PEMODELAN PROTEIN TERIPANG LAUT (Stichopus japonicus) DENGAN

HOMOLOGY MODELING MENGGUNAKAN SWISS-MODEL

Makalah
diajukan untuk melengkapi
Tugas Mata Kuliah
Bioinformatika

oleh

SITI SULASTRI (NPM. 201941500204)

LOULY RISDIANTY (NPM. 202041570001)

PROGRAM STUDI PENDIDIKAN BIOLOGI

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS INDRAPRASTA PGRI
2022
 BAB I

PENDAHULUAN

A. Latar Belakang

Sifat dan fungsi protein secara biokimia molekular sangat ditentukan oleh struktur

tiga dimensi (3D) protein. Penentuan struktur 3D protein dapat dilakukan dengan

menggunakan peralatan laboratoriun, antara lain Difraksi Sinar-X, Nuclear Magmetic

Resonance dan Mikroskop Elektron. Cara tersebut rumit, lama dan memerlukan biaya

sangat besar untuk penentuan satu struktur protein. Cara penentuan struktur 3D protein

yang lebih mudah dan murah adalah secara in silico.

Secara in silico ada 3 (tiga) metode pemodelan struktur 3D protein, yaitu homology

modelling, fold recognition dan ab initio. Metode homology modelling menjadi pilihan

terbaik untuk membangun struktur 3D protein. Homology modelling secara komputasi

lebih mudah dan lebih cepat dibandingkan fold recognition dan ab initio. Salah satu

kelemahan metode homology meodelling adalah harus tersedia protein template.

Homology modelling banyak digunakan dalam virtual screening obat, disain percobaan

mutagenesis dan mempelajari efek variasi sekuen.

Homology modelling adalah pemodelan struktur 3D protein berdasarkan pada

pensejajaran sekuen asam amino protein target dengan protein lain yang telah diketahui

struktur 3D-nya secara instrumentasi. Protein yang sudah diketahui struktur 3D nya

disebut sebagai template. Sekuen protein yang urutan asam aminonya mirip, maka mirip

juga strukturnya.

Komari, N., Hadi, S., & Suhartono, E. (2020) menuliskan berdasarkan website

yang memberikan informasi struktur 3D protein, cukup banyak struktur 3D protein yang

telah ditemukan. RCSB PDB (https://www.rcsb.org/search) pada Agustus 2020

melaporkan jumlah protein yang telah ditemukan sebanyak 167.518 protein. Jumlah ini
 relatif sangat sedikit jika dibandingkan dengan data sekuen protein yang ditemukan.

Database UniProt (https://www.uniprot.org/) menunjukkan jumlah sekuen protein

sebanyak 563.082. Hal ini menunjukkan bahwa penelitian penentuan struktur protein lebih

lambat dibanding penelitian tentang sekuen protein. Hal ini mendorong untuk melakukan

penentuan struktur protein dengan metode lain, yaitu metode homology modelling.

Teripang laut (Stichopus japonicus) merupakan salah satu jenis hewan avertebrata

yang mengandung protein tinggi. Kandungan protein dalam teripang dapat mencapai 40%,

seperti yang ditunjukkan oleh hasil penelitian Oedjoe (dalam Kumayanjati, 2020).

Beberapa spesies teripang yang dianalisa memiliki kandungan protein yang cukup tinggi

yaitu berkisar 31,11% sampai 42,32% (Kumayanjati, 2020). Selain itu teripang juga

mengandung beberapa senyawa bioaktif. Komponen bioktif tersebut seperti

mukopolisakarida, glukosamine dan condroitin sulfate, mineral dan trace mineral, steroid,

kolagen, Omega3 – DHA dan EPA (Karnila, 2011).

B. Rumusan Masalah

Berdasarkan latar belakang yang telah dijelaskan maka rumusan masalahnya

adalah bagaimana cara membuat model struktur 3D dari protein Teripang laut (Stichopus

japonicus) dengan menggunakan server SWISSMODEL?

