BioTrends Vol.9 No.

2 Tahun 2018

ANALISIS METABOLOMIK : METODE MODERN DALAM

PENGUJIAN KUALITAS PRODUK HERBAL
MEGA FERDINA WARSITO
E-mail : mferdina@gmail.com
Pusat Penelitian Bioteknologi LIPI
Jalan raya Bogor KM.46 Cibinong Bogor 16911

O bat herbal
dideskripsikan
sebagai produk yang
berasal dari tumbuhan dan
memiliki efek farmakologis.
Obat herbal telah digunakan
sejak awal peradaban
manusia (Efferth dan Greten,
2012) untuk pencegahan
maupun pengobatan
penyakit,dan telah
menyebar diberbagai
penjuru dunia(Hosni, 2012).
WHO (2008) melaporkan
sebanyak 80% penduduk di
negara-negara Asia dan
Afrika menggunakan obat
herbal. Pemasaran obat
tradisional di China
mencapai 83.1 miliar USD di
tahun 2012, meningkat 20%
dari tahun 2011 (WHO,
2013). Konsumsi obat
tradisional di Korea Selatan
mencapai 2.4 miliar USD di
tahun 2004, dan meningkat
menjadi 7.4 miliar di tahun
2008 (WHO, 2012). Obat-
obatan modern dengan
kandungan bahan aktif
tertentu banyak digunakan
di wilayah Eropa dan
Amerika, namun demikian
popularitas obat
herbalkembali meningkat.
Diperkirakan sepertiga
penduduk Inggris saat ini
merupakan pengguna
produk herbal(Gilbert, 2011).
Pengeluaran untuk obat
herbal di Amerika Serikat
mencapai 14.8 milliar USD di
tahun 2008 (Nahin dkk,
2009). Peningkatan
penggunaan obat herbal
disebabkan oleh harga yang
terjangkau (Kochhar, 1981;
Nirmal, 2013), tren
pengobatan eco- dan
biofriendly,serta
kepercayaan masyarakat
akan efektifitas dan tingkat
efek sampingyang rendah
bahkan diyakini tidak ada
bila dibandingkan dengan
obat sintetik (Lee dkk, 2017).
Bahan aktif dari obat herbal
dapat berupa simplisia atau
ekstrak yang berasal dari
satu atau beberapa spesies
tanaman. Simplisia maupun
ekstrak mengandung banyak
senyawa dengan berbagai
karakteristik kimia (berat
molekul, polaritas, kelarutan,
volatilitas) dan konsentrasi,
mulai darikonsentrasi piko
hingga mikromolar (Dunn
dan Ellis, 2005). Efek sinergis
dari senyawa-senyawa inilah
yang memberikan efek
farmakologis obat herbal
(Pelkonnen dkk., 2012; Putri
dkk, 2013). Oleh karena
itu,untuk menjamin kualitas
obat herbal evaluasi
terhadap satu atau dua
indikator senyawa saja
tidaklah cukup (Wang et al.,
2005; Qiu et al., 2007; Wang
et al., 2007, 2008; Zhao et
al., 2008; Sun et al., 2009),
perlu dilakukan analisis
terhadap seluruh komponen
senyawa dalam produk.
Standardisasi komposisi,
dengan menetapkan batas
toleransi variasi senyawa
(Efferth dan Greten, 2012),
perlu dilakukan untuk
menjamin kualitas dan
akuntabilitas produk.
Kontrol kualitas dengan
pendekatan metabolomik
dan analisis statistika
multivariat (kemometrik)
memungkinkan evaluasi
produk herbal dengan
melihat variasi profil
metabolit, contohnya
deteksi produk palsu yang
komponennya berasal dari
spesies tanaman yang sama
namun memiliki konsentrasi
senyawa aktif yang lebih
rendah. Industri produk

