UIN SYARIF HIDAYATULLAH JAKARTA

STUDI HUBUNGAN KUANTITATIF STRUKTUR

AKTIVITAS DARI AMIDASI SENYAWA ETIL-P-

METOKSISINAMAT SEBAGAI ANTIINFLAMASI

DENGAN PENDEKATAN HANSCH DAN

KOMPUTASI

SKRIPSI

EKO WAHYUDI

1111102000028

FAKULTAS KEDOKTERAN DAN ILMU KESEHATAN

PROGRAM STUDI FARMASI

JAKARTA

JULI 2015

ii

UIN SYARIF HIDAYATULLAH JAKARTA

STUDI HUBUNGAN KUANTITATIF STRUKTUR

AKTIVITAS DARI AMIDASI SENYAWA ETIL-P-

METOKSISINAMAT SEBAGAI ANTIINFLAMASI

DENGAN PENDEKATAN HANSCH DAN

KOMPUTASI

SKRIPSI

Diajukan sebagai salah satu syarat memperoleh gelar Sarjana Farmasi

EKO WAHYUDI

1111102000028

FAKULTAS KEDOKTERAN DAN ILMU KESEHATAN

PROGRAM STUDI FARMASI

JAKARTA

JULI 2015

iii

HALAMAN PERNYATAAN ORISINALITAS

Skripsi ini adalah hasil karya saya sendiri,

dan semua sumber baik yang dikutip maupun dirujuk

telah saya nyatakan dengan benar.

Nama : EKO WAHYUDI

NIM : 1111102000028

Tanda Tangan :

Tanggal : 30 Juni 2015

iv

HALAMAN PERSETUJUAN PEMBIMBING

Nama : Eko Wahyudi

NIM : 1111102000028

Program Studi : Farmasi

Judul : STUDI HUBUNGAN KUANTITATIF STRUKTUR

AKTIVITAS DARI AMIDASI SENYAWA ETIL-P-

METOKSISINAMAT SEBAGAI ANTIINFLAMASI

DENGAN PENDEKATAN HANSCH DAN

KOMPUTASI

Disetujui oleh :

Pembimbing I

Supandi, M.Si, Apt

Pembimbing II

Andrianopsyah Mas Jaya Putra, M.Sc

NIP. 197711292006041009

v

HALAMAN PENGESAHAN SKRIPSI

Skripsi ini diajukan oleh :

Nama : Eko Wahyudi

NIM : 1111102000028

Program Studi : Farmasi

Judul : STUDI HUBUNGAN KUANTITATIF STRUKTUR

AKTIVITAS DARI AMIDASI SENYAWA ETIL-P-

METOKSISINAMAT SEBAGAI ANTIINFLAMASI

DENGAN PENDEKATAN HANSCH DAN

KOMPUTASI

Telah berhasil dipertahankan di hadapan Dewan Penguji dan diterima sebagai

bagian persyartan yang diperlukan untuk memperoleh gelar Sarjana Farmasi pada

Program Studi Farmasi Fakultas Kedokteran dan Ilmu Kesehatan Universitas Islam

Negeri (UIN) Syarif Hidayatullah Jakarta.

DEWAN PENGUJI

Pembimbing I : Supandi, M.Si, Apt (…………………..)

Pembimbing II : Andrianopsyah Mas Jaya Putra, M.Sc. (….……………….)

Penguji I : Ismiarni Komala, Ph.D., Apt. (…………………..)

Penguji II : Drs. Umar Mansyur, M.Sc., Apt (….……………….)

Ditetapkan di : Ciputat

Tanggal : 13 Juli 2015

vi

HALAMAN PENYATAAN PERSETUJUAN PUBLIKASI TUGAS AKHIR

UNTUK KEPENTINGAN AKADEMIK

Sebagai sivitas akademik Universitas Islam Negeri (UIN) Syarif

Hidayatullah Jakarta, saya yang bertanda tanfan dibawah ini :

Nama : Eko Wahyudi

NIM : 1111102000028

Program Studi : Farmasi

Fakultas : Kedokteran dan Ilmu Kesehatan

Jenis Karya : Skripsi

Demi perkermbangan ilmu pengetahuan, saya menyetujui skripsi/karya ilmiah

saya, dengan judul :

STUDI HUBUNGAN KUANTITATIF STRUKTUR AKTIVITAS DARI

AMIDASI SENYAWA ETIL-P-METOKSISINAMAT SEBAGAI

ANTIINFLAMASI DENGAN PENDEKATAN HANSCH DAN

KOMPUTASI

Untuk dipublikasi atau disampaikan di internet atau media lain yaitu Digital Library

Perpustakaan Universitas Islam Negeri (UIN) Syarif Hidayatullah Jakarta untuk

kepentingan akademik sesuai Undang-Undang Hak Cipta.

Demikian pernyataan persetujuan publikasi karya ilmiah ini saya buat dengan

sebenarnya

Dibuat di : Jakarta

Pada tanggal : 20 Juni 2015

Yang Menyatakan,

(Eko Wahyudi)

vii

ABSTRAK

Nama : Eko Wahyudi

Program Studi : Farmasi

Judul : STUDI HUBUNGAN KUANTITATIF STRUKTUR

AKTIVITAS DARI AMIDASI SENYAWA ETIL-P-

METOKSISINAMAT SEBAGAI ANTIINFLAMASI

DENGAN PENDEKATAN HANSCH DAN

KOMPUTASI

Telah dilakukan studi hubungan kuantitatif struktur aktivitas (HKSA)

antiinflamasi dari 10 senyawa turunan asam sinamat dengan pendekatan Hansch

berdasarkan analisis multiregresi linier dan penambatan molekul terhadap enzim

COX-2. Deskriptor digunakan untuk mewakili parameter hidrofobisitas (log P),

sterik (indeks Harary, indeks Randic, dan molar refraksi), dan elektronik

(polarisabilitas, EHUMO, ELOMO, dan selisih EHUMO-LOMO). Hasil HKSA berdasarkan

analisis multiregresi linier (MLR) adalah:

Log 1/IC50 = -6.559 + 0.017 [Log P] – 0.025 [Indeks Harary] + 0.039 [MR] + 0.016

[Polarisabilitas] - 0.396 [ELUMO] + 0.427 [∆EHOMO-LUMO]

Dari persamaan, didapatkan prediksi potensi tertinggi sebagai antiinflamasi dari

senyawa amidasi etil p-metoksisinamat, yaitu senyawa dengan log 1/IC50 sebesar -

0.677. Proses inflamasi terjadi dengan adanya enzim siklooksigenasie. Enzim

siklooksigenase merupakan enzim yang mengkatalisis pembentukan prostaglandin,

suatu mediator inflamasi, dan produk metabolisme asam arakidonat. COX-2

merupakan enzim yang terinduksi pada sel yang mengalami inflamasi oleh sitokin,

endotoksin, dan faktor pertumbuhan (growth factors). Interaksi dari senyawa

amidasi EPMS dengan COX-2 dapat dilakukan dengan cara penambatan molekul.

Penambatan molekul antara senyawa uji dari amidasi EPMS dengan molekul COX-

2 (PDB:1CX2), diperoleh senyawa dengan energi ikatan sebesar -7.5 kkal/mol

dengan membandingkan energy ikatan ibuprofen (-7.5 kkal/mol).

Kata kunci : HKSA, Antiinflamasi, COX-2, Penambatan molekul

viii

ABSTRACT

Nama : Eko Wahyudi

Major : Pharmacy

Title : STUDY QUANTITATIVE STRUCTURE ACTIVITY

RELATIONSHIP OF COMPOUNDS AMIDATION

ETHYL p-METHOXYCINNAMATE AS

ANTIINFLAMMATORY HANSCH APPROACH AND

COMPUTATION

Study quantitative structure activity relationship (QSAR) of 10 derivatives

cinnamic acid compound as anti-inflammatory has been carried out by Hansch

approach based multiple linier regression (MLR) and molecular docking to COX-2

enzym. Descriptor used to represent parameter hydrophobicity (Log P), steric

(index Harary, index Randic and Molar refractivity (MR), and electronic (EHUMO,

ELOMO, ΔEHUMO-LUMO, and Polarizability). Best QSAR equationby applying analysis

MLR as follows :

Log 1/IC50 = -6.559 + 0.017 [Log P] – 0.025 [Index Harary] + 0.039 [MR] + 0.016

[Polarizability] - 0.396 [ELUMO] + 0.427 [∆EHOMO-LUMO]

Following equation, obtained high prediction activity as anti-inflammatory from

amidation ethyl p-methoxycinnamate (EPMS) compound is compound 1B with

substituent aniline is -0.677. Inflammation occurred process by cyclooxygenase

enzyme. Cyclooxygenase enzyme is enzyme to catalyst prostaglandin formation,

inflammatory mediator, and metabolic product arachidonate acid. COX-2 is and

enzyme to induced inflammatory cells by cytokines, endotoxin, and growth factors.

Interaction of amidation EPMS compound with COX-2 molecule can be carried out

by molecular docking. Docking amidation compound with COX-2 molecule

obtained binding energy of -7.5 kcal/mol with compared energy binding ibuprofen

(-7.5 kcal/mol).

Kata kunci : QSAR, Antiinflammatory, COX-2, Molecular Docking

ix

KATA PENGANTAR

Puji syukur kehadirat Allah SWT., karena atas berkat dan rahmat-Nya

proses penelitian hingga penulisan skripsi ini dapat berjalan. Penulisan skripsi ini

dilakukan dalam rangka memenuhi salah satu syarat untuk mencapai gelar Sarjana

Farmasi pada Fakultas Kedokteran dan Ilmu Kesehatan Universitas Islam Negeri

(UIN) Syarif Hidayatullah Jakarta.

Saya menyadari bahwa, tanpa bantuan dan bimbingan dari berbagai pihak,

dari masa perkuliahan sampai pada penyusunan skripsi ini, sangatlah sulit bagi saya

untuk menyelesaikan skripsi ini. Oleh karena itu, saya mengucapkan terima kasih

kepada :

1. Kepada kedua orang tua tercinta, Ibu Sriyati dan Bapak Tukimin, yang selalu

mengingatkan untuk fokus belajar, jangan pulang larut malam, jaga kondisi

tubuh, dan lulus kulias. Tak lupa ucapan terima kasih yang sedalam-dalam atas

kontribusi yang selama ini diberikan berupa dukungan moril, finansial, dan doa

yang selalu diberikan kepada penulis dan adik tercinta Dwi Puji Astuti yang

selalu memberikan dukungan kepada penulis

2. Bapak Supandi, M.Si, Apt., selaku pembimbing pertama dan Bapak

Andrianopsyah Mas Jaya Putra, M.Sc., selaku pembimbing kedua, yang tak

lelah memberikan kontribusi nyata berupa masukan, bimbing, dan kritik

terhadap penulis dalam menyelesaikan skripsi. Penulis hanya bisa berdoa,

semoga mendapatkan berkah, kesehatan jasmani dan rohani dari Allah S.W.T.

3. Bapak Drs. Arief Sumantri, S.KM., M.KM selaku Dekan Fakultas Kedokteran

dan Ilmu Kesehatan Universitas Islam Negeri (UIN) Syarif Hidayatullah

Jakarta.

4. Bapak Yardi, Ph. D., Apt., selaku ketua Program Studi Farmasi Fakultas

Kedokteran dan Ilmu Kesehatan Universitas Islam Negeri (UIN) Syarif

Hidayatullah Jakarta dan selaku pembimbing akademik kelas A farmasi 2011

yang tak henti-hentinya memberikan dorongan moril, motivasi dan bantuan

belajar kepada mahasiswa/i.

x

5. Seluruh dosen – dosen di Program Studi Farmasi Fakultas Kedokteran dan Ilmu

Kesehatan Universitas Islam Negeri (UIN) Syarif Hidayatullah Jakarta.yang

telah banyak membantu penulis dalam menyelesaikan studi hingga saat ini.

6. Bapak Drs. Umar Mansyur, M.Sc., Apt., selaku dosen terfavorit penulis di Program

Studi Farmasi Fakultas Kedokteran dan Ilmu Kesehatan Universitas Islam Negeri

(UIN) Syarif Hidayatullah Jakarta yang selalu memberikan nasihat dan bimbingan

agar mahasiswa/I dapat lulus tepat waktu dan menjadi teman curhat penulis ketika

sedang kesulitan.

7. Kak Fikri, yang saat ini sedang melanjutkan program apoteker, yang telah menjadi

mentor dalam skripsi penulis dan tim docking sehingga dapat mengerjakan skripsi

ini dengan lancar dan Docking Team berisi Arsyad (cacad), Wahidin (dindin),

Mazaya, Fitri, Haidar, Wahyu, yang menjadi teman sharing skripsi dan tempat

bertukar ilmu dan sekaligus menjadi teman curhat.

8. Rekan-rekan di Program Farmasi Fakultas Kedokteran dan Ilmu Kesehatan

Universitas Islam Negeri (UIN) Syarif Hidayatullah Jakarta angkatan 2011 yang

telah menjadi teman sekaligus menjadi keluarga besar penulis selama ini.

Kemudian teman-teman pengurus BEM FKIK periode 2013 – 2014, serta

teman-teman di HMI KOMFAKDIK.

Penulis menyadari bahwa dalam penulisan dan penyusunan skripsi ini masih

jauh dari kata sempurna, karena itu penulis mengharapkan kritik dan saran dari

pembaca yang bersifat membangun dan dapat memacu penulis untuk berkarya lebih

baik di masa yang akan datang.

Akhir kata, saya berharap Allah SWT berkenan membalas segala kebaikan

semua pihak yang telah membantu. Semoga skripsi ini dapat bermanfaat bagi

penulis khususnya, dan dapat memberikan kontribusi ilmu pengetahuan bagi semua

pihak.

