Prosiding Seminar Nasional II Tahun 2016, Kerjasama Prodi Pendidikan Biologi FKIP dengan Pusat Studi Lingkungan dan Kependudukan (PSLK) Universitas Muhammadiyah Malang Malang, 26 Maret 2016
MENGUNGKAP POTENSI SENYAWA ALAMI MELALUI TEKNIK REVERSE DOCKING Discovering The Potential of Natural Compound Based on Reverse Docking Ardini Pangastuti1, Mohamad Amin 2, Sri Endah Indriwati 3 1 Mahasiswa Pascasarjana Pendidikan Biologi Universitas Negeri Malang. Sidoarjo. 085733000858.
[email protected] 2 Dosen Universitas Negeri Malang. Malang. 082142262999.
[email protected] 3 Dosen Universitas Negeri Malang. Malang. 083848347899.
[email protected] Abstrak Radikal bebas saat ini masih menjadi ancaman global bagi sebagian besar masyarakat. Penggunaan zat-zat kimia justru beresiko terhadap munculnya penyakit lain. Di sisi lain, bahan makanan yang sering dikonsumsi oleh masyarakat seperti sayuran, buah-buahan, rempah-rempah, dan bumbu justru kaya akan komponen fenolik yang berpotensi sebagai antioksidan. Teknik reverse docking digunakan untuk membuktikan potensi suatu senyawa dengan bantuan beberapa database dan software. Database dan software yang digunakan diantaranya database molekul PubChem, database protein target PharmMapper, SuperPred, dan Swiss Target Prediction, software docking yaitu PyRx 0,8 dan PyMol, serta software DruLito untuk mengetahui potensi senyawa untuk dijadikan obat berdasarkan kriteria Lipinski‘s rule. Berdasarkan hasil reverse docking diketahui interaksi senyawa dengan protein target, aktifitas pengikatan, dan posisi pengikatan berdasarkan interaksi hidrofobik dan ikatan hidrogen. Kata kunci: radikal bebas, antioksidan, reverse docking Abstract Free radicals is a global threat for most people. The use of chemicals actually are at risk of the emergence of other diseases. On the other hand, foods are often consumed by people such as vegetables, fruits, spices, and seasoning it rich in the phenolic components that have the potential as an antioxidant. Reverse docking techniques used to prove the potential of a compound using some databases and software. Database and software used include molecular PubChem database, PharmMapper database, SuperPred database, and Swiss Target Prediction database, docking software that is PyRx 0.8 and PyMOL, and then DruLito software to identify potential drug compounds based on Lipinski's rule. Based on reverse docking analysis we known compounds interaction with the target protein, the binding activity and binding position based on hydrophobic interactions and hydrogen bond. Key words: free radical, antioxidant, reverse docking PENDAHULUAN Serangan radikal bebas menjadi salah satu permasalahan masyarakat yang dapat menyebabkan berbagai penyakit diantaranya penuaan dini dan kanker (Barja, 2004). Penggunaan bahan kimia untuk mengatasi masalah radikal bebas justru banyak berdampak negatif bagi kesehatan (Syafirah, 2014). Beberapa kosmetik juga diketahui memberikan dampak berupa iritasi, alergi, dan dermatitis (Mukherjee, et al., 2011; Goossens, 2011). Sementara diketahui bahwa komponen fitokimia yang berpotensi sebagai antioksidan banyak terdapat pada sayur, buah, dan rempah (Helmizar & Liputo, 2010). Tingginya keanekaragaman hayati di Indonesia membuka peluang yang cukup besar bagi para 668
Prosiding Seminar Nasional II Tahun 2016, Kerjasama Prodi Pendidikan Biologi FKIP dengan Pusat Studi Lingkungan dan Kependudukan (PSLK) Universitas Muhammadiyah Malang Malang, 26 Maret 2016
peneliti untuk memanfaatkan potensi alami untuk mengatasi masalah radikal bebas yang sedang berkembang hingga saat ini (Borlinghaus, et al., 2014). Sehingga teknik reverse docking dibutuhkan untuk membuktikan potensi suatu senyawa (Zheng, et al., 2011). Teknik reverse docking dilakukan dengan bantuan beberapa database untuk mengidentifikasi kandidat protein target untuk mikro molekul spesifik (senyawa alami) (Zhang, et al., 2014). METODE PENELITIAN Metode penelitian yang dilakukan pada penelitian ini adalah deskriptif kualitatif, untuk mengolah dan menginterpretasikan data yang diperoleh dari database dan software yang digunakan. Tahapan reverse docking yang harus dilakukan meliputi koleksi struktur 3D senyawa alami, prediksi protein target, protein target profilling, klarifikasi potensi senyawa allicin berdasarkan mode of action dengan software PyRx 0,8, visualisasi interaksi antara senyawa allicin dengan protein target menggunakan software PyMOL dan LigPlus+. HASIL DAN PEMBAHASAN Hasil Koleksi Struktur 3 Dimensi Senyawa Alami Struktur 3D senyawa alami diperoleh dari database (https://pubchem.ncbi.nlm.nih.gov) dalam format Sybil Data Files (*.sdf).
