STUDI IN SILICO HUBUNGAN KUANTITATIF STRUKTUR-AKTIVITAS (HKSA) SENYAWA TURUNAN BENZIMIDAZOLE, DOCKING MOLEKUL, PENELUSURAN FARMAKOFOR, VIRTUAL SCREENING, UJI TOKSISITAS, PROFIL FARMAKOKINETIK SEBAGAI ANTI-TUBERKULOSIS Nursalam Hamzah1, Nur Syamsi Dhuha2, Reza Ramadhan3 Jurusan Farmasi Fakultas Kedokteran dan Ilmu Kesehatan UIN Alauddin Makassar ABSTRAK Telah dilakukan Telah dilakukan penelitian studi hubungan kuantitatif struktur-aktivitas (HKSA), docking molekul, penelusuran farmakofor, virtual screening, uji toksisitas, dan profil farmakokinetik pada turunan Benzimidazole sebagai inhibitor DNA Gyrase pada penyakit Tuberkulosis secara in silico. Penelitian ini bertujuan untuk menemukan model persamaan HKSA senyawa, menemukan fitur-fitur farmakofor senyawa yang bertanggung jawab atas aktivitas dan selektivitas DNA Gyrase, serta memilih senyawa hasil virtual screening yang kemudian ditentukan profil farmakokinetik, toksisitas, dan toksisitas metabolit untuk pengobatan Tuberkulosis. Prosedur dimulai dengan pemodelan dan optimasi geometri struktur molekul pada perangkat lunak HyperChem 8.0. Optimasi geometri dilakukan dengan metode Ab initio. Perhitungan Deskriptor HKSA, penentuan fitur farmakofor dan docking molekul dilakukan dengan menggunakan perangkat lunak MOE 2009. Selanjutnya pengujian toksisitas dengan perangkat lunak Toxtree dan Admet SAR, serta penentuan profil farmakokinetik dengan menggunakan program berbasis web Pre ADME dilakukan untuk 150.000 senyawa natural product dari zinc database. Dari penelitian didapatkan persamaan: Log 1/MIC = -8.6816 + 1.6938 AM1_LUMO + 0.0160 ASA_H โ 3.9194 mr + 0.1087 VSA, dimana r2 = 0,955 dan q2 = 0,8761, selanjutnya diperoleh hasil docking molekul pada protein kode 2XCS, senyawa 23 menunjukkan nilai docking score (S) -190.9309. Hasil virtual screening pada zinc database diperoleh senyawa dengan kode ZINC08964902 adalah senyawa yang paling baik diantara 150.000 senyawa yang dilihat dari sisi kecocokan pada query farmakofor, docking dengan metode farmakofor, prediksi bioavailabilitas menggunakan rule of 5 Lipinski, dan prediksi ADME/T. Kata Kunci : Farmakofor, In silico, Docking Molekul Pendahuluan Tuberkulosis (TB), adalah penyakit
bahwa diperkirakan sekitar 450.000 orang
infeksi menular yang disebabkan oleh
mengalami multidrug-resistant TB (MDR-
Mycobacterium
(Mtb).
TB) dan diperkirakan terdapat 170.000
satu
kematian akibat MDR-TB. Terapi dengan
Tuberkulosis penyakit kesehatan
tuberculosis merupakan
yang
paling
masyarakat
salah
mengancam (Pieroni,
dkk.,
2013: 26).
waktu
yang
toksisitas,
dan
emergensi dari MDR-TB telah menciptakan suatu kebutuhan yang mendesak akan
Menurut data Global Tuberculosis
obat yang baru (Shirude, dkk., 2013: 1).
Report 2013 dari WHO, terdapat 8,6 juta
Dalam infeksi penyakit TB dikenal
kasus TB baru pada tahun 2012 dan 1,3
kondisi
juta
Resistensi
penderita
termasuk
panjang,
TB
320.000
positif mengidap HIV.
meninggal orang
dunia,
resistensi terhadap
terhadap
obat.
obat
(Drug
TB
diantaranya
Resistant TB) merupakan ancaman besar
Juga dilaporkan
dalam kontrol TB di seluruh dunia (WHO
JF FIK UINAM Vol.3 No.3 2015
92
Global Tuberculosis Report 2014, 2014:
sangat
54). Kekebalan ganda obat TB (Multiple
bakteri
Drug Resistant TB (MDR-TB)) didefinisikan
Mycobacterial (Mtb) DNA gyrase akan
sebagai resistensi terhadap dua atau lebih
bersifat efektif untuk melawan multi-drug
obat TB. Resistensi obat dapat muncul
resistant TB (MDR-TB), dan juga efektif
secara alami. Namun, hal itu lebih mungkin
melawan
muncul
Mycobacterial (Mtb).