Ciputat, Juni 2015

Penulis

xi

DAFTAR ISI

HALAMAN SAMPUL …………………………………………………………………..ii

HALAMAN PERNYATAAN ORISINALITAS ........................................................... iii

HALAMAN PERSETUJUAN PEMBIMBING .............................................................iv

HALAMAN PENGESAHAN SKRIPSI .......................................................................... v

HALAMAN PENYATAAN PERSETUJUAN PUBLIKASI ........................................vi

ABSTRAK ........................................................................................................................ vii

ABSTRACT ..................................................................................................................... viii

KATA PENGANTAR ....................................................................................................... ix

DAFTAR ISI...................................................................................................................... xi

DAFTAR GAMBAR ....................................................................................................... xiii

DAFTAR TABEL ........................................................................................................... xiv

DAFTAR LAMPIRAN .................................................................................................... xv

BAB I PENDAHULUAN ................................................................................................. 1

1.1. Latar Belakang ................................................................................................. 1

1.2. Rumusan Masalah ............................................................................................ 2

1.3. Hipotesis ............................................................................................................ 3

1.4. Tujuan Penelitian ............................................................................................. 3

1.5. Manfaat Penelitian ........................................................................................... 3

BAB II TINJAUAN PUSTAKA....................................................................................... 4

2.1. Hubungan Kuantitatif Struktur – Aktivitas (HKSA) ................................... 4

2.2. Analisis Statistik HKSA model Hansch ........................................................ 11

2.3. Asam Sinamat ................................................................................................. 13

2.4. Etil p-metoksisinamat ..................................................................................... 16

2.5. Ester ................................................................................................................. 17

2.6. Amida ............................................................................................................... 18

2.7. Inflamasi .......................................................................................................... 20

2.8. Enzim Siklooksigenase 2 (COX-2) ................................................................ 22

2.9. Protein dan Asam Amino ............................................................................... 22

2.10. Interaksi Protein dengan Ligan ..................................................................... 25

2.11. Molecular docking (Penambatan Molekul) ................................................... 27

2.12. Protein Data Bank (PDB) ............................................................................... 30

2.13. PubChem ......................................................................................................... 30

2.14. Autodock.......................................................................................................... 30

2.15. Autodock Vina ................................................................................................ 31

2.16. Pymol ............................................................................................................... 31

2.17. Marvin Skecth ................................................................................................. 31

BAB III METODE PENELITIAN ................................................................................ 32

xii

3.1. Tempat dan Waktu Penelitian ....................................................................... 32

3.2. Alat ................................................................................................................... 32

3.2.1. Perangkat Keras .............................................................................. 32

3.2.2. Perangkat Lunak ............................................................................. 32

3.3. Bahan ............................................................................................................... 32

3.3.1. Training Set dan Test Set ............................................................... 32

3.3.2. Molekul Tiga Dimensi (3D) ............................................................ 32

3.3.3. Struktur Tiga Dimensi (3D) Ligan Amidasi EMPS ..................... 33

3.4. Cara Kerja....................................................................................................... 33

3.4.1. Penyiapan Model HKSA ................................................................ 33

3.4.2. Penambatan Molekul ...................................................................... 34

BAB IV HASIL DAN PEMBAHASAN ........................................................................ 36

4.1. Hubungan Kuantitatif Struktur-Aktivitas (HKSA) .................................... 36

4.1.1. Pemilihan Data Set .......................................................................... 36

4.1.2. Pemilihan Deskriptor Training set dan Test set .............................. 39

4.1.3. Analisa Korelasi Deskriptor dengan Aktivitas Biologis .............. 46

4.1.4. Pemodelan Persamaan HKSA dengan metode MLR .................. 47

4.1.5. Validasi Persamaan HKSA ............................................................ 49

4.2. Penambatan Molekul (Molecular Docking) .................................................. 53

4.2.1. Penyiapan Molekul ......................................................................... 53

4.2.2. Penyiapan Ligan .............................................................................. 54

4.2.3. Penambatan Molekul ...................................................................... 55

4.2.4. Analisa dan Visualisasi Penambatan Molekul ............................. 56

BAB V KESIMPULAN DAN SARAN .......................................................................... 67

5.1. Kesimpulan...................................................................................................... 67

5.2. Saran ................................................................................................................ 67

DAFTAR PUSTAKA ...................................................................................................... 68

LAMPIRAN..................................................................................................................... 69

xiii

DAFTAR GAMBAR

Gambar 2.1. Hubungan antara aktivitas biologis dengan log P……………… 7

Gambar 2.2. Struktur umum senyawa etil p-metoksisinamat ........................... 17

Gambar 2.3. Struktur umum senyawa ester ...................................................... 17

Gambar 2.4. Contoh penamaan amida.............................................................. 18

Gambar 2.5. Reaksi pembuatan amida ............................................................. 18

Gambar 2.6. Reaksi pembuatan amina primer ................................................. 19

Gambar 2.7. Reaksi pembuatan amina sekunder .............................................. 19

Gambar 2.8. Mekanisme inflamasi melalui jalur asam arakidonat ............................ 21

Gambar 2.9. Asam amino alifatik bersifat hidrofobik ...................................... 26

Gambar 2.10. Asam amino aromatik bersifat hidrofobik ................................. 24

Gambar 2.11. Asam amino aromatik bersifat ionic .......................................... 24

Gambar 2.12. Asam amino aromatik bersifat polar.......................................... 24

Gambar 4.1. Struktur Caffeic acid oktil ester yang telah dioptimasi .................. 37

Gambar 4.2. Grafik korelasi antara aktivitas prediksi dan eksperimen ........... 45

xiv

DAFTAR TABEL

Tabel 2.1. Turunan Asam sinamat dengan sifat antiinflamasi ............................. 14

Tabel 4.1. Data set dari 15 senyawa turunan asam sinamat ................................. 37

Tabel 4.2. Training set .......................................................................................... 40

Tabel 4.3. Test Set ................................................................................................ 40

Tabel 4.4. Data deskriptor hidrofobik dan sterik dari 15 senyawa turunan asam

sinamat ................................................................................................ 41

Tabel 4.5. Data deskriptor elektronik dari 15 senyawa turunan asam sinamat .... 46

Tabel 4.6. Nilai Korelasi antara deskriptor dengan nilai aktivitas ....................... 48

Tabel 4.7. Model Persamaan HKSA dengan metode MLR ................................. 49

Tabel 4.8. Perbandingan aktivitas eksperimen dan prediksi training set ............. 51

Tabel 4.9. Nilai RMSD test set ............................................................................ 51

Tabel 4.10. Hasil prediksi aktivitas antiinflamasi dengan HKSA ...................... 53

Tabel 4.11. Hasil visualisai penambatan molekul (3D dan 2D) dengan ligan uji

dan kontrol positif (Ibuprofen) .......................................................... 58

Tabel 4.12. Interaksi molekul ligan dengan asam amino terikat .......................... 63

Tabel 4.13. Jenis asam amino yang terikat pada ligan ......................................... 66

Tabel 4.14. Tabel Rule of Five Lipinski’s ligan yang di dockings ....................... 68

xv

DAFTAR LAMPIRAN

Lampiran 1. Alur penelitian HKSA dan penambatan molekul ............................ 65

Lampiran 2. Tabel rekapitulasi perhitungan deskriptor hidrofobik, sterik, dan

elektronik 15 senyawa turunan asam sinamat ................................ 67

Lampiran 3. Hasil analisi korelasi antara deskriptor dengan aktivitas biologis ... 68

Lampiran 4. Hasil analisis MLR dengan Training Set ......................................... 69

Lampiran 5. Struktur 3D protein COX-2 ............................................................. 71

Lampiran 6. Prosedur kerja penambatan molekul (molecular docking) .............. 72

Lampiran 7. Data hasil docking Autodock Vina .................................................. 83

1

BAB I

PENDAHULUAN

1.1. Latar Belakang

Inflamasi secara sederhana dapat diartikan sebagai respon jaringan

terhadap sel yang rusak. Inflamasi masuk dalam keadaan patologis yang

sering menyebabkan kelainan sel rusak atau nekrosis, itu berarti inflamasi

(peradangan) biasa dianggap sebagai penyakit, kisarannya mulai dari

gigitan serangga hingga menimbulkan banyak komplikasi dan keadaan

serius seperti kanker. Inflamasi kronik berhubungan dengan berbagai

penyakit seperti penyakit infeksi, kanker atau kelainan autoimun yang

menghasilkan immunosupressan oleh terhambatnya sel natural killer dan sel

T, sehingga menyebabkan penyakit (Umar et al, 2012). Enzim yang

berperan dalam terjadinya inflamasi adalah enzim siklooksigenase 2 (COX-

2). COX-2 merupakan enzim yang terinduksi pada sel yang mengalami

inflamasi oleh sitokin, endotoksin, dan faktor pertumbuhan (growth

factors). COX-2 juga berperan dalam proliferase sel kanker. Ekspresi

berlebihan ditemukan pada kebanyakan tumor (Zullies et al, 2006).

Penelitian yang dilakukan untuk menemukan senyawa yang mempunyai

antiinflamasi, salah satunya adalah adalah etil p-metoksisinamat (EPMS).

Etil p-metoksisinamat (EPMS) merupakan salah satu senyawa yang

diperoleh dari rimpang kencur (Kaemferia galanga L.), dan telah banyak

digunakan sebagai pengobatan nyeri dan peradangan, senyawa ini juga

menunjukan aktivitas penghambat proliferasi sel tumor pada jaringan

epidermis tikus dan papiloma (Ekowati et al, 2012). Umar et al (2012)

melaporkan bahwa senyawa EPMS dapat menghambat karagenan

penginduksi edema dengan MIC 100 mg/kg. EPMS non selektif

menghambat aktifitas siklooksigenasi 1 dan 2, dengan nilai IC50 1.12 μm

dan 0.83 μm. Sirisangtragul et al (2011) melaporkan bahwa efek ekstrak

diklorometan K. galanga L dan komponen utama etil p-metoksisinamat

(EPMS) menunjukan aktivitas mikrosomal hepatic pada enzim sitokrom

P450. Untuk menemukan aktivitas dari suatu senyawa amidasi EPMS yang

akan dapat dilakukan dengan beberapa metode, salah satunya metode in

2

silico (komputasi), yakni : Hubungan Kuantitatif Struktur Aktivitas

(HKSA) dan Penambatan Molekul (Molecular Docking).

Hubungan Kuantitatif Aktivitas Struktur Aktivitas adalah

pendekatan yang menghubungkan struktur dan akvitas biologi didalam

tubuh yang dinyatakan secara matematis. Metode HKSA yang banyak

diketahui adalah Metode Free-Wilson dan Hansch. Namun, metode yang

banyak digunakan adalah metode Hansch, dimana metode lebih sederhana;

konsepnya secara langsung berhubungan dengan prinsip-prinsip kimia

fisika organik yang sudah ada; data parameter sifat fisika kimia substituen

sudah banyak tersedia; penggunaan pendekatan model Hansch telah banyak

menjelaskan hubungan struktur – aktivitas suatu turunan obat (Siswandono,

2000). Interaksi dari suatu ligan terhadap molekul dapat dilakukan dengan

metode penambatan molekul.

Penambatan molekul merupakan metode yang memprediksi satu

atau dua molekul ketika mengikat satu sama lain membentuk komplek stabil

yang digunakan untuk memprediksi kekuatan ikatan atau afinitas bidding

antara dua molekul digunakan untuk penentuan nilai sampel (Bachwani

Mukesh et al, 2011). Pada penelitian ini menggunakan senyawa etil p-

metoksisinamat yang dimodifikasi dengan amidasi, kemudian dilakukan

analisa hubungan kuantitatif struktur aktivitas dengan pendekatan Hansch

dilanjutkan dengan penambatan molekul. Metode penambatan molekul ini

dipilih karena secara cepat meramalkan atau memprediksi aktifitas ligan

yang ditambatkan melalui hasil scoring dari tiap-tiap ligan sehingga hasil

yang didapat lebih memudahkan membandingkannya. Penelitian ini

diharapkan mampu memberikan gambaran dan membandingkan interaksi

antara senyawa amidasi etil p-metoksisinamat (EPMS) dengan COX-2.

1.2. Rumusan Masalah

a. Apakah metode pendekatan Hansch dapat menunjukan hubungan

kuantitatif struktur aktivitas antiinflmasi dari struktur senyawa amidasi

etil p-metoksisinamat ?

b. Apakah senyawa dari proses amidasi etil p-metoksisinamat memiliki

interaksi terhadap enzim siklooksigenase-2 (COX-2) ?

3

c. Bagaimanakah perbandingan aktivitas dari masing-masing molekul

ligan senyawa amidasi etil p-metoksisinamat terhadap enzim

siklooksigenase-2 (COX-2) ?

1.3. Hipotesis

Parameter Hidrofobik (Log P), Elektronik (EHOMO, ELUMO, ΔEHOMO-

LOMO, Polarisabilitas), dan Sterik (Indeks Harary, Indeks Randic, Molar

refraksi) mempunyai pengaruh terhadap aktivitas antiinflamasi.

1.4. Tujuan Penelitian

a. Memperoleh model persamaan HKSA Hansch dan prediksi aktivitas

senyawa amidasi etil p-metoksisinamat.

b. Menganalisis interaksi penambatan molekul ligan senyawa amidasi etil

p-metoksisinamat terhadap enzim COX-2.

1.5. Manfaat Penelitian

Memberikan informasi perbandingan dari tiap-tiap senyawa uji yang

dapat digunakan dalam pertimbangan pembuatan obat anti-inflamasi baru.

4

BAB II

TINJAUAN PUSTAKA

2.1. Hubungan Kuantitatif Struktur – Aktivitas (HKSA)

Aktivitas biologis suatu obat diperoleh setelah terjadi interaksi

senyawa dengan molekul spesifik dalam objek biologis. Interaksi tersebut

ditunjangn dengan spesifitas sifat kimia fisika senyawa yang tinggi.

Aktivitas obat berhubungan dengan sifat kimia obat, dan merupakan fungsi

dari struktur molekul obat. Hubungan struktur kimia dan aktivitas biologis

yang tidak baik dapat disebabkan oleh kurang baiknya metode penelitian

yang digunakan. Konsep bahwa aktivitas biologis suatu senyawa

berhubungan dengan struktur kimia, pertama kali dikemukakan oleh Crum,

Brown dan Fraser pada tahun 1869.

Hubungan kuantitatif struktur kimia dan aktivitas biologis obat

merupakan bagian terpenting rancangan obat, dalam usaha mendapatkan

suatu oobat baru dengan aktivitas yang lebih besar, keselektifan yang lebih

tinggi, toksisitas atau efek samping sekecil mungkin dan kenyamanan yang

lebih besar. Selain itu dengan menggunakan model HKSA, akan lebih

menghemat biaya atau lebih ekonomis, karena untuk mendapatkan obat

baru dengan aktivitas yang dikehendaki (Siswandono, 2000).

Kajian hubungan kuantitatif struktur aktivitas (HKSA) menjabarkan

suatu model persamaan yang menghubungkan ketergantungan harga

aktivitas suatu senyawa secara eksperimen dengan struktur molekul.

Menurut Kubinyi, struktur suatu senyawa tersebut dapat direpresentasikan

sebagai parameter fisik dan kimiawi (analisis Hansch), variable indikator

(analisis Free-Wilson) atau dengan peninjauan sifat molekul secara tiga

dimensi (HKSA – 3D) (Tahir et al, 2003).

A. Model Pendekatan Free-Wilson

Free dan Wilson (1964), mengembangkan suatu konsep

hubungan struktur dan aktivitas biologis obat, yang dinamakan model

de novo atau model matematika Free-Wilson. Mereka

mengemukakan bahwa respon biologis merupakan sumbangan

5

aktivitas dari gugus-gugus substituent terhadap aktivitas biologis

senyawa induk, yang dinyatakan melalui persamaan :

Metode Free-Wilson digunakan jika cara kerja obat tidak

diketahui, uji biologis lambat daripada sintesis senyawa turunannya,

dan atau sifat-sifat fisika kimia substituen tidak diketahui. Model ini

didasarkan pada perkiraan bahwa masing-masing substituen pada

struktur senyawa induk memberikan sumbangan tetap pada aktivitas

bilogis. Perkiraan dasar pada model Free-Wilson adalah semua obat

yang diuji harus mempunyai struktur induk sama dan substituen

harus memberikan aktivitas biologis secara aditif dalam kedudukan

yang sama dengan jumlah tetapan yang bebas dari ada atau tidaknya

substituen (Leach, 1996).

