SEMINAR NASIONAL PENELITIAN DAN PENDIDIKAN KIMIA “Kontribusi Penelitian Kimia Terhadap Pengembangan Pendidikan Kimia”
KOMPUTASI KIMIA SEBAGAI ALTERNATIF DALAM PENELITIAN PADA MASA KRISIS DAN MASA DEPAN 1 Eva Vaulina Yulistia Delsy 2 Abstrak Kimia komputasi merupakan jembatan ilmu yang menghubungkan landasan teoritis dan eksperimen. Perkembangan komputasi kimia telah mengubah deskripsi suatu sistem kimia dengan masuknya eksperimen komputer. Dalam eksperimen komputer, model tetap menggunakan hasil para pakar kimia teoritis, tetapi perhitungan dilakukan dengan komputer. Berbagai permasalahan kimia dapat dijelaskan dengan menggunakan besaran kualitatif dan kuantitatif melalui metoda komputasi kemudian hasilnya dibandingkan dengan eksperimen sehingga dapat dilihat validitas dari model yang digunakan. Komputasi kimia diawali dengan kajian hubungan struktur kimia dengan aktivitas fisiologi suatu senyawa yang dikenal dengan metoda QSAR (Quantitative Structure Activity Relationship). Dewasa ini, analisis hubungan struktur kimia dengan aktivitas suatu senyawa telah banyak dilakukan, namun pemanfaatan teori orbital molekul seperti muatan bersih atom belum banyak dilakukan, padahal pendekatan ini dapat membantu memperoleh sisi-sisi atom yang mempunyai pengaruh kuat terhadap aktivitas obat. Hal ini dapat membantu mengurangi kegagalan penelitian-penelitian eksperimental di laboratorium dan dapat mengefisiensi tenaga, waktu, biaya, serta dapat mengurangi hewan uji yang digunakan untuk melindungi lingkungan dari toksisitas. Dengan demikian, maka komputasi kimia dapat dijadikan alternatif untuk melakukan penelitian pada masa krisis maupun masa depan. Abstract Computation chemistry is science bridge that connect theoretical and experiment base. Computation chemistry development has changed description of a certain chemistry system with the entering of computer experiment. In a computer experiment, the model still use product of theoretical chemistry experts, but calculation done by computer. Various set of chemistry problems can explained by use qualitative and quantitative mulberry through computation method then the result compared with experiment until valitidy from the used-model can saw. Chemistry computation started with study of connection chemistry structure with physiology activity of a certain compound that recognized with QSAR method (Quantitative Structure Activity Relationship). Nowadays, connection chemistry structure with 1
2
Disampaikan pada Seminar Nasional "Penelitian dan Pendidikan Kimia" tgl 9 Oktober 2004 di Universitas Pendidikan Indonesia Bandung. Jurusan Kimia PSMIPA UNSOED Purwokerto.
Seminar Nasional Penelitian dan Pendidikan Kimia, 9 Oktober 2004
1
activity of a certain compound analysis has done a lot, but the making use of molecule orbital theoretical as atom pure capacity does not done a lot yet, whereas this approach can help to get atom sides which has strong effect to medicine. The thing can help to decrease experimental researches failure in laboratory and it can efficient power, time, cost, and it can clecrease tested animas that wed to protect from toxicosis. Thus, then chemistry computation can be alternative for doing research both crisis and coming period.
I.
PENDAHULUAN
1.1.
Latar Belakang Masalah
Penggunaan komputer dalam perkembangan ilmu pengetahuan dan teknologi semakin pesat, namun penelitian dalam bidang kimia komputasi di Indonesia masih belum banyak dilakukan, padahal kimia komputasi dapat digunakan oleh hampir semua bidang kimia dan membawa era baru yaitu eksperimen komputer. Pada bidang kimia kuantum, penggunaan komputer sangat berperan guna membantu mempercepat penyelesaian perhitungan-perhitungan numeris dalam menghitung sifat molekul yang kompleks dan hasil perhitungannya berkorelasi secara signifikans dengan eksperimen (Pranowo, 2003). Bidang yang menerapkan ilmu kimia komputasi dan cukup penting untuk dikembangkan di Indonesia adalah kimia medisinal, terutama dalam perancangan obat, prediksi teoritis tentang sifat-sifat kimia dan aktivitas suatu molekul Kimia komputasi menjembatani masalah ini dengan cara mencari hubungan antara struktur kimia molekul dengan aktivitas yang dikehendaki, yaitu dengan memodifikasi sifat-sifat aktif pada molekul tersebut (Grant and Richards, 1995). Hal ini dapat membantu mengurangi kegagalan penelitian-penelitian eksperimental di laboratorium serta dapat mengefisiensi tenaga, waktu, biaya penelitian, dan hewan uji yang digunakan , di samping melindungi lingkungan dari toksisitas. Salah satu penelitian komputasi kimia yang banyak dilakukan akhir-akhir ini adalah analisis hubungan struktur kimia dengan aktivitas farmakologis suatu senyawa dengan memanfaatkan teori orbital molekul kuantitatif seperti muatan bersih atom. Penelitian ini mencoba menampilkan hubungan struktur kimia dengan aktivitas antihipertensi senyawa turunan forskolin. 1.2.
