Makalah PSM "Bioinformatik"
-
Upload
indirajuliana08 -
Category
Documents
-
view
186 -
download
6
description
Transcript of Makalah PSM "Bioinformatik"
PENENTUAN STRUKTUR MOLEKUL
Bioinformatika
Disusun oleh :
Indira Juliana Safitri
Annisa Fasya
Achmad Latiful Qolbi
Rifqi Annisa Wardah
Nurhijjah Bayani Fadillah
6.A
PRODI KIMIA
FAKULTAS SAINS DAN TEKNOLOGI
UIN SYARIF HIDAYATULLAH JAKARTA
2014
KATA PENGANTAR
Puji dan syukur kami panjatkan kepada Allah SWT Yang Maha Esa, berkat
rahmat dan karunia-Nya kami dapat menyelesaikan makalah kami yang berjudul
“Bioinformatik”.
Tujuan penulisan makalah ini terutama untuk memenuhi tugas mata kuliah Pengantar
Struktur Molekul. Selain itu, makalah ini juga disusun agar mahasiswa prodi Kimia
2011 Fakultas Sains dan Teknologi UIN Syarif Hidayatullah Jakarta dapat lebih
memahami mengenai bioinformatika terutama tentang pengertian, tujuan dan manfaat
dari bioinformatika ini dalam .
Kami menyadari makalah ini masih jauh dari kesempurnaan. Oleh sebab itu di
harapkan kritik dan saran bagi pembaca demi kesempurnaan makalah kami untuk ke
depannya. Mudah-mudahan makalah ini bermanfaat bagi kita semua terutama bagi
mahasiswa-mahasiswa yang mengikuti mata kuliah Penentuan Struktur Molekul.
Ciputat, Mei 2014
Penulis
DAFTAR ISI
KATA PENGANTAR .................................................................................................. 1
DAFTAR ISI ................................................................................................................. 2
BAB I PENDAHULUAN
1.1 Latar Belakang ......................................................................................................... 3
1.2 Bahan Kajian ............................................................................................................ 4
1.3 Tujuan ...................................................................................................................... 4
BAB II PEMBAHASAN
2.1 Bioinformatik ........................................................................................................... 5
2.2 Drug Design ............................................................................................................. 6
2.3 Perangkat dalam Bioinformatik ............................................................................... 7
2.3.1 Data base ................................................................................................... 7
2.3.2 Protein Data Bank ..................................................................................... 7
2.3.3 Alignment/Pensejajaran sekuen................................................................. 8
2.4 Molecular Modeling..................................................................................................10
2.5 Molecular Docking...................................................................................................11
2.5 Molecular Operating Environmental (MOE)............................................................12
2.6 Aplikasi Bioinformatik dalam Penentuan Struktur Molekul....................................13
BAB III PENUTUP
3.1 Kesimpulan ..............................................................................................................17
DAFTAR PUSTAKA
BAB I
PENDAHULUAN
1.1 Latar Belakang
Perkembangan ilmu pengetahuan genetika menghasilkan informasi yang lebih
rinci mengenai makhluk hidup melalui DNA (deoxyribonucleic acid). DNA adalah
sebuah materi pembentuk kehidupan yang memuat banyak informasi biologis. DNA
terdiri dari empat buah basa penyusunnya yaitu : T (thymine), C (cytosine), A (adenine),
dan G (guanin). Model DNA pertama kali dikenalkan oleh Watson dan Crick pada
1953. Walaupun hanya terdiri dari empat macam, namun kombinasi keempatnya dapat
menghasilkan kombinasi yang sangat kompleks dalam memuat informasi genetik
makhluk hidup. Keseluruhan DNA pada satu makhluk hidup yang telah dipetakan
disebut dengan genom.
Dalam mengatur informasi yang kompleks dalam makhluk hidup tersebut
dibutuhkan sebuah teknologi. Teknologi tersebut dipelajari dalam sebuah bidang ilmu
baru yang disebut bioinformatika
Bioinformatika merupakan perkawinan antara ilmu biologi dan ilmu teknik
informatika. Bioinformatika melakukan analisa data genomic/proteomic yang kompleks,
untuk menghasilkan pengetahuan biologi molekuler yang koheren. Bioinformatika
adalah aplikasi dari alat komputasi dan analisis untuk menangkap dan
menginterprestasikan data-data biologi. Ilmu ini merupakan ilmu baru yang merangkum
berbagai disiplin ilmu termasuk ilmu computer, matematika, fisika, kimia, biologi, dan
ilmu kedokteran yang kesemuanya saling menunjang dan saling bermanfaat satu sama
lainnya (Utama, 2003).