38
 BioTrends Vol.9 No.2 Tahun 2018

herbal memanfaatkan yang membedakan secara

teknologi iniuntuk mencegah signifikan adalah glukosamin,
produksi substandar dan 4-guanidinobutanoat dan Kelebihan metabolomik
pemalsuan (Lee, 2017), serta asam glutarat. Ekstrak teh adalah kemampuannya
untuk memonitor pengaruh terfermentasi juga memiliki dalam mengakuisisi data
lingkungan selama masa kadar senyawa fenolik serta sehingga didapat data
pertumbuhan dan panen, tingkat bioavailabilitas yang kuantitatif dari sampel dan
perlakuan pasca panen, lebih tinggi. Senyawa fenolik kemampuannya dalam
ekstraksi dan metode isolasi teh, katekin, menyebabkan memprediksi data yang
yang seluruhnya stres oksidatif E. coli yang memiliki makna dengan
mempengaruhi efikasi mana berakibat pada menggunakan berbagai
produk (Putri dkk, 2013). penghambatan proliferasi metode analisa dan analisis
Metabolomik juga digunakan atau pertumbuhan bakteri kemometrik. Ada tiga
untukmemprediksi (Yang dkk, 2018). pendekatan yang digunakan
bioaktivitas serta mekanisme dalam analisis metabolomik
kerja produk, yang mana Metabolomik (Gambar 1), yakni: (1)
akan memberikan gambaran analisis tertarget (analisis
terhadap aktivitas Metabolomik adalah high- kuantitatif dan kualitatif
farmakologis dari setiap throughput analysis yang terhadap sejumlah metabolit
batch yang dihasilkan. Hal ini mengkuantifikasi dan target yang telah ditentukan
menggambarkan bahwa mengidentifikasi metabolit sebelumnya), (2) metabolite
bioaktivitas produk dalam sel, jaringan, maupun profiling (analisis yang
merupakan efek sinergi dari cairan biologis dengan berat dilakukan terhadap semua
semua senyawa yang molekul 100-1,000 (Lee dkk, metabolit yang ada dalam
terkandung didalamnya. 2017). Metabolit merupakan sampel baik yang telah
hasil ekspresi gen yang diketahui maupun yang
Analisis metabolomik berasal dari interaksi antara belum pernah teridentifikasi
dengan metode HPLC-MS sistem genom dengan sebelumnya), (3) metabolite
terhadapektrak teh hitam lingkungan (Johnson dkk, fingerprinting (analisis sidik
terfermentasi dimanfaatkan 2012; Putri dkk, 2013). jari terhadap semua
untuk analisis aktivitas Metabolit terdiri dari komponen senyawa yang
antibakteri ekstrak terhadap senyawa antara dan produk ada dalam sampel untuk
E. coli. Penelitian ini akhir metabolisme, baik yang membedakan kelompok
menunjukkan bahwa ekstrak merupakanmetabolit primer sampel yang ada, namun
teh terfermentasi memiliki (gula, asam amino, asam tidak mempersyaratkan
profil metabolit yang lemak dan asam organik) identifikasi senyawa-
berbeda dengan ekstrak teh maupun metabolit sekunder senyawa tersebut)
hitam tanpa perlakuan (tidak (fenilpropanoid, alkaloid, (Blekherman dkk, 2011)
difermentasi), tiga senyawa dsb).
Metabolite Profilling dan Metabolite Target Analysis
Otomatis, sensitifitas deteksi tinggi, memerlukan pemisahan senyawa, kuantifikasi dan
identifikasi metabolit. Waktu analisis berkisar 5-140 menit.
GC-MS LC-MS

Memerlukan pengenceran sampel dan

39
BioTrends Vol.9 No.2 Tahun 2018

Analisa untuk senyawa-senyawa yang isolasi metabolit lebih lanjut (SPE, ektraksi
mudah menguap dan stabil terhadap cari-cair)
panas, terkadang memerlukan
derivatisasi.
METABOLOM
Metabolite Fingerprinting
Analisis komponen senyawa secara global dengan preparasi sampel yang minimum,
banyak digunakan untuk klasifikasi sampel. Kemampuan untuk identifikasi dan
kuantifikasi senyawa terbatas, kecuali analisa dengan NMR.
FTIR NMR

