ANALISIS METABOLOMIK PINANG (ARECA CATECHU)

DAN UJI AKTIVITAS ANTIKANKER PAYUDARA

TERHADAP SEL MCF-7

METABOLOMIC ANALYSIS OF Areca (ARECA CATECHU) AND

ANTI-CANCER ACTIVITY TESTS ON MCF-7 CELLS

WISDAYANTI
N012211024

PROGRAM PASCASARJANA
UNIVERSITAS HASANUDDIN
MAKASSAR
2022
 BAB I
PENDAHULUAN

A. LATAR BELAKANG
Strategi omics telah digunakan dalam sistem biologis yang berbeda untuk

menghasilkan pengetahuan tentang biomarker baru yang terkait dengan

diagnosis, perkembangan penyakit, respons terhadap pengobatan, dan umumnya

untuk memahami proses biologis dan regulasinya. Di arena OMICS, proteom

mewakili semua protein yang diekspresikan dalam sel, jaringan, atau organisme,

sedangkan genom dikaitkan dengan informasi genetic transkriptom dengan

transkrip RNA, dan metabolom dengan metabolit. Dalam konteks ini, area Omics

disebut sebagai proteomik, genomik, transkriptomik, dan metabolomik. Baru-

baru ini, istilah baru telah diperkenalkan yang mengacu pada area baru

(interaktomik dan topomik) atau menargetkan kelas molekul tertentu (lipidomik

dan glikomik sebagai bagian dari metabolomik atau degradomik sebagai bagian

dari proteomik. Fokus utama artikel ini adalah pada metabolomik - analisis

metabolome, strategi yang paling baru diperkenalkan di antara Omics.

Metabolomik adalah analisis komprehensif terhadap semua metabolit

yang terkandung dalam makhluk hidup pada suatu waktu yang spesifik.

Metabolomik menerangkan proses biokimia dan peran suatu metabolit dalam

metabolisme serta dapat dimanfaatkan secara komplemen bersama dengan

genomik, transkriptomik, dan proteomik untuk memahami fisiologi suatu

organisme secara holistik dan mendalam. Metabolomik memainkan peran

penting dalam penelitian tentang tumbuhan yang mengandung berbagai kelas

metabolit yang lebih kompleks dibandingkan hewan dan mikroba. Metabolomik

bergantung kepada teknologi terkini seperti LC-MS (Liquid Chromatography–

Mass Spectrometry) yang mempunyai resolusi tinggi dan dapat mengukur jumlah

metabolit yang besar secara baik (Simoh et al. 2014) dan digunakan untuk
membuat profil metabolit sekunder pada metabolomik tumbuhan (Okazaki dan

Saito 2012). Metabolit yang terkandung dalam tumbuhan diperkirakan melebihi

200,000 jenis dengan diversitas yang sangat luas. Jika dibandingkan dengan

molekul lain yang juga diidentifikasi secara omik atau menyeluruh seperti DNA,

RNA, dan protein maka metabolit terdiri atas lebih banyak grup yang heterogen

berdasarkan komponen kimia dan fisika serta bervariasi sangat luas dalam

ukuran, polaritas, kuantitas, dan stabilitas. (Theowidavitya, Brian, dkk., 2019).

Salah satu tumbuhan obat yang telah dimanfaatkan dan teruji sebagai

agen pendamping kemopreventif adalah dari famili Arecaceae yaitu spesies

pinang (Areca cathecu Linn). Dari penelitian yang telah dilakukan oleh Meiyanto

(2008), menunjukkan bahwa biji pinang berpotensi sebagai anti kanker. Ekstrak

biji pinang memiliki kemampuan untuk menghambat proliferasi dan memacu

apoptosis sel kanker payudara. Biji buah pinang mengandung alkaloid, seperti

arekolin, arekolidine, arekain, guvakolin, guvasine dan isoguvasine. Ekstrak

etanolik biji buah pinang mengandung tanin terkondensasi, tanin terhidrolisis,

flavan, senyawa fenolik, asam galat, getah, lignin, minyak menguap dan tidak

menguap, serta garam. Merujuk dari potensi anti kanker yang dimiliki oleh

pinang menyebabkan ketertarikan untuk menguji potensi anti kanker famili

Arecaceae yang lain. Pada penelitian ini dilakukan pengujian terhadap potensi

anti kanker spesies pinang merah atau Areca vestiaria Giseke. Pemanfaatan

pinang merah selama ini sebagian besar digunakan sebagai tanaman hias. Biji

pinang merah secara empiris oleh masyarakat suku Bolang Mongondow Sulawesi

digunakan sebagai obat diabetes. Kandungan kimia yang dapat dimanfaatkan

sebagai zat berpotensi anti kanker pada pinang merah adalah tanin, flavonoid,

dan triterpenoid. Flavonoid dan tanin termasuk dalam golongan senyawa fenolik.

