Abstrak
Jurnal ini berisi tentang studi QSAR dari 12 senyawa turunan benzoimidazole. Studi ini
dilakukan untuk mengkorelasikan dan memprediksi struktur dari senyawa yang diteliti dengan
aktivitasnya sebagai antibakteri terhadap bakteri gram negative Pseudomonas aeruginosa. Untuk
memilih deskriptor yang digunakan dalam studi QSAR, peneliti menggunakan model regresi
linier berganda (MLR) agar dihasilkan model prediksi terbaik yang dapat menjelaskan hubungan
struktur senyawa uji dengan aktivitasnya menghambat pertumbuhan bakteri. Digunakan cross
validation dengan metode leave-one-out untuk memvalidasi model prediksi yang dihasilkan.
Hasilnya, peneliti menyarankan agar model QSAR didasarkan pada deskriptor : Parameter
lipofilitas (logP) dan energy hidrasi (HE). Proses validasi diperoleh adanya kesesuaian antara
hasil eksperimental dengan prediksi dari nilai penghambatan bakteri, sehingga menunjukan
dihasilkannya model QSAR dengan kualitas yang baik.
1. PENDAHULUAN
Peneliti tertarik melakukan penelitian terhadap studi QSAR karena studi QSAR tidak
diragukan lagi sangat membantu dalam dunia kimia medisinal modern. QSAR sendiri
mempelajari tentang bagaimana struktur senyawa dapat mempengaruhi aktivitas senyawa
tersebut. Untuk memperoleh korelasi yang signifikan antara struktur senyawa dengan
aktivitasnya, perlu digunakan deskriptor yang tepat. Banyak deskriptor yang mencerminkan sifat
dari suatu molekul sederhana, dengan demikian dapat meberikan wawasan tentang sifat
fisikokimia apa saja yang perlu dipertimbangkan untuk mengoptimalkan aktivitas dari molekul
tersebut. Aktivitas yang digunakan dalam QSAR meliputi aktivitas biologis yang dapat
dinyatakan secara kuantitatif, seperti konsentrasi zat yang diperlukan untuk menghasilkan respon
biologis tertentu. Deskriptor yang digunakan pun diekspresikan dengan angka, sehingga
memudahkan untuk menemukan korelasi antara kedua hal tersebut secara kuantitatif. Saat ini
QSAR sedang banyak diterapkan dalam banyak disiplin ilmu, khususnya dalam design senyawa
obat. Penilaian menggunakan QSAR diperoleh prediksi aktivitas suatu zat kimia dari struktur
molekulnya. QSAR menawarkan kemungkinan melakukan skrining zat kimia dalam jumlah
besar dengan waktu singkat dan biaya relatif rendah.
Digunakan senyawa turunan benzoimidazole sebagai subjek karena inti benzimidazole telah
banyak mendapat perhatian selama satu dekade terakhir dalam pengembangan senyawa obat
baru. Aktivitasnya sebagai antimikroba membuat beberapa senyawa turunan benzimidazole telah
banyak disintetis dan diaplikasikan dalam dunia medis. Posisi dan substituent yang tersubstitusi
pada cinci benzoimidazole bertanggungjawab terhadap beragam aktivitasnya. Sintesis
benzoimidazole yang disubsitusikan dengan cincin heterosiklik lain juga mendapat perhatian
karena beragam aktivitas mereka antara lain sebagai antioksidan, antijamur, antituberkular,
antikanker, dan antialergi. Berbagai benzoimidazole juga beraktivitas sebagai penghambat yang
efektif bagi pertumbuhan virus HIV. Berbagai hal di atas yang menjadi berbagai pertimbangan
bagi peneliti untuk melanjutkan studi tentang aktivitas benzoimidazole menghambat
pertumbuhan bakteri, serta korelasi sifat-sifat molekul dengan aktivitasnya. Tujuan penelitian ini
adalah untuk mempelajari kegunaan QSAR dalam memprediksi aktivitas antibakteri turunan
benzimidazole terhadap bakteri gram-negatif Pseudomonas aeruginosa.
2. METODOLOGI
a) Bahan dan metode
Senyawa turunan benzoimidazole yang digunakan dalam penelitian ini telah disintesis
dengan prosedur yang telah dijelaskan oleh peneliti.
