MODUL PRAKTIKUM

PENGUJIAN IN SILICO
PENGUJIAN PRA KLINIK SEDIAAN HERBAL COURSE KMMI

Disusun oleh:
Andri Tilaqza, S. Farm., M. Farm., Apt.
Hamdani Dwi Prasetyo, S.Si., M.Si

FAKULTAS KEDOKTERAN
FAKULTAS MIPA
UNIVERSITAS ISLAM MALANG
2021
 KATA PENGANTAR

Assalamualaikum warahmatullahi wabarakatuh

Alhamdulillahirabbil ’alamin, segala puji syukur kami panjatkan kehadirat Allah

Subhanahu wa ta'ala berkat limpahan rahmat dan hidayahnya kami dapat menyelesaikan
pembuatan petunjuk praktikum Pengujian In Silico dengan baik dan lancar.

Buku petunjuk praktikum Pengujian In Silico ini dibuat sebagai pedoman dalam
melakukan praktikum Pengujian In Silico pada Course KMMI Fakultas Kedokteran dan
Fakultas MIPA Universitas Islam Malang. Buku petunjuk praktikum ini diharapkan dapat
mempermudah mahasiswa dalam memahami kegiatan praktikum yang akan dilakukan.
Kami menyadari bahwa dalam pembuatan buku petunjuk praktikum ini terdapat banyak
kekurangan. Kami mengharap saran dan kritik demi kesempurnaan buku petunjuk praktikum
ini untuk kedepannya.

Demikian yang dapat kami sampaikan dan semoga petujuk praktikum ini dapat
bermanfaat bagi kita semua. Amin Ya Rabbal Alamin.

Wassalamualaikum warahmatullahi wabarakatuh.

Malang, September 2021

Tim Penyusun

1|P rogra m Kred ensi al Mi kro Mahasi swa I ndonesi a (KMMI)

 PENGUJIAN IN SILICO

I. TUJUAN
1. Mahasiswa dapat mengetahui dan menganalisis prediksi farmakokinetika,
biaoktivitas dan penentuan protein target
2. Mahasiswa dapat mengtahui dan menganalisis hasil pengujian senyawa bahan alam
dengan uji insilico

II. DASAR TEORI

In Silico merupakan istilah untuk pengujian yang dilakukan dengan metode simulasi
komputer. Uji in silico sudah menjadi metode yang aplikasikan untuk skrining penemuan
senyawa obat baru dan untuk meningkatkan efisiensi dalam optimasi aktivitas senyawa
induk. Salah satu uji in silico dilakukan dengan melakukan penambatan molekul kandidat
senyawa uji dengan protein target yang dipilih.

III. ALAT DAN BAHAN

Alat yang digunakan
a. Laptop minimal core i5/ryzen 5
b. Software PyRx
c. Software Biovia Discovery Studio
d. Jaringan internet

Bahan yang digunakan

a. Smile senyawa uji dan senyawa pembanding dari laman
https://pubchem.ncbi.nlm.nih.gov/
b. Struktur 3D senyawa uji dan senyawa pembanding dari laman
https://pubchem.ncbi.nlm.nih.gov/
c. Struktur 3D protein target dari laman https://www.rcsb.org/

2|P rogra m Kred ensi al Mi kro Mahasi swa I ndonesi a (KMMI)

III. PROSEDUR KERJA
A. MENCARI KANDUNGAN ZAT AKTIF DALAM TANAMAN
1. Buka halaman browser
2. Buka Dr. Duke's Phytochemical and Ethnobotanical Databases pada laman
web https://phytochem.nal.usda.gov/phytochem/search

3. Ketik nama latin tanaman pada kolom “search for” yang akan cek
kandungan zat kimianya. Ketik curcuma xanthorrhiza. Pilih icon P

3|P rogra m Kred ensi al Mi kro Mahasi swa I ndonesi a (KMMI)

4. Akan tampil data mengenai kandungan zat kimia, bagian tanaman,
konsentrasi, standart deviasi dan referensi. Download file kandungan kimia
dengan klik “excel”

5. Pilih kandungan tanaman yang akan dicek pada langkah selanjutnya

4|P rogra m Kred ensi al Mi kro Mahasi swa I ndonesi a (KMMI)