Pesatnya perkembangan teknologi informasi dan peningkatan ilmu computer
khususnya pada bidang biologi molekuler, menjadikan bioinformatika sebagai ilmu
yang membuka sudut pandang baru dalam menyelesaikan persoalan biologi molekuler
(Baxevanis dan Oulette, 2005). Perkembangan jaringan internet juga mendukung
berkembangnya bioinformatika. Pangkalan data bioinformatika yang terhubungkan
melalui internet memudahkan ilmuwan dalam mengumpulkan hasil sekuensing ke
dalam pangkalan data tersebut serta memperoleh sekuens biologi sebagai bahan analisis.
Selain itu, penyebaran program-program aplikasi bioinformatika melalui internet
memudahkan ilmuwan dalam mengakses program-program tersebut dan kemudian
memudahkan pengembangannya.
1.2 Bahan Kajian
Bahan Bahan kajian pada makalah ini adalah :
1.2.1 Bioinformatik
1.2.2 Drug Design
1.2.3 Perangkat dalam Bioinformatik
1.2.4 Molecular Modeling
1.2.5 Molecular Docking
1.2.6 Molecular Operating Environment (MOE)
1.2.7 Aplikasi Bionformatik dalam Penentuan Struktur Molekul
1.3 Tujuan
Tujuan dari makalah ini adalah :
1.3.1 Dapat mengetahui apa itu bioinformatik
1.3.2 Dapat mengetahui perangkat yang diperlukan dalam bioinformatik
1.3.3 Dapat mengetahui cara modeling molekul dan mendoking molekul
1.3.4 Dapat mengetahui penggunaa software MOE dalam molecular docking
1.3.5 Mengetahui manfaat dari bioinformatik dalam penentuan struktur molekul
BAB II
PEMBAHASAN
2.1 Bioinformatika
Bioinformatika, berdasarkan dengan asal katanya yaitu “bio” dan “informatika”,
adalah gabungan antara ilmu biologi dan ilmu teknik informasi (TI). Pada umumnya,
Bioinformatika didefenisikan sebagai aplikasi dari alat komputasi dan analisa untuk
menangkap dan menginterpretasikan data-data biologi. Ilmu ini merupakan ilmu baru
yang yang merangkup berbagai disiplin ilmu termasuk ilmu komputer, matematika dan
fisika, biologi, kimia dan ilmu kedokteran (Gambar 1), dimana kesemuanya saling
menunjang dan saling bermanfaat satu sama lainnya (Utama, 2003).
Gambar 1. Interaksi disiplin ilmu yang berhubungan dengan bioinformatik
Bioinformatika meliputi pengelolaan informasi biologis yang diperoleh dari
berbagai penelitian yang menghasilkan data dalam jumlah banyak dan kompleks. Salah
satu pemanfaatan bioinformatika adalah dalam melakukan pemodelan struktur 3D dari
protein. Pemodelan struktur 3D dari protein ini diharapkan dapat meningkatkan
pemahaman akan proses biologis dengan mempertimbangkan hubungan serta pola data
biologis (Limanto., 2009). Perkembangan bioinformatika sangat berperan dalam
kemajuan pengembangan obat. Komputer membantu untuk mereduksi jumlah senyawa
Biologi
Maematika/ fisika/ kimia
Medis
Komputer sains
Bioinformatik
yang diusulkan secara rasional dan diharapkan lebih efektif serta, membantu
mempelajari interaksi obat dengan targetnya bahkan kemungkinan sifat toksis senyawa
tersebut dan metabolitnya. Penambatan molekular merupakan salah satu teknik dalam
bioinformatika yang digunakan untuk mempelajari interaksi yang terjadi pada suatu
kompleks molekul. Penambatan molekular dapat memprediksikan orientasi dari suatu
molekul ke molekul yang lain ketika berikatan membentuk kompleks yang stabil.
Pembentukan kompleks yang stabil antara suatu ligan (metabolit sekunder) dan molekul
protein dapat menentukan senyawa yang memiliki sifat sebagai antikanker dan lain-lain
(Anjelia., 2013).