Tujuan Penelitian
1. Membuktikan adanya hubungan kuantitatif antara struktur dan aktivitas antihipertensi senyawa turunan forskolin hasil perhitungan dengan komputasi kimia. 2. Mendapatkan model persamaan terbaik dengan metode komputasi semiempiris AM1. 3. Memprediksi obat antihiprtensi turunan forskolin yang efektif. 1.3.
Tinjauan Pustaka
Hubungan Kuantitatif Struktur-Aktivitas (HKSA) atau lebih dikenal dengan metode QSAR (Quantitative Structure Aktivity Relationship) adalah salah satu aplikasi kimia komputasi yang telah digunakan secara luas untuk memprediksi sifat
Seminar Nasional Penelitian dan Pendidikan Kimia, 9 Oktober 2004
2
psikokemikal, farmakologik, dan toksikologik suatu molekul dengan menggunakan deskripsi molekul teoritis. Deskripsi molekul tersebut dapat diperoleh walaupun menggunakan molekul hipotesis dengan perangkat lunak standar (Clark, 1985). QSAR menganalisis struktur obat, reseptor, dan interaksi antara keduanya dengan cermat untuk mendapatkan cara terbaik dalam mengoptimalkan aktivitas atau untuk mendapatkan gambaran molekul yang paling menarik untuk disintesis. Sebelum berkembangnya kimia komputasi, obat sering ditemukan secara kebetulan dari pada didesain secara khusus. Pendekatan yang paling rasional diperkenalkan sejak diusulkannya hipotesis hubungan antara struktur molekul inhibitor adrenalin dengan efek inhibitornya. Dengan memodifikasi struktur molekul dan gugus fungsionalnya dalam berbagai arah, ternyata dapat ditemukan sisi aktif dari inhibitor tersebut (Grant and Richards, 1995). Analisis QSAR dilakukan dengan menggunakan set data eksperimen sebagai masukan sehingga dapat memprediksi obat baru tanpa mengetahui secara menyeluruh interaksi antara obat dengan reseptornya. Forskolin sebagai obat antihipertensi, tidak diketahui secara jelas interaksinya dengan reseptor. Tanaman ini dapat diisolasi dari tanaman Coleus forskolii dan secara alami ada dalam bentuk diterpen. Dalam sistem adenilat siklase, senyawa ini berfungsi sebagai aktivator yang mengaktifkan adenilat siklase secara langsung (Nogrady,1992). Penelitian ini dilakukan untuk mencari hubungan sifat elektronis struktur dan aktivitas antihipertensi senyawa turunan forskolin. Struktur senyawa forskolin dapat dilihat pada gambar 1. O OH o H
OH OAc OH
Gambar 1.Forskolin Kajian QSAR menggambarkan model persamaan yang menghubungkan ketergantungan harga aktivitas suatu senya wa secara eksperimen dengan struktur molekul. Metode kimia komputasi yang bermanfaat untuk perhitungan parameter teoritik pada QSAR salah satunya adalah metode semiempirik Austin Model 1 (AM1). Metode ini merupakan pengembangan lebih lanjut dari metode semiempirik. Aplikasi metode semiempirik AM1 telah banyak digunakan pada masalah hidrasi ion-ion dalam larutan, permukaan katalis, konformasi molekul biologis, dan sebagainya. Muatan bersih atom, log P dan momen dwikutub pada senyawa turunan forskolin hasil perhitungan metode semiempirik AM1 diduga dapat digunakan sebagai predictor untuk analisis QSAR dengan pola hubungan yang linearistik sehingga didapatkan model persamaan QSAR terbaik.