Model de novo ini kurang berkembang karena tidak dapat

digunakan bila efek substituent bersifat tidak linier atau bila ada

interaksi antar substituent. Selain itu model ini memerlukan banyak

senyawa dengan kombinasi substituen yang bervariasi untuk dapat

menarik kesimpulan yang benar. Meskipun demikian model ini juga

mempunyai keuntungan karena dpat menghubungan secara

kuantitatif struktur kimia dan aktivitas biologus dari turunan senywa

dengan bermacam-macam gugus substituent pada berbagai zona

(Siswandono, 2000).

B. Model Pendekatan HKSA Hansch

Hansch (1963) mengemukakan suatu konsep bahwa

hubungan struktur kimia dengan aktivitas biologi (log 1/C) suatu

turunan senyawa dapat dinyatakan secara kuantitatif melalui

parameter-parameter sifat kimia fisika dari substituent yaitu

parameter hidrofobik (π), eletronik (σ), dan sterik (Es). Model

pendekatan ini disebut model hubungan energy bebas linier (linier

free energy relationship = LFER) atau pendekatan ekstra

termodinamik. pendekatan hubungan struktur-aktivitas melalui

parameter sifat kimia fisika oleh Hansch dinyatakan melalui

persamaa regresi linier dibawah ini :

6

Log 1/C = a Σ π + b Σ σ + c Σ Es – d

C : Kadar untuk respon biologis baku

Σ π, Σ σ dan Σ Es : Sumbangan sifat-sifat lipofilik, eletronik

dan sterik dari gugus-gugus terhadap sifat-

sifat senyawa induk yang berhubungan

dengan aktivitas biologis.

a, b, c dan d : Bilangan (tetapan) yang didapat dari

perhitungan analisis regresi linier.

Dalam hubungan struktur-aktivitas, model Hansch lebih

berkembang dan lebih banyak digunakan dibanding model de novo

Free-Wilson oleh karena:

a) Lebih sederhana

b) Konsepnya secara langsung berhubungan dengan prinsip-

prinsip kima fisika organic yang sudah ada

c) Data parameter sifat kimia fisika substituent sudah banyak

tersedia dalam tabel-tabel.

d) Penggunaan pendekatan model Hansh telah banyak

menjelaskan hubungan struktur dan aktivitas suatu turunan

obat.

Parameter sifat kimia fisika yang digunakan dalam

pemodelan HKSA Hansch adalah parameter hidrofobik (π),

elektronik (σ) dan sterik (Es).

a. Parameter hidrofobik

Karakter hidrofobik suatu obat dapat dinilai secara

eksperimen dengan menguji sebaran distribusi obat didalam

campuran n-oktanol/air. Molekul hidrofobik akan lebih

terlarut dalam lapisan n-oktanol dalam sistem dua fase, dimana

molekul hidropilik akan lebih ke lapisan air. Distribusi relatif

diketahui sebagai koefisien pastisi (P) dan diperoleh dari suatu

persamaan:

𝑃 =𝐾𝑜𝑛𝑠𝑒𝑛𝑡𝑟𝑎𝑠𝑖 𝑜𝑏𝑎𝑡 𝑑𝑖𝑑𝑎𝑙𝑎𝑚 𝑜𝑘𝑡𝑎𝑛𝑜𝑙

𝐾𝑜𝑛𝑠𝑒𝑛𝑡𝑟𝑎𝑠𝑖 𝑜𝑏𝑎𝑡 𝑑𝑖𝑑𝑎𝑙𝑎𝑚 𝑙𝑎𝑟𝑢𝑡𝑎𝑛 𝑎𝑖𝑟

7

Senyawa hidrofobik dengan nilai P tinggi, dan dimana

senyawa hidrofilik mempunyai nilai P rendah. Variasi

substituen pada senyawa penuntun akan memproduksi seri

analog yang mempunyai perbedaan hidrofobisitas dan

perbedaan nilai P. Dengan memplot atau membandingkan nilai

P dengan aktivitas biologis obat, maka mungkin untuk melihat

jika adanya hubungan antara kedua sifat tersebut. Normalnya

aktivitas obat ditunjukan sebagai 1/C, dimana C adalah

konsentrasi obat yang diperlukan untuk mencapai tingkat

aktivitas biologis. Hubungan timbal-balik konsentrasi (1/C)

digunakan, sejak obat yang lebih aktif akan mencapai aktivitas

biologis pada konsentrasi yang rendah (Patrick, 2009).

Pada grafik (gambar 2.1) plot log (1/C) dengan log P,

dimana rentang nilai log P adalah terbatas pada rentang yang

kecil (log P = 1 – 4), garis lurus pada grafik yang diperoleh

menunjukan bahwa hubungan antara hidrofobisitas dan

aktivitas biologis.

Gambar 2.1. Hubungan antara aktivitas biologis dengan log P

Parameter hidrofobik (lipofilik) yang sering digunakan

dalam HKSA antara lain adalah logaritma koefisien partisi

(log P), tetapan π Hansch, tetapan fragmentasi f Rekker-

Mannhold dan tetapan kromatografi Rm.

b. Parameter elektronik

Efek elektronik pada berbagai subtituen akan jelas

mempunyai efek ionisasi atau kelarutan pada obat. Efek

8

elektronik memungkinkan mempunyai efek bagaiman obat

dengan mdah melewati membran sel atau seberapa kuat efek

tersebut dapat berinteraksi dengan lokasi ikat. Untuk itu efek

tersebut berguna untuk menilai efek elektronik pada substituen.

Deskriptor elektronik telah banyak digunakan untuk membuat

persamaan HKSA maupun HKSS (Hubungan Kuantitatif Sifat-

Struktur). Deskriptor tersebut dibedakan dari nilai tunggal

konstanta elektronik substituen yang diberikan senyawa.

Jumlah deskriptor elektronik dapat dibedakan

berdasarkan dari efek atau kekuatan interaksi intermolekular.

Secara luas dikenal dari kekuatan interaksi intermolekulat

mengikuti: ion-ion, ion-dipol, dipol-dipol, dipol-induksi dipol,

dispersi, dan ikatan hidrogen.

Interaksi ion telah dikodekan didalam studi potensi obat

melalu penggunan konstanta ionisasi. Sebagai deskriptor,

konstanta ionisasi menyajikan informasi tentang tingkat

ionisasi, yang diketahui termasuk absorbsi dan distribusi dari

obat. Menurut Lien et al yang meriview penggunaan deskriptor

pada HKSA bahwa momen dipole menyandikan kekuatan

interaksi kepolaran.

Molekular polarisabilitas dan refraksi molar

mempunyai kedekatan hubungan sifat pengukuran pada

kerentanan molekul menjadi polar. Deskriptor tersebut sering

digunakan pada kondisi dimana dipol-induksi dipole dan

dispersi memainkan peranan penting dalam interaksi. Indeks

reaktifitas biasanya dikategorikan sebagai elektrofilik atau

nukleofilik tergantung dari kereaktifan dari tarikan yang

melibatkan serangan elektrofilik atau nukleofilik.

Metode yang berdasarkan medan gaya molekular klasik

dan metode kimia kuantum, masing-masing dapat digunakan

untuk meminimalkan energi potensial struktur molekul. Kedua

pendekatan tersebut dapat digunakan untuk perhitungan secara

9

trmodinamik dan momen dwikutub tetapi hanya metode kimia

kuantum yang dapat memperkirakan muatan-muatan atom,

energi orbital molekul, dan beberapa deskriptor elektronik

lainnya dalam studi HKSA. Metode kimia kuantum dapat

diaplikasikan dalam HKSA dengan menurunkan deskriptor

elektronik secara langsung dari fungsi gelombang molekular

(Katritzky et al, 1996).

Energi HOMO (Highest Occupied Molecul Orbital) dan

LUMO (Lowest Occupied Molecul Orbital), merupakan

deskriptor yang sangat populer dalam kimia kuantum. Orbital-

orbital ini memainkan peran yang sangat penting dalam

menentukan berbagai reaksi kimia dan dalam penentuan celah

pita elektronik. Energi HOMO berhubungan langsung dengan

potensial ionisasi dan sifat kerentanan molekul dalam

penyerangan terhadap elektrofil. Sedangkan LUMO

berhubungan dengan afinitas elektron. Selisih antara energi

HOMO dan LUMO (celah HOMO-LUMO) penting dalam

penentuan ukuran stabilitas molekul. Molekul dengan celah

HOMO-LUMO yang besar berarti molekul tersebut memiliki

stabilitas yang tinggi, sehingga memiliki reaktivitas yang

rendah dalam reaksi-reaksi kimia. Celah ini juga digunakan

pada perkiraan energi eksitasi terendah molekul (Katritzky et

al, 1996).

Ada tiga jenis sifat elektronik yang digunakan dalam HKSA

model LFER Hansch, yaitu :

1. Pengaruh berbagai substituent terhadap reaktivitas bagian

molekul yang tidak mengalami perubahan.

2. Sifat elektronik yang berikatan dengan tetapan ionisasi

(pKa) dan berhubungan dengan bentuk terionkan dan tak

terionkan dari suatu senyawa pada pH yang tertentu.

3. Sifat oksidasi-reduksi atau reaktivitas senyawa.

c. Parameter sterik

10

Bulk, ukuran dan bentuk suatu obat akan mempengaruhi

bagaimana obat mudah berikatan dan berinteraksi dengan situs

aktif. Substituen bulk dapat bertindak sebagai pelindung yang

cocok berinteraksi antara obat dan situs aktifnya. Sebagai

alternatif, substituen bulk dapat membantu obat berorientasi

dengan maksimum pada situs aktif dan meningkatkan aktivitas.

Sifat sterik sangat sulit untuk dihitung dibanding sifat

hidrofobik dan elektronik. Perhitungan sifat sterik bisa

dilakukan dengan metode molar refraksi, faktor sterik Taft’s,

parameter sterik Verloop dan indeks topologi (Patrick, 2009).

Deskriptor yang digunakan pada penelitian ini adalah

indeks topologi dan refraksi molar (MR). Indeks topologi

banyak digunakan sebagai deskriptor struktur pada model

hubungan kuantitatif struktur-aktifitas (HKSA) dan hubungan

kuantitatif sifat-struktur (HKSS). Indeks topologi menawarkan

cara yang mudah dalam pengukuran cabang molekul, bentuk,

ukuran, siklisitas, simetri, sentrisitas, dan kompleksitas

(Devillers, 1997). Indeks topologi menjelaskan bahwa suatu

struktur kimia, disebut sebagai grafik kimia, yaitu suatu model

kimia yang digunakan untuk menjelaskan sifat interaksi antara

obyek-obyek kimia (atom, ikatan, gugusan atom, molekul,

pasangan molekul, dan sebagainya). Pada penelitian ini

digunakan, yakni: Indeks Randic dan Indeks Harary dan Molar

Refraksi (MR).

a. Indeks Harary

Indeks Harary yang dinyatakan dengan H

diturunkan dari hubungan timbal balik (resiprokal) matriks

jarak dan memiliki sejumlah sifat-sifat yang menarik.

Indeks ini berdasarkan pada dugaan para kimiawan bahwa

situs-situs yang terletak berjauhan dalam suatu struktur

seharusnya memiliki pengaruh yang lebih kecil antara satu

11

dengan lainnya daripada situs-situs yang letaknya

berdekatan.

b. Indeks Randic

Indeks Randic atau indeks konektivitas molekular

Randic sangat mirip dengan indeks Zagreb, namun lebih

dapat diterima dan digunakan secara luas. Sesuai dengan

definisi yang diberikan, maka semakin rapat grafik, maka

akan semakin rendah harga χ (Ivanciuc dan Balaban,

1998).

c. Molar refraksi (MR)

Selain itu, pengukuran sterik yang diketahui

dengan refraksi molar. MR mengukur volume yang diisi

oleh suatu atom atau gugus atom. MR diperoleh dari

persamaan:

Dimana n adalah indeks refraksi, MW adalah berat

molekul, dan d adalah berat jenis. MW/d didefinisakn

sebagai volume, dan (n2 – 1)/(n2 + 2) merupakan faktor

koreksi yang didefinisikan bagaimana suatu substituen

dapat dengan mudah berpolar. Faktor koreksi menunjukan

signifikan jika substituen memiliki π elektron atau

pasangan elekron bebas (Patrick, 2000). Tetapan sterik

substituent dapat diukur berdasarkan sifat meruah gugus-

gugus dan efek gugus pada kontak obat dengan sisi

reseptor yang berlekatan.

2.2. Analisis Statistik HKSA model Hansch

Perhitungan statistik yang sering digunakan dalam hubungan

struktur dan aktivitas melalui parameter kimia fisika adalah regresi linier

dan non linier. Untuk mengetahui hubungan kuantitatif antara struktur kimia

dan aktivitas biologis melalui parameter kimia fisika, dapat dilakukan

perhitungan statistik dengan bantuan komputer, menggunakan program

12

SPSS, MICROSAT, ABSTAT, QSAR, STATGRAPICH, SIGMASTAT,

atau program statistik lain (Siswandono. 1995).

Penggunaan analisa statistik pada HKSA bertujuan untuk melihat

hubungan atau pengaruh deskriptor terhadap aktivitas dan hubungan antara

deskriptor dengan aktivitas adalah linier. Analisa regresi merupakan suatu

model matematis yang dapat digunakan untuk mengetahui bentuk hubungan

anatara dua atau lebih variabel. Tujuan analisa regresi adalah untuk

membuat perkiraan (prediksi) nilai suatu variabel bebas dengan variabel

terikat (Sutanto. 2011). Regresi linier merupakan persamaan yang

melibatkan dua variabel bebas dan terikat. Metode analisa regresi dibagi

menjadi dua yaitu analisa regresi linier sederhana dan analisa regresi

berganda/multilinier atau analisa multi regression linier.

Analisa statistik Multiple Linier Regression (MLR) merupakan

suatu analisa statistik yang melibatkan dua atau lebih variabel bebas

(independen) terhadap satu variabel terikat (dependent). Analisa suatu

persamaan regresi ditentukan oleh beberapa kriteria statistik untuk

memperoleh keabsahan atau validitas persamaan yang diperoleh, yakni:

1. Nilai r (koefisien korelasi) menunjukan tingkat hubungan antara data

aktivitas biologis pengamatan percobaan dengan data hasil perhitungan

berdasarkan persamaan yang diperoleh dari analisis regresi. Koefisien

korelasi adalah angka yang bervariasi mulai dari -1 sampai 1. Semakin

tinggi nilainya semakin baik hubungannya. Untuk mendapatkan nilai

korelasi yang dapat diterima tergantung jumlah data penelitian.

Semakin banyak jumlah data semakin rendah koefisien korelasi atau

nilai r yang dapat diterima.

2. Nilai r2 menunjukan berapa % aktivitas biologis yang dapat dijelaskan

hubungannya dengan parameter sifat kimia fisika yang digunakan.

Contoh : suatu hubungan yang mempunyai koefisien korelasi (r) =

0.990 berarti dapat menjelaskan (0.990)2 x 100% = 98 % dari antar data.

3. Nilai F menunjukan kemaknaan hubungan bila dibandingkan dengan

tabel F. Makin besar nilai F makin besar derajat kemaknaan hubungan.