Berdasarkan hal diatas dapat digunakan dua metode yang yang saling
melengkapi dalam penggunaan komputer sebagai alat bantu penemuan obat, yaitu: (i)
berdasarkan senyawa yang diketahui berikatan dengan target atau biasa disebut ligand,
(rancangan obat berdasarkan ligand; ligand-based drug design (LBDD)) dan (ii)
berdasarkan struktur target baik berupa enzim maupun reseptor yang bertanggung jawab
atas toksisitas dan aktivitas suatu senyawa di dalam tubuh (rancangan obat berdasarkan
struktur target; structure-based drug design (SBDD)) (Datta, 2002).
Struktur protein target dapat dimodelkan dari data yang diperoleh struktur
kristalnya maupun hasil analisis nuclear magnetic resonance NMR) maupun data
genomic (bioinformatics). Struktur protein hasil kristalografi dapat diakses di
www.rscb.org. SBDD memanfaatkan informasi dari struktur protein target guna
mencari sisi aktif protein yang berikatan dengan senyawa. Berdasarkan prediksi sisi
aktif dapat dirancang senyawa yang diharapkan berikatan dengan protein target tersebut
dan memiliki aktivitas biologis (Luscombe, 2001).
2.2 Drug Design
Drug design adalah suatu metode perancangan obat yang didasarkan pada
analisis biologis dan fisik dari targetnya. Targetnya merupakan molekul-molekul atau
bagian dari molekulnya yang berperan vital dalam proses metabolik dari kondisi
pantologis seseorang akibat penyakit yang disebabkan oleh mikroba pantogen.
Umumnya obat dirancang untuk menginhibisi atau menghentikan aktifitas
makromolekul tersebut dengan cara membentuk ikatan terhadap sisi katalitik dari
molekul-molekul tersebut sehingga molekul-molekul obat berperan sebagai drug, antara
lain spesifitas dan potensi inhibisinya. Spesifitas dan potensi inhibisi yang tinggi akan
mengurangi efek samping dan tingkat toksisitasnya (Salim, 2011).
Perancangan obat dapat dilakukan secara komputasional atau in silico. Sebelum
teknologi informasi berkembang pesat, metode yang digunakan untuk menemukan
inhibitor yang tepat adalah dengan melakukan modifikasi berbagai komponen lain lalu
mengujikannya pada target biologis secara trial-and-error. Tetapi saat ini dengan
mengetahui sisi katalitik dan struktur tiga dimensi target biologis, secara in silico dapat
diperediksikan molekul yang dapat berperan sebagai inhibitor sehingga proses
modifikasi dan pengujian secara eksperimental menjadi rasional dan efisien. (Salim,
2011).
2.3 Perangkat dalam Bioinformatik
Dalam bioinformatik membutuhkan beberapa data serta alat bantu (Mount,
2004). Yaitu :
2.3.1 Database
Database adalah kumpulan data yang diatur sedemikian rupa untuk
memudahkan penggunanya. Pada database bioinformatika, data yang diatur merupakan
data sekuen DNA atau protein yang didapat melalui percobaan laboratorium yang
biasanya disimpan dalam file komputer. Setiap file dari suatu sekuen berisi informasi
mengenai asal organisme, nama sekuen, dan juga nomor akses yang digunakan untuk
mengidentifikasi sekuen tersebut (Mount, 2004). Dalam analisis bioinformatika,
keberadaan database merupakan syarat utama. Database DNA yang utama adalah
GenBank di Amerika Serikat, sedangkan database untuk protein dapat ditemukan di
SWISS-PROT, Protein Information Resource (PIR) dan Protein Data Bank (PDB)
(Baxevanis dan Ouellette, 2005).
2.3.2 Protein Data Bank
Database struktural menyimpan data mengenai struktur protein. Sumber primer
untuk data struktur protein adalah Protein Data Bank (PDB) yang tersedia pada URL
http://www.pdb.org/ . Ini adalah arsip data struktural tunggal tingkat dunia yang dibuat
oleh Research Collaboratory for Structural Bioinformatics (RSCB), di Universitas New
Jersey di Rutgers (Westhead, et al., 2001). Mesin pencarian yang terspesialisasi
disediakan oleh grup database struktur makromolekul pada institut bioinformatika eropa
(EBI) dengan alamat http://msd.ebi.ac.uk dan juga oleh kolaborasi riset untuk
bioinformatika struktural (RCSB) dengan alamat http://www.rcsb.org/pdb. Kedua alat
ini dapat digunakan untuk mengambil data struktur pada format PDB (Westhead, et al.,
2001).
