ANTI KANKER
1
penghitungan matematika, hasil difraksi tersebut dapat dilihat melalui software
komputer. Analisis dari interaksi ESR1 dan Tamoxine tersebut akan memberikan
informasi tentang bagaimana mengembangkan strategi dan mendesain bentuk lain
dari ESR1 sehingga kerjanya dapat lebih spesifik. Meskipun dalam eksperimen ini
masih diuji cobakan pada tikus, akan tetapi tujuan utama obat ini adalah pada
manusia. Jika pengembangan obat ini berjalan dengan baik, dimungkinkan ini
akan menjadi obat anti-kanker pertama di dunia. Sehingga dalam bidang
kedokteran dan farmasi stuktur kimia perlu dipelajari khususnya untuk mendesain
obat. Sebenarnya ilmu-ilmu dasar pun perlukan dikembangkan untuk aplikasi
ilmu lain yang lebih bermanfaat.
Sumber:
Wu, Chyuan-Chuan., Li, Tsai-Kun., Farh, Lynn., Lin, Li-Ying., Lin, Te-Sheng.,
Yu, Yu-Jen., Yen, Tien-Jui., Chiang, Chia-Wang., Chan, Nei-Li. (2011). Saba
Ferdaous, Muh.Usman Mirza, Usman Saeed. Docking Studies reveal
Phytochemicals as the long searched anticancer drugs for Breast Cancer
Sumber gambar: http://modernmedicalguide.com
II.2 Kanker
Kanker merupakan penyebab utama morbiditas dan mortalitas di seluruh dunia.
Berdasarkan data World Health Organization dalam World Cancer Burden (2012)
ada sekitar 14 juta kasus kanker baru dan 8,2 juta kematian yang disebabkan oleh
kanker pada tahun 2012, dan kanker hati adalah kanker kedua penyebab kematian
di seluruh dunia. Menurut laporan American Cancer Society dalam Cancer Facts
& Figures (2014) diperkirakan ada 33.190 kasus baru kanker hati di AS selama
tahun 2014. Angka kejadian kanker hati sekitar tiga kali lebih tinggi pada pria
dibandingkan pada wanita. Dari tahun 2006 sampai 2010, nilai meningkat 3,7%
per tahun pada pria dan 2,9% per tahun pada perempuan. Diperkirakan kematian
akibat kanker hati pada tahun 2014 adalah 23.000 (7.130 perempuan,15.870 pria)
dan sebanyak 80% kasus kematian adalah karsinoma hepatoselular (KHS),
Karsinoma hepatoselular (KHS) adalah kanker hati primer. Faktor resiko
terjadinya KHS terkait dengan beberapa jenis penyakit, seperti infeksi hepatitis B
dan C kronis, hepatitis alkoholik, nonalcohol steatohepatitis (NASH), diabetes
2
melitus dan gangguan metabolik (ACS, 2015). Terapi konvensional untuk KHS
meliputi operasi, radioterapi, dan kemoterapi. Di antara terapi tersebut,
kemoterapi dengan agen sitotoksik adalah pengobatan umum untuk KHS (Wang
dkk., 2013). Dalam kemoterapi konvensional, efek samping biasanya terjadi di
sebagian besar kasus karena tingkat toksisitas yang tinggi. Selain itu,
pengembangan resistensi obat terhadap agen kemoterapi sering mencegah
penggunaan jangka panjang terhadap keberhasilan kemoterapi untuk kanker hati
(Liu dkk., 2013). Maka perlu dilakukan pengembangan obat kemoterapi dengan
aktivitas yang tinggi dan toksisitas yang rendah.
3
menyebabkan pembekuan darah serius untuk membentuk di kaki, paru-paru, atau
mata.Reaksi lainnya mengalami mencakup kaki bengkak / nyeri, kesulitan
bernapas, nyeri dada, perubahan visi.Oleh karena itu, efek samping membuat obat
ini cocok untuk menggunakan dan memerlukan studi pada alternatif yang lebih
baik.