Nilai F adalah indikator bilangan untuk menunjukan bahwa hubungan,

13

yang dinyatakan oleh persamaan yang didapat, adalah benar atau

merupakan kejadian kebetulan.

4. Nilai t menunjukan perbedaan koefisien regresi a, b, c dan d dari

persamaan regresi bila dibandingkan dengan tabel t.

5. Nilai SE (simpang baku) menunjukan nilai variasi kesalahan dalam

percobaan.

6. PRESS (Prediction Residual Sum of Square) menggambarkan suatu

persamaan dapat memprediksi aktivitas. Semakin kecil suatu nilai

PRESS pada suatu persamaan atau model maka dipilih sebagai

persamaan terbaik untuk memprediksi nilai aktivitas.

2.3. Asam Sinamat

Dalam kimia biologi, asam sinamat merupakan kunci kunci

intermediet pada jalur sikimat dan phenylpropanoid. Asam sikimat

merupakan precursor dari banyak turunanan alkaloid, asam amino aromatic,

dan indol. Asam sikimat ditemukan dalam bentuk bebas, dan terutama

dalam bentuk ester (etil, cinamil, benzyl), dalam jenis minyak esensial, resin

dan balsam, minyak cinnamon, balsam Peru dan balsam Tolu, dll. Asam

sinamat memainkan peran vital dalam sintesis senyawa penting. Sebagai

contoh, turunan asam sinamat dapat diubah menjadi senyawa yang penting

termasuk stiren dan stilbn melalui reaksi dekarboksilasi. Turunan asam

sinamat dikategorikan berdasarkan profil farmakologinya, yakni : Anti TB,

antidiabetis, antioksidan, antimikroba, hepatoprotektif, despresan CNS,

Antikolesterolemik, antijamur dan fungitoksik, antihiperglikemik,

antimalaria, antiviral, anxiolitik, sitotoksik, antiinflamasi (Sharma, 2011).

Beberapa turunan asam sinamat mempunyai aktivitas antiinflamasi

yang telah banyak diketahui, yakni: Etil p-metoksisinamat, turunan caffeic

acid, turunan ferulic acid, turunan hidroksisinamat, dll. Berikut turunan

asam sinamat yang memiliki aktivitas antiinflamasi yang diperoleh dari

penelitian yang dilakukan Nguyen et al [1] (2015), Liu et al [2] (2014), dan

Da Cunha et al [3] (2004).

14

Tabel 2.1. Turunan Asam sinamat dengan sifat antiinflamasi

No Nama dan Struktur senyawa Kode

IC50

µM

1

Caffeic Acid Octyl Ester [3]

A1

2.4

2

(E)-3-(3,4-Dihydroxyphenyl)-N-(4-fluorophenyl)acrylamide [2]

A2

3.7

3

(E)-N-(3,5-Difluorophenyl)-3-(3,4-

dihydroxyphenyl)acrylamide [2]

A3

4.1

4

Caffeic acid phenetyl ester [3]

A4

4.8

5

(E)-N-(2-(Benzo[d][1,3]dioxol-5-yl)ethyl)-3-(3,4-

dihydroxyphenyl)acrylamide [2]

A5

5.0

6

(E)-3-(3,4-Dihydroxyphenyl)-N-(4-methoxyphenyl)acrylamide

[2]

A6

5.2

15

7

(E)-N,N-Dibutyl-3-(3,4-dihydroxyphenyl)acrylamide [2]

A7

6.1

8

(E)-N-(2-(1H-Indol-3-yl)ethyl)-3-(3,4-

dihydroxyphenyl)acrylamide [2]

A8

6.7

9

(E)-3-(3,4-Dihydroxyphenyl)-N-(3-

(trifluoromethyl)phenyl)acrylamide [2]

A9

7.9

10

Caffeic acid butil ester [3]

A10

8.4

11

Caffeic acid benzyl ester [3]

A11

10.7

12

Caffeic acid ethyl ester [3]

A12

11.9

16

13

1-O-caffeoylglycerol [1]

A13

18.5

14

Caffeic acid methyl ester [1]

A14

21.4

15

Caffeoylglycolic acid methyl ester [1]

A15

29

2.4. Etil p-metoksisinamat

Etil p-metoksisinamat (EPMS) merupakan salah satu senyawa yang

diperoleh dari rimpang kencur (Kaemferia galanga L.), dan telah banyak

digunakan sebagai pengobatan nyeri dan peradangan, senyawa ini juga

menunjukan aktivitas penghambat proliferasi sel tumor pada jaringan

epidermis tikus dan papiloma (Ekowati et al, 2012). EPMS termasuk

kedalam senyawa ester yang mengandung cincin benzene dan gugus

metoksi yang bersifat nonpolar dan juga gugus karbonil yang mengikat etil

yang bersifat sedikit polar (Rosbina, 2009). EPMS telah dilaporkan

mempunyai anti-tuberkolosis, nematisidal, penolak nyamuk, larvasidal,

antineoplastic dan potensi anti microbial (Umar et al, 2014).

Gambar 2.2. Struktur umum senyawa etil p-metoksisinamat

17

2.5. Ester

Ester adalah suatu senyawa organik yang terbentuk melalui

pergantian satu (atau lebih) atom hidrogen pada gugus karboksil dengan

suatu gugus organik. Kebanyakan ester tersebar luas pada semua senyawa

alam. Sebagai contoh, metil butanoat ditemukan pada minyak nanas dan

isopentil asetat merupakan senyawa pokok minyak pisang (Mc Murry,

2008). Penamaan ester terdiri dari dua kata, kata pertama adalah nama gugus

alkil yang terikat pada oksigen ester sedangkan kata kedua berasal dari nama

asam karboksilatnya, dengan membuang kata asam (Inggris: -ic acid

menjadi –ate) (Siswandono, 2000). Pada dasarnya ester merupakan asam

karboksilat dengan menghilangkan gugus hidrogen dan digantikan oleh

gugus R dan ester merupakan senyawa yang mempunyai aroma yang enak

dan aroma yang tercium dari buah-buahan, misalnya : propil pentanoat

(nanas), etil butanoat (Winter, A., 2005).

Gambar 2.3, Struktur umum senyawa ester

Esterifikasi adalah reaksi pembentukan ester. Reaksi ini dapat dilakukan

dengan berbagai cara:

1. Reaksi antara asam karboksilat dengan alcohol

RCOOH + R’OH → RCOOR’ + H2O

2. Reaksi antara halide asam dengan alcohol

RCOCl + R’OH → RCOO’R + HCl

3. Reaksi antara anhidrida dan alcohol

(RCO)2O + R’OH → RCOOR’ + RCOOH

4. Reaksi antara suatu karboksilat dan alkil halid relatif

RCOOH + R’X → RCOOR’ + HX

Esterifikasi yang melibatkan alcohol dan asam karboksilat dengan

adanya katalis asam dan basa, hanya akan memberikan hasil yang baik

terhadap alcohol primer, sedangkan dengan alcohol sekunder dan tersier

tidak memberikan hasil yang diharapkan (Kammoun, dkk. 1997).

18

2.6. Amida

Suatu amida ialah suatu senyawa yang mempunyai nitrogen trivalent

yang terikat pada suatu gugus karbonil. Suatu amida diberi nama dari asam

karboksilat induknya, dengan mengubah imbuhan asam …-oat (atau –at)

menjadi –amida.

Gambar 2.4, Contoh penamaan Amida

Amida disintesis dari derivat asam karboksilat dan amonia atau

amina yang sesuai. Reaksi pembentukan sebagai berikut:

Gambar 2.5. Reaksi pembuatan amida (Sumber: Fessenden & Fessenden, 1999)

Reaksi pembentukan amida dapat dilakukan secara industry maupun

secara laboratorium. Amida asam lemak pada industri oleokimia dapat

dibuat dengan mereaksikan asam lemak atau metil ester dengan suatu amina

(Maag, 1984). Amida asam lemak dibuat secara sintesis pada industri

oleokimia dalam proses batch, dimana ammonia dan asam lemak bebas

bereaksi pada suhu 200oC dan tekanan 345 – 690 kpa selama 10 – 12 jam.

Dengan proses tersebutlah dibuat amida primer seperti lauramida,

stearamida, dll.

R’2NH

R’2NH

R’2NH

RCNR’2

O

19

Amida primer juga dibuat dengan mereaksikan ammonia dengan

metil ester asam lemak. Reaksi ini mengikuti konsep HSAB dimana H+ dari

ammonia merupakan hard acid yang mudah bereaksi dengan hard base

CH3O- untuk membentuk metanol. Sebaliknya NH2

- lebih soft-base

dibandingkan dengan CH3O- akan terikan dengan R-CO- yang lebih soft

acid dibandingkan H+ membentuk amida.

Gambar 2.6. Reaksi pembuatan amina primer

Pembuatan amida sekunder dilakukan dengan mereaksikan asam

lemak dengan amina.

Gambar 2.7. Reaksi pembuatan amina sekunder

Senyawa amina yang digunakan untuk reaksi tersebut antara lain

etanolamin, urea, anilin, dietanolamin, asetamid, dll yang jika direaksikan

dengan asam lemak ada suhu tinggi, 150o C – 200oC akan membentuk suatu

amida dan melepaskan air.

Senyawa amida mempunyai banyak kegunaan dalam bidang-bidang

tertentu, salah satu contoh yang paling nyata adalah senywa sulfonamida.

Sulfonamida adalah suatu senyawa kemoterapeutik yang digunakan

didalam pengobatan untuk mengobati bermacam-macam penyakit infeksi,

antara lain disentri baksiler yang akut, radang usus dan untuk mengobati

infeksi yang telah resisten terhadap antibiotikan (Nuraini, W., 1998) dan

juga N-Steroyl Glutamida yang berguna sebagai surfaktan dan antimikroba

(Miranda, 2003).

Amida berperan untuk mempengaruhi polimer yang melebur agar

terlepas dari permukaan wadah logam pengolahan resin. Sebagai pelumas

internal, amida berperan untuk mengurangi gaya kohesi dari polimer dan

meningkatkan aliran polimer pada proses pengolahanya (Reck, 1984).

20

2.7. Inflamasi

Inflamasi merupakan respon imun yang terjadi secara imunologi

saat sel diaktifkan untuk merespon organisme asing asing atau melepaskan

antigen yang menghasilkan respon inflamasi akut atau kronik (Kaztung,

2006). Mekanisme pertahanan merupakan bagian dari host yang diketahui

membawa reaksi inflamasi seperti pelepasan histamin, bradykinin dan

prostaglandin (Siju et al., 2012). Proses inflamasi merupakan suatu

mekanisme perlindungan dimana tubuh berusaha untuk menetralisir dan

membasmi agen-agen yang berbahaya pada tempat cedera dan untuk

mempersiapkan keadaan untuk perbaikan jaringan (Joyce & Eveyln, 1996).

Respon inflamasi terjadi dalam tiga fase dan diperantarai

mekanisme yang berbeda: (1) Fase akut, dengan ciri vasodilatasi lokal dan

peningkatan permeabilitas kapiler, (2) Reaksi lambat, tahap subakut dengan

ciri infiltrasi sel leukosit dan fagosit; dan (3) Fase proliferatife kronik, saat

degenerasi dan fibrosis terjadi (Dept. Farmakologi dan Teurapetik, 2007).

Lima ciri khas dari inflamasi, dikenal sebagai tanda-tanda utama inflamasi,

adalah kemerahan, panas, pembengkakan (edema), nyeri dan hilangnya

fungsi.

21

Gambar 2.8, Mekanisme inflamasi melalui jalur asam arakidonat

(Sumber: Claria, 2003)

Secara in vitro terbukti bahwa prostaglandin E2 (PGE2) dan

protasiklin (PGI2) dalam jumlah nanogram, menimbulkan eritema,

vasodilatasi dan peningkatam aliran darah lokal. Histamin dan bradikinin

dapat meningkatkan permeabilitas vascular, tetapi efek vasodilatasinya

tidak besar. Dengan penambahan sedikit PG, efek eksudasi histamine

plasma dan bradikinin menjadi lebih jelas. Migrasi leukosit ke jaringan

radang merupakan aspek penting dalam proses inflamasi. (Ganiswarna,

1995).

Prostaglandin mempunyai efek yang bermacam-macam terhadap

pembuluh darah, terhadap ujung saraf (nerve ending), dan terhadap sel yang

terlibat dalam peradangan. Leukotriene mempunyai efek kemotaktik yang

kuat terhadapp eosinophil, neutrophil, dan makrofag serta meningkatkan

bronkokonstriksi dan perubahan permeabilitas vascular (Katzung. 2006).

22

2.8. Enzim Siklooksigenase 2 (COX-2)

Enzim adalah suatu kelompok protein yang menjalankan dan

mengatur perubahan-perubahan kimia dalam sistem biologi, zat ini

dihasilkan oleh organ-organ hewan dan tanaman, yang secara katalitik

menjalankan berbagai reaksi, seperti pemecahan hidrolisis, oksidasi,

reduksi, isomerasi, adisi, transfer radikal dan kadang-kadang pemutusan

rantai karbon (Hammes & Hopper, 2005).

Enzim siklooksigenase merupakan enzim yang mengkatalisis

pembentukan prostaglandin, suatu mediator inflamasi, dan produk

metabolisme asam arakidonat. Enzim COX terdiri dari 2 iso-enzim yaitu

COX-1 dan COX-2. Enzim COX-1 ber-sifat konstitutif untuk memelihara

fisiologi normal dan homeostasis, sedangkan COX-2 merupakan enzim

yang terinduksi pada sel yang mengalami inflamasi oleh sitokin, endotoksin,

dan faktor per-tumbuhan (growth factors). COX-2 juga berperan dalam

proliferasi sel kanker. Ekspresi berlebihan COX-2 ditemukan pada

kebanyakan tumor.

Penemuan isoform COX-2 membuka lem-baran baru penelitian

yang didasarkan pada asum-si bahwa patologis prostaglandin (PG)

diproduksi oleh induktif yang isoform, sedangkan fisiologis prostaglandin

diproduksi oleh konstitutif COX-1 (Zukhurullah, 2012).

2.9. Protein dan Asam Amino

Asam amino merupakan suatu susunan protein. Protein dari semua

spesies, dari bakteri sampai manusia, terdiri dari kumpulan dari 20 asam

amino standar yang sama. Sembilan belas di antaranya adalah asam α-amino

dengan gugus amino primer (-NH3+) dan asam karboksilat (karboksil; -

COOH) yang terikat pada atom karbon pusat, yang disebut atom α-karbon

(Cα) karena berdekatan dengan gugus karboksil dan juga terikat pada atom

Cα yaitu atom hidrogen dan variabel rantai samping atau gugus 'R'. Nama-

nama asam amino sering disingkat menjadi tiga huruf atau satu huruf.

Contoh: prolin disingkat Pro atau P (Hammes & Hopper, 2005).

Asam amino adalah struktur penyusun polimer protein. Asam amino

merupakan senyawa yang memiliki atom hidrogen, gugus karboksil, dan

gugusamino yang terikat pada atom karbon yang sama (karbon-α). Selain

23

tiga gugus tersebut, terdapat juga gugus R yang merupakan rantai samping

yang akan membedakan tiap asam amino dalam hal struktur, ukuran, dan

muatan listrik. Terdapat 20 jenis asam amino umum yang menyusun protein

(Gambar 2.6). Asam amino yang pertama kali ditemukan adalah asparagin

pada tahun 1806, sedangkan asam amino yang terakhir kali ditemukan

adalah treonin, yang belum teridentifikasi hingga 1938 (Nelson & Cox,

2008).