B. MENCARI SMILE DARI SENYAWA YANG AKAN DIUJI
1. Buka web pubchem pada laman https://pubchem.ncbi.nlm.nih.gov/

2. Ketikkan senyawa kimia yang akan diuji pada kolom yang tersedia, misalkan
tuliskan ”curcumin ” kemudian tekan enter
3. Klik ”curcumin” seperti pada gambar dibawah ini

5|P rogra m Kred ensi al Mi kro Mahasi swa I ndonesi a (KMMI)

 4. Copy smile dari senyawa curcumin

C. PREDIKSI FARMAKOKINETIKA DAN SIFAT FISIKOKIMIA

1. Buka laman web http://www.swissadme.ch/index.php
2. Paste smile senyawa yang dicopy dari laman
https://pubchem.ncbi.nlm.nih.gov/ pada kolom yang telah disediakan
kemudian klik ”Run” seperti pada gambar dibawah

6|P rogra m Kred ensi al Mi kro Mahasi swa I ndonesi a (KMMI)

3. Dari table hasil Analisa Swiss ADME didapatkan Kriteria Lipinski, Prediksi
Farmakokinetika, Radar biovalilabilitas senyawa

4. kriteria yang digunakan untuk menentukan kelayakan suatu senyawa dapat

digunakan sebagai obat oral suatu molekul dapat dilanjutkan simulasi
docking apabila memenuhi kriteria Lipinski
 berat molekul kurang dari 500 Da atau g/mol
 nilai log P kurang dari 5 (XLOGP)
 jumlah donor ikatan hidrogen kurang dari 5
 jumlah akseptor ikatan hidrogen kurang dari 10
5. Prediksi Farmakokinetika
 Absorbsi pada saluran GI --> high, medium, low
 Permeabilitas pada sawar darah otak (BBB)  yes/No
 P-gp substrate  P glycoprotein.
o Efflux transporters such as P-glycoprotein play an important
role in drug transport in many organs. In the gut, P-
glycoprotein pumps drugs back into the lumen, decreasing
their absorptions
 Metabolisme
o cytochromes P450 (CYP). This superfamily of isoenzymes is
a key player in drug elimination through metabolic
biotransformation.
7|P rogra m Kred ensi al Mi kro Mahasi swa I ndonesi a (KMMI)
 o One can estimate that 50 to 90% (depending on the authors)
of therapeutic molecules are substrate of five major isoforms
(CYP1A2, CYP2C19, CYP2C9, CYP2D6, CYP3A4)
o Inhibition of these isoenzymes is certainly one major cause of
pharmacokinetics-related drug-drug interactions..
o leading to toxic or other unwanted adverse effects due to the
lower clearance and accumulation of the drug or its
metabolites
 Permeabilitas pada kulit Log Kp cm/s (centimeters/second) 
berdasar
o If the log Kp> -2.5 means that the compound has a relatively
low penetration in the skin
6. Senyawa yang memenuhi kriteria berikut atau terlihat memiliki radar di
dalam zona metrah muda dikatakan baik dalam hal biovailabilitas
 LIPO (Lifofilitas)  -0,7 < Log P (XLOGP3) < 5,0
 SIZE (Ukuran molekul) < 500 Da atau g/mol
 POLAR (Polaritas)  20 Ų < TPSA (Topological Polar Surface
Area) < 130 Ų
 INSOLU (insolubilitas)_  0 < Log S (ESOL) < 6
 INSATU (Insaturasi ) 0,25 < Fraksi Csp3 < 1
 FLEX (Fleksibilitas)  0 < jumlah ikatan rotasi < 9
7. Buatlah table pengamatan mengenai prediksi farmakokinetika, kriteria
lipinski dan radar bioavailabilitas
D. PREDIKSI BIOAKTIVITAS FITOKIMIA
1. Buka laman http://www.way2drug.com/PASSOnline/
2. Registrasi tertebih dahulu mengunakan alamat email, kemudian aktivasi
melaui email. Selanjutnya login menggunakan user name dan password yang
sudah terdaftar

8|P rogra m Kred ensi al Mi kro Mahasi swa I ndonesi a (KMMI)

3. Klik predict new compound. Klik smile dan masukkan smile senyawa yang
akan diuji (misalkan smile curcumin) selanjutnya klik get prediction

4. Akan muncul prediksi bioaktivitas senyawa yang akan diuji (curcumin)

9|P rogra m Kred ensi al Mi kro Mahasi swa I ndonesi a (KMMI)