C. Tujuan Penelitian

Berdasarkan masalah yang telah dijelaskan maka tujuan penelitian ini adalah

membuat model struktur 3D protein Teripang laut (Stichopus japonicus) menggunakan

server SWISSMODEL.
D. Kegunaan Penelitian

Struktur protein sub unit merupakan suatu informasi yang sangat dibutuhkan dalam

melakukan rekayasa protein. Dimana melalui rekayasa dapat dihasilkan protein yang lebih

stabil dan dapat bekerja dalam kondisi ekstrim. Selain itu dengan rekayasa protein, dapat

menghasilkan jenis protein yang sama seperti yang terdapat pada suatu organisme.

Sehingga untuk mengekstrak sejumlah protein tidak perlu harus mengorbankan banyak

organisme. Tentu saja hal ini sangat membantu dalam dunia industri karena dapat

menurunkan biaya produksi dan menghemat waktu.

Informasi tentang struktur 3D protein Teripang laut (Stichopus japonicus) dapat

memudahkan pengembangan kajian yang berbasis struktur protein tersebut, serta

memudahkan untuk pengkajian lebih lanjut tentang kemungkinan pemanfaatan bioaktif

pada teripang sebagai obat sehingga memungkinkan untuk diproduksi dalam skala

industri.
 BAB II

METODE PENELITIAN

A. Alat dan Bahan

Alat yang digunakan dalam penelitian ini adalah laptop Lenovo Intel(R) Core(TM)

i3-8130U CPU @ 2.20GHz 2.21 GHz RAM 8.00 yang terkoneksi dengan internet.

Koneksi internet dapat mengakses server UniProt di http://www.uniprot.org, dan server

SWISS MODEL di http://swissmodel.expasy.org/ serta email individu.

B. Langkah-langkah Penelitian

Pemodelan protein mengikuti langkah-langkah pada server SWISS-MODEL.

Adapun tahapan pemodelannya terbagi atas penentuan sekuen target protein, identifikasi

protein template, pembuatan model dan evaluasi model.

1. Penentuan sekuen target protein

Pemilihan sekuen target protein dari website http://www.uniprot.org dengan

memasukkan kata kunci protein yang akan dicari. Dari hasil-hasil tersebut dapat

langsung di cek apakah sekuen tersebut sudah memiliki struktur 3D atau belum dengan

mengklik bagian struktur. UniProt menunjukkan adanya struktur protein 3D, bila

terdapat link ke RSCB Protein Data Base (https://www.rcsb.org/). Selain itu juga bisa

mengecek langsung pada link RSCB PDB dengan cara menginputkan kode protein dari

UniProt. Sekuen yang akan dijadikan target adalah yang belum memiliki struktur 3D.

2. Identifikasi protein template

Identifikasi protein template dilakukan pada server

https://swissmodel.expasy.org/interactive. Data sekuen target protein dari UniProt

dalam format FASTA di submitkan pada server SWISS-MODEL tersebut. Proses

identifikasi template akan menghasilkan 50 template protein dengan parameternya.

Template protein dipilih sesuai dengan parameter identity, QMEAN, dan QSQE.
3. Pembuatan model

Pembuatan model protein dilakukan dengan cara memilih template protein yang

dihasilkan. Pembuatan model dilakukan pada server

https://swissmodel.expasy.org/templates. Pilihan satu template protein biasanya

menghasilkan 1 atau lebih model. Model yang dihasilkan dipilih sesuai parameter

GMQE (Global Model Quality Estimation), QSQE, Indentity, Method, Oligostate.

4. Evaluasi model

Evaluasi model dilakukan terhadap model yang dipilih pada langkah

sebelumnya. Evaluasi model dilakukan pada website

https://swissmodel.expasy.org/assess/RweQgZ/04. Evaluasi dilakukan dengan fitur

“Structure Assessment”. Evaluasi dilakukan pada parameter antara lain: Ramachandran

Plot, Mol Probity Results, Quality Estimate, dan Residu Quality.

 BAB III

HASIL DAN PEMBAHASAN

A. Hasil

Berdasarkan tahapan yang dilakukan dengan menggunakan server Uniprot

dan Swissmodel, diperoleh hasil sebagai berikut:

1. Pemilihan Sekuen Target

Protein yang dipilih adalah protein teripang laut (Stichopus Japonicus) yang

sekuen proteinnya telah ditentukan, tetapi struktur 3D nya belum ditentukan. Hasil

pencarian target protein pada database UniProt dengan memasukkan kata kunci

“Stichopus Japonicus” menghasilkan 30.499 result. Data diakses pada tanggal 05

Agustus 2022. Database UniProt menyajikan banyak sekali jenis protein teripang laut.