Patofisiologi Kanker Payudara
1. Fase Inisiasi
Fase inisiasi merupakan fase dimana terjadinya suatu perubahan dalam bahan
genetik sel yang memicu sel menjadi ganas. Perubahan dalam genetik sel ini
disebabkan oleh karsinogen, yang bisa berupa bahan kimia,
virus, radiasi (penyinaran) atau sinar matahari. Tetapi tidak semua sel memiliki
kepekaan yang sama terhadap suatu karsinogen. Kelainan genetik dalam sel atau
bahan lainnya yang disebut promotor, menyebabkan sel lebih rentan terhadap
suatu karsinogen.Bahkan gangguan fisik menahun pun bisa membuat sel menjadi
lebih peka untuk mengalami suatu kerusakan yang ganas.
2. Fase Promosi
Pada tahap promosi, suatu sel yang telah mengalami inisiasi akan berubah
menjadi ganas. Sel yang belum melewati tahap inisiasi tidak akan terpengaruh
oleh promosi. Hal ini juga terjadi karena beberapa faktor lain sampai terjadinya
keganasan (gabungan dari sel yang peka dan suatu karsinogen).
3. Fase Metastasis
Metastasis yang berakibat ke tulang merupakan hal yang kerap terjadi pada kanker
payudara, beberapa diantaranya disertai komplikasi lain. Tulang merupakan
jaringan unik yang terbuat dari matriks protein yang mengandung kalsium dengan
kristal hydroxyappatite sehingga mekanisme yang biasa digunakan oleh sel
kanker untuk membuat ruang pada matriks ekstraselular dengan penggunaan
enzim metaloproteinase matriks tidaklah efektif.
Diagnosa Penyakit Kanker Payudara
Penyakit kanker payudara dapat diketahui dengan pasti dengan cara pengambilan
sample jaringan sel payudara yang mengalami pembenjolan (tindakan biopsi).
Dengan cara ini akan diketahui jenis pertumbuhan sel yang dialami, apakah
bersifat tumor jinak atau tumor ganas (kanker).
4
Tipe Penyakit Kanker Payudara
Melalui pemeriksaan yang di sebut dengan mammograms, maka tipe kanker
payudara ini dapat dikategorikan dalam dua bagian yaitu:
1. Kanker payudara non invasive, kanker yang terjadi pada kantung (tube)
susu {penghubung antara alveolus (kelenjar yang memproduksi susu) dan
puting payudara}. Dalam bahasa kedokteran disebut ‘ductal carcinoma in
situ‘ (DCIS), yang mana kanker belum menyebar ke bagian luar jaringan
kantung susu.
2. Kanker payudara invasive, kanker yang telah menyebar keluar bagian
kantung susu dan menyerang jaringan sekitarnya bahkan dapat
menyebabkan penyebaran (metastase) kebagian tubuh lainnya seperti
kelenjar lympa dan lainnya melalui peredaran darah.
Pendekatan yang paling lazim digunakan dalam CADD adalah Virtual High
Throughput Screening (vHTS) yaitu suatu pendekatan komputasi untuk
melakukan penapisan library molekul dalam jumlah besar sehingga diperoleh
senyawa yang mempunyai kecocokan dengan target. vHTS diaplikasikan dalam
5
beberapa bentuk, mencakup penelusuran kemiripan secara kimia melalui
fingerprint atau topologi, pemilihan senyawa berdasarkan aktivitas biologi
melalui hubungan kuantitatif struktur aktivitas (HKSA) atau pemetaan
farmakofor, dan virtual docking senyawa ke dalam target.
CADD dapat diklasifikasikan dalam dua kategori yaitu berdasarkan struktur dan
berdasarkan ligan.CADD berdasarkan struktur mengandalkan data struktur protein
target untuk menghitung energi interaksi setiap senyawa uji, sedangkan CADD
berdasarkan ligan menggunakan data molekul-molekul yang diketahui aktif dan
tidak aktif melalui penelusuran kemiripan secara kimia atau berdasarkan HKSA
(Sliwoski, dkk., 2013).
6
obat dalam pelarut oktanol dan dalam pelarut air dihitung sesuai persamaan (2.1).