5. Dari hasil prediksi bioaktivitas akan didapatkan nilai Pa (probability "to be
active") dan Pi (probability "to be inactive"). Dengan interpretasi sebagai
berikut :
 Pa > 0,7
o Senyawa memiliki potensi yang tinggi untuk benar-benar menjadi
senyawa bioaktif di uji eksperimen in vitro dan atau in vivo dan
sekaligus memiliki tingkat kemiripan yang tinggi dengan senyawa
obat dengan bioaktivitas yang sama.
 0,5 < Pa < 0,7
o Senyawa memiliki potensi yang tinggi untuk benar-benar menjadi
senyawa bioaktif di uji eksperimen in vitro dan atau in vivo dan
sekaligus berpotensi menjadi scaffold baru untuk pengembangan
senyawa obat yang baru dengan bioaktivitas yang bersangkutan.
 Pa < 0,5
o Senyawa memiliki potensi yang rendah untuk menjadi senyawa
bioaktif di uji eksperimen in vitro dan atau in vivo dan sekaligus
memiliki potensi yang rendah untuk dapat berhasil bilamana dipaksa
untuk dikembangkan menjadi senyawa obat maupun senyawa
penuntun.
6. misalkan kita mau melihat apakah senyawa curcumin memiliki aktivitas
sebagai anti inflamasi atau tidak maka kita lihat nilai Pa nya, seperti pada
gambar berikut nilai Pa curcumin sebagai anti inflamasi adalah 0,677.

10 | P r o g r a m K r e d e n s i a l M i k r o M a h a s i s w a I n d o n e s i a ( K M M I )
 Dengan nilai Pa tersebut berarti curcumin memiliki prediksi potensi tinggi
sebagai anti inflamasi.
E. PREDIKSI KANDIDAT PROTEIN TARGET FITOKIMIA
1. Buka laman http://www.swisstargetprediction.ch/?
2. Pilih spesies “homosapiens”, masukkan smile senyawa yang akan diuji
“curcumin” pada kolom yang disediakan kemudian klik “get prediction”

3. Akan muncul prediksi protein target dari senyawa uji seperti yang tertera
pada gambar berikut. Warna hijau pada kolom probability menunjukkan
besar probabilitas ssenyawa uji pada protein target. Simpan dibawah dengan
menekan symbol x seperti pada gambar dibawah

11 | P r o g r a m K r e d e n s i a l M i k r o M a h a s i s w a I n d o n e s i a ( K M M I )
F. PREDIKSI KONSTRUKSI PROTEIN NETWORK
1. Buka laman https://string-db.org/
2. Klik “multiple protein. Copy/salin “uniport ID” dari hasil download prediksi
menggunakan swisstarget dan paste pada kolom “list of name”. pilih
organism “homo sapiens” dan klik “search”

3. Klik “continue”

12 | P r o g r a m K r e d e n s i a l M i k r o M a h a s i s w a I n d o n e s i a ( K M M I )
4. Tampilan jejaring kandidat protein target dari senyawa uji

5. Scroll ke bagian bawah pilih tabel “KEGG Pathway” dan klik “more “,
kemudian klik salahs satu pathway (sebagai contoh senyawa curcumin pada
hasil prediksi swisstarget memiliki potensi tinggi sebaga anti inflamasi
sehingga pada pathways ini dipilih yang berhubungan dengan anti inflmasi.
Pada tabel tertera “arachidonic acid metabolism” di klik sehingga muncul
lingkaran berwarna orange disebelahnya, seperti pada gambar berikut

13 | P r o g r a m K r e d e n s i a l M i k r o M a h a s i s w a I n d o n e s i a ( K M M I )
 6. Scroll ke atas untuk melihat jejaring kandidat protein target dari senyawa uji
yang berhubungan dengan pathway yang dipilih. Pada gambar berikut
terlihat 4 protein target berhubungan dengan pathway curcumin sebagai anti
inflamasi yakni PTGS2 (Prostaglandin G/H synthase 2), PTGES
(Prostaglandin E synthase), ALOX5 (Arachidonate 5-lipoxygenase) dan
PTGS1 (Prostaglandin G/H synthase 1)