Seminar Nasional Penelitian dan Pendidikan Kimia, 9 Oktober 2004
3
II.
METODE PENELITIAN
2.1.
Bahan
Bahan yang digunakan dalam penelitian ini adalah data-data aktivitas antihipertensi senyawa analog forskolin yang tersubstitusi dan struktur masing-masing senyawa seperti yang ditunjukkan pada table 1. Tabel 1. Data aktivitas senyawa forskolin tersubstitusi Senyawa Forskolin 1 Forskolin 5 Forskolin 6 Forskolin 7 Forskolin 8 Forskolin 9 Forskolin 10 Forskolin 11 Forskolin 12 Forskolin 13 Forskolin 14 Forskolin 15 Forskolin 16 Forskolin 17 Forskolin 18 Forskolin 19 2.2.
R CH2CHO2H CH2CH2CH3 CH2CH-CH2 CH2CH(CH3)2 CH2CH2C(CH3)3 CH2CC6H11 CH2CH2C6H5 CH2CH2C6H4-4OH CH2CH2NH2 CH2CH2N(CH3)2 CH2CH2-1-piperidinyl CH2CH2-2-pyridyl CH2CH2C6H4-4-NH2 CH2CH2OH CH2CH2OCH 3 CH2CH2CO2Et
EC50 0,5 1,3 2,4 2,7 9,6 6,4 2,1 1,4 0,7 2,2 1,2 1,1 1,1 1,4 1,6 3,6
Ln EC50 0,6930 0,2624 0,8755 0,9933 2,2618 1,8563 0,7419 0,3365 0,3570 0,7885 0,1823 0,0953 0,0953 0,3365 0,4700 1,2809
Alat
Alat utama yang digunakan adalah perangkat keras dan perangkat lunak komputer. Perangkat keras yang digunakan adalah processor tipe Pentium IV dengan RAM 256 MB dan Hardisk 40 GB. Perangkat lunak yang digunakan adalah software sistem operasi Windows 2000, Hyperchem versi 6.0 for Windows (digunakan untuk pemodelan molekul, optimasi geometrid an menghitung struktur elektronik senyawa). Untuk analisa statitik dalam kajian QSAR digunakan Program SPSS 10.0 . 2.3.
Prosedur Penelitian
2.3.1. Optimasi Geometri Setiap struktur senyawa turunan forskolin dioptimasi secara geometri untuk memperoleh geometri yang paling stabil. Proses optimasi dilakukan dengan metode semiempiris AM1 sehingga dihasilkan data perhitungan muatan bersih atom dan momen dipol. 2.3.2. Penentuan persamaan aktivitas terbaik Seminar Nasional Penelitian dan Pendidikan Kimia, 9 Oktober 2004
4
Persamaan disusun berdasarkan muatan bersih atom dan momen dipol. Data muatan bersih atom dan momen dipol diproses dalam fitting persamaan linier terhadap aktivitas setiap senyawa sehingga dihasilkan beberapa model persamaan. Dipilih persamaan terbaik dengan menggunakan parameter r, r2, F dan SD. Model terbaik berdasarkan parameter statistik diuji dengan menggunakan senyawa yang tidak ikut dioptimasi sehingga dapat dipilih model persamaan yang menghasilkan kesalahan standar terkecil. III.
HASIL DAN PEMBAHASAN
3.1.