Gambar 1. Strategi analisis metabolomik dan platform analisis yang umum digunakan (Dunn dan
Ellis, 2005)

Obat herbal terdiri dari
campuran kompleks
senyawa yang berasal dari
satu atau beberapa spesies
tanaman. Komposisi dan
kadar senyawa kimia dalam
satu spesies tanaman dapat
bervariasi, tergantung pada
faktor eksogen (seperti iklim,
komposisi tanah atau nutrisi
dalam tanah, danketinggian
area) dan endogen (genetik
dan epigenetik). Kualitas
produk akhir dipengaruhi
oleh banyak aspek,
diantaranya proses pra-
panen (sebelum tanaman
dipanen) seperti aspek
genetik tanaman, area
kultivasi, kondisi
penanaman, dan waktu
pemanenan, serta proses
pasca panen, seperti proses
pengeringan, ekstraksi, dan
penyimpan. Oleh karena itu,
kontrol kualitas merupakan
prioritas utama untuk
memastikan kualitas dan
efektifitas produk herbal
(Efferth dan Greten, 2012).
Kontrol kualitas dilakukan
tak hanya pada produk akhir,
namun juga terhadap bahan
baku yang akan digunakan.
Karakterisasi dan kontrol
kualitas produk herbal telah
banyak dilakukan dengan
pendekatan metabolomik
(Wang et al., 2004; Ma et al.,
2008; Xie et al., 2009).
Metabolomik memberikan
karakteristik sidik jari untuk
digunakan sebagai bahan
pertimbangan dalam
formulasiproduk herbal dan
nantinya dapat digunakan
sebagai database untuk
kontrol kualitas.Tahapan
analisis metabolomik terdiri
dari preparasi sampel,
analisa dengan berbagai
instrumen, pengolahan data,
dan analisis data (Putri dkk,
2013).
Waktu dan metode
pengambilan sampel akan
sangat mempengaruhi
keterulangan hasil analisa.
Waktu pemanenan, tempat
tumbuh, serta bagian
tanamanyang digunakan
akan mempengaruhi
komposisi metabolit yang
terdeteksi. Sebagaimana
diketahui, variabilitas
biologis lebih besar
dibandingkan variabilitas
analisis, bahkan ketika
dilakukan kontrol terhadap
proses pengambilan dan
preparasisampel
(Whittmann, 2004).
Metabolisme berlangsung
cepat (reaksi terjadi dalam
waktu kurang dari 1 detik),
sehingga perlu dilakukan
inhibisi reaksi enzimatik
melalui pembekuan sampel
(bila masih dalam bentuk
bahan baku awal, sebelum
ekstraksi) dengan

40
 BioTrends Vol.9 No.2 Tahun 2018

menggunakan nitrogen cair tertentu tanaman juga dapat tinggi (HPLC-High

setelah pemanenan
kemudian sampel disimpan
pada suhu 80°C. Namun
demikian, pembekuan dan
pencairan berulang akan
menyebabkan
ketidakstabilan dan
perubahan komposisi
metabolom (Al Jowder,
1997). Pembekuan dapat
menyebabkanhilangnya
metabolit tertentu, sentuhan
atau luka pada bagian
menyebabkan rusak atau
hilangnya metabolit.
Platform Analisis
Metabolomik
memungkinkan deteksi
komposisi dan konsentrasi
senyawa dalam sampel
(Liang dkk, 2010). Platform
analisis yang digunakan
dalam metabolomik antara
lain kromatografi cair kinerja
Performance Liquid
Chromatography) dan/atau
kromatografi gas (GC-Gas
Chromatography), dengan
detektor nuclear magnetic
resonance (NMR), fourier
transform-infrared
spectroscopy (FT-IR),
dan/atau mass spectroscopy
(MS) serta analisis statistik
multivariat.