sebagai
masalah
pengobatan
dikarenakan terapi yang tidak cukup, tidak
penting ini.
untuk
pemberantasan
Senyawa
penghambat
resistensi
Hameed,
fluoroquinolon
dkk
(2014)
telah
efektif dan tidak tepat, serta kesalahan dari
mengidentifikasi suatu senyawa baru kelas
pasien
Benzimidazole
untuk
mematuhi
terapi
yang
dengan
melakukan
ditentukan. Malabsorpsi obat dikarenakan
pendekatan
kekurangan gizi juga dapat berkontribusi
pengikatan pada penghambatan DNA
pada munculnya resistensi obat (Finer,
gyrase. Peneliti juga melakukan studi SAR
2003: 82).
(Structure Activity Relationship) terhadap
Karena resistensi obat yang terus
19
menggunakan
mode
senyawa-senyawa
muncul, maka perlu utuk mencari dan
Benzimidazole
mengembangkan obat anti-mycobacterial
modifikasi pada posisi C-7 dari Cincin kiri
yang baru. Pengurutan genom tuberkulosis
terhadap
telah memberikan informasi yang baru
Mycobacterial (Mtb).
tentang organisme. Informasi sekuen dan
yang
telah
turunan
aktivitasnya
mengalami
sebagai
anti
Dari data tersebut dibuat studi
penjelasan fungsi gen akan memberikan
HKSA
informasi untuk mengembangkan obat
Benzimidazole.
baru (Finer, 2003: 86).
diterapkan untuk memprediksi beberapa
Sebuah (2007)
meneliti
sebagai
penelitian tentang
target
Mdluli
DNA
gyrase
Hasil
turunan
HKSA ini akan
senyawa turunan Benzimidazole. Hasil prediksi
aktivitas
diharapkan
berguna
dalam menentukan senyawa mana yang
merupakan
akan dilakukan sintesis dan uji selanjutnya.
suatu enzim pada bakteri yang berperan
Selain itu, juga ditentukan fitur farmakofor
penting pada proses replikasi, transkripsi
yang berperan dalam pengikatan ligan
dan
Selanjutnya
pada reseptor dan fitur ini kemudian
penelitiannya juga mengungkapkan bahwa
dijadikan cetakan untuk 150.000 senyawa
Mycobacterial
produk alam dari zinc database yang
DNA
rekombinasi
dari
senyawa
obat-obat
antibakterial.
aksi
dari
terhadap
gyrase
DNA.
(Mtb)
DNA
merupakan target yang efektif
gyrase bagi
diprediksi
memiliki
aktivitas
penemuan obat untuk melawan bakteri
inhibitor
patogen. Penghambatan dari enzim ini
penyakit Tuberkulosis. Tujuan penelitian ini
juga diketahui aktif untuk melawan non-
adalah untuk memperoleh model HKSA
replikasi Mycobacterial (Mtb), yang mana
dan fitur farmakofor senyawa turunan
JF FIK UINAM Vol.3 No.3 2015
Mycobacterial
sebagai
Gyrase
pada
93
Benzimidazole pengikatan
yang
berperan
ligan-reseptor
dalam
dan
juga
menemukan senyawa produk alam yang memiliki
potensi
Mycobacterial
sebagai
Gyrase
inhibitor
pada
penyakit
Tuberkulosis. Struktur
senyawa
dioptimasi
lunak
dengan
METODE PENELITIAN
perangkat
Percobaan
menggunakan metode Ab initio dengan
Software
parameter
basis
set
HyperChem
minimal
dan
Molecular
convergence limit10-5. File yang telah
Operating Environment (MOE 2009.10),
dioptimasi disimpan dalam format ekstensi
SPSS Statistics 17.0.
*.mol. Hasil perhitungan Ab initio lebih
Hardware
akurat
Processor Intelยฎ Coreโข 2 Duo CPU E7500
semiempirik,
@ 2.93 GHz 2.94 GHz, RAM 2,00 GB dan
menyelesaikan
harddisk 284 GB
mekanika kuantum secara eksak dan
Prosedur :
semua elektron yang ada diperhitungkan
HyperChemยฎ
Release
a. Penyusunan
8.0,
model
persamaan
bila
dibandingkan sebab semua
dengan
Ab
initio
persamaan
(Pranowo, H.D. dkk, 2011). Sembilan belas senyawa yang
HKSA dengan
akan dihitung nilai deskriptornya dibuka
menggunakan paket program HyperChem.
dengan MOE dan digabungkan dalam satu
Senyawa-senyawa
merupakan
file dengan format *.mdb. Nilai deskriptor
senyawa turunan Benzimidazole sesuai
dikalkulasi menggunakan perangkat lunak
dengan hasil penelitian Hameed, dkk
MOE. Sebanyak 15 sifat kimia fisika
(2014), sebanyak 19 senyawa. Pembuatan
dihitung
model terdiri atas pemilihan atom, jenis
hidrofobik, elektronik dan sterik, sesuai
ikatan, dan muatan total dari molekul uji.
dengan model HKSA dengan pendekatan
Struktur tiga dimensi (3D) setiap senyawa
Hansch.