Perubahan subtituen dari senyawa induk akan menghasilkan sejumlah senyawa
analog dengan nilai-nilai P tertentu. Koefisien partisi suatu analog dipengaruhi
oleh kontribusi rantai samping. Kontribusi konstituen terhadap konstanta
hidrofobik senyawa ditunjukkan oleh π, konstanta hidrofobik subtituen yang
didefinisikan sebagai ukuran seberapa hidrofob subtituen, dibandingkan relatif
terhadap hidrogen. Nilai π positif menunjukkan subtituen lebih hidrofobik
dibandingkan hidrogen, dan nilai π negatif menunjukkan subtituen kurang
hidrofobik dibandingkan hidrogen (Patrik, 1995).
7
II.5.3 Efek Sterik
Ukuran, bentuk dan keruahan (bulky) molekul dapat mempengaruhi interaksi obat
dengan reseptor atau enzim. Sebagai contoh, subtituen yang meruah dapat bekerja
seperti perisai dan penghalang pada interaksi obat dan reseptor. Selain itu,
subtituen yang meruah dapat membantu orientasi obat untuk berikatan maksimum
dengan reseptor dan meningkatkan aktivitasnya. Pengaruh keruahan, ukuran dan
bentuk molekul terhadap interaksi obat-reseptor disebut efek sterik. Kuantifikasi
sifat-sifat sterik lebih sulit daripada kuantifikasi efek hidrofobik dan efek
elektronik (Patrick, 1995).
8
mendapatkan nilai koefisien korelasi yang dapat diterima tergantung jumlah data
penelitian. Semakin banyak jumlah data penelitian semakin rendah koefisien
korelasi atau nilai r yang dapat diterima. Dalam penelitian hubungan struktur
aktivitas dicoba dicapai suatu nilai r yang lebih besar dari 0,9. b) Nilai r2
menunjukan berapa persentase aktivitas biologis yang dapat dijelaskan
hubungannya dengan parameter sifat kimia fisika yang digunakan. Contoh: suatu
hubungan yang mempunyai nilai koefisien korelasi (r) = 0,99 berarti dapat
menjelaskan (0,99)2 x 100% = 98% dari variasi antar data. c) Nilai F menunjukan
makna hubungan bila dibandingkan dengan tabel F. makin besar nilai F makin
besar derajat kemaknaan hubungan. Nilai F adalah indikator bilangan untuk
menunjukan bahwa hubungan yang dinyatakan oleh persamaan yang didapat,
adalah benar atau merupakan kejadian kebetulan. Semakin tinggi nilai F semakin
kecil kemungkinan hubungan tersebut adalah kebetulan. d) Nilai t menunjukan
perbedaan koefisien regresi a, b, c dan d dari persamaan regresi bila dibandingkan
dengan tabel t. e) Nilai s (simpangan baku) menunjukan nilai variasi kesalahan
dalam percobaan. Alasan untuk menggunakan logaritma pada respons biologis
mempunyai dasar termodinamik. Energi bebas yang diberikan oleh suatu molekul,
dianggap merupakan jumlah energi bebas dari gugus-gugus subtituen. Sebagai
contoh, kelebihan energi bebas dari ionisasi pada asam p-metilbenzoat terhadap
asam benzoat adalah sama dengan sumbangan dari gugus p-metil. Persamaan
yang menggunakan log (Kx/Ko) termasuk energi bebas karena penetapan
keseimbangan adalah logaritma yang berhubungan dengan energi bebas. Ini
merupakan logika mengapa dalam hubungan struktur aktivitas digunakan
logaritma parameter-parameter respon biologis (Siswandono dan Soekardjo,
1995).
