LAPORAN AKHIR

TUGAS PROJECT KIMIA MEDISINAL

MENEMUKAN SENYAWA BARU DENGAN KIMIA MEDISINAL
“Pengembangan Turunan Obat Karbazole Dengan Analog Chalcone
Dalam Menghambat Topoisomerase II dan Pemodelan Dengan QSAR”

Disusun Oleh :
Nida Wafiq Azizah (1908010056)
Tika Anindya (1908010057)
Audita Eka Wardhani (1908010058)
Dinda Rahma (1908010059)
Firman Wicaksana (1908010060)
Ghani Stabit Albanani Syaekhan (1908010061)

Fakultas Farmasi
Universitas Mummadiyah Purwokerto
Tahun ajaran 2020/2021
 KATA PENGANTAR

Kami panjatkan puji syukur kehadirat Tuhan Yang Maha Esa. Yang telah
melimpahkan hidayahNya dan memberi kami kesempatan dalam menyelesaikan Laporan
Akhir Project Kimia Medisinal yang kami buat ini. Laporan ini disusun untuk memenuhi
salah satu persyaratan dalam menyelesaikan nilai untuk mata kuliah Praktikum Kimia
Medisinal bagi para Mahasiswa dari Fakultas Farmasi Universitas Muhammadiyah
Purwokerto.
Dalam Laporan Akhir ini kami memuat tentang “Menemukan Senyawa Baru
dengan HKSA” yang berjudul “Pengembangan Turunan Obat Karbazole Dengan Analog
Chalcone Dalam Menghambat Topoisomerase II dan Pemodelan Dengan QSAR”. Laporan
akhir ini dibuat sebagai pengganti nilai responsi Praktikum Kimia Medisinal. Dan kami
harap praktik kerja ini akan memberi banyak manfaat bagi kami para mahasiswa maupun
bagi para pembaca.
Pada kesempatan ini, kelompok kami mengucapkan terima kasih kepada pihak-
pihak terkait Project Akhir mata kuliah Praktikum Kimia Medisinal ini yang telah memberi
dukungan moral. Dan juga bimbingannya pada kami. Ucapan terima kasih ini kami tujukan
kepada Ibu Apt. Fitriyani, M.S.Farm selaku Dosen Pengampu mata kuliah Praktikum
Kimia Medisinal
Susunan Laporan Akhir ini sudah dibuat dengan sebaik-baiknya, namun tentu masih
banyak kekurangannya. Oleh karena itu jika ada kritik atau saran apapun yang sifatnya
membangun bagi kelompok kami, dengan senang hati akan kami terima.