Sekuen target protein dipilih dari salah satu nama protein yang berdasarkan data

struktur UniProt belum memiliki struktur 3D yang terdaftar di PDB. Pada penelitian ini

dipilih sekuen protein “Lectin 1” dengan kode Uniprot Q7M3Y0.SJL1_STIJA. Sekuen

protein tersebut dalam format FASTA disajikan pada Gambar 1.

Sekuen protein “Lectin 1” menunjukkan residu asam amino berjumlah 143.

Data sekuen ini digunakan untuk pembuatan model struktur 3D protein menggunakan

server SWISS-MODEL. Penyalinan sekuen protein dari server UniProt ke server

SWISS-MODEL dilakukan dengan menggunakan format FASTA seperti pada Gambar

1.

>sp|Q7M3Y0|SJL1_STIJA Lectin 1 OS=Stichopus japonicus OX=307972 PE=1 SV=1

CSCYPDWMAIPGSGCYKYVDTPKTFEEAESTCRHFSPGPYGFGHLASVHSTEEYEALASM

VPGATDSWNPQVFIGLRLIDGVSPAWTDGSYYDYQNWCGNDPNAHPDGYGAFSGGSYC

NGQWVDVHTFTNDQFPFKCKLPCIE

Gambar 1. Sekuen Target Protein “Lectin 1” dalam format FASTA

 2. Identifikasi Template

Sekuen target protein dalam format FASTA seperti pada Gambar 1 di submit

pada server SWISS-MODEL, https://swissmodel.expasy.org/. Template yang

dihasilkan ada 50 template dan 2 model. Pemilihan template didasarkan pada beberapa

parameter antara lain: Coverage, nilai GMQE, nilai QSQE, Identity, Methods, Oligo

Score dan Ligands. Parameter template yang dipilih adalah coverage yang cukup luas,

nilai GMQE tertinggi mendekati 1, nilai QSQE tertinggi mendekati 1, dan nilai identity

diatas 70%. Dari pertimbangan parameter tersebut maka dilakukan pemilihan dengan

memfilter urutan template dari tingkat coverage yang tertinggi ke yang terendah.

Tingkat coverage ini menunjukkan seberapa banyak sekuen yang dapat dicakup oleh

template. Artinya semakin banyak sekuen yang dicakup oleh template, semakin mirip

sekuen tersebut dengan template. Kemudian dipilih template dengan kode 3als.1.A

yang memiliki nilai indentity yang tertinggi. Template dengan kode 3als.1.A

mempunyai nilai Identity 40,58%, nilai parameter GMQE = 0.75, nilai QSQE = 0.24,

metode menggunakan X-Ray Difraction 3.00A dan oligo state-nya adalah homo

tetramer dengan ligan 4xCA Calcium ion (non kovalen). Data sekuen ini direlease pada

tanggal 19 Januari 2011 oleh Hetakeyama, et.al., (2011).

3. Pemodelan Sekuen Target

Pemilihan template dengan kode 3als.1.A menghasilkan 2 struktur model yaitu

Model 1. 3als.1.A Lectin CEL-IV, C-type Crystal structure of CEL-IV dan Model 2.

1ukm.1.A EMS16 A chain Crystal structure of EMS16, an Antagonist of collagen

receptor integrin alpha2beta1 (GPIa/IIa) seperti yang disajikan pada Gambar 2.

 Model 1. Model 2.
Gambar 2. Struktur Model

4. Evaluasi model

Evaluasi struktur model adalah bagian penting dalam pembuatan model. Persen

identity sekuen target dan template adalah penilaian awal terhadap kualitas model.

Semakin besar persen identity antara sekuen dan target, maka model yang dibuat

semakin mendekati yang sebenarnya. Demikian juga dengan nilai GMQE yang

menunjukkan akurasi ketepatan template. Karena itu model yang dipilih adalah yang

memiliki tingkat coverage yang besar, GMQE yang mendekati 1 dan nilai identity yang

cukup tinggi. Maka model yang paling mendekati untuk dipilih adalah Model 1., seperti

yang ditampilkan pada Gambar 3.