G. MOLEKULAR DOCKING
1. Mendowload struktur 3D senyawa uji (Ligand), senyawa pembanding
a. Buka laman https://pubchem.ncbi.nlm.nih.gov/ dan ketikkan nama
senyawa uji pada kolom yang telah tersedia. Misalkan senyawa uji
curcumin, senyawa pembanding aspirin
b. Klik download kemudian pilih save pada tulisan sebelah kanan SDF pada
3D Conformer, dan rename file menjadi nama curcumin

14 | P r o g r a m K r e d e n s i a l M i k r o M a h a s i s w a I n d o n e s i a ( K M M I )
 c. Langkah yang sama untuk senyawa pembanding aspirin ataupun
senyawa lain
2. Mendowonload struktur 3D protein target
a. Buka laman https://www.rcsb.org/, tuliskan nama protein target yang
akan di cari kemudian tekan enter. misalkan Prostaglandin E synthase
atau cyclooxygenase 2 atau protein terget yang lain
b. Pilih “homo sapiens” pada kolom scientific name of source organism

c. Pilih protein target yang sesuai dan download save as pdb format

3. Preparasi ligand dan protein target

a. Buka software biovia discovery studio
b. Pilih “file” kemudian pilih “open”. Pilih file ligand/senyawa uji yang
sudah didownload struktur 3D dari laman
https://pubchem.ncbi.nlm.nih.gov/
c. Pilih file “save as” protein data bank file

15 | P r o g r a m K r e d e n s i a l M i k r o M a h a s i s w a I n d o n e s i a ( K M M I )
 d. Kemudian lakukan preparasi protein target.
e. Pilih “file”, pilih “open”, pilih protein target yang sudah didownload dari
laman https://www.rcsb.org/
f. Pilih “scripts”  selection  select ligands
g. Pilih tanda silang pada untuk menghapus ligand yang menempel pada
protein target

h. Pilih “scripts”  selection  select water molecules dan Pilih tanda

silang pada untuk menghapus water molecules yang menempel pada
protein target
i. Pilih “chemistry” hydrogens  add polar

j. Pilih file  pilih save as  pilih format protein data bank file
4. Penambatan molekul
a. Buka software PyRx
b. Pilih file  load molecule  pilih file protein terget yang sudah
dipreparasi

16 | P r o g r a m K r e d e n s i a l M i k r o M a h a s i s w a I n d o n e s i a ( K M M I )
 c. klik kanan pada file protein target  pilih AutoDock  Pilih Make
Macromolecule

d. pilih “new babel”  insert new item  pilih ligand/senyawa uji dan
senyawa pembanding

e. klik kanan pada file senyawa uji  pilih Minimize All

f. klik kanan pada file senyawa uji  pilih Convert All to Autodock Ligan
(pdbqt)
g. pilih vina wizard dan pilih start

17 | P r o g r a m K r e d e n s i a l M i k r o M a h a s i s w a I n d o n e s i a ( K M M I )
 h. tekan tombol “ctrl” kemudian pilih ligan yang akan diuji. Kemudian pilih
protein target yang akan diuji kemudian pilih “forward” pada pojok
kanan bawah

i. pilih maximize namun jika sudah diketahui dimensi ordinat x,y,z nya
maka diset sesuai yang diminta kemudian pilih forward

j. ditunggu proses hingga selesai

k. klik ligand yang memiliki RSMD paling rendah pada kolom ligand.
Kemudian klik kanan komlek antara ligand dan protein terget  save as
PDB

18 | P r o g r a m K r e d e n s i a l M i k r o M a h a s i s w a I n d o n e s i a ( K M M I )
 l. ulangi Langkah diatas untuk ligan/senyawa lain pada kolom ligand
m. save hasil docking
n. cek hasil docking, bandingkan energi ikatan ligan uji/senyawa uji dengan
senyawa pembanding
5. Visulisasi hasil docking
a. Buka software Biovia Discovey Studio
b. Pilih file  open  pilih file protein target yang sudah dipreparasi
c. Pilih file  insert from  file  pilih file kompleks ligand uji
d. Pilih Non Bound Interaction  pilih semua kotak pada option Favorable
 pilih intermolecular pada option molecular space  tekan OK 
scroll ke bawah pilih Show 2D Program”

19 | P r o g r a m K r e d e n s i a l M i k r o M a h a s i s w a I n d o n e s i a ( K M M I )
 6. Akan tampak interaksi kimia antara senyawa uji hasil docking  amati catat
interaksi kimia yang terjadi