Optimasi Geometri
Optimasi geometri menggunakan program Hyperchem pro versi 6.01 dengan metode semiempiris AM1 menghasilkan data muatan bersih atom dan momen dipol seperti tampak pada lampiran 1. Muatan bersih dan momen dipol digunakan sebagai deskriptor dalam analisis QSAR. Optimasi dilakukan untuk memperoleh struktur yang paling stabil, metode AM1 digunakan karena sesuai untuk senyawa organik Kondisi optimasi dapat dilihat pada table 2. Tabel 2. Kondisi optimasi geometri forskolin tersubstitusi Metode
Spin Pairing
Batas Konvergen
State
Algoritma
Semiempirik AM1
RHF
0,001
Lowest
Polak Ribiere
RMS Gradient (Kkal/? .mol) 0,001
Setelah data perhitungan hasil optimasi struktur diperoleh, kemudian data deskriptor lain diperoleh dengan menggunakan fasilitas perhitungan sifat QSAR yang terdapat dalam Hyperchem pro versi 6.01. Sifat QSAR diperoleh tanpa melalui optimasi struktur, karena sifat QSAR ini tidak melibatkan struktur elektronik dari molekul. Data hasil perhitungan sifat QSAR dapat dilihat pada table 3. Tabel 3. Data sifat QSAR senyawa forskolin Senyawa
Log P
Forskolin 1 Forskolin 5 Forskolin 6 Forskolin 7 Forskolin 8 Forskolin 9 Forskolin 10 Forskolin 11 Forskolin 12
2,64 2,59 2,52 2,99 3,75 4,00 3,04 1,72 0,99
Energi hidrasi -5,84 -7,22 -6,47 -4,86 -5,68 -3,69 -7,76 -12,55 -9,95
Volume molar
Massa Molar
1261,18 1159,86 1148,52 1228,58 1322,43 1305,97 1348,63 1309,42 1177,19
460,61 453,58 451,56 467,60 495,66 521,69 515,65 503,59 454,56
Seminar Nasional Penelitian dan Pendidikan Kimia, 9 Oktober 2004
Indeks Refrakti vitas 121,60 117,31 117,20 121,78 130,94 138,46 141,56 132,25 115,99
Polarisa bilitas 48,62 47,01 46,82 48,84 52,51 55,41 54,83 51,66 46,52
5
Forskolin 13 Forskolin 14 Forskolin 15 Forskolin 16 Forskolin 17 Forskolin 18 Forskolin 19
1,76 1,55 1,69 1,02 1,34 1,61 1,88
-5,20 -28,3 -6,2 -12,25 -12,36 -7,48 -7,79
1285,95 1554,23 1272,03 1320,41 1173,12 1229,19 1347,06
482,62 545,72 516,63 502,61 455,55 469,58 511,61
126,06 142,94 138,05 134,20 114,33 119,08 128,34
50,19 57,40 54,12 52,38 45,81 47,65 51,40
Seluruh data yang dihasilkan baik melalui optimasi maupun dengan penentuan sifat QSAR digunakan untuk analisis QSAR 3.2.
Penentuan persamaan aktivitas terbaik
Data hasil optimasi diproses dengan fitting persamaan linier terhadap aktivitas setiap senyawa sehingga dihasilkan persamaan terbaik. Analisis dilakukan dengan variabel terikat adalah aktivitas senyawa dan variable bebasnya adalah muatan bersih atom dan momen dipol. Analisis hubungan aktivitas hanya dipengaruhi oleh sifat-sifat kimia saja sehingga dilakukan pendekatan bahwa aktivitas biologi hanya dipengaruhi oleh muatan atom saja. Persamaan di atas menyatakan A adalah aktivitas biologi dan C adalah muatan bersih atom. Analisis dilakukan dengan program SPSS 10.01 dan metode yang digunakan adalah metode Backward. Dari analisis diperoleh model persamaan QSAR adalah sebagai berikut : Ln A = -39,1430 + 0,1514 C2 + 0,1580 C3- 0,0303 C4- 0,1036 C5 + 0,0032 C6 – 0,0247 C7 +0,2353 C9 + 0,0819 C10 + 0,2407 C11- 0,2565 C12 + 0,0588 C13 + 0,9440. Tabel 4. Hasil perhitungan parameter statistik Model 1 2 3 4 5 6 7
R 0,9930 0,9930 0,9920 0,9890 0,9760 0,9660 0,9519
R2 0,9860 0,9860 0,9850 0,9770 0,9530 0,9340 0,9040
F 4,8760 10,4980 16,3410 15,6080 10,1616 9,4120 8,2870
Sd 0,3529 0,2496 0,2082 0,2216 0,2845 0,3084 0,3431
Model senyawa terbaik berdasarkan parameter statistik di atas adalah model 3. Parameter R, F dan Sd adalah parameter penentu untuk pengambilan keputusan pada analisis multilinier sehingga persamaan yang diperoleh dianggap sebagai persamaan yang mewakili. Sebagai alat bantu untuk merancang obat baru yang molekul dasarnya sama, maka diperoleh harga ln A prediksi sebagai berikut :
Seminar Nasional Penelitian dan Pendidikan Kimia, 9 Oktober 2004
6
Tabel 5. Hasil perhitungan aktivitas prediksi Model 2 3 4 5 6 7
Ln prediksi 0,2626 1,9880 0,9902 0,4593 1,0349 1,1912
Melalui persamaan QSAR yang diperoleh, komparasi antara data eksperimen dengan hasil perhitungan (prediksi) dapat dilakukan untuk mengetahui seberapa besar penyimpangan yang terjadi. Visualisasi komparasi antara data eksperimen dan prediksi dapat dilihat pada gambar 2.