Purwokerto, 22 Juni 2021

 Daftar Isi

Kata Pengantar.................................................................................................................................3
Daftar Isi..........................................................................................................................................3
BAB I PENDAHULUAN................................................................................................................3
A.Latar Belakang.........................................................................................................................3
B.Rumusan Masalah....................................................................................................................3
C.Tujuan......................................................................................................................................2
D. Manfaat....................................................................................................................................3
BAB II TINJAUAN PUSTAKA.....................................................................................................3
BAB III METODE..........................................................................................................................3
A. Alat dan Bahan.......................................................................................................................3
B. Cara Kerja...............................................................................................................................3
BAB IV PEMBAHASAN...............................................................................................................3
BAB V KESIMPULAN..................................................................................................................3
Daftar Pustaka..................................................................................................................................3
 BAB I
PENDAHULUAN
A. Latar Belakang
Menurut Atun (2005), senyawa-senyawa bioaktif yang dapat digunakan
sebagai antioksidan adalah senyawa golongan fenol seperti flavonoid,
oligoresveratrol, maupun asam fenolat. Flavonoid termasuk senyawa fenolik alam
yang potensial sebagai antioksidan dan mempunyai bioaktivitas sebagai obat.
Flavonoid dalam tubuh manusia berfungsi sebagai antioksidan sehingga sangat
baik untuk pencegahan kanker (Waji dan Sugarni; 2009).
Kanker ditandai dengan proliferasi sel kanker yang tidak terkendali, cepat
dan patologis yang merupakan salah satu penderitaan paling berat di dunia
Dengan demikian, dalam beberapa dekade terakhir, para peneliti telah ditantang
oleh tugas untuk menemukan pendekatan yang efektif untuk pengobatan kanker.
Selain pembedahan dan radioterapi, kemoterapi merupakan pilihan yang paling
penting untuk pengobatan kanker. Banyak agen kemoterapi yang terbukti menjadi
senjata yang menjanjikan melawan kanker. Etoposide, doxorubixin, dan
amonafide, misalnya, adalah obat antikanker yang sangat menghambat
topoisomerase II (Topo II). Topoisomerase II merupakan salah satu target yang
menjanjikan untuk obat antikanker yang mampu mengganggu kompleks enzim-
DNA, menghasilkan kerusakan DNA permanen dan memicu kematian sel.
Inhibitor topoisomerase banyak digunakan dalam pengobatan klinis kanker
selama 40 tahun. Sekitar 50% dari rejimen kemoterapi menggunakan setidaknya
satu obat yang menargetkan enzim ini. Namun, mirip dengan obat antikanker
lainnya, sebagian besar inhibitor Topoisomerase II menghasilkan efek samping
yang parah, termasuk kardiotoksisitas, keberuntungan spesifik dan resistensi
multidrug. Oleh karena itu, pencarian inhibitor Topoisomerase II baru dengan
kemanjuran tinggi dan toksisitas rendah sedang diteliti lebih lanjut.
Menurut Pranowo (2011:87), proses mendesain obat baru merupakan proses
panjang dan kompleks. Hal ini menjadi tantangan bagi peneliti untuk
menghasilkan strategi dan upaya efektifif dan ekonomis untuk penemuan obat
baru. Salah satu strategi yang banyak dikembangkan untuk mendesain molekul
obat baru adalah pemanfaatan metode kimia komputasi (computer chemistry).
Salah satu aplikasi kimia komputasi yang dapat direrapkan adalah kajian
Quantitive Structure-Activity Relationsgip/QSAR atau Hubungan Kuantitatif
Struktur Aktivitas (HKSA). Kajian ini mempelajari korelasi secara kuantitatif
antara struktur molekul dan nilai aktivitas biologis yang teratur secara eksperimen
(Tahir; 2003).
Kalkon dan turunannya telah menarik banyak perhatian karena banyaknya
potensi aplikasi farmakologi. Perubahan struktur pada kalkon dan turunannya
tekag menawarkan keragaman yang tinggi dan berguna untuk pengembangan
agen obat baru yang memiliki peningkatan potensi dan toksisitas yang lebih
rendah. Sintesis kalkon dan turunannya memiliki aktivitas farmakologi yang
penting (Rahman; 2011). Shenvi, et al. (2013) telah melakukan sintesis terhadap
20 senyawa turunan kalkon dan menemukan senyawa turunan yang memiliki
aktivitas antioksidan yang baik. Diduga, masih terdapat senyawa turunan kalkon
yang memiliki aktivitas yang baik dan belum disintesis. Oleh karena itu, perlu
diprediksi senyawa baru dengan menggunakan pendekatan kimia komputasi.
Dalam penelitian ini, dikaji senyawa analog kalkon beserta data aktivitas
penghambatan 50% (IC50) hasil eksperimen yang telah dilakukan oleh Shenvi et
al. pada tahun 2013. Dilakukan eksperimen digunakan sebagai pembanding dan
bahan kajian untuk memperoleh persamaan HKSA. Nilai aktivitas penghambatan
50% (IC50) dari senyawa baru hasil modifikasi. Perhitungan dilakukan
menggunakan metode DFT dengan basis sets 6-311G. Untuk mendapatkan
persamaan HKSA, digunakan analisis regresi sederhana menggunakan metode
backward.
Scaffold carbazol ditemukan di berbagai produk alami bioaktif dan senyawa
sintetis dengan berbagai aktivitas biologis, termasuk aktivitas antimalaria,
antibakteri dan antitumor. Selain itu, penelitian menunjukkan bahwa turunan
karbazol dapat memberikan efek antitumor mereka dengan penghambatan
Topoisomerase II. Dalam beberapa tahun terakhir, modifikasi/substitusi cincin
 karba zole telah menjadi salah satu topik hangat dalam eksploitasi agen
antikanker penargetan Topoisomerase II yang baru. Karbazol yang mengandung
turunan amino, nitro dan urea chalcone disintesis dan diperiksa pengaruhnya
terhadap enzim polifenol oksidase. N-etil-3-asetilkarbazol (2) dibuat dengan N-
etilkarbazol dan asetilklorida dengan katalis ZnCl2. Karbazol yang mengandung
kalkon nitro (3) dan amino (4) dibuat dengan mengkondensasi berbagai
asetofenon dan 4-nitrobenzaldehida dengan NaOH sebagai basa, direduksi
dengan timah (II) klorida dalam etanol. 4-aminokalkon direaksikan dengan
isosianat dan isotiosianat untuk mendapatkan produk (5a-l) dengan hasil tinggi.
Untuk mencari efektifitas dalam menghambat topoisomerase II diperlukan
senyawa turunan carbazole dengan menggunakan analog chalcone sehingga
mendapatkan produk senyawa baru yang lebih poten dalam menghambat kanker.

B. Rumusan Masalah
1. Bagaimana cara mengembangkan senyawa obat dan menemukan senyawa
obat baru yang memiliki aktivitas biology, efek terapi yang maksimal?
2. Bagaimana cara mengembangkan senyawa obat dan menemukan senyawa
obat baru yang memiliki efek samping yang minimal?
3. Bagaimana cara menambatkan atau men-docking senyawa obat baru dengan
reseptor.