Struktur
senyawa
dibuat
ini
disimpan dalam format ekstensi *.hin.
yang
mewakili
Pencarian
model
parameter
persamaan
Gambar 1. Struktur Benzimidazole dengan
terbaik menggunakan variabel tak bebas
enam posisi substituen
aktivitas inhibisi DNA Gyrase (log 1/MIC) hasil eksperimen dan variabel bebas yang digunakan berupa nilai deskriptor. Semua variabel dianalisis menggunakan regresi
JF FIK UINAM Vol.3 No.3 2015
multilinear
metode
enter.
Hasil
diperoleh
berupa
persamaan
yang HKSA
94
beserta nilai parameter statistik seperti nilai
๐ฆฬ๐ = aktivitas prediksi validasi silang
r, r2 dan q2. Nilai r (koefisien korelasi)
senyawa ke-i
menunjukkan tingkat hubungan antara data
pengamatan
persamaan dengan nilai kriteria statistik
percobaan dengan data hasil perhitungan
terbaik dan memenuhi kriteria validasi
berdasarkan persamaan yang diperoleh
yaitu q2 โฅ 0.5 (JinCan dkk, 2008).
dari
aktivitas
hasil
biologis
Persamaan HKSA yang dipilih adalah
analisis
regresi.
Koefisien
b.
Docking Molekul
korelasi adalah angka yang bervariasi
Pendekatan yang digunakan adalah semi
mulai dari 0 sampai 1. Semakin tinggi
rigid, dimana struktur protein dibuat rigid
nilainya maka semakin baik hubungannya.
sedangkan ligan fleksibel.
Untuk
Tabel 1. Deskriptor yang digunakan
mendapatkan
nilai
koefisisen
korelasi yang dapat diterima tergantung
No.
pada jumlah data penelitian. Semakin banyak
jumlah
data penelitian
maka
Simbol
Simbol
pada
Umum
Deskriptor
software
semakin rendah koefisien korelasi atau
1
AM1_dipole
ยต
Momen dipol
nilai
Dalam
2
AM1_E
ETot
Energi total
penelitian HKSA diusahakan dicapai suatu
3
AM1_Eele
EEle
Energi
nilai
r
yang
r
yang
dapat
lebih
diterima.
besar
dari
0,9
(Siswandono, 2000). Selain parameter
elektronik 4
AM1_HOMO EHOMO
statistik tersebut, dari hasil perhitungan
Energi HOMO
juga diperoleh nilai tetapan dan nilai
5
AM1_LUMO
ELUMO
Energi LUMO
koefisien setiap variable bebas yang
6
AM1_HF
HF
panas
terlibat dalam persamaan yang dihasilkan. Nilai koefisien yang diperoleh digunakan
pembentukan 7
ASA_H
ร
untuk menghitung aktivitas inhibisi teoritis.
permukaan
Sepuluh model persamaan terbaik selanjutnya
divalidasi
silang
Luas
hidrofobik
dengan
8
Glob
Glob
Globularitas
metode Leave One Out, yaitu dengan cara
9
log P (o/w)
log P
Koefisien
setiap senyawa terprediksi dihilangkan dalam perhitungan analisis regresi linear. Nilai q
2
partisi 10
log S
log S
sebagai hasil validasi silang,
kelarutan
dihitung menurut persamaan:
dalam air ๐
๐๐ = ๐ โ
โ(๐๐ โ ๐ฬ๐ )
11
Mr
MR
๐
โ(๐๐ โ ๐ ฬ
)
yi = aktivitas eksperimen senyawa ke-i ๐ฆฬ
= aktivitas eksperimen rata-rata
JF FIK UINAM Vol.3 No.3 2015
Logaritma
Refraktivitas molar
12
VSA
VSA
Daerah Permukaan
95
13
14
15
vol
Vol
ASA_P
vdw_vol
PSA
Vvdw
Van Der
dipastikan tiap atom pada molekul memiliki
Waals
muatan. (Levita, J. dkk, 2012).