Menurut Meiyanto (2008), senyawa fenolik berkhasiat sebagai antiproliferasi dan

apoptosis terhadap sel kanker. Golongan triterpenoid biasa digunakan sebagai

anti bakteri antikanker, dan untuk mengobati luka atau peradangan (Miranti

dkk., 2017).

Berdasarkan masalah yang telah diuraikan maka peneliti tertarik untuk

meneliti analisis metabolomik pada biji pinang (Areca catechu) dan melihat

keragaman senyawa yang terkandung di dalamnya. Serta menguji aktivitas

antikanker payudara pada biji pinang (Areca catechu) sehingga dapat

memberikan kontribusi terhadap pencarian dan pengembangan terapi obat

antikanker payudara.

B. RUMUSAN MASALAH
Berdasarkan latar belakang yang telah diuraikan, maka rumusan masalah
dalam penelitian ini yaitu:
1. Bagaimana uji analisis metabolomik pada pinang (Areca catechu)?
2. Bagaimana aktivitas antikanker payudara pada pinang (Areca catechu)
terhadap sel kanker MCF-7?

C. TUJUAN

Tujuan yang akan dicapai dalam penelitian ini yaitu:

1. Untuk mengetahui hasil analisis metabolomik pada pinang (Areca catechu)

2. Untuk mengetahui aktivitas antikanker payudara pada pinang terhadap sel
kankeR MCF-7

D. MANFAAT

Manfaat yang diharapkan dari penelitian ini yaitu:

1. Manfaat Praktis
 Penelitian ini diharapkan dapat memberikan informasi kepada
masyarakat terhadap potensi aktivitas antikanker payudara pada pinang
terhadap sel kanker MCF-7

2. Manfaat Ilmiah
Penelitian ini diharapka dapat memberikan kontribusi ilmiah sehingga
dapat dijadikan referensi dalam penemuan atau pengembangan obat
antikanker payudara
E. DEFINISI/ISTILAH

1. Metabolomik : Studi yang digunakan untuk mengidentifikasi dan kuantifikasi

seluruh metabolit yang ada pada suatu organisme atau suatu sistem biologi

2. Pinang (Areca catechu) : sejenis tanaman monokotil yang berasal dari famili

Palmaceae dengan genus Areca

3. Kanker : Penyakit yang disebabkan oleh pertumbuhan sel abnormal yang

tidak terkendali di dalam tubuh 

4. Sel MCF-7 : Salah satu model sel yang umum digunakan untuk uji efek

kanker payudara secara in vitro

F. Ruang Lingkup Penelitian

Ruang lingkup penelitian ini meliputi preparasi sampel pinang (areca
catechu) kemudian melakukan pengelolaan data berdasarkan platform analit
yang digunakan seperti (LC-MS, GC-MS, dan atau NMR). Selanjutnya melakukan
identifikasi metabolit. Senyawa metabolit yang telah diidentifikasiselanjutnya
dilakukan ujiaktivitas antikanker serviks pada sel MCF-7.
 BAB II
TINJAUAN PUSTAKA

A. Metabolomik
1. Sejarah Singkat Metabolomik dan Relevansinya dalam Sistem Biologi

Dengan munculnya paradigma sistem biologi, yang mengusulkan untuk

mengeksplorasi bagaimana interaksi antara komponen biologis (biomolekul)

mempengaruhi fungsionalitas (proses biologis) suatu organisme secara

keseluruhan, beberapa metode bioanalitik telah diusulkan dan/atau

ditingkatkan. Sebelumnya, pendekatan biologi molekuler dan fisiologi digunakan

untuk memperoleh informasi biomolekuler dan fungsional. Namun, kedua

strategi hanya menyediakan data yang terbatas mengingat target biomolekul dan

jalur yang terkait langsung, karena tidak mampu mengkarakterisasi sistem

biologis secara lengkap dan terintegrasi. Untuk alasan itu, pengembangan

strategi omics menyebabkan revolusi nyata di bidang ilmiah ini, dan saat ini

mereka banyak digunakan dalam sistem biologi. Strategi omics bertujuan untuk

mengidentifikasi seluruh rangkaian biomolekul (gen, protein, metabolit, dll.) yang

terkandung dalam jaringan biologis, sel, cairan, atau organisme, sehingga

menghasilkan sejumlah besar data yang dievaluasi oleh alat biostatistik dan

bioinformatika (Sethi et al. 2017).