C. Tujuan
1. Untuk memahami cara mengembangkan senyawa obat dan menemukan
senyawa obat baru yang memiliki aktivitas biology, efek terapi yang
maksimal?
2. Untuk memahami cara mengembangkan senyawa obat dan menemukan
senyawa obat baru yang memiliki efek samping yang minimal?
3. Untuk memahami cara menambatkan atau men-docking senyawa obat baru
dengan reseptor.
D. Manfaat
Mahasiswa dapat mempelajari bagaimana cara menemukan senyawa baru
yang memiliki aktivitas biologi maksimal dan dapat meminimalisir efek samping
obat dari obat sebelumnya atau obat yang mirip.
 BAB II
TINJAUAN PUSTAKA
A. Penemuan Obat Baru
Menurut Pranowo (2011:87), proses mendesain obat baru merupakan proses
panjang dan kompleks. Hal ini menjadi tantangan bagi peneliti untuk menghasilkan
strategi dan upaya efektifif dan ekonomis untuk penemuan obat baru. Salah satu
strategi yang banyak dikembangkan untuk mendesain molekul obat baru adalah
pemanfaatan metode kimia komputasi (computer chemistry). Salah satu aplikasi kimia
komputasi yang dapat direrapkan adalah kajian Quantitive Structure-Activity
Relationsgip/QSAR atau Hubungan Kuantitatif Struktur Aktivitas (HKSA). Kajian ini
mempelajari korelasi secara kuantitatif antara struktur molekul dan nilai aktivitas
biologis yang teratur secara eksperimen (Tahir; 2003).
Menurut Atun (2005), senyawa-senyawa bioaktif yang dapat digunakan
sebagai antioksidan adalah senyawa golongan fenol seperti flavonoid, oligoresveratrol,
maupun asam fenolat. Flavonoid termasuk senyawa fenolik alam yang potensial
sebagai antioksidan dan mempunyai bioaktivitas sebagai obat. Flavonoid dalam tubuh
manusia berfungsi sebagai antioksidan sehingga sangat baik untuk pencegahan kanker
(Waji dan Sugarni; 2009).
B. Senyawa Karbazole dengan Analog Chalcone
Kalkon dan turunannya telah menarik banyak perhatian karena banyaknya
potensi aplikasi farmakologi. Perubahan struktur pada kalkon dan turunannya tekag
menawarkan keragaman yang tinggi dan berguna untuk pengembangan agen obat baru
yang memiliki peningkatan potensi dan toksisitas yang lebih rendah. Sintesis kalkon
dan turunannya memiliki aktivitas farmakologi yang penting (Rahman; 2011). Shenvi,
et al. (2013) telah melakukan sintesis terhadap 20 senyawa turunan kalkon dan
menemukan senyawa turunan yang memiliki aktivitas antioksidan yang baik. Diduga,
masih terdapat senyawa turunan kalkon yang memiliki aktivitas yang baik dan belum
disintesis. Oleh karena itu, perlu diprediksi senyawa baru dengan menggunakan
pendekatan kimia komputasi. Dalam penelitian ini, dikaji senyawa analog kalkon
beserta data aktivitas penghambatan 50% (IC50) hasil eksperimen yang telah dilakukan
 oleh Shenvi et al. pada tahun 2013. Dilakukan eksperimen digunakan sebagai
pembanding dan bahan kajian untuk memperoleh persamaan HKSA. Data seri
senyawa kalkon kajian beserta nilai Log 1/IC50. Nilai aktivitas penghambatan 50%
(IC50) dari senyawa baru hasil modifikasi. Perhitungan dilakukan menggunakan
metode DFT dengan basis sets 6-311G. Untuk mendapatkan persamaan HKSA,
digunakan analisis regresi sederhana menggunakan metode backward.
Karbazol yang mengandung turunan amino, nitro dan urea chalcone disintesis
dan diperiksa pengaruhnya terhadap enzim polifenol oksidase. N-etil-3-asetilkarbazol
(2) dibuat dengan N-etilkarbazol dan asetilklorida dengan katalis ZnCl2. Karbazol
yang mengandung kalkon nitro (3) dan amino (4) dibuat dengan mengkondensasi
berbagai asetofenon dan 4-nitrobenzaldehida dengan NaOH sebagai basa, direduksi
dengan timah (II) klorida dalam etanol. 4-aminokalkon direaksikan dengan isosianat
dan isotiosianat untuk mendapatkan produk (5a-l) dengan hasil tinggi.

Gambar 1. Carbazole dengan Analog chalcone

C. Desain Senyawa Baru
Desain senyawa baru dilakukan dengan menambahkan subtituen tertentu pada
senyawa induk yang dipilih. Metode Topliss merupakan metode modifikasi molekul
yang menggunakan prinsip dasar pendekatan hubungan struktur aktivitas model
Hansch untuk memodifikasi struktur molekul senyawa penuntun yang sudah diketahui
aktivitasnya. Modifikasi struktur dengan metode ini adalah memasukkan gugus-gugus
yang mempunyai sifat lipofilik, elektronik dan sterik tertentu pada posisi yang
memberikan aktivitas lebih tinggi, sama atau lebih rendah dibanding aktivitas senyawa
penuntun (Siswandono dan Soekardjo, 2000). Senyawa induk dipilih dari senyawa
yang tidak tereliminasi yang memiliki aktivitas paling tinggi atau IC 50 paling rendah
yaitu senyawa 11e dengan IC500 0,1 μM. Pemilihan subtituen dilakukan dengan
pendekatan skema Topliss yaitu dengan menambahkan subtituen –Cl, – NH2, –CH3, –
OCH3, – C4H9, –N(CH3)2, –NO2, –F, dan –CF3 pada berbagai posisi (Song 2008).