PDB merupakan data yang berisi koleksi struktur tiga dimensi protein, DNA dan
molekul kompleks lainnya yang telah dipublikasikan dan ditentukan secara eksperimen
dengan menggunakan X-ray crystallography atau NMR spectroscopy. Pada X-
rayrystallography, sinar-X dipancarkan kepada kristal yang mengandung jutaan salinan
suatu molekul. Sinar-X kemudian akan didifraksikan oleh kristal dan membentuk suatu
pola yang bila dianalisis secara matematis akan menunjukkan posisi tiap atom dalam
molekul. NMR spectroscopy menggunakan molekul dalam larutan dan akan
memperlihatkan orientasi atom dalam medan magnetik (Baxevanis dan Ouellette,
2005).
Format PDB merupakan format yang dapat dimengerti baik oleh komputer
maupun manusia (machine-human-readable), dimana di dalam format ini ditampilkan
informasi tentang sumber, sekuens, struktur sekunder dan juga koordinat tiga dimensi
protein (Baxevanis dan Ouellette, 2005).
2.3.3 Alignment/Pensejajaran sekuen
Pencarian database umumnya berdasar hasil alignment/pensejajaran sekuen, baik
sekuen DNA maupun protein. Metode ini digunakan berdasar kenyataan bahwa sekuen
DNA/protein bisa berbeda sedikit tetapi memiliki fungsi yang sama. Misalnya protein
hemoglobin dari manusia hanya sedikit berbeda dengan yang berasal dari ikan paus.
Kegunaan dari pencarian ini adalah ketika mendapatkan suatu sekuen DNA/protein
yang belum diketahui fungsinya maka dengan membandingkannya dengan yang ada
dalam database bisa diperkirakan fungsi daripadanya. Algoritma untuk pattern
recognition seperti Neural Network, Genetic Algorithm dan lain lain telah dipakai
dengan sukses untuk pencarian database ini. Salah satu perangkat lunak pencari
database yang paling berhasil dan bisa dikatakan menjadi standar sekarang adalah
BLAST (Basic Local Alignment Search Tool) (Woodsmall and Benson, 1993).
Perangkat lunak ini telah diadaptasi untuk melakukan alignment terhadap
berbagai sekuen seperti DNA (blastn), protein (blastp). Baru-baru versi yang fleksibel
untuk dapat beradaptasi dengan database yang lebih variatif telah dikembangkan dan
disebut Gapped BLAST serta PSI (Position Specific Iterated)-BLAST (Altschul, 1990).
Sementara itu perangkat lunak yang digunakan untuk melakukan alignment terhadap
sekuen terbatas di antaranya yang lazim digunakan adalah CLUSTAL dan CLUSTAL
W (Altschul, 1997).
2.4 Molekular Modeling
Molecular modeling merupakan suatu metode untuk merancang dan menganalisis
struktur dan sifat-sifat molekul tertentu dengan mengunakan teknik kimia
komputasional dan teknik visualisasi grafis yang bertujuan untuk menyediakan struktur
geometri tiga dimensi yang sesuai dengan parameter kondisi yang telah ditentukan.
Molecular modeling merupakan gabungan dari data empiris dan teknik komputasional
untuk menirukan danmemodelkan perilaku molekul sehingga dapat digunakan untuk
mempelajari sistem molekular tertentu (Leach, 2001).
Salah satu aspek penting dalam molecular modeling adalah mekanika molekular
yang menggunakan prinsip mekanika Newtonian untuk menjelaskan karakter fisika dari
suatu model. Mekanika molekular mengabaikan gerak elektron sehingga sistem yang
sebelumnya merupakan sistem kuantum menjadi sistem klasik sehingga sistem menjadi
lebih sederhana. Sistem ini memodelkan atom-atom sebagai bola yang terhubung satu
sama lain oleh pegas. Dengan demikian energi total (disebut force field) molekul dapat
ditentukan oleh hukum Hooke yang secara umum dinyatakan sebagai:
dimana ET adalah energi total molekul, Estr adalah energi bond streching, Ebend energi
angle bending, Etor energi torsional, Eoop energi out-of-plane, Evdw energi van der Waals
dan Eelec adalah energi elektrostatik (Sutarto, 2008).