Ada 20 asam amino standar yang hanya berbeda dalam struktur

rantai samping atau gugus 'R'. Asam amino tersebut dapat dibagi menjadi

kelompok-kelompok kecil berdasarkan kesamaan dalam sifat-sifat rantai

sampingnya. (Hammes & Hopper, 2005).

Gambar 2.9. Asam amino alifatik bersifat hidrofobik

(Sumber: Hammes & Hopper, 2005).

24

Gambar 2.10. Asam amino aromatik bersifat hidrofobik

(Sumber: Hammes & Hopper, 2005).

Gambar 2.11, Asam amino bermuatan bersifat ionik

(Sumber: Hammes & Hopper, 2005).

Gambar 2.12, Asam amino tak bermuatan bersifat polar

(Sumber: Hammes & Hopper, 2005).

Urutan linear asam amino yang bergabung melalui ikatan peptida

disebut struktur primer protein. Posisi ikatan kovalen disulfida antara residu

25

sistein juga termasuk dalam struktur primer. Gabungan antara dua struktur

primer membentuk struktur protein sekunder. Struktur sekunder protein ini

mengacu pada lipatan teratur daerah dari rantai polipeptida. Dua jenis

struktur sekunder adalah α-helix dan β-pleated sheet. α-helix berbentuk

silinder, rangkaian heliks asam amino seperti batang dalam rantai

polipeptida yang ditahan oleh ikatan hidrogen yang sejajar dengan sumbu

helix. Dalam β-pleated sheet, ikatan hidrogen terbentuk antara bagian yang

berdekatan dari polipeptida yang baik berjalan di arah yang sama (β-pleated

sheet paralel) atau dalam arah yang berlawanan (β-pleated sheet

antiparalel). β-membalikkan arah rantai polipeptida dan seringkali

ditemukan terhubung dengan ujung β-pleated sheet antiparallel (Hammes &

Hopper, 2005).

Protein dapat diklasifikasikan berdasarkan kelarutan, bentuk,

fungsi biologis, atau struktur tiga dimensinya. Berdasarkan fungsi biologis

tersebut, protein dapat diklasifikasikan sebagai enzim (dehidrogenase,

kinase), protein penyimpanan (feritin, mioglobin), protein pengatur (protein

pengikat DNA, hormon polipeptida), protein struktural (kolagen,

proteoglikan), protein pelindung (faktor pembekuan darah, imunoglobulin),

protein pengangkut (hemoglobin, lipoprotein plasma), dan protein

kontraktil/ motil (aktin, tubulin) (Murray et al, 2003).

2.10. Interaksi Protein dengan Ligan

A. Ikatan Hidrogen

Ikatan hidrogen adalah interaksi antara atom hidrogen

bermuatan positif parsial dalam dipol molekuler dengan elektron tidak

berpasangan dari atom lain, baik pada molekul yang sama maupun

molekul yang lain. Secara normal, atom hidrogen membentuk ikatan

hidrogen hanya dengan satu atom lainnya, namun atom hidrogen yang

terikat secara kovalen dengan atom donor elektronegatif dapat

berinteraksi membentuk ikatan hidrogen dengan atom akseptor.

Ikatan hidrogen yang terkuat memiliki susunan atom donor,

atom hidrogen, dan atom akseptor pada garis lurus (Lodish, et al., 2008).

Atom yang mengikat atom hidrogen dinamakan atom donor,

26

pasangannya adalah atom akseptor. Jika salah satu atau kedua atom pada

ikatan hidogen bermuatan penuh, maka interaksi keduanya akan lebih

kuat. Jika keduanya bermuatan penuh, energi ikatan diantaranya sangat

tinggi dan pasangan ion ikatan hidrogen tersebut dinamakan jembatan

garam (Petsko & Ringe, 2003).

Secara umum, ikatan hidrogen didasari dengan donor X-H dan

akseptor A, yakni X–H---A. Jika ikatan hidrogen diperpanjang di sisi

akseptor sebagai X–H---A–Y, sudut akseptor H---A–Y juga dapat

didefinisikan (Desiraju & Steiner, 1999).

B. Ikatan Ionik

Ikatan ion terbentuk antara gugus – gugus yang memiliki muatan

yang berlawanan dan sangat penting untuk beberapa interaksi ikatan

obat-target. Beberapa pengantar pesan kimia alami tubuh berinteraksi

melalui ikatan ion (Patrick, 2001).

C. Ikatan van der Waals

Interaksi van der waals adalah interaksi lemah yang muncul

diantara gugus – gugus hidrofobik seperti cincin aromatik dan gugus

alkil. Interaksi ini muncul disebabkan adanya fluktuasi acak dalam

densitas elektron sehingga membentuk daerah sementara yang kaya

elektron atau sedikit elektron. Daerah kaya elektron pada satu molekul

akan menarik daerah yang elektronnya sedikit pada molekul lain.

Interaksi ini lebih lemah dari ikatan ion dan ikatan hidrogen dan

melibatkan molekul hidrogen netral (Patrick, 2001).

Energi ikatan van der Waals terbilang kecil, yaitu sekitar 2-4

kJ/mol per-pasang atom (Berg, Tymoczko, & Stryer, 2007). Interaksi

van der Waals berkurang ketika jarak antar atom menjauh, maka hanya

atom yang saling berdekatan (hanya terpisah 5 Ǻ atau kurang) yang

memungkinkan terjadinya interaksi ini Interakasi var der Waals yang

ada pun biasanya lemah, namun jumlahnya yang banyak pada protein

memberikan peran yang cukup besar (Petsko & Ringe, 2003).

D. Ikatan Hidrofobik

27

Hidrokarbon adalah molekul yang terdiri atas karbon dan

hidrogen dan tidak larut dalam air. Ikatan kovalen antara dua atom

karbon dan antara atom karbon dan atom hidrogen adalah ikatan

nonpolar yang paling umum dalam sistem biologis. Molekul nonpolar

tidak mengandung gugus bermuatan, momen dipol, atau terhidrasi,

sehingga tidak larut atau hampir tidak larut dalam air. Karenanya,

mereka disebut hidrofobik (Lodish, et al., 2008).

Interaksi hidrofobik merujuk pada kecenderungan senyawa

nonpolar untuk bergabung satu sama lain dalam lingkungan encer

(Murray, Granner, Mayes, & Rodwell, 2003). Molekul nonpolar juga

dapat bergabung melalui interaksi van der Waals walaupun lemah.

Gabungan antara interaksi hidrofobik dan van der Waals membuat

molekul hidrofobik cenderung berinteraksi dengan satu sama lainnya,

bukan dengan air. Sederhananya, sesuai kaidah like dissolves like,

molekul polar terlarut dalam pelarut polar seperti air, sementara molekul

nonpolar terlarut dalam pelarut nonpolar seperti heksan (Lodish, et al.,

2008).

2.11. Molecular docking (Penambatan Molekul)

Penambatan molekul atau molecular docking adalah prosedur

komputasional yang digunakan untuk memprediksikan ikatan non-kovalen

makromolekul, lebih sering, sebuah molekul besar (reseptor) dan sebuah

molekul kecil (ligan) secara efisien, dimulai dari struktur-struktur yang

tidak saling berikatan struktur yang ditemukan dari simulasi dinamika

molekul, homology modeling, dan lain-lain (Arry Yanuar, 2012). Molecular

docking adalah metode yang memprediksi orientasi sebuah molekul ketika

berikatan satu sama lain membentuk kompleks yang stabil. Orientasi dapat

digunakan untuk memprediksi kekuatan asosiasi atau afinitas bidding antara

dua molekul yang digunakan sebagai contoh scoring function. (Bachwani

Mukesh et al, 2011).

Penambatan molekuler digunakan untuk memprediksi struktur

kompleks intermolekuler yang terbentuk antara dua atau lebih molekul.

Kasus paling menarik adalah interaksi ligan dan protein karena

28

penerapannya pada bidang kedokteran. Ligan adalah molekul kecil yang

berinteraksi dengan lokasi ikatan protein. Lokasi ikatan adalah daerah

protein yang diketahui aktif dalam pembentukkan senyawa. Ada beberapa

konformasi mutual yang memungkinkan di mana ikatan dapat terjadi. Hal

tersebut dinamakan model ikatan.

Hubungan antara molekul biologis yang relevan seperti protein,

asam nukleat, karbohidrat, dan lipid memainkan peran sentral dalam

transduksi sinyal. Selanjutnya, orientasi relatif dari dua pasangan yang

berinteraksi dapat mempengaruhi jenis sinyal yang dihasilkan. Oleh karena

itu docking berguna untuk memprediksi baik kekuatan dan jenis sinyal yang

dihasilkan. Docking sering digunakan untuk memprediksi orientasi ikatan

kandidat obat bermolekul kecil terhadap target proteinnya untuk

memprediksi afinitas dan aktivitas molekul kecil. Maka docking memainkan

peran penting dalam desain obat secara rasional (Bachwani Rakesh, 2011).

Fokus Penambatan molekul untuk mensimulasikan secara

komputasi proses pengenalan molekul. Tujuan dari Penambatan molekul

adalah untuk mencapai konformasi yang optimal untuk kedua protein dan

ligan serta orientasi relatif antara protein dan ligan sehingga energi bebas

dari sistem secara keseluruhan diminimalkan. Proses komputasi mencari

ligan yang cocok baik secara geometris dan energi ke situs pengikatan

protein ini disebut penambatan molekul. Penambatan molekul membantu

dalam mempelajari obat / ligan atau interaksi reseptor / protein dengan

mengidentifikasi situs aktif yang cocok pada protein, mendapatkan geometri

terbaik dari ligan - kompleks reseptor, dan menghitung energi interaksi dari

ligan yang berbeda untuk merancang ligan yang lebih efektif (Bachwani

Mukesh, 2011).

Untuk melakukan skrining penambatan, syarat pertama adalah

struktur protein yang dikehendaki. Biasanya struktur telah ditentukan

dengan menggunakan teknik biofisik seperti kristalografi sinar-X, atau

spektroskopi NMR. Struktur protein dan basis data ligan yang potensial ini

berfungsi sebagai input untuk program docking. Keberhasilan program

29

docking tergantung pada dua komponen: pencarian algoritma dan fungsi

scoring (Bachwani Mukesh, 2011).

Beberapa algoritma penambatan yang umum digunakan antara lain

dinamika molekuler, metode Monte Carlo, algoritma genetika, Fragment-

based methods, point complementary methods, distance geometry methods,

tabu searches, dan systematic searches. Dua pendekatan yang paling

populer adalah metode Monte Carlo dan algoritma genetika (Kitchen,

Decornez, Furr, & Bajorath, 2004).

Setelah melalui beberapa metode algoritma penambatan seperti

yang dijelaskan di atas, proses penambatan molekuler dilanjutkan dengan

fungsi penilaian untuk memperkirakan energi bebas dari ligan dalam model

ikatannya. Fungsi penilaian dikelompokkan menjadi beberapa bagian yaitu

berdasarkan empiris, berdasarkan force field, dan berdasarkan pengetahuan

(knowledge-based) (Tiikkainen, 2010). Proses penambatan molekuler

menyangkut prediksi konformasi ligan dan orientasi (penentuan posisi)

dengan sisi penambatan yang ditargetkan. Aspek teoritis mengenai

penambatan molekuler dilakukan dengan memprediksikan posisi suatu

ligan [I] pada suatu makromolekul protein [E] dibawah kondisi ekuilibrum

(conformational search).

Fungsi scoring dapat memprediksi afinitas ikatan antara

makromolekul dengan ligan. Identifikasi ini didasarkan pada beberapa teori

seperti teori energi bebas Gibbs. Nilai energi bebas Gibbs yang kecil

menunjukkan bahwa konformasi yang terbentuk adalah stabil, sedangkan

nilai energi bebas Gibbs yang besar menunjukkan tidak stabilnya kompleks

yang terbentuk. Sedangkan penggunaan algoritma berperan dalam

penentuan konformasi (docking pose) yang paling stabil dari pembentukan

kompleks (Funkhouser, 2007).

Berdasarkan interaksi yang terjadi, terdapat beberapa jenis

molecular docking, yaitu:

- Docking protein / ligan kecil

- Docking protein / peptida

- Docking protein / protein

30

- Docking protein / nukleotida (Bachwani Mukesh, 2011)

2.12. Protein Data Bank (PDB)

Protein Data Bank (PDB; http://www.rcsb.org/pdb/) adalah sebuah

dokumen atau kumpulan data eksperimental struktur tiga dimensi dari

makromolekul biologis, yang sekarang berjumlah lebih dari 32.500

(Berman, et al., 2000), termasuk protein dan asam nukleat. Molekul –

molekul tersebut adalah molekul yang ditemukan di semua organisme

termasuk bakteri, ragi, tanaman, lalat, hewan lain, dan manusia. Informasi

ini dapat digunakan untuk membantu menyimpulkan peran struktur dalam

kesehatan manusia dan penyakit, dan dalam pengembangan obat. Struktur

yang terdapat dalam arsip ini mulai dari protein kecil dan potongan-

potongan DNA sampai molekul kompleks seperti ribosom (RCSB, 2014).

2.13. PubChem

PubChem (http://PubChem.ncbi.nlm.nih.gov) adalah gudang

informasi molekuler untuk umum, sebuah karya ilmiah dari Institut

Kesehatan Nasional Amerika (US National Institutes of Health / NIH). Basis

data PubChem memiliki lebih dari 27 juta catatan struktur kimia khusus dari

senyawa yang berasal dari hampir 70 juta senyawa endapan, dan berisi lebih

dari 449.000 catatan bioassay dengan lebih dari ribuan biokimia in vitro dan

skrining berbasis sel, dengan menargetkan lebih dari 7000 protein dan gen

yang terhubung dengan lebih dari 1,8 juta senyawa (Xie, 2010). Pada situs

PubChem ini dapat diunduh struktur kimia dari suatu senyawa secara gratis

yang dibutuhkan dalam studi penambatan molekul.

2.14. Autodock

Autodock merupakan program penambatan molekuler yang efektif

yang secara cepat dan akurat dapat memprediksi konformasi dan energi dari

suatu ikatan antara ligan dan target makromolekul. Autodock terdiri dari

dua program utama, yaitu Autodock dan Autodock grid. Autodock untuk

melakukan penambatan molekuler ligan dan protein target dengan set grid

yang telah terdeskripsi. Pendeskripsian ini dilakukan sebelumnya dengan

Autogrid. Untuk memungkinkan pencarian konformasi, Autodock

membutuhkan ruang pencarian dalam sistem koordinat dimana posisi ligan

dianggap akan terikat (Morris et al., 2009).

31

2.15. Autodock Vina

AutoDock Vina adalah salah satu perangkat lunak yang tepat dan

dapat diandalkan yang tersedia untuk penemuan obat, penambatan molekul

dan skrining virtual yang dirancang dan diterapkan oleh Dr. Oleg Trott.