Ln akt 6
Ln akt eks
5 4
Series1
3
Series2
2
Linear (Series1)
1 0 0
2
4
6
Ln akt pred
Gambar 2. Komparasi data aktivitas eksperimen dan aktivitas prediksi Proses pembuatan obat baru secara laboratorium memerlukan beberapa tahap eksperimen sehingga memakan waktu yang lama dan biaya yang tidak sedikit. Suatu obat baru harus dapat memberikan hasil yang diinginkan dengan efek samping minimal, juga harus lebih baik dari obat yang sudah ada atau sudah digunakan dalam terapi. Studi pendahuluan dalam pembuatan obat baru yang menggunakan teknik QSAR dari deretan senyawa telah banyak dilakukan dalam usaha untuk menemukan obat baru agar dapat memperkecil jumlah senyawa yang diselidiki, menghemat tenaga, waktu, bia ya dan hewan uji yang digunakan. Dalam situasi negara Indonesia yang sedang mengalami krisis ekonomi, peneliti di Indonesia akan mengalami kendala biaya dalam melaksanakan sintesis obat, padahal obat yang disintesis belum tentu memiliki aktivitas yang tinggi. Untuk membantu Seminar Nasional Penelitian dan Pendidikan Kimia, 9 Oktober 2004
7
perkembangan industri obat di Indonesia, maka analisi QSAR sebagai salah satu metode komputasi kimia dapat dijadikan alternatif untuk penelitian masa kini dan masa yang akan datang.
1V. KESIMPULAN DAN SARAN 4.1. Kesimpulan Berdasarkan hasil yang telah diperoleh, maka dapat disimpulkan hal-hal sebagai berikut : 1. Kerapatan elektron dari atom-atom dalam senyawa antihipertensi turunan forskolin dapat dihitung dengan menggunakan metode semiempiris AM1. 2. Persamaan yang diperoleh adalah sebagai berikut : Ln A = -39,1430 + 0,1514 C2 + 0,1580 C3- 0,0303 C4- 0,1036 C5 + 0,0032 C6 – 0,0247 C7 +0,2353 C9 + 0,0819 C10 + 0,2407 C11- 0,2565 C12 + 0,0588 C13 + 0,9440. 3. Model persamaan terbaik yang memiliki aktivitas tinggi adalah model 3. 4.2. Saran Usaha besar-besaran untuk penelitian obat, baik secara penapisan maupun desain rasional senyawa baru telah berlangsung akhir-akhir ini. Komputer dapat digunakan untuk memperkirakan sifat molekul besar seperti obat. Perkiraan ini tergantung pada metode yang digunakan, oleh sebab itu perlu dilakukan penelitian lebih lanjut mengenai sintesis senyawa forskolin yang diprediksi memiliki aktivitas tinggi agar dapat diperoleh senyawa antihipertensi baru dengan aktivitas sesuai yang diharapkan.
DAFTAR PUSTAKA Anonim, 1996. Hyperchem Pro 6.01 for windows, Hypercube, Inc. Clark, T., 1985. A Handbook of Computational Chemistry, A Practical Guide to Chemical Structure and Energy Calculation, John Wiley & Sons, Inc., Singapore. Grant, G.H., and Richards, W.G. 1995. Computational Chemistry, Oxford Science Publication, Oxford. Jensen, F., 1999. Introduction to Computational Chemistry, John Wiley & Sons, New York, USA. Nogrady, T., 1992. Kimia Medisional, pendekatan secara biokimia. Penterjemah : Raslim Rasyid, ITB, Bandung. Pranowo, H.D., 2003, Kimia Komputasi, Pusat Kimia Komputasi Indonesia – Austria, Kimia FMIPA UGM, Yogyakarta.
Seminar Nasional Penelitian dan Pendidikan Kimia, 9 Oktober 2004
8