Volume
Ligan
molekuler
diprotonisasi dibuka dalam Jendela MOE.
Luas
Panel Simulasi docking dibuka. Pada
permukaan
panel,
polar
rescoring 1 menggunakan London dG, dan
Volume Van
refinement diatur Force Field.
Der Waals
docking
dan
Reseptor
Placement
terbaik
yang
diatur
dipilih
Alpha
telah
PMI,
Posisi
berdasarkan
kedekatan dengan struktur ligan alami dan memberikan kemungkinan interaksi dalam
nilai scoring terendah.
berbagai
c. Penentuan
konformasi
ligan
sehingga
memungkinkan untuk mendapatkan hasil
Fitur
Farmakofor
Reseptor dan Ligan
yang terbaik. Jumlah bentuk konformasi
Tujuan dari penyusunan query farmakofor
yang
dengan
adalah untuk menjelaskan struktur 3D
banyaknya ikatan rotatabel yang ada
senyawa turunan Benzimidazole yang
(Patrick, G.L., 2009).
penting untuk pengikatan dengan reseptor
memungkinkan
sesuai
Tahapan prosedur docking terdiri
dan menghasilkan farmakofor yang dapat
dari tiga langkah, yaitu preparasi ligan,
digunakan untuk mengukur fitur struktur
preparasi protein dan simulasi docking.
dari CDK yang penting untuk aktivitas
Ligan dalam bentuk struktur tiga dimensi dioptimasi dengan metode Ab
biologis dengan melihat residu asam amino yang berperan pada pengikatan.
initio menggunakan program HyperChem. Struktur kemudian disimpan dalam format
Fitur farmakofor ditentukan melalui tiga
*.mol. File dibuka pada Jendela MOE.
tahapan
Struktur diprotonisasi untuk menambahkan
konformasi dengan menggunakan satu set
hidrogen dan muatan parsial, dengan
senyawa yang telah dioptimasi, membuat
Protonasi tiga dimensi. File kemudian
Query pharmacophore dengan memilih titik
disimpan dalam database (*.mdb).
anotasi
yaitu
membuat
berdasarkan
database
pengikatan
ligan
dari
protein yang hasil analisis PLIF, kemudian
situs RSCB.PDB dalam format *.pdb/*.ent.
penyempurnaan struktur Query yang dapat
Molekul air kemudian dihapus dari struktur.
hit dengan konformasi senyawa-senyawa
Protein
aktif.
Reseptor-reseptor
kemudian
diunduh
diprotonasi
dengan
langkah yang sama pada preparasi ligan. Untuk
memastikan
telah
dilakukan
protonasi, dilakukan pengecekan hingga
d. Virtual Screening Terminologi in silico diantaranya dikenal sebagai
JF FIK UINAM Vol.3 No.3 2015
penapisan
virtual.
Untuk 96
melakukan penapisan senyawa biologis
perangkat lunak SPSS 17.
terhadap milyaran senyawa masih sangat
deskriptor tersebut diregresikan terhadap
sulit, oleh karena itu, pendekatan secara
nilai afinitas (Log 1/MIC) sebagai variabel
virtual menjadi alternatif. Karena metode ini
terikat dan deskriptor sebagai variabel
relatif
bebas.
lebih
cepat
bahkan
mampu
Terdapat
dua
metode
digunakan
hari dan bergantung pada senyawa yang
regresi multilinear pada SPSS, metode
diuji dan kecepatan komputer. Kini, virtual
Backward digunakan untuk menentukan
screening telah mencapai status sebagai
jumlah deskriptor yang akan digunakan
teknologi
sebagai kombinasi dalam persamaaan,
dinamis
menguntungkan
dalam
dan
penemuan
senyawa obat.
setelah
jumlah
melakukan
yang
menangani ribuan senyawa dalam satu
yang
untuk
Deskriptor-
deskriptor
analisis
diperoleh,
analisis regresi multilinear dengan metode
Proses virtual screening digunakan
Enter dilakukan untuk memperoleh 10
untuk membantu menemukan senyawa-
model persamaan terpilih berdasarkan
senyawa
pada nilai r dan R2. Pada penelitian ini
yang
berpotensi
kemungkinan
sebagai
obat,
besar dengan
diperoleh
bahwa
jumlah
kombinasi
membutuhkan waktu yang relatif singkat.
deskriptor yang paling minimal dapat
Jika target
algoritma
digunakan yaitu 4 (r = 0.905 dan R2 =
untuk
0.819), semakin sedikit jumlah deskriptor
menempatkan kandidat obat ke dalam sisi
yang digunakan dalam kombinasi maka
aktif dari target seperti enzim atau reseptor.
parameter yang digunakan dalam desain
Kemudian
obat
docking
telah diketahui, dapat
digunakan
interaksi
senyawa-senyawa
semakin
sedikit
sehingga
yang telah diikatkan kemudian diurutkan
mempermudah
berdasarkan
secara
meningkatkan aktivitas dengan mengganti
dan
substituen berdasarkan deskriptor yang
hasil
komputasi
analisis
komponen
sterik
q2
terpilih.