Tabel 1. Perbandingan metode analisis yang umum digunakan dalam metabolomik.

Metode Kelebihan Kekurangan

Volume sampel 0.1-0.2 mL
Sensitifitas baik (batas deteksi
0.5µL)
Database dan software yang
GC-MS dibutuhkan sudah banyak tersedia
Pemisahan senyawa baik
Reprodusibilitas data baik
Volume sampel 10-100 µL
Sensitifitas tinggi (batas deteksi 0.5
nM
LC-MS
Dapat digunakan untuk analisis
banyak senyawa organik dan
beberapa molekul anorganik
Waktu analisis cepat
Tidak destruktif
NMR Volume sampel 10-100 µL
Tidak memerlukan derivatisasi
Destruktif (sampel tidak dapat
diperoleh kembali)
Untuk analisis senyawa tertentu
perlu dilakukan derivatisasi
Tidak dapat digunakan untuk
analisis senyawa yang tidak stabil
suhu tinggi
Waktu analisa 10-40 menit per
sampel
Destruktif
Waktu analisis 15-40 menit per
sampel
Sensitifitas rendah
Tidak dapat mengidentifikasi
senyawa anorganik dan garam
Volume sampel 0.1-0.5 mL

Analisis cepat Spektra kompleks

Analisis sidik jari komposisi kimiaLebih dari satu puncak
sampel perkomponen
FTIR
Tidak memerlukan proses Identifikasi metabolit hampir tidak
derivatisasi mungkin
Memerlukan pengeringan
NMR memungkinkan analisis throughputdan otomatis, berbagai kelompok
ekstrak secara cepat,high- mampu mengkuantifikasi metabolit(Kim et al., 2010;