PubChem
(a)
(b) (c) Gambar 1.1. (a) Struktur 3 dimensi senyawa Allicin (PubChem, 2015), (b) Struktur 3 dimensi senyawa Allicin divisualisasikan melalui pdb file, (c) Struktur 3 dimensi senyawa Allicin dimodelkan dengan software PyMol Hasil Prediksi Protein Target Protein diperoleh melalui prediksi protein target melalui beberapa web server diantaranya PharmMapper webserver (http://59.78.96.61/pharmmapper/). PharmMapper memprediksi protein target berdasarkan kesamaan farmakopor (Pharmacophore-based similarity) antara senyawa yang ingin diprediksi targetnya (query structure) dengan senyawa obat-obatan yang telah disetujui oleh FDA (FDA-approved drugs) maupun senyawa-senyawa non-obat yang telah dianalisis secara in vitro dan in vivo (Liu, et al., 669
Prosiding Seminar Nasional II Tahun 2016, Kerjasama Prodi Pendidikan Biologi FKIP dengan Pusat Studi Lingkungan dan Kependudukan (PSLK) Universitas Muhammadiyah Malang Malang, 26 Maret 2016
2010). Server yang digunakan berikutnya adalah SuperPred (http://prediction.charite.de/) dan Swiss Target Prediction (http://www.SwissTargetPrediction.ch/), yang mampu memprediksi protein target interaksi suatu senyawa berdasarkan kemiripan struktur (structure-based similarity) antara struktur yang ingin kita prediksi targetnya (query structure) dengan struktur obat-obatan yang telah disetujui oleh FDA (FDA-approved drugs) maupun senyawa-senyawa non-obat yang telah dianalisis secara in vitro dan in vivo (Dunkel, et al., 2008; Gfeller, et al., 2014). Protein-protein target yang diperoleh dari PharmMapper, SuperPred, dan Swiss Target Prediction selanjutnya dilengkapi dengan beberapa informasi lain meliputi Gene ID, nama sinonim, fungsi molekuler dan keterlibatan masing-masing protein yang bersangkutan pada beberapa proses biologis di dalam tubuh manusia dengan merujuk informasi yang disediakan di dalam database Uniprot (http://www.uniprot.org/).
