JKIMED - Febriyani Durya (G70114011)
JKIMED - Febriyani Durya (G70114011)
Kelompok Bidang Ilmu Kimia Medisinal, Fakultas Farmasi Universitas Mulawarman, Samarinda
e-mail : islamudinahmad@yahoo.com 1)
Laboratorium Farmakognosi-Fitokimia, Fakultas Farmasi Universitas Hasanuddin2)
ABSTRACT
ABSTRAK
Log (1/C) = -7,362(+ 4,251) qC1 +3,258 (+ 4,590) qC2 + 11,038 (+4,485) qC3 + 29,421
(+20,542) qC4 + 19,849 (+6,171) qC6 + 8,541 (+2,256)
Dari hasil optimasi geometri ini kemudian Melalui perhitungan statistik analisis
properti setiap senyawa dihitung dengan regresi multilinier dengan bantuan
prosedur single point calculation sehingga komputer, didapat persamaan Hubungan
diperoleh muatan peratom. Kuantitatif Struktur-aktivitas senyawa aktif
antimalaria diterpen kassan hasil isolasi
b. Regresi Multilinier dari biji C. crista dengan menggunakan
parameter eletronik.
Langkah berikutnya me-nentukan variabel-
variabel bebas yang akan dipilih untuk Dari tabel 2 terlihat bahwa penggunaan
membentuk model persamaan HKSA. metode AM1 menghasilkan 10 model
Telah dilaporkan bahwa jumlah parameter terpilih, dimana deskriptor yang masuk
sebagai parameter bebas dapat dikurangi dalam persamaan berkisar 4-6. model
atau ditambah, karena itu pilihan variabel persamaan terpilih dari penggunaan
bebas dibatasi pada posisi C1,C2, C3, C4, deskriptor atomik dengan metoda AM1
C5, C6, C7, C8, C9, C10, C11, X, C14. mempunyai nilai R di sekitar 0,675 dan
nilai F lebih besar dari F tabel yaitu F
Pemilihan ini didasarakan atas posisi hitung sebesar 3,471 sedangkan F tabel
C1,C2, C3, C4, C5, C6, C7, C8, C9, C10, sebesar 2,66. Dengan memperhatikan nilai-
C11, C14 merupakan posisi dimana terjadi nilai parameter tersebut, maka model
substitusi, sedangkan posisi yang persamaan yang diperkirakan sebagai
diwakilkan oleh X yang merupakan jumlah model persamaan HKSA terbaik adalah
kumulatif dari muatan netto posisi C12, model 48 dan 494. Namun untuk
C13, C15, C16,O17. posisi lain tidak memutuskan model mana yang benar-benar
dipertimbangkan karena tidak berada terbaik, masih dijumpai beberapa kesulitan,
dalam lingkup A,B,C,D. mengingat model yang lainpun juga
memiliki harga parameter statistik yang
Perangkat lunak yang digunakan untuk berdekatan sehingga model-model tersebut
mengolah data pada penentuan model juga cukup berpeluang.
persamaan terbaik dengan regresi
multilinier pada penelitian ini adalah SPSS Untuk menguji validitas model dalam
for Window Ver. 13 dengan menggunakan kemampuan memprediksi aktivitas anti-
malaria senyawa lain diluar data fitting Fcv) digunakan untuk menentukan model
regresi, digunakan uji validasi silang persamaan terbaik. Model yang
(cross validation test). Uji validasi silang mempunyai nilai PRESS terkecil, R2cv
menggunakan teknik leave-one-out yaitu yang terbesar (mendekati 1), SEP yang
pada n buah data sebuah data dikeluarkan terkecil dan Fcv yang terbesar merupakan
dari data fitting. Analisis regresi multilinier model yang terbaik. Parameter statistik
diulangi untuk data sebanyak (n-1) dengan hasil uji validasi silang disajikan pada tabel
menggunakan deskriptor yang masuk 2.
dalam model persamaan yang akan diuji.
Persamaan regresi yang didapatkan Nilai parameter yang tercetak tebal
digunakan untuk memprediksi harga merupakan model ”TERBAIK”
aktivitas antimalaria dari data yang dibandingkan model-model lain. Diperoleh
dikeluarkan tadi. Proses berulang sampai model 48 sebagai model terbaik dengan
semua data terprediksi. Pada penelitian ini harga PRESS sebesar 63,372, R2cv sebesar
akan terjadi 28 kali proses perhitungan dari 0,430, SEP sebesar 2,926 dan Fcv sebesar
28 buah data untuk masing-masing model. 19,634. Pengujian terhadap aktifitas
Nilai PRESS (Preditced Residual Sum of biologis diperoleh R = 0,656 seperti
Squares) dan parameter statistik uji ditampilkan pada grafik 1.