Vina menawarkan fungsi yang beragam, tingkat kinerja tinggi dan

meningkatkan akurasi untuk mempermudah penggunaan. Perangkat lunak

ini dapat dioperasikan dengan bantuan AutoDockTools (ADT) atau

instruksi command line (Sandeep, Nagasree, Hanisha, Murali, & Kumar,

2011).

2.16. Pymol

PyMOL merupakan salah satu program visualisasi yang digunakan

untuk memahami suatu struktur biologi dan dapat menampilkan gambar tiga

dimensi yang berkualitas dan mampu menyajikan tampilan struktur dalam

beberapa warna dari suatu molekul kecil maupun makromolekul seperti

protein. Visualisasi sangatlah penting untuk lebih memahami dan

mendalami struktur suatu molekul. Perangkat lunak ini dikomersilkan oleh

DeLano Scientific LLC (Delano & Bromberg, 2004).

2.17. Marvin Skecth

Marvin sketch merupakan suatu program yang dapat digunakan

untuk menggambar dan mengedit struktur, reaksi, atau menghitung struktur

data kimia dengan operasi yang intuitif. MarvinSketch juga dapat

menetapkan stereokimia, charge, valensi, radikal dan isotop untuk setiap

atom. Marvin Sketch juga dapat digunakan untuk penambahan hidrogen dan

membuat struktur 2 dimensi dan 3 dimensi.

32

BAB III

METODE PENELITIAN

3.1. Tempat dan Waktu Penelitian

Penelitian dilaksanakan bertempat di Fakultas Kedokteran dan Ilmu

Kesehatan (FKIK) Universita Islam Negeri Syarif Hidayatullah Jakarta dan

di Lembaga Ilmu Pengetahuan Indonesia (LIPI) Serpong selama bulan

Februari hingga Mei 2015.

3.2. Alat

3.2.1. Perangkat Keras

Notebook Acer (4750z Aspire series) dengan spesifikasi Intel®

pentium® CPU (B940 @ 2.00GHz (2 CPUS), ~2.00 GHz), RAM (Random

Access Memory) 2.00 gigabyte, dan Graphic Card (Intel® HD Graphics

Family) 798 megabyte. Notebook terhubung dengan AC/DC adapter dan

terkoneksi internet.

3.2.2. Perangkat Lunak

Sistem operasi menggunakan Windows 7 Ultimate 32 bit, Autodock

Tools, Python 2.5.2 dan MGLTools 1.5.6 (Scripps Research Institute),

Discovery Studio 3.5 Visualizer (Accelrys Enterprise Platform),

Hyperchem 8.0, Open Babel 2.3.2, Autodock Vina, Pymol (De Lano

Scitientific LLC), SPSS 16.0.0, LigPlot+ 1.4.5, Marvin Sketch 5.5.1.0

(http://www.chemaxon.com), ACD/Labs 2012 (www.acdlabs.com), Protein

Data Bank (http://www.rcsb.org/pdb).

3.3. Bahan

3.3.1. Training Set dan Test Set

Training set dan test set didapatkan dari literatur dari pengujian

secara in vitro. Data training set dan test yang digunakan harus seragam dari

segi jenis pengujian, aktivitas dan kemiripan struktur.

3.3.2. Molekul Tiga Dimensi (3D)

Molekul tiga dimensi COX-2 diunduh dari Bank Data Protein

melalui situs http://www.rcsb.org/pdb. Molekul protein yang dipilih adalah

dengan kode 1CX2 dan diunggah dengan format text (gz) atau .pdb

33

3.3.3. Struktur Tiga Dimensi (3D) Ligan Amidasi EMPS

Ligan yang digunakan adalah ligan dari amidasi etil p-

metoksisinamat (EPMS) yang dibuat dengan Marvin Sketch dengan format

.mol.

3.4. Cara Kerja

3.4.1. Penyiapan Model HKSA

a. Pemodelan Training Set dan Test Set

Training set dan test set yang didapatkan dari literatur dan dibuat

ke dalam bentuk 2 dimensi menggunakan Marvin Skecth, kemudian

optimasi ke dalam bentuk 3 dimensi pada menu structure → clean 3d

dan disimpan kedalam format .mol. Training set yang digunakan untuk

membangun persamaan sebanyak 11 struktur yang dipilih secara acak

dan sisanya digunakan untuk Test set untuk mevalidasi persamaan.

b. Pemilihan Deskriptor

Pemilihan deskriptor berdasarkan parameter hidrofobitas,

parameter elektronik, dan parameter sterik. Parameter hidrofobik

menggunakan deskriptor Log P, parameter elektronik menggunakan

descriptor EHOMO, ELUMO, Selisih EHOMO-LUMO dan Polarisabilitas,

parameter sterik menggunakan deskriptor indeks topologi menggunakan

indeks Randic dan Harary serta molar refraksi (MR). Kemudian,

masing-masing training set dan test dihitung nilai deskriptor

menggunakan software Marvin Skecth untuk menghitung deskriptor log

P dan indeks topologi, ACD Labs untuk menghitung MR dan

Polarisabilitas dan Hyperchem 8.0 untuk menghitung EHOMO dan ELUMO.

c. Analisa Korelasi Statistik

Nilai dari tiap-tiap deskriptor dari training set yang sudah

dihitung (variabel bebas), kemudian dianalisa korelasi atau

hubungannya dengan nilai aktivitas biologis (variabel tergantung) pada

tingkat kepercayaan 95% (0.05) dengan menggunakan software SPSS

16.0.0. Analyze → correlate → bivariate

d. Analisa Multiple Linies Regression (MLR)

Rekapitulasi nilai dari tiap-tiap deskriptor training set dan nilai

dari aktivitas biologis, kemudian diinputkan ke dalam tabel yang dibuat

34

di program SPSS 16.0.0. Masukan varibel dependent adalah aktivitas

biologis dan variabel independent adalah deskriptor Setelah itu

dilakukan analisa multiregresi untuk mendapatkan prediksi model

dengan metode backward. Pemilihan akhir model ditentukan dengan

nilai R dan R2 > 0.8, Fhit > Ftab. Analyze → regression →linier.

e. Validasi Persamaan HKSA

Validasi persamaan HKSA dengan menggunakan test set untuk

menghitung nilai dari RMSD (Root Mean Square Deviation) < 1 dan

PRESS (Prediction Residual Sum of Square) < 1.

3.4.2. Penambatan Molekul

A. Penyiapan Struktur Molekul COX-2

Pengunduhan makromolekul COX-2 dari Bank Data Protein melalui

situs http://www.rcsb.org/pdb/. Identitas molekul yaitu 1CX2. Data

makromolekul diunduh dalam format text (gz).

1. Pemisahan Makromolekul Air dan Ligan

Makromolekul protein yang telah diunggah, dipisahkan dari

ligan dan pelarut dan molekul air. Pemisahan menggunakan Discovery

Studio 3.5 Visualizer. Setelah dipisahankan, kemudian simpan dalam

format .pdb.

2. Optimasi Molekul

Optimasi makromolekul dilakukan dengan menggunakan

Autodock Tool dan buka makromolekul yang disimpan dalam format

.pdb (file → read molecule → .pdb).

3. Menentukan Lokasi Penambatan Molekul – Ligan

Penentuan lokasi penambatan molekul dilakukan berdasarkan

jurnal atau buku referensi dengan menggunakan Autodock Tools.

Pengaturan dilakukan dengan grid box (grid → grid box) yang meliputi

ukuran (size x, y, z), kordinat (center x, y, z) dan, besarnya ukuran

(amstrong) dan simpan (file → close saving current).

B. Penyiapan Struktur Tiga Dimensi (3D) Ligan

Ligan yang digunakan adalah Ibuprofen diunggah melalui PubChem

(http://PubChem.ncbi.blm.nih.gov) sebagai pembanding dan senyawa

35

amidasi yang dibuat dengan menggunakan Marvin Sketch yang disimpan

dengan format .pdb.

Struktur ligan yang telah dibuat, kemudian dioptimasi dengan

menggunakan Autodock Tools. Kemudian, buka ligan yang telah dibuat

(ligand → input → open), setelah itu simpan dalam bentuk .pdbqt (ligand

→ output → save as pdbqt →save).

C. Penambatan Molekul dengan Autodock Vina

Ligan dan Protein yang telah tersimpan dalam format .pdbqt dikopi

atau dipindah kedalam folder Vina. Kemudian buat konfigurasi file vina

yang diketik pada notepad yang disimpan dengan nama conf.txt. Jalankan

Vina melalui Command prompt.

D. Analisa dan Visualisasi Penambatan Molekul

Hasil kalkulasi penambatan dilihat pada output dalam format

out.pdbqt atau bentuk notepad. Hasil docking dilakukan dengan memilih

ligan yang memiliki energi ikatan yang paling rendah, nilai ikatan dapat

dilihat di ‘log.txt’.

Posisi ligan-ligan pada makromolekul, serta asam amino yang

terikat pada ligan divisualisasikan dengan perangkat lunak PyMol untuk

melihat kecocokan bentuk dan volume antara ligan dan situs tambatanya.

E. Analisa Interaksi Ligan dan Molekul

Makromolekul dan output dalam bentuk .pdbqt dibuka dengan

menggunakan Wordpad. Kopi isi dalam output.pdbqt dan tambahkan

kedalam makromolekul dan simpan dalam format .pdb.

Visualisi interaksi makromolekul dan ligan dengan menggunakan

Ligplot untuk melihat kekuatan interaksi dan ikatan pada asam amino dalam

bentuk dua dimensi dan masukan file .pdb (output makromolekul dan ligan).

36

BAB IV

HASIL DAN PEMBAHASAN

4.1. Hubungan Kuantitatif Struktur-Aktivitas (HKSA)

4.1.1. Pemilihan Data Set

Data set yang digunakan harus memenuhi beberapa parameter agar

data yang digunakan seragam, parameter tersebut adalah keseragaman

pengujian (bahan dan cara pengujian), keseragaman aktivitas, dan senyawa

yang diuji (turunan asam sinamat). Data turunan asam sinamat yang

digunakan adalah berasal dari hasil penelitian secara in vitro yang dilakukan

oleh Nguyen et al [1] (2015), Liu et al [2] (2014), Da Cunha et al [3] (2004)

terhadap penghambatan aktifitas inflamasi atau konsentrasi hambat 50%

(IC50). Kemudian data senyawa dari 15 asam sinamat dibagi menjadi 2

bagian yakni 10 training set dan 9 test set.

Tabel 4.1. Data set dari 15 senyawa turunan asam sinamat

No Nama dan Struktur senyawa Kode

IC50

µM

1

Caffeic Acid Octyl Ester [3]

A1

2.4

2

(E)-3-(3,4-Dihydroxyphenyl)-N-(4-

fluorophenyl)acrylamide [2]

A2

3.7

37

3

(E)-N-(3,5-Difluorophenyl)-3-(3,4-

dihydroxyphenyl)acrylamide [2]

A3

4.1

4

Caffeic acid phenetyl ester [3]

A4

4.8

5

(E)-N-(2-(Benzo[d][1,3]dioxol-5-yl)ethyl)-3-(3,4-

dihydroxyphenyl)acrylamide [2]

A5

5.0

6

(E)-3-(3,4-Dihydroxyphenyl)-N-(4-

methoxyphenyl)acrylamide [2]

A6

5.2

7

(E)-N,N-Dibutyl-3-(3,4-dihydroxyphenyl)acrylamide [2]

A7

6.1

38

8

(E)-N-(2-(1H-Indol-3-yl)ethyl)-3-(3,4-

dihydroxyphenyl)acrylamide [2]

A8

6.7

9

(E)-3-(3,4-Dihydroxyphenyl)-N-(3-

(trifluoromethyl)phenyl)acrylamide [2]

A9

7.9

10

Caffeic acid butil ester [3]

A10

8.4

11

Caffeic acid benzyl ester [3]

A11

10.7

12

Caffeic acid ethyl ester [3]

A12

11.9

13

1-O-caffeoylglycerol [1]

A13

18.5

39

14

Caffeic acid methyl ester [1]

A14

21.4

15

Caffeoylglycolic acid methyl ester [1]

A15

29

*Catatan : Untuk mempermudah input data maka nama senyawa akan

digantikan dengan kode.

Tabel 4.2. Training Set Tabel 4.3.Test Set

No. Kode µM No. Kode µM

1 A1 2.4 1 A3 4.1

2 A2 3.7 2 A8 6.7

3 A3 4.8 3 A11 10.7

4 A5 5.0 4 A15 29

5 A6 5.2

6 A7 6.1

7 A9 7.9

8 A10 8.4

9 A12 11.9

10 A13 18.5

11 A14 21.4

4.1.2. Pemilihan Deskriptor Training set dan Test set

A. Parameter Hidrofobik

Deskriptor yang dipilih adalah deskriptor yang dapat mewakili

atau menjelaskan parameter dari persamaan Hansch, yakni: hidrofobik,

elektronik, dan sterik. Deskriptor yang mewakili parameter hidrofobik

adalah Log P atau koefisien partisi karena Log P dapat menjelaskan

40

kelarutan suatu obat didalam molekul yang diperoleh secara eksperimen

dengan menguji sebaran distribusi obat dalam campuran n-oktanol/air

(Patrick, 2000).

Data deskriptor hidrofobik berupa nilai log P disajikan pada tabel

4.1. Log P sendiri berkaitan dengan distribusi obat kedalam tubuh,

dimana nilai log P menunjukan kelarutan senyawa tersebut antara

larutan nonpolar dan polar (Widyaningsih. dkk, 2007) dan memliki

kelarutan yang buruk pada fase air sedangkan nilai log P semakin kecil

menunjukan bahwa kecenderungan suatu obat memiliki kelarutan

berada pada fase polar dan mempunyai permeabilitas yang buruk pada

lipid bilayer (Kerns and Li di, 2008). Perhitungan Log P menggunakan

program yang tersedia pada Marvin Skecth.