Energi total molekul berhubungan dengan energi internal sistem atau energi
potensial. Molekul berada dalam keadaan atau konformasi paling stabil ketika energi
potensialnya mencapai nilai paling minimum. Keadaan ini mempengaruhi karakter
molekul dalam peranannya pada proses kimia dan biologi (Leach, 2001). Parameter-
parameter yang berhubungan dengan energi total molekul disebut juga sebagai force
field. Terdapat beberapa macam force field yang penggunaannya disesuaikan dengan
molekulnya, seperti MM+ untuk molekul organik dan AMBER untuk peptida, protein
dan DNA (Hypercube Inc., 2002).
2.5 Molekular Doking
Molecular docking merupakan suatu teknik yang digunakan untuk mempelajari
interaksi yang terjadi dari suatu kompleks molekul. Molecular docking dapat
memprediksikan orientasi dari suatu molekul ke molekul yang lain ketika berikatan
membentuk kompleks yang stabil. Terdapat dua aspek penting dalam molecular
docking, yaitu fungsi scoring dan penggunaan algoritma (Funkhouser, 2007).
Fungsi scoring dapat memperkirakan afinitas ikatan antara makromolekul dengan
ligan (molekul kecil yang memiliki afinitas terhadap makromolekul). Identifikasi ini
didasarkan pada beberapa teori seperti teori energi bebas Gibbs. Nilai energi bebas
Gibbs yang kecil menunjukkan bahwa konformasi yang terbentuk adalah stabil,
sedangkan nilai energi bebas Gibbs yang besar menunjukkan tidak stabilnya kompleks
yang terbentukSedangkan penggunaan algoritma berperan dalam penentuan konformasi
(docking pose) yang paling stabil (favourable) dari pembentukan kompleks
(Funkhouser, 2007).
Gambar 2. Molekular Doking antara ligan dan protein
Berdasarkan interaksi yang terjadi, terdapat beberapa jenis molecular docking,
yaitu:
1. Docking protein-protein
2. Docking ligan-protein
3. Docking ligan-DNA
Saat ini molecular docking banyak diaplikasikan di dalam drug design untuk
memprediksikan orientasi ikatan antara kandidat molekul drug dengan protein target
sehingga dapat diketahui afinitas dari molekul drug tersebut. Untuk melakukan
molecular docking, hal pertama yang dibutuhkan adalah struktur tiga dimensi dari ligan
(drug) dan protein target. Struktur tiga dimensi ligan dapat dimodelkan dengan
menggunakan teknik molecular modelling sedangkan struktur tiga dimensi protein
target dapat ditentukan secara empiris dengan menggunakan teknik NMR spectroscopy
dan X-ray crytallography yang terdapat pada database Protein Data Bank dan secara in
silico dengan teknik homology modelling (Lucientes, 2004).
Metode in silico ini lazim digunakan dalam proses penapisan awal senyawa
bioaktif untuk kandidat obat. Hal ini disebabkan melalui pendekatan in silico terjadi
interaksi antara senyawa bioaktif dengan protein target. Untuk mengetahui besarnya
interaksi senyawa bioaktif dengan target dilakukan dengan pendekatan docking
menggunakan software MOE (Molecular Operating Environment). Docking sebagai
proses penapisan awal antara molekul-molekul senyawa bioaktif yang dapat berikatan
dengan sisi aktif neuraminidase. Penapisan awal berdasarkan nilai energi gibbs, log P,
konstanta inhibisi, konformasi struktur, affinitas, efektivitas dan ikatan-ikatan yang
terjadi antara keduanya secara simulasi (Gohlke et al., 2000; Datta, 2002 ).
2.6 Molecular Operating Environtment (MOE)
Molecular Operating Environtment (MOE) merupakan suatu software yang
dirancang oleh chemical computing group untuk membantu cheminformatics, molecular
mmodeling, bioinformatics, virtual sreening, structural-based design (Salim,2011).