Gambar 3.
5. Penilaian Model

Penilaian struktur protein model-1 pada server SWISSMODEL ditunjukkan

pada parameter Ramachandran Plots dan MolProbity Results. Hasil Ramachadran Plots

model-1 dapat dilihat pada Gambar 4.

Gambar 4. Ramachandran Plots Model-1 3als.1.A

Berdasarkan Ramachandran Plots, protein mempunyai kualitas struktur yang

baik jika residu asam amino secara umum lebih banyak pada daerah favoured

dibandingkan Outliers. Tabel 1 menunjukkan bahwa model-1 memiliki daerah favoured

sebesar 90.83% dan daerah outliers 3.24%, artinya model tersebut mempunyai kualitas

struktur yang baik.

Adapun hasil analisis dari model 3als.1.A menunjukkan hasil seperti yang

ditampilkan pada table 1.

Tabel 1. Hasil Analisis Model-1

MolProbity 1.88

Score

6.41 (A18 TYR-A68 TRP), (A65 THR-A68 TRP), (C54 TYR-C96

Clash
ASN), (A54 TYR-A96 ASN), (D126 HIS-D126 HIS)
Score
Ramachandran 90.83%

Favoured

3.24% B70 PRO, C39 PRO, A79 ILE, D79 ILE, C79 ILE, B79 ILE, B82

VAL, C82 VAL, D82 VAL, A82 VAL, A100 ASN, B100
Ramachandran
ASN, D100 ASN, C100 ASN, A84 PRO, B84 PRO, C84
Outliers
PRO, D84 PRO

0.64% A98 CYS, B98 CYS, C98 CYS

Rotamer

Outliers

12 B83 SER, D83 SER, A83 SER, C83 SER, C59 SER, B82
C-Beta
VAL, D59 SER, D82 VAL, A82 VAL, C82 VAL, B59 SER, A59
Deviations
SER

Bad Bonds 0 / 4592

64 / 6296 (A83 SER-A84 PRO), (D61 VAL-D62 PRO), (D83 SER-D84

Bad
PRO), (C83 SER-C84 PRO), (A61 VAL-A62 PRO), (B61 VAL-
Angles
B62 PRO), (B83 SER-B84 PRO), C62 PRO, B83 SER, (C61

VAL-C62 PRO), D83 SER, (B58 ALA-B59 SER), A83 SER, B49

HIS, C83 SER, C49 HIS, D62 PRO, B62 PRO, D49 HIS, (D99

GLY-D100 ASN), C59 SER, (B99 GLY-B100 ASN), D58 ALA,

(A99 GLY-A100 ASN), (C99 GLY-C100 ASN), A49 HIS, (C19

VAL-C20 ASP), B84 PRO, D84 PRO, A88 ASP, (B36 SER-B37

PRO), A84 PRO, (D36 SER-D37 PRO), B65 THR, B126

HIS, C126 HIS, A126 HIS, C84 PRO, (D58 ALA-D59

SER), D126 HIS, (A10 ILE-A11 PRO), D88 ASP, B59 SER, (C5

PRO-C6 ASP), C140 PRO, D44 HIS, A35 PHE, A44 HIS, (C105

HIS-C106 PRO), C44 HIS, (D105 HIS-D106 PRO), B44

HIS, C97 TRP, D34 HIS, (A19 VAL-A20 ASP), (B5 PRO-B6

ASP), B34 HIS

8 / 48 (A101 ASP-A102 PRO), (A105 HIS-A106 PRO), (B101 ASP-

Cis
B102 PRO), (B105 HIS-B106 PRO), (C101 ASP-C102 PRO),
Prolines
 (C105 HIS-C106 PRO), (D101 ASP-D102 PRO), (D105 HIS-

D106 PRO)

4 / 48 (A83 SER-A84 PRO), (B83 SER-B84 PRO), (C83 SER-C84

Twisted
PRO), (D83 SER-D84 PRO)
Prolines

Results obtained using MolProbity version 4.4

Analisis struktur berdasarkan skor MolProbity, menurut Komari, N., Hadi, S.,

& Suhartono, E. (2020), skor MolProbity adalah kombinasi log-weighted dari clash

score, persentase Ramachandran yang tidak disukai dan persentase rotamer rantai

samping yang buruk. Skor ini menunjukkan satu nilai yang diharapkan untuk

menggambarkan resolusi kristalografi. Jika struktur model mempunyai skor

MolProbity lebih rendah di banding resolusi kristalografi sebenarnya, maka secara

kualitas model tersebut dikatakan lebih baik daripada struktur rata-rata pada resolusi

itu. Resolusi kristalografi template untuk model-1 adalah 3.00 Å dengan MolProbity