Istilah metabolome pertama kali muncul dalam literatur pada tahun

1998, ketika Oliver et al. Mengukur perubahan konsentrasi relatif metabolit

sebagai akibat dari penghapusan atau ekspresi berlebih suatu gen. Metabolome

Oleh karena itu digunakan untuk mengatasi seluruh rangkaian metabolit yang

diekspresikan suatu organisme. Pada tahun 2001, metabolomik didefinisikan

oleh Fiehn sebagai analisis kuantitatif dan komprehensif dari semua metabolit

dari sistem biologis yang diteliti. Sebelumnya, pada tahun 1999, Nicholson et al.

menggunakan istilah metabonomik untuk merujuk pada “pengukuran kuantitatif

dari respons metabolik multiparametrik dinamis dari sistem kehidupan terhadap

rangsangan fisiopatologis atau modifikasi genetik.” Perubahan tingkat metabolit

endogen yang mungkin dihasilkan dari proses penyakit, toksisitas obat, atau

fungsi gen telah dievaluasi dalam sel, jaringan, atau cairan biologis dengan

metabonomik. Informasi biokimia laten yang diperoleh dari metabonomik dapat

digunakan untuk tujuan diagnostik atau prognostik. Informasi tersebut

mencerminkan peristiwa biologis aktual daripada potensi penyakit, yang

disediakan oleh data ekspresi gen (Sethi et al. 2017).

Metabolomik mengacu pada studi tanda tangan molekul metabolit kecil

dari sel, jaringan atau seluruh organisme. Menurut Lindon dkk., metabolomik

didefinisikan sebagai 'pengukuran kuantitatif dari respons metabolik

multiparametrik dari sistem kehidupan terhadap rangsangan patofisiologis atau

modifikasi genetik'. Metabolomik adalah teknik hemat biaya, kurang padat karya

yang melengkapi genomik, transkriptomik, dan proteomik. Teknik memantau

perubahan kualitatif dan kuantitatif secara akurat karena memberikan profil

aktual dari konten real-time dari perubahan konsentrasi metabolit. Perubahan

metabolit ini merupakan produk dari gangguan jalur metabolisme yang

dipengaruhi oleh faktor genetik, eksogen atau xenobiotik.1 Berbagai teknik,

seperti spektrometri massa (MS) [contoh seperti kromatografi gasspektrometri

massa (GC-MS), kromatografi cair-spektrometri massa (LC-MS), kromatografi cair

kinerja tinggi-spektrometri massa (HPLC-MS), spektrometri massa kromatografi

cair kinerja sangat tinggi (UPLC-MS), spektrometri mobilitas ion diferensial

(DIMS), spektrometri massa ionisasi desorpsi laser (LDI-MS), spektrometri massa

resonansi siklotron transformasi Fourier (FT-ICR-MS) ], 2 resonansi magnetik

nuklir (NMR), elektroforesis kapiler,3-6Spektroskopi inframerah transformasi

Fourier,7-11elektrokimia,12,13kromatografi interaksi hidrofobik, 3 analisis

isotopomer massa dan profil metabolisme dinamis berbasis isotop stabil

(SIDMAP), 14-17 telah digunakan untuk mendeteksi metabolit dalam studi

metabolomik yang berbeda (Ranjan and Sinha 2019).

2. Analisis Metabolomik

Metabolomik adalah analisis komprehensif terhadap semua metabolit

yang terkandung dalam makhluk hidup pada suatu waktu yang spesifik

(Theowidavitya, Brian, 2019). Analisis metabolomik dapat dikategorikan menjadi

dua pendekatan, metabolomik bertarget dan tidak tertarget. Dalam

metabolomik yang ditargetkan, metabolit yang dipilih untuk kuantifikasi

diketahui dan mewakili jalur spesifik atau kelas molekul. Metabolomik yang tidak

ditargetkan, di sisi lain, digunakan untuk menentukan sebanyak mungkin

metabolit dan melibatkan kuantifikasi metabolit dan identifikasinya.

Metabolomik yang ditargetkan mengacu pada kuantifikasi absolut (nM atau mg

mL-1), khususnya dengan menggunakan standar internal dan analisis

semikuantitatif atau kuantitatif untuk mendeteksi senyawa yang diketahui terkait

dengan jalur spesifik yang ditentukanapriori,berdasarkan hipotesis penelitian.

Metabolomik yang tidak ditargetkan mengacu pada ukuran semua kemungkinan

metabolit dalam sampel menggunakan kuantifikasi relatif (perubahan lipatan),

dan perbandingan antar sampel. Tantangan metabolomik yang tidak ditargetkan

adalah identifikasi metabolit, karakterisasi molekul kecil yang tidak diketahui,

dan waktu yang dibutuhkan untuk memproses data yang dihasilkan (Braga and

Adamec 2018).