Gambar 2. Skema Topliss

The Craig Plot , dinamai Paul N. Craig, adalah plot dari dua parameter
substituen (misalnya Hänsch-Fujita π konstan dan sigma konstan) digunakan dalam
rasional desain obat . Pembuatan desain senyawa uji dilakukan dengan pendekatan
menggunakan plot Craig, dimana plot Craig sendiri melibatkan parameter lipofilitas
(π) dan parameter elektronik/ kons tanta H ammet ( σ) dalam pendekatannya.
 Gambar 3. Plot Craig

D. Parameter HKSA
Nilai aktivitas menjadi parameter yang penting dalam perancangan senyawa
obat. Aktivitas dapat diukur secara eksperimental maupun teoritik. Pada satu sisi,
pengukuran teoritik memiliki nilai lebih dibanding pengukuran eksperimental, antara
lain dengan menghemat waktu dan biaya serta menghilangkan risiko toksisitas. Salah
satu riset untuk desain obat yang banyak dikembangkan para peneliti saat ini adalah
teknik analisis Hubungan Kuantitatif Struktur – Aktivitas (HKSA) atau Quantitative
Structure-Activity Relationship (QSAR). Analisis QSAR ini membahas hubungan
aktivitas suatu senyawa sebagai fungsi dari struktur suatu senyawa. Menurut Kubinyi
(1993) struktur suatu senyawa tersebut dapat direpresentasikan sebagai parameter fisik
dan kimiawi (analisis Hansch), variabel indikator (analisis Free-Wilson) atau dengan
peninjauan profil sifat molekular secara tiga dimensi (analisis HKSA-3D).
Perkembangan kimia komputasi memungkinkan untuk perhitungan kuantum suatu
senyawa sehingga dapat diperoleh struktur elektronik senyawa tersebut, yang dapat
dinyatakan dengan parameter muatan atom, momen dwikutub, kerapatan elektron dan
lain-lain (Leach, 1996). Kokpol et al (1989) dan Rode et al (1988) telah menggunakan
muatan bersih atom sebagai prediktor pada kajian QSAR. Alim et al(2000) juga
menggunakan pendekatan QSAR untuk mempelajari toksisitas suatu seri senyawa
fenol. Metoda yang sama telah berhasil digunakan oleh Tahir et al (2001) untuk kajian
QSAR senyawa fenil etil amina, serta oleh Tahir et al (2000) untuk senyawa turunan
nitrobenzena. Desain senyawa baru pada kasus senyawa tabir surya dengan
menggunakan pendekatan QSAR juga telah dilakukan oleh Tahir et al (2001). Metode-
metode tersebut dapat berhasil baik untuk memilih variabel bebas yang berpengaruh
dan hasilnya dapat digunakan untuk mendesain senyawa turunan baru.
Senyawa baru yang terpilih dipelajari interaksinya dengan reseptor dengan
malakukan molekular docking menggunakan software Argus Lab 4.0.1 dan Autodock
Vina 1.5.4. Parameter yang diamati untuk dengan software Argus Lab 4.0.1 adalah
perubahan energi bebas (ΔG) dan jumlah ikatan hydrogen yang terbentuk antara ligan
dengan reseptor. Sedangkan pada software Autodock Vina 1.5.4 parameter yang
diamati adalah energi afinitas antara ligan dan reseptor. Hasil docking kemudian
divisualisasi dengan software PyMOL Molecular Graphic System version 1.1. eval.
Dari persamaan HKSA terbaik, dapat diketahui bahwa aktivitas senyawa
dipengaruhi oleh prediktorprediktor antara lain momen dipol, energi LUMO, luas
permukaan hidrofobik, dan panas pembentukan. Persamaan HKSA yang dipilih adalah
persamaan dengan nilai kriteria statistic terbaik dan memenuhi kriteria validasi yaitu
q2≥0,5 (JinCan dkk, 2008).
Pencarian model persamaan terbaik menggunakan variabel tak bebas aktivitas
inhibisi DNA Gyrase (log 1/MIC) hasil eksperimen dan variabel bebas yang
digunakan berupa nilai deskriptor. Semua variabel dianalisis menggunakan regresi
multilinear metode enter. Hasil yang diperoleh berupa persamaan HKSA 95 JF FIK
UINAM Vol.3 No.3 2015 beserta nilai parameter statistik seperti nilai r, r2 dan q2 .
Nilai r (koefisien korelasi) menunjukkan tingkat hubungan antara data aktivitas
biologis pengamatan percobaan dengan data hasil perhitungan berdasarkan persamaan
yang diperoleh dari hasil analisis regresi. Koefisien korelasi adalah angka yang
bervariasi mulai dari 0 sampai 1. Semakin tinggi nilainya maka semakin baik
hubungannya. Untuk mendapatkan nilai koefisisen korelasi yang dapat diterima
tergantung pada jumlah data penelitian. Semakin banyak jumlah data penelitian maka
semakin rendah koefisien korelasi atau nilai r yang dapat diterima. Dalam penelitian
HKSA diusahakan dicapai suatu nilai r yang lebih besar dari 0,9 (Siswandono, 2000).
Selain parameter statistik tersebut, dari hasil perhitungan juga diperoleh nilai tetapan
dan nilai koefisien setiap variable bebas yang terlibat dalam persamaan yang
dihasilkan. Nilai koefisien yang diperoleh digunakan untuk menghitung aktivitas
inhibisi teoritis. Sepuluh model persamaan terbaik selanjutnya divalidasi silang dengan
metode Leave One Out, yaitu dengan cara setiap senyawa terprediksi dihilangkan
dalam perhitungan analisis regresi linear. Nilai q2 sebagai hasil validasi silang,
dihitung menurut persamaan: 𝒒𝟐 = 1 −¿ ¿ ¿, yi adalah aktivitas eksperimen senyawa ke-
i, 𝑦̅ adalah aktivitas eksperimen rata-rata, dan 𝑦̂𝑖 adalah aktivitas prediksi validasi
silang senyawa ke-i Persamaan HKSA yang dipilih adalah persamaan dengan nilai
kriteria statistik terbaik dan memenuhi kriteria validasi yaitu q2 ≥ 0.5 (JinCan dkk,
2008).
Energi LUMO juga menggambarkan kemampuan molekul untuk menerima
electron. Prediktor momen dipol dan energi LUMO dapat digunakan sebagai
parameter yang penting dalam desain senyawa baru, dimana penambahan suatu gugus
penarik dan pendorong elektron akan mempengaruhi aktivitasnya. Dari persamaan
dapat dilihat bahwa nilai energi momen dipol yang negatif, hal ini dapat ditafsirkan
bahwa peningkatan momen dipol akan mampu meningkatkan aktivitas senyawa
(menurunkan nilai IC50) sehingga dipilih senyawasenyawa yang memiliki sifat
keelektronegatifan besar dan bersifat elektrofilik sebagai subtituen. Hal ini juga
berkaitan dengan nilai energi LUMO yang positif, bahwa semakin kecil nilai energi
LUMO maka kemungkinan terjadinya penyerangan elektrofilik semakin besar
(Laguzzi et al. 1990). Sedangkan Energi HOMO (Highest Occupied Molecular
Orbital) menunjukkan kemampuan suatu molekul untuk mendonorkan electron ke
akseptor yang memiliki orbital molekul kosong,
BAB III
 METODE