validasi silang yang lain (R2cv, SEP dan
O O
O Ac
R1
H
R1
O
H
O R2
OH
R3
OH
13 R1=α-OAc, β-H,R2=OAc
R2 35 R1=R2=OAc,R3=H
30 R1= α-OAc, β-H,R2=H
36 R1=OAc,R2=R3=H
O O
R1 R1
H H
R5
R2
R6
H R6 H
R2
R3 R5
R4
OH OH
R3 R4
7 R1=α-Oac, β-H,R2=R3=R4=H,R5=Oac,R6=CH2
1 R1=R2=OAc, R3=R4=R5=H, R6=CH3 11 R1=R6=O,R2=R3=H,R4=R5=Oac
3 R1=R2=OAc, R3=R4=R6=H, R5=COOCH3 12 R1=α-Oac, β-H,R2=R4=R5=H,R3=Oac,R6=CH2
4 R1=R3=R4=OAc, R2=R6=H, R5=COOCH3 15 R1=O,R2=R3=R5=H,R4=Oac,R6=α-H, β-COOCH3
5 R1=R3=OAc,R2=R6=H,R4=OH,R5=COOH 18 R1=O,R2=R3=H,R4=R5=Oac,R6=α-H, β-COOCH3
6 R1=R2=R3=R5=H,R4=OH,R6=CH3 23 R1=α-Oac, β-H,R2=Oac,R3=R4=R5=H,R6=CH2
14 R1=R3=OAc,R2=R4=R6=H,R5=COOCH3 24 R1=α-Oac, β-H,R2=R3=R4=R5=H,R6=O
19 R1=OAc,R2=R3=R5=H,R4=OH,R6=CH3 25 R1=α-Oac, β-H,R2=R4=R5=H,R3=Oac,R6=O
21 R1=OAc,R2=R3=R6=H,R4=OH,R5=CHO 27 R1=α-Oac, β-H, R2=R3=Oac,R4=H,R6=O
40 R1=OAc,R2=R3=R6=H,R4=OH,R5=COOCH3 28 R1=α-Oac, β-H,R2=R3=R4=H,R5=OH,R6=O
41 R1=R4=OAc, R2=R3=R6=H,R5=COOCH3 29 R1=R6=O,R2=R3=H,R4=Oac,R5=OH
31 R1=α-Oac, β-H,R2=R3=H,R4=R5=Oac,R6=CH3
39 R1=O,R2=R3=H,R4=Oac,R5=OH,R6=α-H, β-COOCH3
42 R1=O,R2=R3=H,R4=R5=Oac,R6=CH2
17 O 16
12 D 15
OAc 18 11 13
C 14
R1 9
1 8
2 10 B
A 5 7
3 4 6
R2
OH
20 R3
19
Tabel 2. Model persamaan terpilih hasil regresi multilinier menggunakan deskriptor atomik metode AM1
Model Deskriptor n m R R2 SE F Sig.
39 C1,C2,C3,C6 28 4 0,624 0,389 1,73153 3,658 0,019
48 C1,C2,C3,C4,C6 28 5 0,664 0,441 1,693214 3,471 0,018
56 C1,C2,C3,C4,C5,C6 28 6 0,669 0,448 1,722394 2,839 0,035
114 C2,C3,C4,C6 28 4 0,604 0,365 1,76531 3,302 0,028
398 C1,C3,C4,C5,C6 28 5 0,659 0,434 1,7037 3,375 0,021
412 C1,C3,C4,C54,C5,C13 28 6 0,676 0,457 1,707 2,947 0,03
480 C1,C2,C3,C5,C6 28 5 0,638 0,408 1,743 3,027 0,032
494 C1,C2,C3,C5,C6,C13 28 6 0,682 0,466 0,694 3,051 0,026
517 C1,C2,C3,C5,C6,C8 28 6 0,683 0,446 1,6941 3,053 0,026
522 C1,C2,C3,C4,C6,C13 28 6 0,678 0,459 1,704 2,973 0,029
n= jumlah data; m = jumlah variabel yang masuk dalam persamaan; R dan R2 = koefisien korelasi; SE =
standar Error; F = kriteria Fisher hasil analisis ANOVA; Sig. = signifikansi F pada 95%
Tabel 3. Parameter statistik hasil validasi silang leave-one-out persamaan HKSA terbaik
Model PRESS R2cv SEP Fcv Sig.cv
39 68,286 0,395 2,969 16,986 0,000
48 64,372 0,430 2,926 19,634 0,000
56 78,035 0,335 3,716 13,079 0,001
114 71,678 0,365 3,116 14,929 0,001
398 66,256 0,434 3,012 19,941 0,000
412 72,824 0,380 3,468 15,912 0,000
480 84,353 0,298 3,834 11,029 0,003
494 91,747 0,293 4,369 10,754 0,003
517 80,773 0,340 3,846 13,380 0,001
522 69,898 0,415 3,328 18,458 0,000
5
Aktivitas Biologia Prediksi
4
3
2
Series1
1
0
-1 0 2 4 6 8
-2
Aktivitas Biologis Eksperimen
KESIMPULAN DAN SARAN 3. Bevan, R.; & David. 2002, “QSAR And Drug
Design”, Network Science,
http://www.netsci.org/
1 Kesimpulan Science/Compchem/feature12.html
4. Dewar, M.J.S.; Zoebish E.G.; Healy E.F.; &
Berdasarkan hasil pengolahan data dan Stewart J.J.P. 1985, AM 1 : A New General
hasil analisa yang telah dilakukan dalam Purpose Quantrum Mechanical Molecular
penelitian ini dapat diperoleh beberapa Model, J. Am. Chem. Soc., vol 107
kesimpulan : 5. Franke, R. 1984, Theoretical Drug Design
Methods, Elsevier, Amsterdam
1. Persamaan terbaik untuk HKSA pada 6. Istyastono, E.P.; & Martono, S.; 2005,
senyawa aktif antimalaria diterpen Hubungan Kuantitatif Struktur – Aktivitas
Kassan hasil isolasi dari biji C. crista Kurkumin dan Turunannya sebagai Inhibitor
tersbustitusi adalah : GST Kelas µ, Majalah Farmasi Indonesia.
