 341–355. https://doi.org/10.1038/s41576-019-0113-7
Gökdemir, F. Ş., İşeri, Ö. D., Sharma, A., Achar, P. N., & Eyidoğan, F. (2022). Metagenomics Next Generation Sequencing (mNGS): An Exciting Tool for Early and Accurate Diagnostic of Fungal Pathogens in Plants. Journal of Fungi, 8(11), 1195. https://doi.org/10.3390/jof8111195
Han, W., Zhou, Y., Wang, Y., Liu, X., Sun, T., & Xu, J. (2025). Exploring fecal microbiota signatures associated with immune response and antibiotic impact in NSCLC: insights from metagenomic and machine learning approaches. Frontiers in Cellular and Infection Microbiology, 15, 1591076. https://doi.org/10.3389/fcimb.2025.1591076
Hou, K., Wu, Z.-X., Chen, X.-Y., Wang, J.-Q., Zhang, D., Xiao, C., Zhu, D., Koya, J. B., Wei, L., Li, J., & Chen, Z.-S. (2022). Microbiota in Health and Diseases. Signal Transduction and Targeted Therapy, 7(135). https://doi.org/10.1038/s41392-022-00974-4
Huang, G., Khan, R., Zheng, Y., Chin Lee, P., Li, Q., & Khan, I. (2023). Exploring the role of gut microbiota in advancing personalized medicine. Frontiers in Microbiology, 14. https://doi.org/10.3389/fmicb.2023.1274925
Jameson, J. L., & Longo, D. L. (2015). Precision Medicine — Personalized, Problematic, and Promising. New England Journal of Medicine, 372(23), 2229–2234. https://doi.org/10.1056/nejmsb1503104
Mardis, E. R., & Wilson, R. K. (2025). Tracing the evolution of sequencing into the era of genomic medicine. Nature Reviews Genetics, 26, 1–16. https://doi.org/10.1038/s41576-025-00884-5
Peters, B. A., Wilson, M., Moran, U., Pavlick, A., Izsak, A., Wechter, T., Weber, J. S., Osman, I., & Ahn, J. (2019). Relating the gut metagenome and metatranscriptome to immunotherapy responses in melanoma patients. Genome Medicine, 11(1). https://doi.org/10.1186/s13073-019-0672-4
Schmidt, T. S. B., Li, S. S., Maistrenko, O. M., Akanni, W., Coelho, L. P., Dolai, S., Fullam, A., Glazek, A. M., Hercog, R., Herrema, H., Jung, F., Kandels, S., Orakov, A., Thielemann, R., von Stetten, M., Van Rossum, T., Benes, V., Borody, T. J., de Vos, W. M., & Ponsioen, C. Y. (2022). Drivers and determinants of strain dynamics following fecal microbiota transplantation. Nature Medicine, 28(9), 1902–1912. https://doi.org/10.1038/s41591-022-01913-0
Wu, B. G., & Zinter, M. S. (2025). Metagenomic Sequencing for Personalized Treatment in Pneumonia. CHEST Journal, 167(2), 300–302. https://doi.org/10.1016/j.chest.2024.08.031
Zhang, M., Liu, J., & Xia, Q. (2023). Role of gut microbiome in cancer immunotherapy: from predictive biomarker to therapeutic target. Experimental Hematology & Oncology, 12(1). https://doi.org/10.1186/s40164-023-00442-x