HASIL DAN PEMBAHASAN
menentukan model persamaan terbaik.
Kajian HKSA
Model persamaan harus memenuhi kriteria
Kajian HKSA menggunakan 19 senyawa.
nilai q2 โฅ 0,5.
Pemilihan
ini
Dari sepuluh kombinasi empat deskriptor
kerangka
yang digunakan, persamaan yang dipilih
didasarkan struktur
pada
dari
kemiripan
senyawa
tersebut,
digunakan
dalam
elektrostatiknya.
senyawa-senyawa
Nilai
peneliti
untuk
dan
berdasarkan kriteria-kriteria statistik di atas
aktivitas inhibisi DNA Gyrase diperoleh dari
yaitu persamaan dengan deskriptor antara
hasil penelitian Hameed, dkk (2014).
lain AM1_LUMO, ASA_H, mr, dan VSA.
Hasil perhitungan deskriptor kemudian
Adapun persamaan yang diperoleh yaitu,
dianalisis secara statistik menggunakan analisis regresi multilinear dengan bantuan
JF FIK UINAM Vol.3 No.3 2015
97
Log 1/MIC = -8.6816 + 1.6938 AM1_LUMO
10
50
27.38
+ 0.0160 ASA_H โ 3.9194 mr + 0.1087
11
0.25
0.10
VSA.
12
3.1500001
2.51
13
0.059999999
0.16
Regresi multinier terbaik yang berisi lima
14
0.13
0.10
deskriptor ini menghasilkan korelasi yang
15
1.5599999
0.73
baik dengan hasil eksperimen (R2 =
16
0.13
0.11
17
0.38999999
0.42
18
3.1500001
5.68
Tabel 2. Perbandingan Kriteria Statistik
19
0.19
0.34
untuk menentukan persamaan terbaik
20
0.77999997
1.69
2
0.8793) dan validasi silang q 0.8761.
Pers.
Rยฒ model
CV
R Kurva
21
3.1300001
4.05
Ke-
persamaan
LOO
MIC
22
0.77999997
0.33
(qยฒ)
Eksperimen
23
0.19
0.30
vs MIC Prediksi
kurva MIC prediksi vs MIC eksperimen
1
0.8793
0.8761
0,955
2
0.8490
0.8458
0,958
3
0.8374
0.8338
0,972
4
0.8192
0.8163
0,946
5
0.8089
0.8035
0,910
6
0.8058
0.8056
0,965
7
0.8070
0.8055
0,954
8
0.8029
0.8028
0,946
Gambar
9
0.8022
0.8028
0,441
eksperimen dan afinitas prediksi model
10
0.8017
0.7989
0,529
persamaan terbaik
Tabel
3.
Nilai
perbandingan
afinitas
MIC eksperimen
60 y = 1,7122x - 1,0837 Rยฒ = 0,9557
40 20 0 -20 0,00
10,00
20,00
30,00
MIC prediksi
2.
Kurva
hubungan
afinitas
Kajian Docking Molekuler Proses simulasi docking senyawa-
eksperimen dan afinitas prediksi Nama
IC50
IC50
Senyawa
(Eksperimen
(Prediksi)
senyawa
uji
mengidentifikasi pengikatan
)
diawali kantung
dari
enzim
dengan atau
sisi
tersebut.
5
0.19
0.30
Selanjutnya dengan fasilitas simulation
6
3.1300001
1.27
dock, senyawa-senyawa uji sebagai ligan
8
15
12.82
di-docking-kan
9
0.77999997
1.57
diarahkan pada sisi pengikatan yang
pada
reseptor,
serta
sebelumnya telah diidentifikasi. Proses
JF FIK UINAM Vol.3 No.3 2015
98
docking menggunakan ligan fleksibel dan
823 menunjukkan nilai docking score (S) -
reseptor
190.9309.
kaku
menggunakan
metode
scoring London dG. Validasi metode docking dilakukan dengan redocking native
Kajian Fitur Farmakofor Struktur
kristal
kompleks
DNA
ligan pada sisi pengikatan. Didapatkan nilai
Gyrase dan ligan telah lama diteliti.
rmsd (root mean square deviation) lebih
Terdapat 3 struktur senyawa yang telah
kecil dari 2 yang berarti metode tersebut
dilaporkan dan dapat diunduh dari situs
memiliki validitas yang tinggi, artinya posisi
www.rcsb.org.
ligan copy mirip dengan posisi ligan asli.