Perhitungan dilakukan menggunakan metode DFT dengan basis sets 6-311G.

Untuk mendapatkan persamaan HKSA, digunakan analisis regresi sederhana
menggunakan metode backward.

A. Alat Dan Bahan

1. ChemDraw 2D
2. ChemDraw 3D
3. Autodock
4. Discovery Studio Docking
5. IBM SPSS Statistics

B. Cara kerja
Mencari Refrensi Jurnal sebagai acuan dalam penentuan senyawa yang ingin
digunakan dan dapat menjadi acuan dalam menentukan senyawa baru.

1. Penggambaran Struktur 2D dan 3D Senyawa Obat

Menggambar struktur 2D Dari jurnal yang di acu

Memberi nama IUPAC dengan cara klik structure kemudian klik Convert
Structure to name

Menentukan parameter sifat kimia senyawa dengan cara klik View kemudian
klik Show Chemical Properties Window
 Menggambar struktur 3D atau dapat dilakukan langsung dengan klik view
Show Chem3D HotLink Window lalu klik lunch Chem3D pada visualisasi
gambar 3D yang muncul pada ChemDraw 2D

Minimalisasi energi

Menyimpan file gambar struktur

Lakukukan sebanyak struktur yang diinginkan

2. HKSA
Menentukan calon descriptor
Catat jenis descriptor yang ada pada persamaan yang dipilih

Membuat kombinasi dari calon descriptor terpilih

Buat persamaan baru dengan SPSS tanpa melibatkan data outlier

Jika nilai R dan R 2 sudah memenuhi maka tulis persamaan HKSA yang
diperoleh.