Aplikasi docking biasanya menilai kompleks ligan-protein yang terbentuk secara
cepat dan akurat, misalnya berupa perkiraan energi interaksinya. Docking sebuah
ligan mungkin akan menghasilkan ratusan atau ribuan konformasi kompleks
ligan-protein, dan fungsi penilaian yang efisien dibutuhkan untuk meranking
kompleks-kompleks tersebut sekaligus membedakan prediksi model pengikatan
yang valid dan yang tidak valid (Sliwoski, dkk., 2013). Secara umum fungsi
penilaian dibagi menjadi tiga macam yaitu fungsi fisika, fungsi emprik dan fungsi
9
statistik. Fungsi fisika telah dikembangkan untuk digunakan dalam simulasi dan
pemodelan molekul. Fungsi ini memakai koordinat atom sebuah sistem molekul
dan menghitung perkiraan energi potensialnya melalui pemodelan secara jelas
pada gaya fisika seperti interaksi Van deer Waals, ketahanan ikatan untuk
membengkok dan merenggang, interaksi sterik karena adanya ikatan yang mampu
berotasi, dan gaya elektrostatik. Untuk docking, biasanya hanya gaya
intermolekuler (gaya Van deer Waals dan elektrostatik) yang dipertimbangkan
untuk penilaian akhir. Energi intermolekul kompleks hasil suatu docking dapat
memberikan estimasi afinitas ikatan kombinasi antara ligan-protein (Dhanik dan
Kavraki, 2012).Dalam fungsi empirik, energi bebas diuraikan menjadi beberapa
komponen energi seperti ikatan hidrogen, interaksi ionik, interaksi hidrofobik dan
entropi ikatan. Setiap komponen dikalikan dengan koefisiennya dan kemudian
dijumlahkan untuk memperoleh penilaian akhir. Koefisien diperoleh dari analisis
regresi sejumlah set kompleks ligan-protein yang sesuai dan telah diketahui
afinitas pengikatannya.Fungsi penilaian statistik menggunakan analisis statistik
struktur kristal ligan-protein untuk memperoleh frekuensi interaksi interatom
dan/atau jarak antara ligan dan protein. Hal ini berdasarkan asumsi bahwa banyak
interaksi namun dalam hal ini interaksi atom dalam kompleks ligan-protein yang
paling sering terjadi yang dipilih untuk selanjutnya dikonversi menjadi energi
potensial (Meng, dkk., 2011).
10
jumlah senyawa yang memerlukan data awal absorpsi, distribusi, metabolisme,
ekskresi (ADME) dan toksisitas (T), yang selanjutnya mendorong pengembangan
dari berbagai media dan high-throughput pada uji ADMET in. Di sini, kita
menggambarkan bagaimana pendekatan in silico akan lebih
meningkatkankemampuan kita untuk memprediksi dan model farmakokinetik
yang paling relevan, metabolik dan toksisitas endpoint, sehingga mempercepat
proses penemuan obat (Van de Waterbeemd dan Gifford, 2003). Model ADME
dapat membantu upaya penemuan obat yaitu (1) Membantu kimiawan dalam
memilih molekul yang terbaik untukdilakukan pengujian dari sejumlah besar
molekul, (2) Memberikan informasi dari risiko ADME sehingga risiko tersebut
dapat diselidiki sebelumnya dalam proses penemuan obat, (3) Membantu
kimiawan menafsirkan data ADME eksperimental, dan (4) Membimbing
pengambilan keputusan dan memprioritaskan sintesis (Merz dkk., 2013) Salah
satu yang sederhana dan secara luas digunakan dalam pendekataan dengan
komputasi adalah memprediksi absorpsi yang dikembangkan oleh Lipinski,
berdasarkan evaluasi dari nilai sifat fisika kimia tertentu dari obat.
Berdasarkanevaluasi ini, Lipinski mengusulkan ' Lima Aturan' yang menyatakan
bahwa absorpsi yang buruk lebih mungkin untuk diamati ketika (Lipinski dkk.,
1997.) : (1) Berat molekul lebih besar dari 500, (2)Log P lebih besar dari 5, (3)
ada lebih dari lima ikatan Hidrogen donor, dinyatakan sebagai jumlah dari semua
OHs dan NHs, dan (4) ada lebih dari 10 ikatan Hidrogen akseptor, dinyatakan
sebagai jumlah dari semua Os dan Ns. Namun, ada beberapa pengecualian
mencolok yang tidak dapat dijelaskan oleh aturan-aturan ini.