Dengan menggunakan 3 struktur ligan-protein di atas, dapat dibuat sidik jari interaksi
ligan-protein
dengan
cara
membandingkan cara pengikatan masingmasing ligan terhadap residu asam amino pada sisi pengikatan protein. Metode ini berguna untuk meringkas interaksi antara ligan dan protein menggunakan skema sidik jari. Interaksi seperti ikatan hidrogen, Gambar 3. Posisi ligan asli protein 2XCS
interaksi ionik, dan kontak permukaan yang diklasifikasikan sesuai dengan residu asal, dan dibangun dalam skema sidik jari yang merupakan representasi dari database dari kompleks ligan-protein. Terlihat bahwa Asp1083 (atom kationik dan donor ikatan hidrogen). Asam amino yang berperan penting dalam interaksi dengan ligan pada query farmakofor yaitu Asp1083 (Asam Aspartat,
Gambar 4. Interaksi validasi ligan asli protein 2XCS
Asam amino bersifat asam). Jarak dari masing-masing query dapat dilihat pada gambar 5. Jarak ini perlu dijaga sedemikian
Interaksi yang terjadi antara senyawasenyawa turunan Benzimidazole dengan reseptor ditunjukkan dengan nilai docking score (S), makin rendah nilai S maka interaksi antara keduanya makin kuat. Dari penelitian yang dilakukan diperoleh hasil
rupa pada saat desain obat baru sebab perubahan
konformasi
ikatan
ini
berpengaruh signifikan pada aktif atau tidaknya senyawa hasil desain. Pola ini selanjutnya digunakan untuk menguji 150.000 senyawa natural products
dimana pada protein kode 2XCS senyawa
JF FIK UINAM Vol.3 No.3 2015
99
yang
telah
diunduh
dari
zinc
untuk
mengetahui senyawa
Tabel 4. Hasil docking senyawa 23 pada protein 2XCS Senyaw
Entr
Docking
a
y
Score (S)
Ikatan Jenis
(kkal/mol
Residu
Jarak
Gugus yang
Jumla
asam
Ikata
berikatan
h
amino
n (ร
)
)
yang terikat
23
125
-190.9309
Hidroge
2
Asp108
n
1.96
H dari gugus BenzimidazoleDo
3
n
2.73
N dari gugus BenzimidazoleAcc
tersebut aktif atau tidak aktif dengan
senyawa inilah yang nantinya akan diamati
melihat
aturan
kecocokan
antara
fitur-fitur
farmakofor yang ada pada senyawa yang diunduh dengan query farmakofor dengan lebih cepat, atau seberapa banyak atom atau
gugus
yang
hit
dengan
query
farmakofor. Kajian Virtual Screening Pada
penelitian
ini
dilakukan
proses virtual screening terhadap 150.000 senyawa natural products yang diunduh dari
situs
http://zinc.docking.org/.
Dari
Gambar 4. Query farmakofor
proses tersebut diperoleh 17 senyawa kimia bahan alam yang hits dengan fitur farmakofor ligan yang memiliki interaksi dengan DNA Gyrase. Tujuh
belas
senyawa
hits
kemudian
didocking dengan metode farmakofor, dari 17 senyawa yang hits hanya terdapat 11 senyawa yang menunjukkan interaksi yang sesuai
dengan
fitur
farmakofor,
lima Gambar 5. Jarak fitur farmakofor dalam
JF FIK UINAM Vol.3 No.3 2015
100
Lipinski untuk diketahui bioavailabilitasnya. Dari
11 senyawa
hasil
virtual
yaitu memiliki risiko toksisitas yang tinggi menurut
aturan
Kramer.
Merurut
screening yang telah hasil di-docking
Benigni/Bossa Rulebase, hanya senyawa
dengan metode pharmacophore diperoleh
ZINC08964895 yang bersifat genotoksik
5 senyawa dengan angka Lipinski yang
karsinogenik
sama dengan 0, artinya tidak ada satupun
senyawa lainnya tidak bersifat genotoksik
aturan Lipinski yang dilanggar. Dengan
karsinogenik. Berdasarkan prediksi Kroes
demikian 5 senyawa tersebut diprediksikan
TTC,
memiliki
baik
memiliki risiko yang rendah, sedangkan
sehingga jika dikonsumsi peroral dapat
keempat senyawa lainnya memiliki resiko
diabsorbsi dengan baik secara sistemik.