3. Alur kerja analisis metabolisme

Menurut masalah biologis, jenis pendekatan metabolomik (metabolomik

bertarget vs tidak bertarget), jenis sampel (cairan biologis, jaringan, sel, dan/atau

organisme utuh), ukuran sampel (jumlah spesimen yang akan dinilai), kondisi
percobaan untuk sampel mana yang akan diserahkan, frekuensi pengumpulan

sampel, pendinginan metabolik untuk mengganggu aktivitas enzimatik

(penambahan pelarut organik dan/atau pembekuan langsung sampel dengan

menggunakan es kering atau nitrogen cair), kondisi penyimpanan (−80°C

biasanya lebih disukai untuk penyimpanan jangka panjang cairan biologis) [23],

platform analitik yang akan digunakan, dan juga strategi persiapan sampel

semuanya harus ditentukan pada saat ini, karena entah bagaimana mereka saling

terkait [24]. Penting untuk ditekankan bahwa studi metabolomik selalu bersifat

komparatif; oleh karena itu, sekelompok sampel kontrol (sampel yang tidak

melakukan kondisi yang diselidiki) dan sampel uji (yang membawa informasi

tentang kondisi yang diselidiki) biasanya ditentukan dalam desain eksperimen

(Klassen et al. 2017).

 a. Persiapan sampel.

Setelah masalah biologis ditentukan dan kondisi eksperimental untuk

pengumpulan dan penyimpanan sampel ditetapkan, langkah lebih lanjut pada

persiapan sampel sebelum analisis dapat dipertimbangkan. Persiapan sampel

terkait erat dengan jenis sampel (apakah itu sel, jaringan, atau cairan biologis),

pendekatan metabolomik yang dipilih (analisis bertarget vs. tidak bertarget), dan

platform analitik yang dipilih (Klassen et al. 2017).

Untuk metabolomik yang ditargetkan; prosedur ekstraksi biasanya

dioptimalkan untuk metabolit spesifik atau kelas kimia metabolit yang

sedang dipertimbangkan dan mungkin melibatkan Langkah langkah seperti

pembersihan untuk menghilangkan pengganggu matriks sampel dan/atau

pra-strategi konsentrasi, seperti ekstraksi cair-cair dan fase padat, untuk

meningkatkan deteksi senyawa. Untuk metabolomik biofluida yang tidak

ditargetkan; persiapan sampel biasanya minimal. Pengendapan protein

kadang-kadang dianggap sebagai cara untuk menjaga integritas kolom dalam

eksperimen kromatografi cair atau untuk mencegah penyumbatan kapiler

dalam eksperimen elektroforesis kapiler. Secara umum, penyaringan

sederhana dan pengenceran beberapa kali lipat sering dilakukan. Preparat

jaringan dan/atau sel memerlukan prosedur ekstraksi yang lebih rumit,

biasanya dilakukan dengan ekstraksi fase padat dengan pelarut atau

campuran murni, diikuti dengan sentrifugasi dan pengenceran. Analisis

kromatografi gas dari biofluida dan ekstrak sel/ jaringan menuntut langkah-

langkah derivatisasi lebih lanjut untuk mengubah metabolit polar menjadi

adduct yang mudah menguap [26]. Langkah-langkah ini memakan waktu dan

rentan terhadap kesalahan, membatasi jumlah sampel total yang akan

diproses dalam satu eksperimen metabolomik. Eksperimen resonansi

 magnetik nuklir biasanya memerlukan pengenceran sampel dalam pelarut

deuterasi yang tepat (Klassen et al. 2017).

b. Akuisisi data.

Berbeda dari yang lain omics. Dalam sains, metabolomik memberikan

tantangan analitis yang besar karena banyaknya variasi komposisi kimia yang

ditunjukkan oleh sampel biologis, mulai dari senyawa dengan sifat kimia yang

berbeda, fitur struktural dan fungsionalitas, serta tingkat konsentrasi yang

berbeda. Penting untuk ditekankan bahwa saat ini tidak ada platform analitik

tunggal yang mengarah pada identifikasi dan kuantifikasi komprehensif dari

seluruh rangkaian metabolit sistem biologis. Keragaman kimia metabolome,

serta rentang dinamisnya yang luas, menuntut agar teknik analisis yang berbeda

digabungkan untuk menghasilkan hasil yang saling melengkapi yang pada

akhirnya akan meningkatkan cakupan metabolisme (Klassen et al. 2017).

c. Pengelolah data

Pengolahan data.Untuk metabolomik yang tidak ditargetkan, data

mentah yang diperoleh dikirimkan ke langkah prapemrosesan sesuai dengan

jenis platform analitik yang digunakan. Untuk NMR, pengolahan data meliputi

pentahapan, koreksi baseline, alignment, dan normalisasi. Perangkat lunak dan

algoritme, seperti PERCH (PERCH Solution Ltd.), Chenomx NMR Suite (Chenomx

Inc.), MestReNova (MestreLab Research), MetaboLab, Paskan Otomatis, TopSpin

(Bruker Corp.), dan MATLAB (The MathWorks Inc.), secara rutin digunakan.