Tabel 4.4. Data deskriptor hidrofobik dan sterik 15 senyawa turunan asam sinamat

Rekapitulasi Deskriptor Hidrofobik dan Sterik

Sinamat Log P

Indeks

Harary

Indeks

Randic MR

Caffeic Acid Octyl Ester (A1)

4.84

61.80

19.70

84.74

(E)-3-(3,4-Dihydroxyphenyl)-N-(4-

fluorophenyl)acrylamide (A2)

3.23

65.37

15.97

80.24

(E)-N-(3,5-Difluorophenyl)-3-(3,4-

dihydroxyphenyl)acrylamide (A3)

3.11

67.05

14.82

75.10

41

Caffeic acid phenetyl ester (A4)

3.53

64.77

16.88

81.43

(E)-N-(2-(Benzo[d][1,3]dioxol-5-yl)ethyl)-3-

(3,4-dihydroxyphenyl)acrylamide (A5)

2.73

75.68

18.04

87.72

(E)-3-(3,4-Dihydroxyphenyl)-N-(4-

methoxyphenyl)acrylamide (A6)

3.16

65.37

17.11

84.70

(E)-N,N-Dibutyl-3-(3,4-

dihydroxyphenyl)acrylamide (A7)

2.34

47.21

15.14

68.06

(E)-N-(2-(1H-Indol-3-yl)ethyl)-3-(3,4-

dihydroxyphenyl)acrylamide (A8)

3.06

20.74

19.23

95.55

(E)-3-(3,4-Dihydroxyphenyl)-N-(3-

(trifluoromethyl)phenyl)acrylamide (A9)

3.65

76.79

16.03

80.55

42

Caffeic acid butil ester (A10)

2.96

47.21

14.70

66.21

Caffeic acid benzyl ester (A11)

3.75

51.94

14.55

73.30

Caffeic acid ethyl ester (A12)

1.95

40.09

12.20

56.94

1-O-caffeoylglycerol (A13)

0.71

44.14

12.07

55.34

Caffeic acid methyl ester (A14)

1.59

36.53

10.95

52.31

Caffeoylglycolic acid methyl ester (A15)

1.71

46.99

13.72

64.52

Hasil perhitungan log P dari 15 senyawa asam sinamat dapat

dilihat pada tabel 4.4. dan gambar pada tabel 4.1. Pada tabel nilai log P

terbesar adalah pada senyawa dengan kode A1 (Caffeic Acid Octyl Ester)

sebesar 4.48 dan yang terkecil adalah pada senyawa dengan kode A13

43

(1-O-caffeoylglycerol) sebesar 0.71. Suatu senyawa memiliki rantai C

yang panjang akan sifat dari suatu senyawa tersebut akan bersifat sangat

non-polar dan kelarutan terjadi dilemak (non-polar). Nilai log P yang

kecil mengindikasikan bahwa kelarutan bersifat sangat polar dan

kelarutan terjadi di air (polar).

Hubungan antara hidrofobik terhadap aktifitas adalah terhadap

absorpsi dan penetrasi obat kedalam membran. Jika suatu senyawa

tersebut memiliki sifat yang sangat polar maka absorpsi akan cenderung

pada fase air, sedangan suatu senyawa memilik sifat yang sangat non-

polar makan kecenderungan absorpsi obat pada lemak.

B. Parameter Sterik

Deskriptor yang digunakan untuk mewakili parameter sterik

adalah indeks Randic, indeks Harary dan molar refracitivity (MR). MR

mengukur volume yang diisi oleh atom atau gugus atom, sedangkan

indeks Randic dan indeks Harary merupakan bagian dari indeks

topologi, dimana pengukuran indeks topologi berdasarkan jumlah atom

dan jumlah ikatan. Hasil perhitungan nilai indeks topologi dan MR dapat

dilihat pada tabel 4.4. Perhitungan nilai indeks Harary, indeks Randic,

dan MR dengan menggunakan program Marvinskecth. Calculations →

Geometry/Other → Topology/Reactivity.

Nilai indeks Harary dan Randic menunjukan keruahan/bentuk

dari suatu senyawa, jika nilai suatu indeks besar maka keruahan suatu

senyawa besar dan jika nilai suatu indeks kecil maka keruahan suatu

senyawa kecil. Nilai indeks Harary dan Randic terkecil yang ditunjukan

pada senyawa dengan kode A8 ((E)-N-(2-(1H-Indol-3-yl)ethyl)-3-(3,4-

dihydroxyphenyl)acrylamide) dan A14 (Caffeic acid methyl ester) masing-

masing sebesar 20.74 dan 10.95, sedangkan nilai terbesar ditunjukan

pada senyawa dengan kode A5 ((E)-N-(2-(Benzo[d][1,3]dioxol-5-yl)ethyl)-

3-(3,4-dihydroxyphenyl)acrylamide) dan senyawa dengan kode A1 (Caffeic

Acid Octyl Ester) adalah 75.68 dan 19.70. Perbedaan harga antara indeks

Harary dan Randic dari teknik perhitungan yang digunakan dalam

menentukan keruahan molekul (sterik).

44

Nilai MR (molar refraction) terbesar ditunjukan pada senyawa

dengan kode A8 ((E)-N-(2-(1H-Indol-3-yl)ethyl)-3-(3,4-

dihydroxyphenyl)acrylamide) sebesar 101.93 dan nilai terkecil ditunjukan

pada senyawa dengan kode A14 (Caffeic acid methyl ester) adalah

55.18. Besar dan kecilnya MR tergantung pada substituen yang memiliki

pasangan elektron bebas sehingga memungkinkan mudah atau tidaknya

struktur tersebut berpolarisasi. Kaitan sterik pada hubungan struktur-

aktifitas adalah terhadap interaksi pada bidding site (lokasi tambat)

antara struktur dengan molekul.

C. Parameter Elektronik

Deskriptor yang digunakan untuk mewakili parameter

elektronik, pada penelitian ini deskriptor yang digunakan untuk

mewakili parameter tersebut adalah Polarisabilitas, EHomo, ELumo, dan

selisih ∆EHomo-Lumo. Perhitungan dengan Ehomo, Elumo, dan ∆EHomo-Lumo

dengan cara menghitung energi pada setiap orbital molekul.

Pengukuran deskriptor Ehomo dan Elumo dengan menghitung

kekuatan orbital pada tiap ujung atom dan deskriptor ini berguna dalam

membantu menjelaskan interaksi obat dengan reseptor. Ehumo

berhubungan dengan potensial ionisasi dan sifat kerentanan molekul

dalam penyerangan terhadap elektrofil, Elumo berhubungan dengan

dengan afinitas elektron dan celah atau selisih Ehomo-lumo berhubungan

dalam penentuan ukuran stabilitas molekul. Jadi, semakin besar selisih

Ehomo-lumo maka memiliki reaktivitas yang rendah dalam reaksi-reaksi

kimia.

Nilai deskriptor dari masing-masing deskriptor tersaji pada tabel

4.5. Perhitungan deskriptor elektronik dilakukan dengan menggunakan

program Hyperchem 7. Struktur yang telah dioptimasi selanjutnya

dihitung nilai secara mekanika kuantum. Mekanika kuantum

menggunakan kuantum fisik untuk menghitung sifat molekul yang

mempertimbangkan interaksi antara elektron dan molekul nukleat

(Patrick, 2000). Mekanika kuantum yang dipilih adalah semi-empirik

AM1, dengan batas konvergensi 0.001 kkal/Ȧ dengan algoritma Polak-

45

Riberiero. Keadaan struktur yang paling stabil ditandai dengan

didapatkan energi total terendah (Husna et al, 2013).

Tabel 4.5. Data deskriptor elektronik dari 15 senyawa turunan asam sinamat

Rekapitulasi Deskriptor Sterik

Sinamat EHOMO ELUMO ∆E(homo-lumo) Polarisabilitas

Caffeic Acid Octyl Ester (A1) -8.938 -0.789 8.149 33.59

(E)-3-(3,4-Dihydroxyphenyl)-N-

(4-fluorophenyl)acrylamide (A2)

-9.010 -0.756 8.254 31.80

(E)-N-(3,5-Difluorophenyl)-3-(3,4-

dihydroxyphenyl)acrylamide (A3)

-9.076 -0.875 8.201 29.77

Caffeic acid phenetyl ester (A4) -8.950 -0.811 8.139 33.28

(E)-N-(2-(Benzo[d][1,3]dioxol-5-

yl)ethyl)-3-(3,4-

dihydroxyphenyl)acrylamide (A5)

-8.887 -0.477 8.410 34.77

(E)-3-(3,4-Dihydroxyphenyl)-N-(4-

methoxyphenyl)acrylamide (A6)

-8.370 -0.529 7.841 33.58

(E)-N,N-Dibutyl-3-(3,4-

dihydroxyphenyl)acrylamide (A7)

-8.849 -0.575 8.274 26.98

(E)-N-(2-(1H-Indol-3-yl)ethyl)-3-

(3,4-dihydroxyphenyl)acrylamide

(A8)

-8.378 -0.554 7.824 37.88

(E)-3-(3,4-Dihydroxyphenyl)-N-(3-

(trifluoromethyl)phenyl)acrylamid

e (A9)

-9.094 -0.854 8.240 31.75

Caffeic acid butil ester (A10) -8.935 -0.795 8.140 26.24

Caffeic acid benzyl ester (A11) -9.001 -0.704 8.682 28.95

Caffeic acid ethyl ester (A12) -8.935 -0.799 8.136 25.57

1-O-caffeoylglycerol (A13) -9.098 -1.015 8.082 21.93

Caffeic acid methyl ester (A14) -8.951 -0.823 8.128 20.73

Caffeoylglycolic acid methyl

ester (A15)

-9.123 -0.857 8.266 25.57

Pada penelitian ini, selisih ΔE(homo-lumo) menunjukan kestabilan

suatu molekul dan kereaktifan molekul tersebut. Jika selisih ΔEhomo-lumo

46

besar maka molekul tersebut memiliki stabilitas yang tinggi, sehingga

memiliki reaktivitas yang rendah dalam reaksi-reaksi kimia. Reaktivitas

yang rendah memungkinkan mudah untuk berinteraksi dengan molekul.

Sedangkan, jika selisih ΔEhomo-lumo kecil maka molekul akan tereksitasi

ke elektron yang lebih tinggi (Tahir et al, 2012).

Hasil rekapitulasi selisih ΔEhomo-lumo pada tabel 4.2, selisih

ΔEhomo-lumo pada setiap struktur memiliki nilai yang hampir sama dengan

rentang dari 7.821 sampai 8.682 sehingga struktur memiliki sifat yang

stabil dan memiliki kereaktifan yang rendah.

Nilai polarisabilitas tertinggi adalah 35.84 dan terkecil adalah

19.58. Polarisabilitas memiliki hubungan yang dekat dengan molar

refraksi (MR) untuk dapat berpolarisasi, semakin banyak jumlah

elektron maka akan mudah terpolarisasi.

4.1.3. Analisa Korelasi Deskriptor dengan Aktivitas Biologis

Analisa korelasi pada penelitian ini berfungsi untuk melihat suatu

hubungan atau pengaruh dari suatu deskriptor terhadap nilai aktivitas

biologis. Paramater-parameter yang digunakan pada analisa korelasi antara

nilai aktivitas dengan deskriptor adalah nilai r (koefisien korelasi), nilai ini

menunjukan tingkat hubungan antara variabel tergantung (nilai aktivitas)

dengan variabel bebas (deskriptor) dan nilai koefisien korelasi berjarak -1

sampai +1. Nilai korelasi -1 menunjukan hubungan negatif sempurna yang

dimana antara variabel bebas dan tergantung memiliki hubungan yang

berlawanan, sedangkan nilai korelasi +1 berarti menunjukan hubungan

positif sempurna yang berarti antara variabel bebas dan tergantung memiliki

hubungan yang erat. Jika suatu nilai korelasi ±1 maka menunjukan

hubungan yang kuat antara variabel tergantung dengan variabel bebas dan

jika suatu nilai korelasi bernilai 0 maka antara variabel bebas dengan

tergantung tidak memiliki hubungan.

Analisa korelasi dilakukan dengan menggunakan program SPSS

16.0 dengan metode bivariate, dimana variabel dependent adalah log 1/IC50

dan variabel independent berupa deskriptor dari 15 senyawa turunan asam

47

sinamat, yakni: Log P, Polarizabilitas, EHOMO, ELUMO, ∆EHOMO-LUMO Refraksi

molar (MR), Indeks Randic, dan Indeks Hararay.

Tabel 4.6. Nilai Korelasi antara deskriptor dengan nilai aktivitas

Deskriptor Korelasi terhadap Log 1/IC50

Log P 0.866**

EHOMO 0.259

ELUMO 0.471

∆EHOMO-LUMO 0.166

Polarisabilitas 0.883**

Molar Refraksi (MR) 0.881*

Indeks Harary 0.680*

Indeks Randic 0.936**

Ket : (*.) korelasi signifikan pada tingkat 0.05

(**.) korelasi signifikan pada tingkat 0.01

Pada tabel 4.6, korelasi antara log 1/C dengan deskriptor MR dan

Indeks Harary memiliki hubungan yang sangat kuat pengaruhnya terhadap

aktivitas sebesar 0.881 dan 0.680 dengan tingkat signifikasi mendekati 1.

Kemudian nilai korelasi pada deskriptor Log P, Polarisabilitas, Indeks

Randic memiliki nilai korelasi yang besar, namun tingkat korelasi pada

tingkat 0.01 sehingga tidak dapat dijadikan acuan.

Untuk variabel lain tidak memperlihatkan pengaruh yang signifikan

terhadap aktivitas (log 1/C) sehingga perlu pengujian dan peninjauan lebih

lanjut. Pengaruh variabel terhadap aktivitas akan dilanjutkan dengan analisa

multiregresi linier dengan melibatkan semua variabel untuk mendapatkan

suatu bentuk model persamaan.

4.1.4. Pemodelan Persamaan HKSA dengan metode MLR

Pemodelan dilakukan dengan menggunakan analisis multi regresi

linier dengan menggunakan paket program SPSS dengan cara Analyze →

Regression → Linier dan pilih metode backward. Penggunaan MLR dalam

membangun persamaan karena variabel yang digunakan lebih dari dua

varibel yang melibatkan aktivitas biologis dan nilai deskriptor.

48

Pemodelan persamaan HKSA dilakukan dengan membagi dua

kelompok, yakni training set dan test set. Training set digunakan untuk

membangun model persamaan HKSA yang dipilih berdasarkan aktivitas

tertinggi, sedang, dan rendah. Kemudian, test set digunakan untuk

memvalidasi persamaan yang dibangun dari training set. Untuk training set

dipilih sebanyak 11 senyawa (dapat dilihat pada tabel 4.2) dari 15 senyawa

turunan asam sinamat, kemudian 4 senyawa (dapat dilihat pada tabel 4.3)

digunakan untuk test set untuk memvalidasi persamaan yang telah

dibangun. Senyawa dipilih sebagai training set, yakni: A1, A2, A4, A5, A6,

A7, A9, A10, A12, A13, dan A14, kemudian test set yang digunakan untuk

memvalidasi adalah A3, A8, A11, dan A15.

Nilai dari setiap deskriptor dan aktivitas (log 1/C) dari training set

dimasukan kedalam program SPSS 16.0. Setelah itu dilakukan analisis

multiregressi linier dengan variabel bebas yaitu deskriptor dan variabel

terikat adalah log 1/IC50 dengan metode backward untuk memilah

deskriptor mana yang berpengaruh terhadap Log 1/IC50.

Tabel 4.7. Model Persamaan HKSA dengan metode MLR

No Deskriptor R R2 Fhit Fhit/Ftab SE

1 Log P, ∆EHOMO-LUMO,

ELUMO, ∆E, MR,

Polar, Randic, Harary

0.983 0.966 12.064 1.357 0.097

2 Log P, ∆EHOMO-LUMO,

ELUMO, MR, Polar,

Harary

0.982 0.965 18.281 2.967 0.085

3 ∆EHOMO-LUMO, ELUMO,

∆E, MR, Polar,

Harary

0.982 0.964 26.826 5.312 0.775

4 ∆EHOMO-LUMO, ELUMO,

∆E, MR, Harary 0.980 0.961 37.331 8.240 0.073

Setelah dilakukan analisa multiregresi linier, didapatkan empat

model persamaan seperti yang terlihat pada tabel 4.7. Analisa statistik dari

kedua model tersebut mempunyai nilai r, r2, F dan SE yang mirip sehingga

49

perlu dilakukan validasi untuk menentukan persamaan terbaik dari empat

model persamaan. Validasi yang dilakukan pada penelitian ini adalah

PRESS (Prediction Residual Sum of Square) dan RMSD (Root Mean

Square Deviation).