Validasi persamaan HKSA

 Merancang senyawa turunan baru

Memilih struktur induk dari data trining set dengan cara memilih data yang
memiliki nilai log IC50 paling kecil

Membuat struktur baru dengan menambahkan substituent pada struktur induk

Melakukan optimasi geometri pada struktur yang telah dibuat, lalu cari nilai
descriptor >> lalu hitung nilai log IC50 prediksi

3. Docking Molekuler
Persiapan Struktur

Memisahkan Ligan dan Reseptor

Menyiapkan Input File

Menjalankan Perintah Docking

Visualisasi Hasil Docking

4. Visualisasi Hasil Docking

Siapkan struktur hasil docking ligan uji terhadap reseptor

 Buka program Discovery Studio yang telah terinstal, pilih file > open > lalu
klik file yang ingin dibuka

Pilih tools > Receptor-ligand interaction > view interation

Pilih show 2D diagram

5. Prediksi Profil Farmakokinetika

Buka browser dan masuk ke laman http://www.swissadme.ch/

Masukkan SMILE struktur yang telah disiapkan ke dalam kotak atau bisa juga
langsung menggambarkan struktur senyawa yang akan diprediksi

Klik “Run” dan tunggu hingga proses selesai.

 BAB IV
PEMBAHASAN DAN ANALISIS
A. Penentuan Calon Desckriptor dan Validasi HKSA
Hubungan kuantitatif struktur kimia dan aktivitas biologis obat (HKSA)
merupakan bagian penting rancangan obat, dalam usaha mendapatkan suatu obat baru
dengan aktivitas yang lebih besar, keselektifan yang lebih tinggi, toksisitas atau efek
samping yang sekecil mungkin dan kenyamanan yang lebih besar. Selain itu dengan
menggunakan model HKSA, akan lebih banyak menghemat biaya atau lebih ekonomis,
karena untuk mendapatkan obat baru dengan aktivitas yang dikehendaki, faktor coba-coba
ditekan sekecil mungkin sehingga jalur sintesis menjadi lebih pendek (Verma dkk, 2010).
Deskriptor pada program MOE digunakan untuk mengembangkan model
HKSA untuk prediksi aktivitas senyawa turunan carbazol. Deskriptor pada MOE mampu
menghitung koefisien korelasi antara senyawa yang diamati dan nilai sifat prediksinya.
Pemilihan senyawa-senyawa ini didasarkan pada modifikasi beberapa kerangka struktur
dari senyawa tersebut.
Adapun calon deskriptor yang akan digunakan dalam penelitian ini antara lain
adalah qC1, qC2, qC3, qC4, qC5, tPSA, CLog P, CMR, Log S, Elumo, dan Ehomo.
Deskriptor – deskriptor yang terpilih tersebut akan dianalisis secara statistik menggunakan
analsis regresi multilinear dengan bantuan perangkat lunak SPSS. Terdapat dua metode
yang digunakan untuk melakukan analisis regresi multilinear pada SPSS, metode Backward
digunakan untuk menentukan jumlah deskriptor yang akan digunakan sebagai kombinasi
dalam persamaaan, setelah jumlah deskriptor diperoleh, analisis regresi multilinear dengan
metode Enter dilakukan untuk memperoleh 12 model persamaan terpilih berdasarkan pada
nilai r dan R2.
Rozaq (2008) menyatakan bahwa untuk pemilihan deskriptor yang penting agar
dihasilkan efek terhadap aktivitas biologis dalam mempelajari HKSA biasanya digunakan
analisis regresi multilinier. Analisis regresi multiliner digunakan untuk mendapatkan
persamaan matematis HKSA dan aktivitas biologi prediksi. Parameter statistik yang dapat
digunakan sebagai faktor uji adalah berupa nilai R, R2, F, dan SE (Standar Error).
 Aplikasi metode kimia komputasi dalam aktivitas penemuan dan
pengembangan senyawa obat baru telah menjadi populer. Hal ini dikarenakan metode yang
juga disebut in silico ini menawarkan strategi ekonomis dan upaya efektif untuk penemuan
obat baru dengan memanfaatkan kemampuan komputer dalam melakukan simulasi dan
kalkulasi seperti optimasi aktivitas, geometri, dan reaktivitas, sebelum senyawa disintesis
secara eksperimental. Hubungan Kuantitatif Struktur-Aktivitas (HKSA) atau Quantitative
Structure-Activity Relationship (QSAR) merupakan analisis pencarian keterkaitan antara
aktivitas biologis dari suatu seri senyawa dengan sifat fisikokimia yang diekspresikan
dengan persamaan matematis (Putri dan Tahir, 2004). Metode statistik yang lazim
digunakan dalam kajian HKSA adalah Regresi Linier Berganda atau Multiple Linear