41
BioTrends Vol.9 No.2 Tahun 2018
Kim et al., 2011), hingga
memberikan informasi
struktur stereokimiasenyawa
(Seger and Sturm, 2007).
Preparasi sampel untuk
metode ini sederhana.
Metode ini sesuai untuk
determinasi senyawa dari
sampel yang tidak diketahui
identitasnya atau organisme
baru. NMR bersifat non-
selektif sehingga semua
senyawa dapat terdeteksi
dan informasi struktur
senyawa juga diperoleh,
yang mana memungkinkan
karakterisasi komponen
berbagai campuran
kompleks senyawa (Zhang
dkk, 2012). Kelebihan dari
metode NMR adalah telah
tersedia protokol analisa dan
database sehingga sumber
informasi yang dibutuhkan
untuk operasional sudah
memadai (Weckwerth and
Morgenthal, 2005; Kim dkk,
2010).Metode ini bersifat
non-destruktif dan tidak
bergantung terhadap hasil
pemisahan senyawa sehigga
sampel dapat digunakan
untuk analisa lebih lanjut.
NMR juga dapat digunakan
untuk analisa campuran
kompleks, karena intensitas
sinyal yang dihasilkan tidak
atau kurang dipengaruhi
oleh senyawa lain yang ada
dalam sampel (Putri dkk,
2013). NMR kurang sensitif
bilamana dibandingkan
dengan pendekatan MS
(rentang mikromolar)(Kim et
al., 2011)bila dibandingkan
dengan MS (pikomolar)
(Gromski dkk, 2015). Namun,
perkembangan terkini teknik
NMR dapat mengatasi
permasalahan tersebut
(Zhang dkk, 2012). Kang dkk
(2008) melakukan penelitian
terkait profil Panax ginseng
dari enam wilayah dan usia
tanaman yang berbeda dan
dari penelitian ini
disimpulkan bahwa NMR-
based metabolomik dapat
digunakan untuk mendeksi
pemalsuan produk herbal
serta asal daerah tanaman
tersebut. Metode NMR juga
dapat digunakan untuk
kontrol kualitas produk, Kim
dkk (2005) melaporkan
bahwa sidik jari metabolit
dapat digunakan untuk
membedakan tiga spesies
Ephedra. Metode ini juga
digunakan untuk
membedakan berbagai
preparasi Matricaria recutita
L. (chamomile) yang dibuat
dari area penanaman yang
berbeda, juga dapat
menentukan prosentase
yang dibutuhkan dari setiap
bagian tanaman yang
dibutuhkan dalam formulasi
sediaan, serta metode
ekstraksi terbaik (Wang dkk,
2004).
Spektrometri FT-IR dapat
digunakan untuk analisa
berbagai macam sampel dan
metabolit seperti
karbohidrat, asam amino,
lemak, asam lemak, protein,
dan polisakarida (Dunn dan
Ellis, 2005). Kelebihan
metode ini adalah tahapan
preparasinya yang
sederhana dan teknik
42
analisis yang relatif mudah.
Metode analisis ini
mengkorelasikan absorpsi
dan vibrasi cahaya pada
panjang gelombang tertentu
dari gugus fungsi senyawa
untuk identifikasi metabolit.
Kekurangan metode analisis
ini adalah sensitivitas dan
selektifitasnya yang rendah,
serta tidak dapat digunakan
untuk analisa sampel yang
mengandung air (Gromski
dkk, 2015). FT-NIR
dilaporkan mampu
membedakan Fructus lycii
(goji berry) dari empat area
yang berbeda (Lu dkk, 2008)
serta membedakan spesies
dan umur ginseng (Panax
ginseng) (Kwon dkk, 2014).
MS merupakan metode
analisis yangmemberikan
data kualitatif dan kuantitatif
dengan sensitifitas dan
resolusi tinggi secara cepat
dan selektif. Detektor ini
dikombinasikan dengan
kromatograf untuk
pemisahan senyawa. GC-MS
digunakan untuk
menganalisis campuran
senyawa yang mudah
menguap atau senyawa
dengan derivat yang mudah
menguap dan stabil
terhadap panas. Derivatisasi
diperlukan untuk analisis
senyawa-senyawa tertentu
untuk meningkatkan
volatilitas dan stabilitas
termalnya. Senyawa-
senyawa yang dapat
dianalisis dengan metode ini
antara lain asam organik,
asam amino, gula,amin