Untuk teknik MS yang ditulis dgn tanda penghubung, pengolahan data mencakup

dekonvolusi spektral, pembuatan kumpulan data, pengelompokan,

penyelarasan, pengisian celah data, normalisasi, dan transformasi data.

Beberapa akses gratis dan perangkat lunak berpemilik tersedia untuk memproses

data MS seperti yang dibahas secara komparatif oleh Sugimoto et al. : XCMS,
Mass Profiler Professional (MPP, Agilent Technologies), MZmine, MetAlign,

MassLynx (Waters Corp.), dan AMDIS (Klassen et al. 2017).

d. Analisis statistik

Data metabolisme cukup kompleks dan memerlukan alat kemometrik

untuk mengungkapkan metabolit diskriminan antara sampel kontrol dan uji.

Analisis multivariat, yang terdiri dari metode tanpa pengawasan, seperti analisis

komponen utama (PCA), dan metode terawasi, seperti analisis diskriminan

kuadrat terkecil (PLS-DA) dan proyeksi ortogonal ke analisis diskriminan struktur

laten (OPLS-DA), sering digunakan untuk gambaran umum dan klasifikasi sampel.

Analisis univariat berdasarkan uji-t Student, uji Mann-Whitney U, dll. juga

digunakan untuk menguatkan hasil multivariat. Model matematika harus

divalidasi, yang dilakukan dengan prosedur validasi silang dan uji permutasi

(Klassen et al. 2017).

e. Identifikasi metabolit

Identifikasi metabolit diperlukan hanya untuk studi metabolomik yang

tidak ditargetkan, karena untuk metabolomik yang ditargetkan, metabolit atau

kelas metabolit yang diinginkan sudah ditentukan. Untuk tujuan tersebut,

database dan perpustakaan gratis, seperti HMDB, KEGG, PubChem, Metlin,

MassBank, LIPIDMAPS, CHEBI, MMD, BioMagResBank, MetaboID dan Chenomx

NMR Suite (Chenomx Inc.), termasuk yang paling sering diakses. MassTRIX juga

merupakan alat pencarian yang menggunakan beberapa database yang

tercantum di atas. Setelah metabolit diduga telah mengungkapkan identitas,

konfirmasi harus dilakukan. Hal ini dapat dicapai dengan teknik spiking dengan

standar otentik diikuti dengan perbandingan pola fragmentasi antara sampel dan

standar (spektra MS) atau 2-D NMR (Klassen et al. 2017).

 f. Sosiasi jalur metabolisme

Interpretasi biologis merupakan langkah penting dari setiap studi

metabolomik, bertarget atau tidak bertarget. Setelah metabolit diduga terdaftar

dan identifikasi mereka dikonfirmasi, jalur metabolisme yang sesuai selanjutnya

dicari. Beberapa database tersedia untuk tujuan ini: KEGG, MetaCyc, SMPDB,

MetaboLights, dan Reaktom, diantara yang lain. Untuk rincian informasi yang

dikompilasi dalam database, review Karp dan Caspi dapat dikonsultasikan. Ketika

metabolit yang diubah dikaitkan dengan jalur metabolisme masing-masing,

alasan dapat diuraikan dalam upaya untuk menjawab pertanyaan biologis asli

yang memandu studi metabolomik (Klassen et al. 2017).

g. Validasi biologis

Biasanya validasi eksternal direkomendasikan, di mana seluruh rangkaian

sampel baru dikumpulkan dan diproses, sebagai karya Barbas et al.

mencontohkan. Atau, metabolit diskriminan yang ditemukan sebelumnya dalam

studi metabolomik yang tidak ditargetkan dapat dianalisis secara kuantitatif

dalam kumpulan sampel yang sama (validasi internal). Validasi biologis juga

dapat dicapai dengan studi spesifik independen yang dilakukan dengan metabolit

diskriminan yang ditemukan dalam studi metabolomik asli. Ganti dkk. melakukan

studi metabolomik yang tidak ditargetkan menggunakan sampel urin pasien

kanker ginjal dan subjek kontrol yang mengungkapkan tingkat tinggi asilkarnitin

yang terkait dengan status kanker dan tingkat kanker ginjal. Studi ini kemudian

divalidasi dengan eksperimen in vitro (Klassen et al. 2017).