Molecular Operating Environment (MOE) menyediakan aplikasi untuk mendesain dan
menganalisis senyawa serta merupakan software yang tertinggi kimia komputasi,
pemodelann molekul dan software aplikasi ilmu informatika.
2.7 Aplikasi Bioinformatik dalam Penentuan Struktur Molekul
Dalam penentuan struktur molekul, bioinformatik ini berperan dalam
memprediksi konformasi struktur molekul ligan dengan protein target, dengan melihat
apakah protein target tersebut dapat berinteraksi kuat dengan ligan (obat/suatu senyawa)
yang ditandai dengan kestabilan konformasi dan interaksi ikatan hidrogen diantara
keduanya. Kestabilan konformasi ini dilihat pada nilai energi gibss hasil docking ligan
dengan protein tersebut.
Salah satu contoh jurnal yang membahas peran bioinformatik dalam penentuan
struktur molekul (Perdana et al.,2009) berjudul Mekanisme Penekanan Ekspresi N-Ras
Ekstrak Kulit Jeruk Keprok (Citrus reticula) sebagai Agen Kemopreventif. Menjelaskan
bahwa dalam Kulit C. reticulata mempunyai berbagai macam senyawa flavonoid yang
berpotensi sebagai kemopreventif. Salah satu flavonoid yaitu metoksi flavon yang
terkandung dalam ekstrak etanolik kulit C. reticulata sangat potensial sebagai agen
kemopreventif dan alternatif pengobatan kanker hepar. Senyawa metoksi flavon
(tangretin dan nobiletin) yang terkandung dalam ekstrak kulit jeruk keprok
(C.reticulata) yang dapat berfungsi optimum sebagai inhibitor c-Src dan CYPA1A2
sehingga dapat mengurangi terbentuknya intermediet reaktif pemicu karsinogenesis
dengan indikator penurunan ekspresi dan N-Ras.
Protein inhibitor c-Src dan CYPA1A2 yang diambil dari protein data bank milik
amerika dan kemudian di docking dengan ligan senyawa metoksi flavon (tangretin dan
nobiletin) menggunakan software MOE. Hasil dari pendockingan dapat dijadikan acuan
untuk memperkirakan mekanisme aksi molekuler dari tangretin dan nobiletin. Software
MOE ini menggambarkan semua interaksi yang terjadi antara gugus-gugus dalam
senyawa uji dengan residu-residu asam amino yang terdapat pada protein target serta
dapat menggambarkan interaksinya baik secara 3 dimensi ataupun secara 2 dimensi.
Hasil docking antara Nobiletin dengan CYP1A2 (Tabel 1) menghasilkan skor -
8,1788 kkal/mol yang nilainya lebih besar dari pada Alfanaphtoflavon-CYP1A2 -
11.6794 kkal/mol. Sementara itu skor docking untuk Tangeretin dengan CYP1A2 yaitu
-12,9962 kkal/mol lebih rendah daripada ikatan tangeretin dan ligan asli
alfanaphtoflavon. Hal ini menunjukkan bahwa ikatan antara tangeretin dengan CYP1A2
lebih stabil sehingga diprediksikan menyebabkan aktivitas inhibitor terhadap CYP1A2
lebih tinggi.
Data yang diperoleh pada protein target CYP1A2, yang merupakan suatu
isoenzim Cytochrom P450, memberikan gambaran bahwa tangeretin mempunyai nilai
scoring yang lebih rendah (-12.9962 kkal/mol) dibandingkan dengan nobiletin dan
bahkan dengan ligan aslinya Α-naphtoflavon (-11.6794 kkal/mol). Hal ini dibuktikan
dengan jumlah ikatan hidrogen pada tangeretin yang lebih banyak dibanding
alfanaphtoflavon dan nobiletin. Tangeretin berikatan hidrogen sebagai akseptor
hidrogen pada residu asam amino 321 Threonin dan 386 Isoleusin yang berada pada
pocket reseptor CYP1A2. Atom yang berikatan hidrogen dengan residu asam amino
tersebut adalah atom O dari substituen gugus metoksi (–OCH3) pada posisi 5 dan 4’ dari
kerangka dasar flavonoid.