aromatik, asam lemak, dan
lain sebagainya (Zhang dkk,
2012). GC-MS memiliki
tingkat sensitifitas tinggi dan
presis untuk identifikasi
senyawa. Kekurangan dari
metode ini adalah
penggunaannya terbatas
untuk analisa senyawa-
senyawa yang mudah
menguap dan perlu
derivatisasi untuk analisis
senyawa-senyawa
tertentu.Hasil analisis
metabolomik Caulophyllum
robustumdengan GC-MS
menunjukkan bahwa
aporphinoid dan quinolizidin
merupakan senyawa alkaloid
mayor dalam sampel dan
senyawa ini berpotensi
untuk dijadikan indikator
pada kontrol kualitas (Li dkk,
2007). Farag dkk (2012)
menggunakan GC-MS untuk
analisis metabolit primer
beberapa spesies Glycyrrhiza
dan hasil analisis tersebut
dapat digunakan untuk
membedakan spesies-
spesies tersebut.
LC-MS memiliki sensitifitas
lebih tinggi dibandingkan
GC-MS dan memungkinkan
analisis senyawa yang tidak
stabil terhadap
panas(Hageman, 2010).
Preparasi sampel juga lebih
sederhana. Molekul yang
dapat terdeteksi dengan LC-
MS adalah mulai molekul-
molekul polar seperti gula
hingga asam-asam organik
non-aromatik (Kim et al.,
2011; Hageman, 2010;
Boccard et al., 2010),
senyawa semi-polar, hingga
senyawa non-polar (Lee dkk,
2017). Kelemahan metode
ini adalah keterbatasannya
dalam analisis senyawa-
senyawa non-target. Metode
ini terbukti dapat
membedakan varian dan
area tumbuh Glycyrrhiza
glabra (Montoro dkk, 2011;
Farag dkk, 2012). Metode ini
juga dapat digunakan untuk
penentuan marker yang
sesuai untuk kontrol kualitas
pada produk herbal yang
mengandung Ginkgo biloba
(Jensen dkk, 2002).
Kesimpulan
Teknik metabolomik telah
banyak digunakan untuk
standardisasi dan kontrol
kualitas produk herbal di Dunn WB dan Ellis DI. (2005)
dunia. Teknik ini
memungkinkan analisis obat
herbal dengan kandungan
metabolit yang kompleks
secara menyeluruh, non-
bias, dan high throughput.
Metode analisis yang umum
digunakan untuk Efferth T and Greten HJ.
metabolomik adalah MS,
NMR, FT-IR yang dikombinasi
dengan instumen untuk
analisis senyawa seperti GC
atau LC.
Daftar Pustaka
Al Jowder O, Kemsley EK,
Wilson RH. (1997)
:Mid-infrared
spectroscopy and
authenticity problems
in selected meats: a
feasibility study. Food
43
BioTrends Vol.9 No.2 Tahun 2018
Chemistry. 59.195-
201.
Blekherman G,
Laubenbacher R,
Cortes DF, Mendes P,
Torti FM, Akman S,
Torti SV, and Shulaev
V. (2011) :
Bioinformatics tools
for cancer
metabolomics.
Metabolomics. 7. 329-
343.
Boccard J, Veuthey JL, Rudaz
S. (2010) : Knowledge
discovery in
metabolomics: an
overview of MS data
handling. J Sep Sci.33.
290–304.
: Metabolomics:
Current analytical
platforms and
methodologies. Trends
in Analytical Chemistry,
24:4. 285-294.
(2012). Quality Control
for Medicinal Plants.
Medicinal and
Aromatic Plants. 1(7).
1:e131.
Farag MA, Porzel A, and
Wessjohann LA. (2012)
: Comparative
metabolite profiling
and fingerprinting of
medicinal licorice roots
using a multiplex
approach of GC-MS,
LC-MS and 1D NMR
BioTrends Vol.9 No.2 Tahun 2018
techniques.
Phytochemistry.76. 60-
72.
Gilbert N. (2011).
Regulations: Herbal
medicine rule book.
Nature. 480, S98–S99.
Gromski PS, Muhamadali H,
Ellis DI, Xu Y, Correa E,
Turner ML, and
Goodacre R. (2015) : A
tutorial review: Johnson CH, Patterson AD,
Metabolomics and
partial least squares-
discriminant analysis--
a marriage of
convenience or a
shotgun wedding.
Anal. Chim. Acta.879.
10-23.
Hegeman AD. (2010) : Plant Kang J, Lee S, Kang S, Kwon
metabolomics–
meeting the analytical
challenges of
comprehensive
metabolite analysis.
Brief Funct Genomics
Proteomics.9. 139–
148.
Hosni K. (2012) : Medicinal
and Aromatic Plants in
Developing Countries.
Medicinal Aromatic Kim HK, Choi YH, Verpoorte
Plants, 1, e118.
Jensen AG, Ndjoko K,
Wolfender JL,
Hostettmann K,
Camponovo F, and Kim HK, Choi YH, Verpoorte
Soldati F. (2002) :
Liquid
chromatography-
atmospheric pressure
chemical
ionisation/mass
spectrometry: a rapid
and selective method Kim, HK, Choi, Y. H.,
for the quantitative
determination of
ginkgolides and
bilobalide in ginkgo
leaf extracts and
phytopharmaceuticals.
Phytochem. Anal. 13.
31-38.
Idle JR, Gonzalez FJ.
(2012) : Xenobiotic Kochhar SL. (1981) : Tropical
metabolomics: major
impact on the
metabolome.Annual
Review of
Pharmacology and
Toxicology.52. 37-56. Kwon, YK, Ahn MS, Park JS,
HN, Park JH, Kwon SW,
dan Park S. (2008) :
NMR-based
metabolomics
approach for the
differentiation of
ginseng (Panax
ginseng) roots from
different origins. Arch.
Pharm. Res. 31. 330-
336.
Lee KM, Jeon JY, Lee BJ, Lee
R. (2010) : NMR-based
metabolomic analysis
of plants. Nat
Protoc.5. 536-549.
R. (2011) : NMR-based
plant metabolomics:
where do we stand,
where do we go?
44
Trends Biotechnol. 29.
267-275.
Erkelens, C., Lefeber,
A. W. and Verpoorte,
R. (2005) : Metabolic
fingerprinting of
Ephedra species using
H-NMR spectroscopy
and principal
component analysis.
Chem. Pharm. Bull. 53.
105-109.
crops: A textbook of
economy botany.
London: Macmillan
Pub Ltd.; 268-71.
Liu JR, In DS, Min BW,
dan Kim SW. (2014) :
Discrimination of
cultivation ages and
cultivars of ginseng
leaves using Fourier
transform infrared
spectroscopy
combined with
multivariate analysis.
J. Ginseng Res. 38. 52-
58.
H, Choi HK. (2017) :
Application of
Metabolomics to
Quality Control of
Natural Product
Derived
Medicines.Biomolecule
s and Therapheutic,
559-568.