7. Ulangi Langkah diatas untuk melihat interaksi kimia senyawa pembanding.

Bandingkan dan Analisa ikatan interaksi kimia antara senyawa pembanding
dengan senyawa uji

IV. HASIL
1. Tabel pengamatan kandungan senyawa aktif pada tanaman
No Nama Tanaman Nama Latin Kandungan Bagian dari
kimia tanaman

2. Tabel pengamatan prediksi Farmakokinetika dan parameter fisikokimia

2.1 Sifat fisikokimia
Num.
Num Num. H-
Chemical Fraction H- Molar Log Log Lipinski
No MW Rotatable Bond TPSA
compound Csp3 Bond refractivity P S Rule
bond Acceptor
Donor

20 | P r o g r a m K r e d e n s i a l M i k r o M a h a s i s w a I n d o n e s i a ( K M M I )
 2.2 Farmakokinetika
CYP
Chemical GI BBB P-gp Bioavailability
No compound absorbtion permeant subsrate
1A2 2C19 2C9 2D6 3A4 Log Kp
score
Inhibitor Inhibitor Inhibitor Inhibitor Inhibitor

Gambar Radar Bioavalilabilitas

3. Tabel pengamatan prediksi bioaktivitas fitokimia

Chemical
No Pa Pi Activity
compound

4. Lampirkan Table pengamatan prediksi protein target

a. Senyawa a
Common
Target Uniport ID ChEMBL ID Target class Probability
name

b. Senyawa b
Common
Target Uniport ID ChEMBL ID Target class Probability
name

c. Dst..

21 | P r o g r a m K r e d e n s i a l M i k r o M a h a s i s w a I n d o n e s i a ( K M M I )
5. Tabel pengamatan jejaring kandidat protein target dari senyawa uji
Senyawa a
Gambar jejaring kandidat protein

Tabel
Protein yang
No KEGG Pathways Keterangan
terlibat

Senyawa b
Gambar jejaring kandidat protein

Tabel
Protein yang
No KEGG Pathways keterangan
terlibat

Dst……

6. Tabel energi ikatan hasil penambatan molekul

Ligand Binding Affinity rmsd/ub rmsd/lb

7. Tabel hasil analisa interaksi kimia hasil penambatan molekul

No Senyawa Jenis interaksi Residu asam amino

22 | P r o g r a m K r e d e n s i a l M i k r o M a h a s i s w a I n d o n e s i a ( K M M I )
V. PEMBAHASAN (Ketika penulisan laporan)

VI. KESIMPULAN (Ketika penulisan laporan)

VII. DAFTAR PUSTAKA

Daina, Antoine; Michielin, Olivier; Zoete, Vincent. SwissADME: a free web tool to evaluate
pharmacokinetics, drug-likeness and medicinal chemistry friendliness of small
molecules. Scientific reports, 2017, 7.1: 1-13.
Daina, Antoine; Michielin, Olivier; Zoete, Vincent. SwissTargetPrediction: updated data
and new features for efficient prediction of protein targets of small
molecules. Nucleic acids research, 2019, 47.W1: W357-W364.
Filimonov D.A., Lagunin A.A., Gloriozova T.A., Rudik A.V., Druzhilovskii D.S., Pogodin
P.V., Poroikov V.V. Prediction of the biological activity spectra of organic
compounds using the PASS online web resource. Chemistry of Heterocyclic
Compounds, 2014, 50, 3: 444-457.
Widodo, Utomo D.H., Ramadhani A.N., Hasanah A., Fitriah A. 2018. Cara Mudah
Melakukan Docking Dengan PyRx (Autodock Vina). Malang. Global Science
Widodo, Utomo D.H., Ramadhani A.N., Hasanah A., Fitriah A. 2018. Langkah Praktis
Analisis Potensi Senyawa Secara in Silico. Malang. Global Science
https://pubchem.ncbi.nlm.nih.gov/
https://phytochem.nal.usda.gov/phytochem/search
https://string-db.org/
https://pyrx.sourceforge.io/
https://www.3ds.com/products-services/biovia/products/molecular-modeling-
simulation/biovia-discovery-studio/

23 | P r o g r a m K r e d e n s i a l M i k r o M a h a s i s w a I n d o n e s i a ( K M M I )