B. KANKER

Kanker payudara adalah sekelompok penyakit di mana sel-sel di jaringan

payudara berubah dan membelah tidak terkendali, biasanya menghasilkan

gumpalan atau massa. Sebagian besar kanker payudara dimulai pada lobulus
(kelenjar susu) atau di saluran yang menghubungkan lobulus ke putting. Dalam

beberapa kasus, tumor menginfiltrasi kulit atau komponen dinding dada seperti

otot pektoralis. Sel tumor juga mampu mengubah lingkungan mikro menjadi

keadaan ramah tumor untuk mendorong pertumbuhannya dan ekspansi (Feng Y,

Spezia M, Huang S et al., 2018).

WHO menjelaskan bahwa Kanker payudara muncul di sel-sel lapisan

(epitel) dari saluran atau lobulus di jaringan kelenjar payudara. Awalnya,

pertumbuhan kanker terbatas pada duktus atau lobulus yang umumnya tidak

menimbulkan gejala dan memiliki potensi penyebaran yang minimal

(metastasis). Seiring waktu, kanker (stadium 0) dapat berkembang dan

menyerang jaringan payudara di sekitarnya (kanker payudara invasif) kemudian

menyebar ke kelenjar getah bening di dekatnya (metastasis regional) atau ke

organ lain di dalam tubuh (metastasis jauh). Kanker payudara biasanya tidak

memiliki gejala ketika tumor kecil dan paling mudah dirawat, itulah sebabnya

skrining penting untuk deteksi dini. Yang paling umum tanda fisik adalah

benjolan yang tidak nyeri. Terkadang kanker payudara menyebar ke kelenjar

getah bening ketiak dan menyebabkan benjolan atau bengkak, bahkan sebelum

tumor payudara aslinya besar cukup untuk dirasakan. Tanda dan gejala yang

kurang umum termasuk nyeri payudara atau berat; perubahan terus-menerus,

seperti seperti pembengkakan, penebalan, atau kemerahan pada kulit; dan

putting perubahan, seperti keputihan spontan (terutama jika berdarah), bersisik,

atau retraksi. Setiap perubahan terus-menerus dalam payudara harus dievaluasi

oleh dokter (Feng Y, Spezia M, Huang S et al., 2018).

Secara umum Stadium kanker payudara dapat dibagi menjadi:

1. Tahap in situ (stadium nol) mengacu pada adanya kelainan sel yang terbatas

pada lapisan sel dimana mereka berasal.

2. Stadium lokal mengacu pada kanker invasif yang terbatas ke payudara.

3. Stadium regional mengacu pada kanker yang telah menyebar ke jaringan di

sekitarnya dan/atau kelenjar getah bening di dekatnya.

4. Stadium jauh mengacu pada kanker yang telah menyebar ke organ jauh

dan/atau kelenjar getah bening, termasuk kelenjar getah bening di atas

tulang selangka.

Kelompok stadium anatomi kanker payudara

Stadium 0 Karsinoma Ductal In Situ

Stadium I IA Tumorinfasif primer dengan ukuran 20 mm,

tidak ada keterlibatan nodal.

IB Nodal micrometastases.

Stadium II IIA Movable ipsilateral level I, II metastasis

kelenjar getah bening dengan 20 mm tumor

primer, atau tumor>20 mm, 50 mmtanpa

keterlibatan kelenjar getah bening.

IIB Ipsilateral bergerak level I, II.

Stadium III IIIA Ipsilateral bergerak level I, II metastasis

kelenjar getah bening dengan tumor > 50 mm

atau tumor primer ukuran apapun dengan

ipsilateral tetap level I, II atau metastasis

 kelenjar getah bening internal.

IIIB Tumor primer dengan dinding dada dan/atau

invasi kulit.

IIIC Tumor primer ukuran apa saja dengan

supraklavikula atau metastasis kelenjar getah

bening, tingkat III ipsilateral; atau dengan

ipsilateral level I, II dan metastasis kelenjar

getah bening internal.

Tahap IV Setiap kasus dengan metastasis organ jauh.

Kanker payudara adalah kanker yang paling sering didiagnosis dan

penyebab utama kematian akibat kanker di kalangan wanita, terhitung 23% dari

total kasus kanker dan 14% dari kematian akibat kanker; Oleh karena itu,

penelitian di bidang ini penting untuk mengatasi keduanya beban ekonomi dan

psikologis. Dalam beberapa tahun terakhir ini telah menjadi jelas bahwa kanker

payudara tidak mewakili penyakit tunggal melainkan sejumlah molekuler yang

berbeda tumor yang berasal dari sel epitel payudara Garis sel tampaknya

menjadi elemen kunci untuk molekul diagnosis pada kanker payudara karena

dapat digunakan secara luas di banyak aspek penelitian laboratorium dan,

khususnya, seperti in vitro model dalam penelitian kanker. Sedangkan untuk

kanker payudara, sel MCF-7 mewakili kandidat yang sangat penting saat

digunakan di mana-mana dalam penelitian untuk reseptor estrogen (ER)-positif

percobaan sel kanker payudara dan banyak sub-klon (Comsa, Serban et al.,

2015).