1.88. Hal ini menunjukkan bahwa skor MolProbity model-1 (1.88) lebih rendah dari

resolusi kristalografi template untuk model-1 (3.00 Å), maka berdasarkan pendapat

Komari, N., Hadi, S., & Suhartono, E. (2020), struktur model yang dihasilkan dalam

penelitian ini dikatakan lebih baik daripada struktur rata-rata pada resolusi itu.

Parameter lain yang dapat digunakan untuk menilai kualitas model adalah

QMEAN (Qualitative Model Energy Analysis). Website

https://swissmodel.expasy.org/qmean/ digunakan untuk mengetahui parameter QMEAN.

Nilai QMEAN yang diperoleh dari model-1 adalah -2.36. Secara default, nilai tersebut

diubah menjadi skor-Z untuk menghubungkannya dengan apa yang kita harapkan dari

struktur sinar-X resolusi tinggi. Gambar 4 menggambarkan posisi model pada sebaran

nilai Z.
 Gambar 4. Posisi Model (bintang merah) pada sebaran nilai Z

Parameter QMEAN (Qualitative Model Energy Analysis) merupakan salah satu

indikator yang dapat digunakan untuk menilai kualitas model, dimana nilai yang baik

adalah -4.0 sampai 0. QMEAN adalah fungsi penilaian gabungan yang dapat

menentukan perkiraan kualitas absolut global (yaitu untuk seluruh struktur) dan lokal

(yaitu per residu asam amino) berdasarkan satu model tunggal. Nilai QMEAN yang

diperoleh dari model 1 adalah -2.36. Karena masih berada pada rentang -4.0 sampai 0,

ini kualitas model yang dihasilkan cukup baik. Secara default, nilai tersebut diubah

menjadi skor-Z untuk menghubungkannya dengan apa yang kita harapkan dari struktur

sinar-X resolusi tinggi. Gambar 4 menggambarkan posisi model pada sebaran nilai Z.

Tanda bintang merah masih berada pada daerah Z-score < 1, artinya kualitas model masih

cukup baik.

Perkiraan kualitas local model per residu asam amino dapat dilihat pada Gambar

5. Grafik tersebut menggambarkan hubungan kesamaan antara residu asam amino model

(sebagai sumbu x) dengan struktur asli (sumbu y). Secara umum residu asam amino yang

menunjukkan skor di bawah 0.6 berkualitas rendah. Gambar 5 menunjukkan bahwa

terdapat asam amino yang mempunyai skore di bawah 0.6, namun jumlah residu yang

berada di atas 0.6 masih lebih banyak.

Gambar 5. Perkiraan kualitas lokal residu asam amino
 BAB IV

KESIMPULAN

Pemodelan protein dengan sekuen dari UniProt kode Q7M3Y0 dengan metode

homology modelling menggunakan program SWISS-MODEL menghasilkan model struktur

3D. Model dengan kode template PDB : 3als.1.A. Evaluasi dan penilaian model-1 pada

Ramachandran Plots memiliki daerah favoured sebesar 90.83%, skor MolProbity sebesar 1.88

dan harga QMEAN -2.36. Model-1 adalah model struktur 3D protein yang bernilai baik.

DAFTAR PUSTAKA

Komari, N., Hadi, S., & Suhartono, E. (2020). Pemodelan Protein dengan Homology Modeling
menggunakan SWISS-MODEL: Protein Modeling with Homology Modeling using SWISS-
MODEL. Jurnal Jejaring Matematika dan Sains, 2(2), 65-70.

Karnila, R. (2011). Pemanfaatan Komponen Bioaktif Teripang Dalam Bidang Kesehatan.

Kumayanjati, B. (2020). Teripang Sebagai Salah Satu Sumber Kolagen. Oseana, 45(1), 17-
27.)

Hatakeyama, T. et al., (2011). Galactose recognition by a tetrameric C-type lectin, CEL-IV,

containing the EPN carbohydrate recognition motif. J.Biol.Chem.