Pemodelan secara in silico untuk memprediksi aktivitas/toksisitas suatu senyawa
didasarkan pada pengetahuan terhadap sifat tertentu dan struktur kimanya. Sifat-
sifat seperti fisika-kimia atau sifat secara struktural dapat dikalkulasi secara
komputasi menggunakan beberapa software, atau ditentukan secara
ekpserimental. Untuk prediksi toksisitas secara komputasional dapat
menggunakan pendekatan pemodelan HKSA atau expert system. Pemodelan
HKSA melakukan pencarian hubungan/korelasi matematika antara struktur kimia
dan sifat toksisitas. Sifat kimia diterjemahkan sebagai sekumpulan deskriptor
yang dikorelasikan dengan sifat toksisitasnya secara statistik dan diformulasikan
11
dalam bentuk algoritma.Sebaliknya expert system menyusun gugus-gugus fungsi
yang bertanggung jawab terhadap efek toksik suatu senyawa. Gugus fungsi ini
disebut sebagai structural alert (SA) atau toksikofor. Pemodelan ini didasarkan
pada pengetahuan yang diperoleh dari hasil analisis efek toksik senyawa-senyawa
kimia tertentu. Terdapat beberapa software untuk prediksi toksisitas yang
menggunakan expert system, salah satu di antaranya adalah ADMET Predictor
(Cronin dan Madden, 2010)
12
berbagai perangkat lunak, atau ditentukan secara eksperimental (Cronin dan
Madden, 2010) Saat ini, metode toksikologi in silico menunjukkan kegunaan
dalam menghasilkan informasi untuk industri farmasi pada tahap desain untuk
membantu mengidentifikasi senyawa yang memiliki toksisitas rendah, sehingga
memungkinkan pemilihan kandidat senyawa untuk optimasi dan pengembangan
obat yang potensial (Valerio, 2009). Dalam beberapa tahun terakhir semakin
banyak penelitian telah dilakukan dengan metode komputasi (disebut in silico)
yang digunakan untuk memprediksi sifat fisikokimia dan aktivitas biologi
(toksisitas akut, karsinogenisitas, mutagenisitas, dll) dari senyawa kimia (Reisfeld
dan Mayeno, 2012).
13
3. Flexible receptor docking. Reseptor yang digunakan bersifat fleksibel
tetapi secara terbatas karena fleksibiltas yang penuh dapat menyebabkan
masalah dalam interaksi. Seringkali dilakukan dengan mengambil bentuk
alternatif konformasi rantai sampingnya atau penandaan terhadap ikatan
khusus yang berperan sebagai engsel (Dhanik dan Kavraki, 2012).
Penentuan sisi pengikatan pada suatu protein dapat dilakukan dengan
membandingkan sisi pengikatan protein sejenis yang memiliki fungsi yang sama
yang telah dikristalkan dengan ligan lain. Sedangkan untuk sisi pengikatan yang
belum diketahui dapat dideteksi dengan menggunakan program atau server online.
Dimana docking yang belumdiketahui sisi pengikatannya disebut blind docking
(Meng dkk., 2011).Blind docking merupakan teknik docking yang diperkenalkan
untuk mendeteksi situs aktif protein yang mungkin mengikat ligan dengn
memindai seluruh permukaan protein target.Pendekatan blind docking untuk
mencari sisi pengikatan pada seluruh permukaan protein dan mengoptimalkan
konformasi dari protein digunakan AutoDock (Hete´nyi dan Spoel, 2006).
AutoDock merupakan program yang secara otomatis untuk memprediksi interaksi
ligan dengan target biomakromolekular. Pada dasarnya AutoDock terdiri atas dua
program utama: AutoDock yang membantu proses docking dari ligan ke
sekumpulan grids yang mendeskripsikan protein yang dituju, AutoGrid yang
membantu perhitungan grids tersebut.Menggunakan algoritma Lamarckian
Genetic dan fungsienergy scoring yang memberikan hasil docking yang
reproduksibel pada ligan sekitar 10 ikatan yang fleksibel. Dari hasil interaksi
antara suatu ligan dengan makromolekul targetnya, perangkat lunak ini dapat
memvisualisasikan ikatan hidrogen yang terbentuk berikut jarak ikatan hidrogen,
serta menampilkan parameter energi dan tetapan inhibisi (Ki) dari interaksi
tersebut (Morris, dkk., 2012).