Karakterisasi MCF-7 adalah garis sel kanker payudara yang umum

digunakan, yang memiliki telah disebarkan selama bertahun-tahun oleh

beberapa kelompok dan terbukti menjadi garis sel model yang cocok untuk

kanker payudara investigasi di seluruh dunia, termasuk yang mengenai obat

antikanker. Seiring waktu, MCF-7 telah menghasilkan lebih banyak data dari

pengetahuan praktis untuk perawatan pasien daripada payudara lainnya garis sel

kanker. Ini adalah ER-positif dan progesterone reseptor (PR)- ositif dan milik

luminal A subtipe molekul. MCF-7 adalah garis sel yang kurang agresif dan non-

invasif , biasanya dianggap memiliki yang rendah potensi metastasis (Comsa,

Serban et al., 2015).

C. KERANGKA KONSEPTUAL

Preparasi sampel

Analisis metabolomik dengan

platform analit
(GC-MS)

Identifikasi metabolomik
(penentuan target
metebolomik)

Uji aktivitas antikanker

payudara pada sel MCF-7

D. DEFINISI OPERASIONAL
1. Analisis metabolomik: pendekatan awal yang kuat untuk mengetahui

profil metabolit suatu organisme.

2. Kanker: penyakit yang disebabkan oleh pertumbuhan sel abnormal yang

tidak terkendali di dalam tubuh

3. Kanker payudara: suatu jenis tumor ganas yang berkembang pada sel-sel

payudara

4. MCF-7 adalah salah satu model sel yang umum digunakan untuk uji efek

kanker payudara secara in vitro

5. Uji toksistas: uji toksisitas secara in vitro menggunakan kultur sel yang

digunakan untuk mendeteksi adanya aktivitas antineoplastik dari suatu

senyawa

BAB III
 METODE PENELITIAN

A. RANCANGAN PENELITIAN
Penelitian ini merupakan penelitian kuantitatif dengan desain penelitian
eksperimen laboratorium.
B. WAKTU DAN LOKASI PENELITIAN
Penelitian ini dilakukan pada Juli-September 2022 di laboratorium Kimia
Farmasi Universitas Hasanuddin dan laboratorium pusat penelitian LIPI (Lembaga
Ilmu Pengetahuan Indonesia).
C. ALAT DAN BAHAN
1. Alat
Alat-alat yang digunakan dalam penelitian ini adalah gelas kimia (pirex),
pipet tetes, lempeng, silica, chamber, alat Soxhlet, oven, incubator,

2. Bahan
Bahan yang digunakan dalam penelitian ini adalah ekstrak biji buah
pinang (areca catechu), etanol, FeCl3, rotary evaporator, kloroform, metanol,
Dragendorf, arekolin.

D. METODE KERJA

1. Preparasi sampel

Biji buah pinang sebanyak 5 kg dikumpulkan dari Tarere, Desa Buntu

Matabing, Kec. Larompong, Kab. Luwu. Biji buah pinang dicuci bersih, dipotong-

potong dan dikeringkan dalam oven dengan suhu 70°C. Simplisia yang telah

kering diserbuk, kemudian diekstraksi dengan Soxhlet dengan penyari etanol

96%. Ekstrak etanol cair yang didapat dikentalkan dengan rotary evaporator dan

dikeringkan diatas waterbath.

2. Identifikasi Profil

Untuk mengetahui profil adanya senyawa fenolik, flavonoid dan alkaloid

dilakukan dengan menggunakan Kromatografi Lapis Tipis (KLT) dengan fase diam

silika gel GF254 dan fase gerak Kloroform:Metanol (1:3). Deteksi adanya senyawa

fenolik dilakukan dengan penyemprotan FeCl3 dan memberikan hasil positif bila

bercak mengalami pemadaman pada 254 nm dan fluorosensi pada 366. Deteksi

flavonoid dilakukan dengan penyemprotan sitroborat dan memberikan hasil

positif bila bercak berfluorosensi kuning kehijauan. Deteksi alkaloid dengan

penyemprotan Dragendorf dan memberikan hasil positif apabila muncul bercak

merah bata. Arekolin digunakan sebagai standar.