Regression (MLR). Filosofi molecular docking didasarkan pada pemanfaatan informasi
struktur target (reseptor) maupun sifat fisikokimia ligan (obat) untuk melakukan uji
interaksi senyawa obat pada prediksi sisi aktif protein (Pranowo, 2009)
Penentuan persamaan HKSA terbaik adalah dengan melihat kriteria berikut; 1)
Nilai R2 lebih besar dari 0,6., 2) Nilai SEE kurang dari 0,3., dan 3) Nilai Fhitung/FTabel
lebih besar atau sama dengan 1. Tabel 1 menunjukkan bahwa 4 persamaan HKSA yang
dihasilkan dari analisis MLR memiliki nilai R2 lebih besar dari 0,6 (memenuhi kriteria),
yakni 0,95. Hal ini mengGambarkan pengaruh variabel bebas (deskriptor) terhadap variabel
terikat (aktivitas biologis) sangat besar, yakni 95%. Nilai SEE semua persamaan tersebut
kurang dari 0,3 (memenuhi kriteria), yakni 0,1. Nilai ini menunjukkan bahwa tingkat
kesalahan persamaan tersebut dalam menghitung nilai variabel terikat sangat kecil
(mendekati 0). Persamaan tersebut memiliki akurasi yang sangat baik dalam memprediksi
nilai aktivitas biologis senyawa turunan Pirazolin. Kriteria berikut adalah parameter nilai
rasio Fhitung/FTabel yang menunjukkan tingkat signifikansi pengaruh deskriptor terhadap
aktivitas biologis. Hasil kalkulasi nilai Fhitung/FTabel persamaan 1 sampai 4 adalah lebih
besar dari 1, hal ini berarti bentuk kombinasi deskriptor pada semua persamaan tersebut
memiliki pengaruh yang sangat signifikan terhadap aktivitas biologis. Berdasarkan hal ini,
disimpulkan bahwa keempat persamaan tersebut memenuhi ketentuan parameter statistik
yang telah disebutkan sebelumnya. Dengan demikian, keempat persamaan ini diterima dan
divalidasi pada tahap selanjutnya.
 Calon descriptor yang digunakan pada Project Kimia Medisinal Kami mengenai
“Regresi linear pada calon descriptor yang digunakan adalah regresi linear sederhana.
Adapun persamaan HKSA yang akan divalidasi adalah Log IC 50 = 0.545 – (0.2*qC1)-
(0.019*qC2) + (0.453*qC3) + (1.422*qC4) + (0.265*qC4) + (0.004*tPSA) + (0.041*LogS)
- (0.065*Lumo). Pada penyusunan dan validasi model, senyawa training set dianalisis
menggunakan regresi linear berganda dengan metode backward yang dijalankan pada
program IBM SPSS Statistics 22 untuk mendapatkan beberapa model hubungan antara log
IC50 dengan descriptor muatan atom bersih. Hasil analisis regresi linear berganda divalidasi
untuk mendapatkan model terbaik. Model yang dipilih didasarkan pada nilai r2, SEE, nilai
Fhitung/Ftabel, dan nilai PRESS. Model HKSA yang baik memiliki parameter statistic, r 2>0,6
(Golbraikh, Shen, Xiao, Xiao, & lee, 2003), SEE < 0,3 (Mishra, Mishra, Senger, Pathak, &
Kahsaw, 2013), Fhitung/Ftabel >1 (Motta & Almeida, 2011).
Uji linearitas (Uji-F) yang merupakan parameter statistic F pada dasarnya
merupakan uji hipotesis untuk probabilitas semua koefisien persamaan regresi sama dengan
nol. Terdapat 2 parameter, yaitu:
1. Jika Fhitung > Ftabel, maka ada hubungan linear atau berarti bahwa variabel bebas
secara bersamaan signifikan dalam menerangkan variabel terikat.
2. Jika Fhitung < Ftabel, maka tidak ada hubungan linear atau menolak hipotesis semua
koefisien regresi sama dengan nol. Sedangkan, nilai F tabel dapat ditentukan dari
tabel distribusi F dengan tingkat signfikan 5%. Maka, Ho diterima, artinya variabel-
variabel bebas secara simultan tidak berpengaruh terhadap variabel terikat.
Berikut adalah rumus Fhitung:
R2 /k
F ℎitung=
(1 − R2 )/(n − k − 1)
Keterangan:
R2 = koefisien determinasi
n = jumlah data atau kasus
K = jumlah variabel bebas
 Pada penelitian ini diperoleh bahwa kombinasi deskriptor yang didapatkan
adalah sebanyak 12 kombinasi, sementara itu jumlah kombinasi deskriptor yang paling
minimal dapat digunakan yaitu 7 deskriptor. Semakin sedikit jumlah deskriptor yang
digunakan dalam kombinasi maka parameter yang digunakan dalam desain obat semakin
sedikit sehingga mempermudah peneliti dalam meningkatkan aktivitas dengan mengganti
substituren berdasarkan deskriptor yang terpilih. Berikut ini tabel kombinasi deskriptor dan
nilai R nya :