tinggi. Secara umum, kelima senyawa hits
Studi Toksisitas
terbaik
bioavailabilitas
yang
sedangkan
hanya
senyawa
hasil
virtual
keempat
ZINC08964895
screening
dapat
Setelah memperoleh 5 senyawa
dimetabolisme pada sitokrom P450. Nilai
hasil virtual screening yang telah melalui
dari masing-masing LD50 (toksisitas pada
proses docking metode pharmacophore
tikus), pLC50 (toksisitas pada ikan), dan
dan
pIGC50
diamati
aturan
Lipinski-nya,
(toksisitas
Tetrahymena
selanjutnya dilakukan prediksi toksisitas
Pyriformis) dapat dilihat pada tabel 6.
untuk
Studi Farmakokinetik
ketiga
senyawa
tersebut
menggunakan perangkat lunak Toxtree
Berdasarkan
prediksi
yang dapat membantu melihat tingkat
farmakokinetik, 5 senyawa hits hasil virtual
toksisitas dari sebuah senyawa dengan
screening terbaik memiliki persentase
mengklasifikasikannya
penyerapan usus pada manusia berkisar
tertentu.
Pada
dalam
ini,
antara 70-100% yang menandakan bahwa
parameter yang digunakan dari toxtree
senyawa tersebut dapat diserap dengan
antara
baik.
lain
penenelitian
bagian
cramer
kali
rules,
The
Sedangkan
seluruh
Benigni/Bossa rulebase for mutagenicity
memperlihatkan
and carcinogenicity, Micronucleous assay
sedang pada sel Caco-2. Sel Caco-2
in rodent, Cytochrome P450-mediated drug
merupakan
metabolism,
Dari
adenokarsinoma manusia dan memiliki
parameter tersebut diharapkan bahwa
berbagai jalur transport obat melalui epitel
senyawa yang diuji dapat dilihat tingkat
usus.
toksisitasnya.
Penetrasi Blood Brain Barrier digambarkan
dan
Berdasarkan
Kroes
TTC.
toxtree
permeabilitas
senyawa
turunan
dari
yang
kolon
secara
sebagai BB = [Brain]/[Blood], dimana
umum, kelima senyawa hits terbaik hasil
[Brain] dan [Blood] merupakan kondisi
virtual screening masuk dalam kelas 3
keadaan tunak senyawa radiolabel pada
JF FIK UINAM Vol.3 No.3 2015
101
otak dan perifer darah. Prediksi penetrasi
berpengaruh terhadap aktivitas senyawa,
BBB berarti memprediksi apakah senyawa
sebagaimana
dapat melewati pembatas otak-darak. Hal
persamaan HKSA terbaik:
ini sangat penting pada lingkup farmasi
Log 1/MIC = -8.6816 + 1.6938 AM1_LUMO
karena senyawa aktif sistem saraf pusat
+ 0.0160 ASA_H โ 3.9194 mr + 0.1087
harus
VSA.
dapat
melewati
pembatas
ini
sementara senyawa inaktif sistem saraf pusat
tidak
boleh
melewatinya
digambarkan
dengan
Senyawa turunan Benzimidazole
agar
dapat mengikat Asp1083 dan Gly1072
mencegah efek samping sistem saraf
pada protein 2XCS. Interaksi yang terjadi
pusat.
antara
Senyawa
menunjukkan
angka
ZINC03830352 0.0223694
yang
senyawa-senyawa
Benzimidazole
turunan
dengan
reseptor
berarti senyawa ini memiliki absorpsi yang
ditunjukkan dengan nilai docking score (S),
rendah pada sistem saraf pusat sementara
makin rendah nilai S maka interaksi antara
keempat senyawa lainnya memiliki angka
keduanya makin kuat. Dari penelitian yang
yang berkisar antara 2.0 hingga 0.1 yang
dilakukan diperoleh hasil dimana pada
berarti kedelapan senyawa ini memiliki
protein
absorpsi yang sedang pada sistem saraf
menunjukkan hasil yang lebih baik dengan
pusat.
nilai docking score (S) -190.9309. Umumnya, hanya obat yang tidak
kode
2XCS
senyawa
23
Asam amino yang penting dalam
berikatan yang tersedia untuk difusi atau
interaksi
transpor melalui membran sel, dan juga
senyawa inhibitor DNA Gyrase adalah
untuk interaksi dengan target farmakologi.