Aktivitas antibakteri semua senyawa turunan benzimidazole diinvestigasi guna melihat daya
penghambatannya terhadap bakteri Pseudomonas aeruginosa secara in vitro. Aktivitas
antibakteri senyawa diuji dengan metode difusi cakram menggunakan media agar Mueller-
Hinton. Isolat bakteri uji dibiakan dalam tabung berisi Nutrient Broth. 1 ml dari tabung NB
dihomogenisasi dalam tabung berisi 9 ml Nutrient agar cair. Suspensi yang telah dihomogenkan
dituangkan ke dalam cawan petri steril. Cakram kertas dengan diameter 5 mm ditempatkan pada
permukaan media agar yang telah memadat, kemudian 20 μl senyawa uji diteteskan pada cakram
kertas menggunakan mikropipet. Setelah diinkubasi selama 24 jam dalam suhu 25-27 ° C,
diameter zona inhibisi diukur dalam satuan mm. Diameter zona inhibisi lebih dari 8 mm
menunjukan senyawa uji aktif melawan mikroorganisme. Setiap tes dilakukan dalam 3 ulangan.
Uji konsentrasi hambat minimum (MIC) dilakukan dengan metode pengenceran agar. MIC
didefinisikan sebagai konsentrasi terendah senyawa turunan benzimidazole yang mampu
menghambat pertumbuhan bakteri P. aeruginosa. Larutan senyawa uji disiapkan dalam
dimetilformamida (DMF), sementara untuk pengenceran digunakan air suling. Konsentrasi
senyawa yang diuji berkisar antara 6,25 – 125 μg/μl. Inokulasi kemudian diinkubasi pada suhu
35° C selam 16-20 jam. Kontrol menggunakan bakteri dalam DMF tanpa senyawa uji. Nilai MIC
senyawa turunan benzimidazol yang diperoleh dinyatakan sebagai μg/μl. Untuk mengukur
kekuatan antibakteri, peneliti membuat perbandingan dengan agen antibakteri yang digunakan
dalam terapi pengobatan, yaitu Ampicillin dan Gentamicin sebagai pembanding.
c) Pemodelan molekul
d) Deskriptor
e) Metode statistic
Peneliti melakukan analisis regresi secara lengkap menggunakan perangkat lunak statistika
PASS 2005, GESS 2006, dan NCSS.
Evaluasi pertama yang dilakukan peneliti pada senyawa turunan benzoimidazole ialah
pengujian aktivitas antibakteri secara in vitro terhadap bakteri gram (-) Pseudomonas
aeruginosa. Hasil skrining mengungkapkan bahwa semua senyawa uji menunjukan aktivitas
penghambatan terhadap P. aeruginosa dengan nilai MIC masing-masing sebagai berikut :
Untuk mengembangkan model MLR membutuhkan beragam set data yang diperoleh
dengan mempertimbangkan sejumlah deskriptor. Deskriptor berupa nilai numerik yang
melambangkan perbedaan bentuk struktur dari setiap molekul. Pemilihan beberapa deskriptor
yang sesuai dari sejumlah deskriptor yang tersedia membutuhkan suatu metode yang mampu
membedakan antar parameter. Oleh karenanya, peneliti melakukan matriks korelasi Pearson pada
semua deskriptor yang tersedia menggunakan perangkat lunak statistika NCSS. Analisis matriks
menghasilkan 8 deskriptor yang digunakan untuk pengembangan model MLR. Delapan
deskriptor tersebut tersaji dalam tabel (2).
Untuk pengujian validitas kekuatan model MLR terpilih (persamaan 2), peneliti
menggunakan metode Leave-One-Out (LOO). Model MLR tersebut divalidasi oleh beberapa
perhitungan parameter statistik sebagai berikut : jumlah residu prediksi kuadrat (PRESS), jumlah
total deviasi kuadrat (SSY), koefisien korelasi yang divalidasi silang (r2CV), dan koefisien
korelasi yang disesuaikan (r2adj). Hasil validasi menggunakan metode LOO disajikan pada table
berikut :
Peneliti mengatakan bahwa PRESS merupakan parameter validasi yang penting karena
merupakan perkiraan yang baik dari kesalahan prediksi nyata pada model MLR. Nilai PRESS
yang lebih kecil dari nilai SSY menunjukan bahwa model MLR memprediksi dengan baik dan
secara statistik dianggap signifikan. Selanjutnya, model QSAR yang rasional harus memiliki
rasio PRESS/SSY yang lebih rendah dari 0,4. Rasio PRESS/SSY yang tersaji pada table (4)
menunjukan angka 0,1746 yang artinya model QSAR yang terpilih adalah rasional. Sedangkan
nilai r2CV dan r2adj adalah parameter penting untuk kualifikasi model QSAR (2) sebagai model
yang terbaik.