Konformasi suatu molekul adalah kedudukan/posisi atom-atom dari suatu molekul
di dalam ruang. Terbentuknya konformasi terutama disebabkan oleh rotasi atom-
atom tersebut terhadap ikatan tunggal, oleh karena itu seringkali terbukti bahwa
molekul yang memiliki banyak ikatan tunggal, dapat membentuk lebih banyak
konformasi daripada molekul yang memiliki banyak ikatan rangkap. Ikatan
tunggal lebih mudah berotasi karena hanya memiliki ikatan sigma, sedangkan
14
ikatan rangkap lebih sulit berotasi karena selain memiliki elektron sigma, juga
memiliki elektron pi yang menstabilkan ikatan rangkap tersebut (Levita dan
Mustarichie, 2012).
Pencarian algoritma dalam penentuan jumlah konformasi suatu molekul telah
dikembangkan atau diadaptasi untuk aplikasi docking. Biasanya pencarian
algoritma di klasifikasikan sebagai metode sistematik, stochastic dan
deterministic simulation-based (Kortagere, 2013)
Jumlah konformasi diprediksi menggunakan metode sistematik dengan
menghitung konformasi melalui setiap sudut dihedral ikatan tunggal molekul,
sebagaimana dirumuskan dengan persamaan:
Di mana ϴ adalah sudut dihedral molekul dan n adalah jumlah ikatan tunggal
yang dapat berotasi. Jumlah konformasi akan meningkat secara eksponensial
seiring dengan bertambahnya jumlah ikatan tunggal yang dapat berotasi.
Metode stochastic melakukan perhitungan secara acak pada puncak minimum
lokal permukaan energi potensialnya, oleh karena itu metode ini memiliki
kecepatan perhitungan lebih tinggi dibandingkan dengan metode sistematik.
Monte Carlo dan genetic algorithms merupakan dua tipe algoritma yang termasuk
dalam metode ini (Levita dan Mustarichie, 2012).
Metode deterministic simulation-based, seperti simulasi dinamika molekul,
menyelesaikan persamaan Newton dari suatu pergerakan atom dalam sistem untuk
menghasilkan suatu lintasan yang menjelaskan perubahan posisi atom setiap
waktunya. Gambaran hasil lintasan tersebut kemudian dapat diperlakukan untuk
proses minimisasi dalam rangka menyusun suatu rangkaian konformasi dengan
energi minimum (Leach dan Gillet, 2007).
15
2016) diikuti dengan optimasi geometri tiga dimensi dengan medan gaya
MMFF94 (Halgren, 1996)pada piranti lunak Avogadro (Hanwell dkk. 2012).
Struktur tiga dimensi dari Estrogen Receptor Alpha diekstraksi dari PDB 2IOK
dan konformasinya dipertahankan karena akan digunakan sebagai acuan dalam
proses penjajaran molekul (molecular alignment). Selain itu juga dipersiapkan
sebanyak 500 senyawa sebagai decoy yang diambil dari database UI(Irwin dan
Shoichet 2005) dengan menggunakan piranti lunak DecoyFinder (Cereto-
Massagué dkk. 2012). Kriteria pemilihan senyawa yang dapat digunakan sebagai
decoy (Irwin, 2008)adalah:
Luaran struktur decoy yang akan didapat sudah dalam bentuk tiga
dimensi.Prosedur konstruksi database multikonformer training set dan decoy
dilakukan dengan menggunakan metode stokastik pada piranti lunak MOE
(Chemical Computing Group, 2014).
In Vitro
Aktif Inaktif
In Silico
16
Filter Drug-likeness, Toksisitas, dan PAINS
Senyawa yang diperoleh dari penapisan berbasis farmakofor kemudian disaring
berdasarkan kriteria drug-likeness dengan menggunakan fitur yang tersedia pada
Pharmit. Kriteria yang digunakan adalah sebagai berikut:
Hasil yang diperoleh kemudian disaring lebih lanjut dari senyawa yang
mengandung gugus toksikofor dan PAINS (Pan Assay Interference Compounds)
(Baell dan Holloway 2010)dengan menggunakan web serverFAF-Drugs3
(http://fafdrugs3.mti.univ-paris-diderot.fr) (Lagorce dkk. 2015). PAINS
merupakan senyawa-senyawa berpotensi bersifat positif palsu terhadap uji HTS
melalui beberapa mekanisme diantaranya interaksi kovalen ligan-protein, disrupsi
membran, dan pembentukan kompleks dengan logam.