Gambar 1. Pemodelan 2 dimensi hasil docking pada pocket protein targetCYP1A2 dengan nobiletin (a), Tangeretin (b), dan ligan pembanding α-
naphtoflavon (c). Nobiletin dengan gugus metoksi yang lebih banyakdibandingkan dengan Tangeretin memberikan surface area yang lebihbesar untuk berikatan dengan residu asam amino yang berada di pocket
reseptor CYP1A2. Sementara pada α-naphtoflavon yang memiliki strukturcincin yang rigid hanya dapat memberikan surface area yang planar pada
pocket reseptor CYP1A2
Alfanaphtoflavon merupakan ligan asli yang telah dikenal luas sebagai inhibitor
CYP1A2 dan CYP1A1 dengan mekanisme inhibisi nonkompetitif
Hasil docking antara c-Src dengan tangeretin menghasilkan score - 11,6616
yang nilainya lebih besar daripada imatinib-c-Src -16,6733. Begitu pula score docking
nobiletin dengan c-Src yaitu -10,4267 lebih besar daripada imatinib-c-Src. Ini
menunjukkan bahwa ikatan antara imatinib dengan c-Src lebih stabil sehingga
menyebabkan aktivitas inhibitor terhadap c-Src lebih tinggi.
Hal ini semakin didukung dengan tingginya afinitas ikatan antara imatinib
dengan c-Src. Terdapat ikatan hidrogen antara gugus –N-H dari imatinib sebagai donor
Hidrogen dengan residu Gln 253, sedangkan ikatan hidrogen lainnya terjadi antara
residu Asp 117 dengan gugus –NH+.
Gambar 2. Pemodelan 3 dimensi hasil docking pada pocket protein target c-Src dengan nobiletin (a), Tangeretin (b), ligan endogen ATP (c) dan ligan
pembanding Imatinib (d). Imatinib dengan konformasi 3 dimensi yangmeruah memanjang dan khas memberikan surface area yang memanjang
dan memberikan kemungkinan lebih besar dalam berinteraksi denganpocket protein target c-Src
selain dilihat mekanisme penghambatan ligan dengan protein, dilakukan uji in vitro.
Dengan pemberian ekstrak etanolik C. reticulata pada tikus yang telah diberikan DMBA
yaitu senyawa yang dapat mempercepat poliferasi sel kanker pada tikus. Gambaran
histologis yang tampak normal terlihat pada kelompok perlakuan DMBA-ekstrak dosis
750 mg/kgBB serta DMBA-ekstrak 1500 mg/kgBB pada tikus betina.
Gambar 4. Gambar di atas menunjukkan ekspresi N-Ras (panah merah)pada hepatosit tikus betina kelompok perlakuan: DMBA dosis 20 mg/kgBB(a), kontrol pelarut CMC-Na 0,5% (b), kontrol ekstrak dosis 1500 mg/kgBB(c) DMBA+ekstrak dosis 750 (d), DMBA+ekstrak dosis 1500 mg/kgBB (e),
dengan perbesaran 1000x lensa objektif.
Berdasarkan data diatas pula, dapat diketahui dosis ekstrak yang mampu
menurunkan ekspresi pada kelompok hewan uji tercapai pada dosis 500 mg/kgBB.
Dosis ekstrak tersebut dapat menekan jumlah sel hepar yang mengekspresikan sehingga
dapat menghambat inisiasi karsinogenesis pada hepar.
Mekanisme penurunan insidensi nodul pada sel hepar akibat akibat pemberian
ekstrak kemungkinan disebabkan oleh suatu senyawa aktif yang terkandung di dalam
ekstrak. Hal ini diperkuat dengan data komputasi kimia bahwa Tangeretin (5,6,7,8, 4’-
pentamethoxyflavone) dapat berinteraksi lebih kuat dibandingkan α-naphtoflavon yang
merupakan inhibitor pembanding pada CYP1A2.
BAB III
PENUTUP
3.1 Kesimpulan
Bioinformatik dapat digunakan untuk mempelajari atau memprediksi aktifitas
suatu senyawa terhadap suatu protein melalui nilai gibss yang diperoleh dan ikatan
hidrogen yang terbentuk. Serta dapat digunakan untuk mengetahui mekanisme yang
terjadi secara in silico antara protein dengan senyawa aktif sehingga proses ini dapat
menghemat proses isolasi dan proses pengamatan kualitatif secara mikroskopik.