Log (1/C) = -7,362( + 4,251) qC1 16(4), 204 – 213
7. Kalauni, S.K.; Awale, S.; Tezuka, Y.;
+3,258 ( + 4,590) qC2 + 11,038 (+ Banskota, A.H.; Linn T.Z.; Asih, P.B.S.;
4,485) qC3 + 29,421 ( + 20,542) qC4 Tanaka, K.; Kadota, S.; & Syafruddin, D. 2005,
+19,849 ( + 6,171) qC6 + 8,541 ( + Antimalarial Activity of Cassane and
2,256) Norcassane type Diterpenes from Caesalpinia
Dengan nilai R=0,664; R =0,441; crista and Their Structure-Activity
Relationship. J. Natural Product.
SE=1,693; F=3,471; Sig=0,018; 8. Karelson, M.; Lobanov, V.S.; & Katrizky,
PRESS =64,372; dan SEP=2,93 dengan A.R. 1996, Quantum-Chemical Descriptors in
catatan Log (1/C) = IC50 QSAR/QSPR Studies, Chem. Rev., 96, 1027-
2. Untuk memprediksi harga aktivitas 1043
biologis senyawa aktif antimalaria 9. Khadikar, P.V.; Karmarkar, S.; & Agrawal,
V.K. 1996, Quantum–Chemical De-scriptors in
diterpen kassan hasil isolasi dari biji C. QSAR/QSPR Studies, J. Chem. Inf. Comput.
crista, hanya diperlukan muatan netto Sci., 41, 934 – 949
atom dari atom pada posisi C1, C2, 10. Kubinyi, H. 1993, QSAR; Hansch Analysis and
C3, C4, dan C6 Related Approaches, VCH Verlagsgesellschaft,
Weinheim
11. Labute, P. 2006, A New Technology For HTS
2 Saran And UHTS Data Analysis, Binary QSAR,
http://www.netsci.org/Science/Compchem/feat
Penelitian ini masih menyisakan beberapa ure9.html
masalah, sebaiknya dilakukan kajian 12. Linn, T.Z.; Awale, S.; Tezuka, Y.; Banskota,
tentang analisis Hubungan Kuantitatif A.,H.; Kalauni, S.K.; Attamimi, F.; Ueda, J.;
Asih, P.B.S.; Tanaka, K.; & Kadota, S., 2005,
Struktur-Aktivitas senyawa aktif
Cassane and Norcassane Type DiTerpenes
Antimalaria diterpen kassan dengan from Caesalpinia crista of Indenesia and Their
menggunakan parameter lain dengan Antimalarial Activity against the Growth of
harapan bahwa ditemukan persamaan lebih Plasmodium falciparum. J. Natural Product,
baik lagi. 68, 706 – 710
13. Richon, B.; & Allen, 1997, An Introduction to
QSAR Methodology, Network Science,
DAFTAR PUSTAKA http://www.netsci.org/Science/Compchem/feat
ure11.html.
1. _______. 1996, HyperCheme® Release 7.5 for 14. Tahir, I. 2000, Hubungan Kuantitatif Struktur
Windows, Hypercube Inc; Canada Elektronik–Aktivitas Senyawa Turunan N,N–
2. Aswad, M. 2006, ”Prediksi Aktivitas Biologis Dimetil–2–Bromo Fenil Etil Amina
Senyawa Baru dengan Metode Kimia Menggunakan Metoda Validasi Silang, Tesis,
Komputasi”, Majalah Farmasi dan Program Pascasarjana Universitas Gadja Mada;
Farmakologi, Vol. 10 no. 1 Maret (hal. 17 – Yogyakarta
23)
15. Sardjoko. 1993, Rancangan Obat, Gadjah 18. Siswandono, 1995, Kimia Medisinal, Airlangga
Mada University Press; Yogyakarta University Press; Surabaya
16. Sembiring, R.K. 1995, Analisis Regresi, 19. Widiyantoro, P., 1997, Hubungan Kuantitatif
Penerbit Institut Teknologi Bandung; Bandung Antara Struktur-Aktivitas pada N,N-Dimetil-2-
17. Seydel, J.K. 1990, Summary Lecture Course Bromo-Fenelitamin Tersubstitusi menggunakan
QSAR, Mid Career Training in metode semiempiris PM3, FMIPA UGM,
Pharmacochemistry, Fakultas Farmasi UGM, Yogyakarta
Yogyakarta