Gambar 1.2. Tabulasi protein target dari beberapa server (PM: PharmMapper, SuP: Superpred, STP: Swiss Target Prediction)
Gambar 1.3. Struktur 3 dimensi protein leukocyte elastase (PDB, 2015) Klarifikasi Potensi Senyawa Alami Berdasarkan Mode Of Action Dengan Software Pyrx Informasi terkait interaksi senyawa alami dengan protein target yang didapatkan dari PharmMapper, SuperPred, dan Swiss Target Prediction serta informasi-informasi lain yang diperoleh dari tahapan KEGG pathway enrichment kemudian diklarifikasi bagaimana mekanisme aksi senyawa alami terhadap protein target yang bersangkutan, aktivator atau inhibitor, menggunakan metode molecular docking. Pada tahapan ini, molecular docking dilakukan dengan menggunakan fitur Vina Wizard yang terintegrasi di dalam PyRx 0,8 software. Senyawa alami beserta senyawa inhibitor kontrol (senyawa inhibitor atau aktivator protein target) digunakan sebagai ligan dalam tahapan ini. 670
Prosiding Seminar Nasional II Tahun 2016, Kerjasama Prodi Pendidikan Biologi FKIP dengan Pusat Studi Lingkungan dan Kependudukan (PSLK) Universitas Muhammadiyah Malang Malang, 26 Maret 2016
Visualisasi Interaksi Antara Senyawa Allicin Dengan Protein Target Setelah mengkoleksi struktur 3D senyawa alami, inhibitor kontrol dan protein target, selanjutnya dilakukan docking menggunakan software PyRx 0,8 untuk memperoleh pose pengikatan terbaik dengan binding afinity paling rendah. Senyawa dengan binding afinity paling rendah disimpan dalam format PDB dan siap untuk dilakukan visualisasi secara 3 dimensi (3D) menggunakan PyMol serta divisualisasikan ke dalam skema 2 dimensi (2D) menggunakan LigPlus+, atau Discovery Studio software. b a
c
Gambar 1.4. (a) Interaksi antara senyawa Allicin (merah) dengan Leukosit elastase (hijau) divisualisasikan dengan software PyRx, (b) Struktur 2 dimensi senyawa Allicin diperoleh dari PubChem database, (c) Interaksi antara senyawa Allicin dengan Leukosit elastase divisualisasikan dengan software LigPlus+ Reverse docking merupakan teknik analisis yang dilakukan untuk mengetahui potensi suatu senyawa terhadap protein target di dalam tubuh manusia (Zheng, et al., 2011; Zhang, et al., 2014). Melalui teknik reverse docking dapat diketahui potensi suatu senyawa alami berpotensi sebagai antioksidan maupun sebagai obat melalui site pengikatan pada protein target dibandingkan dengan senyawa kontrol yang biasa digunakan.
Gambar 1.5. Site pengikatan Allicin (merah), epigallocathecin gallate (biru), dan pedunculagin (kuning) dengan leukosit elastase (hijau) 671
Prosiding Seminar Nasional II Tahun 2016, Kerjasama Prodi Pendidikan Biologi FKIP dengan Pusat Studi Lingkungan dan Kependudukan (PSLK) Universitas Muhammadiyah Malang Malang, 26 Maret 2016
Melalui molecular docking menggunakan software PyRx dapat diketahui potensi senyawa alami sebagai kandidat obat berdasarkan afinitas pengikatan terhadap protein target (Kastritis & Bonvin, 2012). Afinitas pengikatan merupakan aspek penting yang harus diperhatikan pada interaksi molekul dan makro molekul (Seo, et al., 2014). Afinitas pengikatan yang lebih rendah menandakan bahwa suatu senyawa tersebut membutuhkan energi yang sedikit untuk melakukan pengikatan atau interaksi. Dengan kata lain, nilai afinitas pengikatan yang lebih rendah meningkatkan potensi untuk melakukan pengikatan dengan protein target (Baker, et al., 2007; Tassa, et al., 2010). Hasil visualisasi molekular docking menggunakan software LigPlus+ diketahui bahwa senyawa alami berinteraksi dengan Leukosit elastase melalui interaksi hidrofobik dan ikatan hidrogen pada asam amino tertentu.
Gambar 1.6. Visualisasi 2D Allicin dengan Leukocyte elastase menggunakan LigPlus+ software Hasil molcular docking dua dimensi menggunakan software LigPlus+ diketahui bahwa Allicin berinteraksi dengan Leukosit elastase melalui interaksi hidrofobik dan ikatan hidrogen. Interaksi hidrofobik terjadi pada asam amino Val 190, Cys 191, Phe 192, Ser 214, Phe 215, dan Val 216. Ikatan hidrogen terjadi pada asam amino Gly 193, Ser 195 (Gambar 1.6).