Untuk memprediksi aktifitas ini, diperlukan data base yang berisi file pdb protein
target dari protein data bank lalu pensejajaran sekuen dengan diambil nilai tertinggi
dari sekuen. Dalam melakukan docking dan modeling molekul diperlukan software
yang mendukung, salah satunya adalah Molecular Objecting Environment.
Penentuan struktur molekul pada bioinformatik dilihat dari konformasi dan
interaksi antara ligan dengan protein target. Konformasi yang stabil ditunjukkan dari
hasil nilai energi gibs rendah dan banyak juga kuatnya interaksi ikatan hidrogen
antara ligan dengan protein. Dengan adanya metode ini, dapat mempermudah
peneliti untuk menekan biaya dalam proses penelitian atau observasi.
DAFTAR PUSTAKA
Anjelia, Genny Zusapa. 2013. Studi Komponen Aktif Temulawak Terhadap Pantogenesis Kanker Kolorektum Jalur Protein β-katenin dengan Penambatan Molekular. Departemen Kimia. Fakultas sains dan teknologi. Institut Pertanian Bogor.
Altschul, S.F. (1997). Gapped-BLAST and PSI-BLAST: a new generation of protein database search programs. Nucleic Acid Research. 25: 3389-3402
Altschul, S.F. (1990). Basic local alignment search tool. Journal of Molecular Biology. 215:403-410.
Baxevanis, A.D., and Oulette, B.F.F. (2005) Bioinformatics: A Practical Guide to the Analysis of Genes and Prootein 2nd Edition. Willey InterScience. USA.
Bayat. 2002. Bioinfromatics: Science, medicine, and the future. BMJ 324, 1018-1022.
Datta, D. (2002). Protein-Ligand Interactions: Docking, Design and Protein Conformational Change. Thesis. California Institute of Technology. Pasadena. California. USA.
Fadilah. (2010). Karya Pascasarjana Kimia: Penapisan Senyawa Bioaktif dari SukuZingiberaceae sebagai Penghambat Neuraminidase Virus Influenza A (H1N1) Melalui Pendekatan Docking. Departemen Kimia-FMIPA UI.
Funkhouser, T. (2007). Lecture: Protein-ligand docking methods. Princeton University.
Gohlke, H., Hendlich, M. and Klebe, G. (2000) Knowledge-based Scoring Function to Predict Protein-Ligand Interactions. J. Mol. Biol. 295, 337-356
Kitchen, Douglas, B., Docornez, H., Furr, J.R and Bojarath, J. (2004). Docking scoring in virtual screening for drug discovery: methods and application. Nature review drug discover 3. Leach, A.R. (2001) Molecular Modelling: Principles and Applications, ISBN 0-582-38210-6
Limanto, Agus. 2009. Analisis In Silico Mutasi Hemagglutinin, Neurominidase dan Matrix2 Virus H5N1 Indonesia Terkait dengan Tingkat Pantogenisitasnya yang tinggi. Skripsi Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Indonesia, Depok.
MOE tutorial.(2008). Quebec. Canada
Mount, D.W. (2004) Bioinformatics: Sequence and genome analysis. Edisi kedua. New York: CSHL Press.
Obara K, Mizutani M, Hitomi Y, Yajima H, Kondo K, (2009) Jun;28(3):278-84. Clin Nutr, Epub Apr 23.PMID: 19395131 (PubMed - indexed for MEDLINE)
Panigrahi, S.K. and Desiraju, G.R. (2007). Strong and weak hydrogen bonds in the protein–ligand interface. PROTEINS: Structure, Function, and Bioinformatics 67:128–141
Pauli, G.F., Ryan J. Case, Taichi Inui, Yuehong Wang, Sanghyun Cho, Nikolaus H. Fischer, and Scott G. Franzblau. (2005). New perspective on natural products in TB drug research, Life Sciences, 485-494
Salim, Johanes.2011. Modifikasi Laninamivir Sebagai Inhibitor Neuraminidase Virus Influenza A Subtipe H1N1. Skripsi Program Studi Kimia. Fakultas Matematika Dan Ilmu Pengetahuan Alam. Universitas Indonesia.
Tobe H. and Kazuyuki Kitamura, United States Patent, 10 Apr 1995
Utama, A. (2003) Aplikasi Bioinformatik dalam Virologi. Ilmu komputer (http://en.wikipedia.org/wiki/Humulus_lupulus).