Kombinasi Nilai R
qC1,qC2,qC3,qC4q,qC5, tPSA, Clog P 0.684
qC1,qC2,qC3,qC4q,qC5, tPSA, CMR 0.674
qC1,qC2,qC3,qC4q,qC5, tPSA, Log S 0.674
qC1,qC2,qC3,qC4q,qC5, tPSA, Elumo 0.688
qC1,qC2,qC3,qC4q,qC5, tPSA, Ehomo 0.686
qC1,qC2,qC3,qC4q,qC5, Clog P, CMR 0.647
qC1,qC2,qC3,qC4q,qC5, Clog P, Log S 0.643
qC1,qC2,qC3,qC4q,qC5, Clog P, 0.644
Elumo
qC1,qC2,qC3,qC4q,qC5, Clog P, 0.669
Ehomo
qC1,qC2,qC3,qC4q,qC5, CMR, Log S 0.646
qC1,qC2,qC3,qC4q,qC5, CMR, ELumo 0.652
qC1,qC2,qC3,qC4q,qC5, tPSA,Log 0.702
S, Elumo
Nilai r (koefisien korelasi) menunjukkan tingkat hubungan antara data aktivitas
biologis pengamatan percobaan dengan data hasil perhitungan berdasarkan persamaan yang
diperoleh dari hasil analisis regresi. Koefisien korelasi adalah angka yang bervariasi mulai
dari 0 sampai 1. Semakin tinggi nilainya maka semakin baik hubungannya. Untuk
mendapatkan nilai koefisisen korelasi yang dapat diterima tergantung pada jumlah data
penelitian. Semakin banyak jumlah data penelitian maka semakin rendah koefisien korelasi
atau nilai r yang dapat diterima. Berdasarkan nilai R pada tabel kombinasi deskriptor diatas
maka dapat diketahui bahwa nilai R tertinggi yaitu 0.702, nilai R tersebut sudah belum
cukup baik karena nialinya yang belum mendekati 1.
Berdasarkan 12 kombinasi tersebut, terpilih kombinasi ke-12 karena memiliki
nilai R yang lebih besar yaitu 0.702. Adapun persamaan yang diperoleh adalah LogIC50 =
0.643 - (0.12*qC1) + (0.031*qC2) + (0.294*qC3) + (0.924*qC4) + (0.141*qC5) +
(0.002*tPSA) + (0.018*LogS) - (0.028*Lumo). Adapun persamaan HKSA yang akan
divalidasi, persamaan tersebut adalah LogIC50 = 0.545 - (0.2*qC1) -(0.019*qC2) +
(0.453*qC3) + (1.422*qC4) + (0.265*qC5) + (0.004*tPSA) + (0.041*LogS) -
(0.065*Lumo).
Nilai R memperkirakan seberapa besar hubungan dari persamaan garis lurus
(atau regresi linier) serta mewakili titik data yang tersebar berdasarkan plot data pada grup
X dan Y. Dalam analisinya nilai R berkisar -1,0000 sampai + 1,0000 tergantung dari arah
garis regresinya, berdasarkan hasil nilai R yang diperoleh adalah 1, hal ini menunjukan
hasil regresi linier positif, yang berarti linear tersebut memberikan hasil yang sangat kuat.
Kemudian pada F tabel dan F hitung. Dimana F tabel diperoleh 5497.828
sedangkan pada F hitung 238,883 dapat disimpulkan bahwa F Tabel lebih besar dari F
hitung maka ada hubungan linear atau berarti bahwa variabel bebas secara bersamaan
dimana variabelnya berpengaruh terhadap reseptor. Sedangkan hasil pada f hitung/f tabel
adalah sebesar 23.014. Menurut literatur angka f hitung/f tabel > 1 , hal ini daapt
disimpulkan bahwa nilai f hitung/ f tabel menunjukkan hasil yang positif.
Kemudian pada Q2 diperoleh hasil sebesar 0.819075. Dimana hasil tersebut
positif karena menurut literatur Persamaan HKSA yang dipilih adalah persamaan dengan
nilai kriteria statistik terbaik dan memenuhi kriteria validasi yaitu q2 ≥ 0.5 (JinCan dkk,
2008).

B. Pembuatan Senyawa Baru

C. Docking molekuler Senyawa Alami
D. Docking Molekuler Senyawa Obat Baru
 BAB V
KESIMPULAN
DAFTAR PUSTAKA

Alim, A.H., Pradipta, M.F., and Tahir, I., 2000, Applying Hansch Analysis in The
Study of Structure-Toxicity Correlation of Phenol Compound Based on
Theoretical Parameter, Jurnal Nasional Kimia Fisik, III(2), 23-26.
Laguzzi G, Bucci R, Grandinetti F, Speranza M, 1990, Gas-phase heteroaromatic
substitution. 8. Electrophilic attack of ethyl cation on pyrrole,
Nmethylpyrrole, furan, and thiophene, J. Am. Chem. Soc. 11(2): 3064-3068.
Leach, A.R., 1996, Molecular Modelling : Principles and Aplications, Addison
Wishley, Longman, London.
Tahir, I., Setiaji, B., and Yahya, M.U., 2001, Hubungan Kuantitatif Struktur–
Aktivitas Senyawa Fenil Etil Amina dengan Metoda Validasi Silang,
Berkala Ilmiah MIPA, XI(1), 1-29.