Li Y, Hu Z, and He L. (2007) :
An approach to
develop binary
chromatographic
fingerprints of the
total alkaloids from
Caulophyllum
robustum by high Montoro P, Maldini M, Russo
performance liquid
chromatography/diod
e array detector and
gas
chromatography/mass
spectrometry. J.
Pharm. Biomed. Anal.
43.1667-1672.
Liang YZ, Xie PS, Chan K.
(2010) : Perspective of
chemical
fingerprinting of
chinese herbs. Planta
Medica. 76. 1997-
2003. Nahin RL, Barnes
Lu J, Xiang B, Liu H, Xiang S,
Xie S, and Deng H.
(2008) : Application of
two-dimensional near-
infrared correlation
spectroscopy to the
discrimination of
Chinese herbal
medicine of different
geographic regions.
Spectrochim.Acta A
Mol.Biomol. Spectrosc. Nirmal SA, Pal SC, Otimenyin,
69. 580-586.
MaC, Wang H, Lu X, Xu G,
dan Liu B. (2008) :
Metabolic
fingerprinting
investigation of
Artemisia annua L. in
different stages of
development by gas
BioTrends Vol.9 No.2 Tahun 2018
chromatography and Pelkonen O, Pasanen M,
gas chromatography- Lindon JC, Chan K,
mass spectrometry. Zhao L, Deal G, Xu Q,
Journal of and Fan TP.(2012) :
Chromatography A. Omics and its
1186. 412-419. potential impact on
R&D and regulation of
complex herbal
M, Postorino S, products. Journal of
Piacente S, dan Pizza Ethnopharmacology,
C. (2011) : Metabolic 140. 587-593.
profiling of roots of
liquorice (Glycyrrhiza Putri SP, Yamamoto S,
glabra) from different Tsugawa H, dan
geographical areas by Fukusaki E. (2013) :
ESI/MS/MS and Current
determination of metabolomics:
major metabolites by Technological
LC-ESI/MS and LC- advances. Journal of
ESI/MS/MS. J Pharm. Bioscience and
Biomed. Anal. 54. 535- Bioengineering. 116
544. (1). 9-16.
QiuJ. (2007) : "Back to the
PM, Stussman BJ, dan future" for Chinese
Bloom B. (2009) : herbal medicines.
Costs of Nature Reviews in
Complementary and Drug Discovery.6.506-
Alternative Medicine 507.
(CAM) and Frequency
of Visits to CAM Seger C dan Sturm S. (2007) :
Practitioners: United Analytical aspects of
States. 2007. National plant metabolite
health statistics profiling platforms:
reports. 18. 1-14. current standings and
future aims. J
Proteome Res.6. 480–
O S, Aye T, Elachouri 497.
M, Kundu SK,
Thandavarayam RA, Sun J, Schnackenberg LK,
dan Mandal SC. (2013) Beger RD. (2009) :
: Contribution of Studies of
Herbal Products In acetaminophen and
Global Market. The metabolites in urine
Pharma Review, 95- and their correlations
104. with toxicity using
metabolomics. Drug
45
BioTrends Vol.9 No.2 Tahun 2018