Namun cara satu-satunya untuk mengukur keuatan prediksi sebenarnya dari model
menurut peneliti adalah dengan cara menghitung nilai log1/CMIC eksperimental dengan nilai
log1/CMIC prediksi menggunakan model / persamaan (2). Hasil perhitungan tersebut disajikan
pada table berikut :
Senyawa Log(1/CMIC) eksperimental Log(1/CMIC) prediksi Selisih / Residu
1 4,602 4,669 -0,067
2 4,637 4,672 -0,035
3 4,609 4,949 0,115
4 4,328 4,332 -0,004
5 4,278 4,169 0,109
6 4,314 4,179 0,135
7 3,981 4,008 -0,027
8 3,704 3,837 -0,133
9 4,627 4,643 -0,016
10 4,659 4,637 0,022
11 4,333 4,476 -0,143
12 4,352 4,305 0,047
Ampicillin 4,446 - -
Gentamicin 5,787 - -
Tabel 5. Perbandingan nilai log(1/CMIC) eksperimental dengan log(1/CMIC) prediksi
Data di atas menunjukan bahwa hasil eksperimental dengan hasil prediksi menggunakan
model (2) memiliki kedekatan satu sama lain, ditandai dengan nilai residu yang kecil. Hal ini
menunjukan bahwa model (2) memiliki prediktabilitas yang baik. Gambar di bawah ini
menunjukan plot regresi linier dari nilai aktivitas antibakteri senyawa turunan benzoimidazole
yang diperoleh dari hasil eksperimental dengan hasil prediksi menggunakan model QSAR (2) :
Gambar 2. Plot nilai aktivitas antibakteri senyawa benzoimidazole secara prediksi
menggunakan model (2) terhadap nilai eksperimental
Dari gambar di atas terlihat bahwa perambatan residu di kedua sisi adalah nol,
menunjukan bahwa tidak ada kesalahan sistemik. Hal ini menunjukan bahwa model QSAR ini
dapat diterapkan untuk meprediksi aktivitas antibakteri dari senyawa dalam kelas turunan
benzoimidazole.
4. KESIMPULAN DAN SARAN
a) Kesimpulan
Dari hasil penelitian yang tertuang dalam jurnal, kami menyimpulkan bahwa senyawa
turunan 1-benzilbenzimidazole efektif menghambat pertumbuhan bakteri gram (-) Pseudomonas
aeruginosa secara in vitro. Pemodelan molekul dan analisis QSAR dilakukan untuk menemukan
efek kuantitatif dari struktur molekul senyawa terhadap aktivitas antibakterinya. Model
matematika yang akurat dikembangkan untuk memprediksi aktivitas antbakteri beberapa
senyawa turunan benzoimidazole. Validasi model telah dilakukan oleh penentuan parameter
statistik yang sesuai. Terdapat kesesuian antara nilai aktivitas antibakteri senyawa turunan
benzimidazole secara eksperimental dengan prediksi yang diperoleh melalui model QSAR yang
dikembangkan. Residu yang rendah dan nilai r2CV yang tinggi menunjukan kemampuan prediksi
yang baik dari model QSAR yag dikembangkan. Aktivitas antibakteri dari serangkaian senyawa
turunan 1-benzilbenzimidazole berhasil dimodelkan menggunakan berbagai deskriptor
molekuler. Pemodelan tersebut menyimpulkan bahwa pengaruh kuat lipofilitas (logP) sangat
penting untuk aktivitas antibakteri dan parameter tersebut biasanya berkaitan dengan aktivitas
penghambatan.
5. PUSTAKA
Podunavac, O Sanja et al., 2011. QSAR Modeling Of Antibacterial Activity Of Some
Benzimidazole Derivatives. Chemical Industry & Chemical Engineering Quarterly Volume 17 (1)
33−38.