3. Analisis Metabolomik

a. GC-MS (Gas Chromatography- Massa spektroskophys)

Volume sampel dari 1 µl disuntik dengan rasio split 25: 1 menggunakan

teknik hot-jarum. Sistem GC-MS terdiri dari AS 2000 autosampler. Spektrometer

massa disetel sesuai dengan rekomendasi pabrikan. Gas Chromatography

dilakukan pada 30 m SPB-50 kolom dengan 0,25 mm diameter dalam dan 0,25

µm ketebalan film (Supelco, Bellfonte, CA, USA). Suhu injeksi adalah 230o C,

antarmuka set untuk 250o C dan scource ion disesuaikan dengan suhu 200o C.

Gas pembawa yang digunakan adalah helium ditetapkan pada laju aliran konstan

1 ml min-1. Program suhu adalah 5 menit isotermal pemanasan pada 70o C,

diikuti dengan 5o C min-1 jalan suhu oven untuk 310o C dan 1 menit akhir

pemanasan pada 310 oC. Suhu disetimbangkan selama 6 menit pada 70 oC

sebelum injeksi sampel berikutnya. Spektrum massa tercatat di dua scan per

detik dengan m/z 50- 600 kisaran pemindaian. Kromatogram dan spektrum
massa dievaluasi menggunakan program MASSLAB (TermoQuest, Mancester,

UK). Waktu retensi dan spektral massa untuk puncak kuantifikasi otomatis

derivatif metabolit dilaksanakan dalam format metode MASSLAB (Roessner dkk,

2000). Algoritma dimasukkan ke dalam Microsoft Excel.

4. Uji sitotoksik

Sel yang digunakan pada penelitian ini adalah sel MCF-7 koleksi Cancer

Chemoprevention Research Center (CCRC) Fakultas farmasi UGM yang dirawat

dan ditumbuhkan pada medium DMEM (Gibco) dengan 10% FBS (Gibco) dan 1%

PenicillinStreptomycin (Gibco).

Sel MCF-7 ditanam pada microplate 96 sumuran sehingga diperoleh

kepadatan 5 x 103 sel/sumuran dan diinkubasi selama 48 jam untuk

mendapatkan pertumbuhan yang baik. Setelah itu medium diganti dengan yang

baru kemudian ditambahkan EP dan Arekolin hidrobromida (Sigma) pada

berbagai konsentrasi dengan cosolvent DMSO (Sigma) dan diinkubasi pada 37ºC

dalam inkubator CO2 5% selama 48 jam. Pada akhir inkubasi, media dan ekstrak

dibuang kemudian sel dicuci dengan PBS (Sigma). Pada masing-masing sumuran,

ditambahkan 100µL media kultur dan 10µL MTT (Sigma) 5 mg/mL. Sel diinkubasi

kembali selama 4-6 jam dalam inkubator CO2 5%, 37ºC. Reaksi MTT dihentikan

dengan HCl 4Nisopropanol (1:100), digoyang di atas shaker selama 10 menit.

Serapan dibaca dengan ELISA reader (Bencmark Bio Rad) pada panjang

gelombang 595 nm.

 KEPUSTAKAAN

Braga, Camila Pereira, and Jiri Adamec. 2018. “Metabolome Analysis.” Pp. 463–
75 in Encyclopedia of Bioinformatics and Computational Biology: ABC of
Bioinformatics. Vols. 1–3. Elsevier.

Comsa, Serban et al., 2015. The Story of MCF-7 Breast Cancer Cell Line: 40 years
of Experience in Research. University of Medicine and Pharmacy,
Department of Histology, Angiogenesis Research Center, Timişoara,
Romania.
Feng Y, Spezia M, Huang S et al., 2018. Breast cancer development and
progression: Risk factors, cancer stem cells, signaling pathways, genomics,
and molecular pathogenesis.
Klassen, Aline, Andréa Tedesco Faccio, Gisele André Baptista Canuto, Pedro Luis
Rocha da Cruz, Henrique Caracho Ribeiro, Marina Franco Maggi Tavares,
and Alessandra Sussulini. 2017. “Metabolomics: Definitions and
Significance in Systems Biology.” Pp. 3–17 in Advances in Experimental
Medicine and Biology. Vol. 965. Springer New York LLC.

Ranjan, Renuka, and Neeraj Sinha. 2019. “Nuclear Magnetic Resonance (NMR)-
Based Metabolomics for Cancer Research.” NMR in Biomedicine 32(10):1–
21.

Sethi, Sumit, Mirian A. F. Hayashi, Banny S. Barbosa, João G. M. Pontes, Ljubica

Tasic, and Elisa Brietzke. 2017. “Metabolomics: From Fundamentals to
Clinical Applications.” 965:3–17.

Yudistira, Adithya. 2017. “Uji Aktivitas Anti Kanker Payudara Ekstrak Daun Pinang
Yaki ( Areca Vestiaria Giseke.) Terhadap Sel Kanker Payudara T47D.”
Pharmacon 6(4).