Metabolism of Proteome Research. (2011–2020). Manila:

Letter.3.130-136. 6.3449-3455. WHO Regional Office
for the Western
Wang M, Lamers RJ, Wang Y, Tang H, Nicholson Pacific.
Korthout HA, van JK, Hylands PJ,
Nesselrooij JH, Sampson J, WHO. (2013) : WHO
Witkamp RF, van der Whitcombe I. (2004). traditional medicine
Heijden R. (2005) : Metabolomic strategy strategy: 2014-2023.
Metabolomics in the for the classification Hong Kong SAR, China:
context of systems and quality control of WHO, 26.
biology: bridging phytomedicine: a case
traditional Chinese study of chamomile Xie G, Ye M, Wang Y, Ni Y, Su
medicine and flower (Matricaria M, Huang H, Qiu M,
molecular recutita L.). Planta Zhao A, Zheng X, Chen
pharmacology. Medica.70. 250-255. T, Jia W. (2009) :
PhytotherapyResearch Characterization of
.19. 173-192. Weckwerth W and peu-erh tea using
Morgenthal K. (2005) : chemical and
Wang X, Lu H, Sun H, Liu L, Metabolomics: from metabolic profiling
Yang B, Sun W, Wang pattern recognition to approaches. Journal of
P, Zhou D, Zhao L, Dou biological Agricultural and Food
S, Zhang G, Cao interpretation. Drug Chemistry.57.3046-
H.(2008) : Metabolic Discovery Today.10. 3054.
urinary profiling of 1551-1558.
alcohol hepatotoxicity Yang K, Duley ML, Zhu J.
and intervention Whittmann JD, Etter RJ, dan (2018). Metabolomics
effects of Yin Chen Smith F. (2004) : The Study Reveals
Hao Tang in rats using relationship between Enhanced Inhibition
ultra-performance regional and local and Metabolic
liquid species diversity in Dysregulation in
chromatography/ marine benthic Escherichia coli
electrospray ionization communities: A global Induced by
quadruple time-of- perspective. PNAS. Lactobacillus
flight mass 101 (44). 15664- acidophilus-
spectrometry. Journal 15669. Fermented Black Tea
of Pharmaceutical and Extract. J Agric Food
Biomedical Analysis. WHO. (2008) : Traditional Chem. 66(6). 1386-
48. 1161-1168. medicine: fact sheet 1393.
N° 134.
Wang X, Su M, Qiu Y, Ni Y, http://www.who.int/ Zhang A, Sun H, Wang P, Han
Zhao T, Zhou M. mediacentre/factshee Y, dan Wang X. (2012)
(2007) : Metabolic ts/fs134/en/. : Modern analytical
regulatory network techniques in
alterations in response WHO. (2012) : The regional metabolomics
to acute cold stress strategy for traditional analysis. Analyst.137.
and ginsenoside medicine in the 293-300.
intervention. Journal Western Pacific

46
 BioTrends Vol.9 No.2 Tahun 2018

Zhao X, Zhang Y, Meng X, Yin preparation Xindi soft chromatography-mass

P, Deng C, Chen J, capsule on rat model spectrometry. Journal
Wang Z, Xu G. (2008) : of acute blood stasis: a of Chromatography B.
Effect of traditional urinary metabonomics 873.151-158.
Chinese medicine study based on liquid

47