Asp1083 (Asam aspartat). Adapun query
Oleh karena itu, derajat pengikatan protein
farmakofor yang berperan dalam interaksi
plasma obat mempengaruhi tidak hanya
ligan-reseptor memiliki fitur gugus gugus
pada aksi obat tapi juga disposisi dan
kation dan donor proton (F1:cat&don),
efikasinya.
gugus
Dari
Senyawa ZINC08964695
tabel
terlihat
hanya
ZINC03830352,
dan
menunjukkan
persen
pengikatan diatas 90% yang berarti bahwa
reseptor
donor
dengan
dan
beberapa
akseptor
proton
(F2:don&Acc), dan gugus aromatic (F3 dan F4:pir&aro). Senyawa
dengan
kode
senyawa tersebut terikat kuat pada protein
ZINC08964902 merupakan senyawa yang
plasma.
paling baik diantara 150.000 senyawa dilihat dari sisi kecocokan pada query
KESIMPULAN
farmakofor,
Hubungan kuantitatif struktur dan
farmakofor,
docking prediksi
dengan
metode
bioavailabilitas
aktivitas senyawa turunan Benzimidazole
menggunakan rule of 5 Lipinski, dan
sebagai
prediksi ADME/T.
inhibitor
menunjukkan
bahwa
DNA empat
JF FIK UINAM Vol.3 No.3 2015
Gyrase prediktor
102
KEPUSTAKAAN Aiache et al. Farmasetika 2 Biofarmasi. Surabaya: Airlangga University Press, 2007. Finer, Kim R., Deadly Diseases and Epidemics: Tuberculosis. Chelsea House Publisher: Philadelpia, USA: h. 24-29, 38, 39, 80, 82-86. 2003 Hansch, Corwin. The Physicochemical Approach to Drug Design and Discovery (QSAR). Drug Dev. Res. : h. 267-309. 1981. Hameed P, Shahul, Anandkumar Raichurkar, Prashanti Madhavapeddi, Sreenivasaiah Menasinakai, Sreevalli Sharma, Parvinder Kaur, Radha Nandishaiah, Vijender Panduga, Jitendar Reddy, Vasan K. Sambandamurthy, dan D. Sriram. Benzimidazoles: Novel Mycobacterial Gyrase Inhibitors from Scaffold Morphing. ACS. Med. Chem. Lett: h. 820-824. 2014. Mdluli, Khisimuzi, dan Zhenkun Ma. Mycobacterium tuberculosis DNA Gyrase as a Target for Drug Discovery. Infectious Disorders โ Drug Target: h. 1-4. 2007. Patrick, G.L. An Introduction to Medicinal Chemistry, edisi ke-4, Oxford University Press, New York. 352-361. 2009. Pieroni, Marco, Baojie Wan, Sanghyun Cho, Scott G. Franzblau , dan Gabriele Costantino. Design, synthesis and investigation on the structureeactivity relationships of N-substituted 2aminothiazole derivatives as antitubercular agents. European Journal of Medicinal Chemistry. 72: h. 26. 2014.
JF FIK UINAM Vol.3 No.3 2015
Pranowo, Harno Dwi dan Abdul K. Rukmana H. Pengantar Kimia Komputasi. Bandung: CV Lubuk Agung. 2011. Shirude, Pravin S., Radha Shandil, Claire Sadler, Maruti Naik, Vinayak Hosagrahara, Shahul Hameed, Vikas Shinde, Chandramohan Bathula, Vaishali Humnabadkar, Naveen Kumar, Jitendar Reddy, Vijender Panduga, Sreevalli Sharma, Anisha Ambady, Naina Hegde, James Whiteaker, Robert E. McLaughlin, Humphrey Gardner, Prashanti Madhavapeddi, Vasanthi Ramachandran, Parvinder Kaur, Ashwini Narayan, Supreeth Guptha, Disha Awasthy, Chandan Narayan, Jyothi Mahadevaswamy, KG Vishwas, Vijaykamal Ahuja, Abhishek Srivastava, KR Prabhakar, Sowmya Bharath, Ramesh Kale, Manjunatha Ramaiah, Nilanjana Roy Choudhury,Vasan K. Sambandamurthy, Suresh Solapure, Pravin S. Iyer, Shridhar Narayanan, dan Monalisa Chatterji. 2013 Azaindoles: Noncovalent DprE1 Inhibitors from Scaffold Morphing Efforts, Kill Mycobacterium tuberculosis and Are Efficacious in Vivo. ACS. J. Med. Chem. Siswandono dan Soekardjo Bambang. Kimia Medisinal. Surabaya: Airlangga University Press. 2000. World Health Organization. Global Tuberculosis Report 2013. WHO Press: Geneva, Swiss: h. 1. 2013. World Health Organization. Global Tuberculosis Report 2014. WHO Press: Geneva, Swiss: h. 1, 54. 2014
103