Gambar 1.7. Visualisasi 2D Allicin dengan Leukocyte elastase menggunakan Discovery Studio software 672
Prosiding Seminar Nasional II Tahun 2016, Kerjasama Prodi Pendidikan Biologi FKIP dengan Pusat Studi Lingkungan dan Kependudukan (PSLK) Universitas Muhammadiyah Malang Malang, 26 Maret 2016
PENUTUP Kesimpulan Reverse docking digunakan untuk mengungkap potensi senyawa alami sebagai kandidat obat ditinjau dari pose pengikatan, site pengikatan, dan afinitas pengikatan dengan bantuan beberapa database dan software. Saran Perlu dilakukan analisis dinamika molekuler untuk mengetahui karakter protein dan senyawa yang terlibat dalam proses biologis manusia. DAFTAR PUSTAKA Baker, J., Woolfson, D., Muskett, F., Stoneman, R., Urbaniak, M., & Caddick, S. 2007. Protein–Small Molecule Interactions in Neocarzinostatin, the Prototypical Enediyne Chromoprotein Antibiotic. ChemBioChem, 8, 704-717. Barja, G. 2004. Free Radicals and Aging. Trends in Neurosciences, 27(10), 595-600. Borlinghaus, j., Albrecht, F., Gruhlke, M., Nwachukwu, I., & Slusarenko, A. 2014. Allicin: Chemistry and Biological Properties. Molecules, 19, 12591-12618. Dunkel, M., Gunther, S., Ahmed, J., Wittig, B., & Preissner, R. 2008. SuperPred: Drug Classification and Target Prediction. Nucleic Acids Research, 36, W55–W59. doi:10.1093/nar/gkn307 Gfeller, D., grosdidier, A., Wirth, M., Daina, A., Michiellin, O., & Zoete, V. 2014. SwissTargetPrediction: A Web Server for Target Prediction of Bioactive Small Molecules. Nucleic Acids Research, 42, W32–W38. doi:10.1093/nar/gku293 Goossens, A. 2011. Contact-Allergic Reactions to Cosmetics. Journal of Allergy, 1-10. Helmizar, J., & Liputo, I. 2010. Hubungan Tingkat Konsumsi Antioksidan dengan Profil Lipid Darah Orang Dewasa Etnis Minangkabau di Kota Padang. Majalah Kedokteran Indonesia, 356-363. Kastritis, P., & Bonvin, A. 2012. On the binding affinity of macromolecular interactions: daring to ask why proteins interact. Journal of the Royal Society Interface, 10, 127. Liu, X., Ouyang, S., Yu, B., Yabo, L., Huang, K., Gong, J., & Jiang, H. 2010. PharmMapper Server: A Web Server for Potential Drug Target Identification Using Pharmacophore Mapping Approach. Nucleic Acids Research, 38, W609–W614. doi:10.1093/nar/gkq300 Mukherjee, P., Maity, N., Nema, N., & Sarkar, B. 2011. Bioactive compounds from natural resources against skin aging. Phytomedicine, 19(2011), 64-73. Seo, M.-H., Park, J., Kim, E., Hohng, S., & Kim, H.-S. 2014. Protein conformational dynamics dictate the binding affinity for a ligand. Nature Communications, 1-7. Syafirah, F. 2014. Botox Tak Selesaikan Masalah Penuaan. Jakarta: Liputan6.com., from http://health.liputan6.com Tassa, C., Duffner, J., Lewis, T., Weissleder, R., Schreiber, S., Koehler, A., & Shaw, S. 2010. Binding affinity and kinetic analysis of targeted small molecule-modified nanoparticles. Bioconjug Chem, 21(1), 14-19.
673
Prosiding Seminar Nasional II Tahun 2016, Kerjasama Prodi Pendidikan Biologi FKIP dengan Pusat Studi Lingkungan dan Kependudukan (PSLK) Universitas Muhammadiyah Malang Malang, 26 Maret 2016
Wang, Y., Xiao, J., Suzek, T., Zhang, J., Wang, J., Zhou, Z., & Bryant, S. 2012. PubChem‘s BioAssay Database. Nucleic Acids Research, D400–D412. doi:10.1093/nar/gkr1132 Zhang, S., Shan, L., Li, Q., Wang, X., Li, S., Zhang, Y., & Zhang, W. 2014. Systematic Analysis of the Multiple Bioactivities of Green Tea through a Network Pharmacology Approach. Hindawi, 2014, 1-11., from www.hindawi.com Zheng, R., Chen, T.-s., & Lu, T. 2011. A Comparative Reverse Docking Strategy to Identify Potential Antineoplastic Targets of Tea Functional Components and Binding Mode. International Journal of Molecular Sciences , 12, 5200-5212. doi:10.3390/ijms12085200
674