17
preparasi kompleks protein yang akan digunakan (PDB:2IOK). Tahapan ini terdiri
dari eliminasi molekul air dan aplikasi modul LigX yang mencakup beberapa
proses:
1. Modul Structure Preparation (Untuk melengkapi informasi sekuens asam
amino)
2. Modul Protonate 3D (Untuk menambahkan atom hidrogen pada kompleks
protein) (Labute 2009)
3. Minimisasi energi dan penambahan muatan parsial (Amber12:EHT)
Sementara itu, training set maupun decoy juga dipreparasi dengan memberikan
muatan parsial MMFF94X. Setelah itu dilakukan proses validasi terhadap metode
yang akan digunakan. Validasi diawali dengan proses re-docking ligan alami
(Estrogen Receptor Alpha) terhadap protein. Luaran yang diharapkan adalah
diperoleh metode yang menghasilkan docking pose dengan nilai RMSD terendah
(nilai cut-off< 2.0 Å). Metode terpilih kemudian divalidasi lebih lanjut untuk
menguji kemampuan scoring dan ranking dengan melakukan proses virtual
screening terhadap dua puluh senyawa training set dan 500 senyawa decoy.
Diharapkan metode terpilih memiliki kemampuan untuk mendeteksi dan
meranking senyawa training set pada urutan teratas dibandingkan dengan decoy.
Alur kerja validasi metode penambatan molekul mengacu pada penelitian yang
dilakukan oleh (Planesas dkk. 2011) yaitu dengan mencoba kombinasi beberapa
placement function dan scoring function yang tersedia pada MOE. Parameter
validasi yang digunakan adalah nilai Enrichment Factor 1%, 5%, 10%, dan 20%
serta nilai AUC ROC (Triballeau dkk. 2005) dengan menggunakan web server
Screening Explorer (Empereur-Mot dkk. 2016). Titik penyaringan dipilih
berdasarkan EF dengan nilai tertinggi.
𝑎𝑘𝑡𝑖𝑓/𝑛
EF x% = 𝐴𝐾𝑇𝐼𝐹/𝑁
x% = persentase dataset
aktif = jumlah senyawa training set yang berada pada x% dataset teratas
n = jumlah senyawa yang berada pada x% dataset teratas
AKTIF = jumlah senyawa training set pada dataset
N = jumlah senyawa pada dataset
18
II.11 Molecular Dynamics (MD)
Simulasi MD dilakukan dengan menggunakan GROMACS (Abraham dkk. 2015).
Proses diawali dengan konstruksifile topologi dan parameter protein serta ligan.
Khusus untuk ligan, proses dilakukan dengan menggunakan script ACPYPE (da
Silva dan Vranken 2012). Tahapan selanjutnya adalah proses solvasi dengan
menggunakan model air TIP3P(Jorgensen dkk. 1983) dan penambahan ion lawan
(Na+ dan Cl-). Minimisasi struktur protein dilakukan dengan medan gaya
Amberff99SB-ILDN (Lindorff-Larsen dkk. 2010), sementara untuk struktur ligan
digunakan medan gaya GAFF (Wang dkk. 2004). Sebelum dilakukan proses
simulasi, dilakukan ekuilibrasi sistem terhadap temperatur (310 K, 250 ps) dengan
menggunakan termostat velocity rescale (Bussi dkk., 2007), serta terhadap
tekanan (1 bar, 250 ps) dengan menggunakan barostat Parrinello-Rahman
(Parrinello dan Rahman 1981). Simulasi MD kemudian dilakukan selama 20ns.
Analisis hasil MD dilakukan dengan melihat grafik RMSD backbone protein serta
RMSF residu asam amino protein.
19