4.1.5. Validasi Persamaan HKSA

Validasi dilakukan untuk menentukan persamaan tersebut dapat

digunakan untuk menjelaskan secara teoritik dan untuk menentukan

persamaan yang terbaik. Validasi yang dilakukan adalah mencari nilai

PRESS dan RMSD, dengan membandingkan log 1/IC50 prediksi dengan log

1/C aktivitas.

Validasi PRESS menggunakan data training set yang digunakan

untuk mengetahui kualitas dan kemampuan memprediksi dari setiap model

persamaan (Husna, 2013). Nilai PRESS didapatkan dari persamaan:

Persamaan yang memiliki PRESS terkecil dipilih sebagai persamaan

yang terbaik untuk memprediksikan nilai aktivitas anti-inflammasi (-log

1/IC50). Berikut perbandingan nilai aktivitas eksperimen training set dengan

nilai aktivitas prediksi empat model persamaan dan nilai PRESS dari tiap

model dapat dilihat pada tabel 4.8.

Tabel 4.8. Perbandingan aktivitas eksperimen dan prediksi training set

Kode Log 1/IC50

eksperimen (µM)

Log 1/IC50 Prediksi (µM)

Model 1 Model 2 Model 3 Model 4

A1 -0.380 -0.346

-0.387 -0.404 0.423

A2 -0.568 -0.603 -0.676 0.680 0.704

A4 -0.681 -0.553 -0.613 0.616 0.656

A5 -0.699 -0.594 -0.647 0.647 0.681

A6 -0.716 -0.687 -0.741 0.750 0.773

A7 -0.785 -0.808 -0.853 0.861 0.871

50

A9 -0.898 -0.876 -0.929 0.946 0.982

A10 -0.924 -0.849 -0.896 0.910 0.920

A12 -1.076 -1.067 -1.108 1.116 1.172

A13 -1.267 -1.252 -1.288 1.276 1.285

A14 -1.330 -1.225 -1.277 1.289 1.291

PRESS 0.048 0.030 0.032 0.050

Kemudian dilakukan validasi RMSD untuk memvalidasi

kemampuan persamaan tersebut dapat digunakan untuk memprediksikan

aktifitas. RMSD dihitungan dengan cara membandingkan nilai aktivitas

eksperimen dengan nilai aktivitas prediksi dan nilai RMSD terbaik <2.

Perhitugan RMSD mengikuti persamaan :

Validasi RMSD menggunakan test set yang berjumlah lima dengan

kode A3, A8, A11 dan A15. Rekapitulasi RMSD dapat dilihat pada tabel

4.8.

Tabel 4.9. Nilai RMSD test set

Kode

Log 1/IC50

Eksperimen (µM)

Log 1/IC50 Prediksi (µM)

Model 1 Model 2 Model 3 Model 4

A3 0.613 -0.866 -0.929 -0.939 -0.966

A8 0.826 1.036 0.867 0.932 0.957

A11 1.029 -0.386 -0.486 -0.499 -0.511

A15 1.462 -0.851 -0.910 -0.902 -0.912

RMSD 1.314 1.194 1.231 1.244

Dari data tabel yang disajikan pada tabel, nilai RMSD pada setiap

model <2 sehingga perlu untuk menentukan persamaan yang terbaik, maka

nilai PRESS dibutuhkan untuk dapat menggambarkan suatu persamaan

untuk dapat memprediksi aktivitas. Persamaan terbaik memiliki nilai

terkecil dari empat persamaan HKSA, maka dipilihlah persamaan kedua

dengan nilai PRESS 0.030 yang menjadi persamaan terbaik HKSA.

51

Berikut model persamaan 2 yang diperoleh dari perhitungan, dapat

dituliskan sebagai berikut:

Log 1/IC50 = -6.559 + 0.017*(Log P) – 0.025*(Indeks Harary) + 0.039

(MR) + 0.016*(Polarisabilitas) - 0.396*(ELUMO) +

0.427*(∆EHOMO-LUMO)

N= 10; r= 0.982; r2 = 0.965; Fhit/tab = 2.967; SE = 0.085; RMSD = 1.1945;

PRESS = 0.03029

Dari persamaan HKSA, terlihat deskriptor yang paling berpengaruh

adalah ELUMO dan selisih HOMO-LUMO, hal tersebut bisa terlihat dari nilai

koefisien yang besar. Menurut Tahir et al (2012), selisih HOMO-LUMO

penting dalam penentuan indeks stabilitas molekul dan ELUMO berperan

dalam afinitas molekul. Bila senyawa antiinflamasi sama dengan obat, maka

kemudahan ikatan suatu obat pada sisi aktif dapat dipengaruhi dari

substituent, jika suatu molekul dengan substiuen yang bersifat donor

elektron maka kereaktifan suatu senyawa akan tinggi tetapi kestabilan akan

berkurang dan afinitas molekul akan semakin besar. Namun, jika senyawa

dengan substituent yang bersifat penarik elektron maka kereaktifan senyawa

menjadi lemah dan memiliki kestabilan yang tinggi dan afinitas molekul

akan semakin kecil sehingga akan lebih mudah obat akan berikat dengan

sisi aktif.

Gambar 4.2, Grafik korelasi antara aktivitas (Log 1/IC50) prediksi dan

eksperimen dari 10 senyawa turunan asam sinamat.

Berikut prediksi aktivitas antiinflamasi dari modifikasi amidasi dari

etil p-metoksisinamat dengan model persamaan 2 :

-1.400

-1.200

-1.000

-0.800

-0.600

-0.400

-0.200

0.000

-1.500 -1.000 -0.500 0.000

Akt

ivit

as p

red

iksi

Aktivitas eksperimen

52

Tabel 4.10. Hasil prediksi aktivitas antiinflamasi dengan HKSA

Kode Senyawa Log 1/IC50

Prediksi IC50 µM

1B

(2E)-3-(4-methoxyphenyl)-N-phenylprop-2-enamide

-0.677

4.750

2B

(2E)-N-acetyl-3-(4-methoxyphenyl)prop-2-enamide

-1.004

10.902

3B

(Z)-2-[(2-hydroxyethyl)[(3E)-4-(4-

methoxyphenyl)buta-1,3-dien-2-yl]amino]ethen-1-ol

-0.739

5.479

4B

(2E)-N-(2-hydroxyethyl)-3-(4-methoxyphenyl)prop-2-

enamide

-0.963

9.180

5B

(2E)-3-(4-methoxyphenyl)prop-2-enamide

-1.199

15.807

Tabel 4.8. Nilai deskriptor senyawa amidasi EPMS (sample set)

53

Kode Log P Indeks

Randic

Indeks

Harary MR Ehomo Elumo ΔEhomo-lumo

Polaris

abilitas

1B 3.24 56.75 15.43 78.03 -8.724 -0.552 8.172 30.93

2B 1.23 43.44 12.91 61.74 -8.997 -0.670 8.327 24.47

3B 1.69 56.08 17.08 78.40 -8.549 -0.380 8.169 31.08

4B 0.82 42.95 13.81 63.24 -8.908 -0.495 8.413 25.07

5B 1.20 32.30 10.79 52.38 -8.869 -0.478 8.391 20.76

Dari prediksi amidasi EPMS yang ditampilkan pada tabel 4.7

dengan model persamaan 2, bahwa senyawa yang mempunyai potensi

aktivitas antiinflamasi terbaik adalah senyawa 1B, 3B, dan 4B dengan nilai

prediksi aktivitas sebesar 4.750 µM, 5.479 µM, dan 9.180 µM.

4.2. Penambatan Molekul (Molecular Docking)

4.2.1. Penyiapan Molekul

Untuk melakukan penambatan molekul diperlukan suatu ligan

(struktur) dan molekul (reseptor). Makromolekul yang akan digunakan

diunduh dari Protein Data Bank (PDB= http://www.rcsb.org/) dan ligan

dapat diunduh melalui www.pubchem.com. Reseptor yang akan digunakan

adalah enzim siklooksigenase-2 (COX-2) pada hewan mencit (Mus

musculus) dengan kode protein 1CX2 yang diperoleh dari difraksi sinar-X

dengan resolusi 2.35 Å. Kemudian, reseptor (molekul) diunduh dengan

format file .pdb.

Molekul COX-2 yang telah diunduh, selanjutnya dihilangkan

molekul-molekul air dan ligan-ligan yang terikat pada molekul. Pemisahan

molekul agar proses penambatan tidak terganggu dan proses penambatan

lebih cepat dan penghilangan ligan yang terikat pada molekul bertujuan agar

interaksi dengan ligan yang akan ditambatkan. Penghilangan molekul air

dan ligan melalui program Dicovery Studio, setelah itu disimpan dalam

format .pdb.

Reseptor (molekul) yang telah dihilangkan molekul air dan ligan,

kemudian dioptimasi dengan menggunakan program Autodock Tools

(Yanuar, 2012). Optimasi dilakukan agar pada saat proses penambatan

(docking) dapat berjalan secara optimal dan menyesuaikan pada kondisi

54

sebenarnya didalam tubuh. Proses optimasi, yaitu penambatan molekul

atom hidrogen dan penentuan grid dan parameter box.

Penambahan molekul atom hidrogen pada molekul berfungsi untuk

menyesuaikan suasana pH sel sehingga menjadi stabil dan penentuan grid

box bertujuan untuk menentukan ruang penambatan antara ligan dan

molekul. Ruang tambat merujuk pada penelitian yang dilakukan oleh

Ekowati et al, 2010. Pengaturan grid box (posisi penambatan) meliputi -

center_x, center_y dan center_y, pengaturan parameter box (lokasi ruang

tambat) meliputi size_x, size_y dan size_z dan pengaturan spacing atau

pengaturan besar/kecilnya ukuran ruang tambat. Pengaturan grid box pada

molekul center_x = 20.8; center_y = 24.9; center_x = 13.1, pengaturan

parameter box pada molekul size_x = 28; size_y = 28; size_z = 28,

sedangkan pengaturan spacing 1.000 Å. Setelah optimasi molekul selesai,

file tersebut disimpan dengan format .pdbqt dan disimpan pada folder Vina.

4.2.2. Penyiapan Ligan

Pada penelitian ini, ligan yang digunakan ada dua, yakni ligan yang

dipakai sebagai kontrol positif dan ligan uji. Ligan yang dipakai sebagai

kontrol positif adalah ibuprofen yang diunduh dengan format .sdf melalui

situs http://PubChem.ncbi.nlm.nih.gov. Pemilihan ibuprofen sebagai

kontrol positif karena ibuprofen selain memiliki aktivitas analgesik juga

sebagai antiinflamasi dan struktur ibuprofen memiliki kesamaan bentuk

dengan EPMS yaitu memilik 1 cincin aromatik dan memiliki gugus

karbonil.

Setelah itu dilakukan pemodelan ligan uji (struktur) EPMS dan

penambahan molekul turunan amida pada EPMS dapat dilakukan dengan

menggunakan program Marvin Skecth. Penambahan molekul amida pada

EPMS dengan menghilangkan gugus etil yang terikat pada gugus karbonil,

dimana proses amidasi merupakan proses suatu senyawa yang mempunyai

nitrogen trivalent yang terikat pada suatu gugus karbonil (Mc Murry, 2008).

Contoh senyawa dari turunan amida yakni anilini, asetamid, etanolamid,

dietanolamid, dll. Ligan uji yang sudah dibuat, kemudian dioptimasi

kedalam bentuk 3D agar ligan menjadi stabil dan disimpan kedalam format

55

.sdf. Karena dalam penambatan (docking,) format yang berlaku adalah .pdb

maka format ligan dikonversi kedalam format .pdb dengan menggunakan

program Open Babel.

Ligan kontrol dan ligan uji yang telah dibuat, selanjutnya dioptimasi

menggunakan program Autodock Tools. Optimasi ini sama dengan pada

saat melakukan optimasi reseptor dan disimpan dengan format .pdbqt dan

disimpan pada folder Vina.

4.2.3. Penambatan Molekul

Penambatan molekul melibatkan reseptor 1CX2 dan ligan uji yang

sudah dioptimasi sebelumnya dengan format file .pdbqt dan ditempatkan di

dalam satu folder yakni Vina (C:/Vina). Pada tahap awal penambatan,

dilakukan penentuan ruang tambat, lokasi tambat, dan ukuran ruang tambat

yang kemudian dilakukan penyalinan yang dibuat di file notepad dengan

nama file conf.txt.

Didalam file conf.txt, dituliskan receptor, ligand, size (x,y,z), dan

center sepeti pada gambar 4.3.

Gambar 4.3. Penulisan konfigurasi file dalam notepad

Penentuan lokasi penambatan dikutip berdasarkan jurnal Ekowati et

al, yang menyatakan bahwa sisi aktif molekul pada center_x 20.8, center_y

24.9, dan center_y 13.1, dimensi 1.000 Å, dan ukuran ruang tambat (size)

28 x 20 x 20. Pada penelitian ini ukuran ruang tambat (size) diperbesar

menjadi 30 x 30 x 30 agar mendapatkan pengikatan ligan yang lebih

kompleks sehingga penambatan akan lebih maksimal.

Pada receptor dan ligand dituliskan nama dari molekul dan ligan

yang dipakai beserta format dari file tersebut dan pada out dituliskan

out.pdbqt. Center (x,y,z) dan size (x,y,z) dituliskan berdasarkan grid box

56

parameter yang telah ditentukan pada saat optimasi molekul. Setelah semua

tersedia (molekul, ligan, dan conf.txt) didalam satu folder, kemudian

dilakukan penambatan menggunakan Autodock Vina. Autodock Vina

dijalankan dengan menggunakan Command Prompt pada PC, kemudian

ketikan pada Command Prompt cd.. →cd.. →cd vina→vina --config

conf.txt --log log.txt.

Gambar 4.4. Pengaturan penambatan molekul menggunakan Vina

Proses penambatan (docking) selama 10 – 20 menit dan bisa lebih

cepat tergantung dari spesifikasi PC/Laptop. Setelah penambatan, output

yang keluar berupa log.txt yang berisi nilai dari energi Gibbs atau nilai

afinitas, root mean square deviation (RMSD) dan out.pdbt yang berisi hasil

penambatan antara molekul dengan ligan. Kemudian dilakukan visualisasi

antara reseptor (1CX2.pqbqt) dengan out.pdbqt dengan melalui program

Pymol dan Ligplot untuk melihat ikatan, posisi, dan jarak ligan dengan asam

amino.

4.2.4. Analisa dan Visualisasi Penambatan Molekul

Setelah proses penambatan (docking) selesai, tahap berikutnya

adalah menganalisa penambatan dan melakukan visualisasi. Untuk

menganalisa penambatan antara ligan dan reseptor (molekul), ada beberapa

parameter yang digunakan untuk menilai kualitas hasil penambatan, antara

lain posing, scoring dan rangking (Arry Yanuar. 2012). Visualisasi

penambatan dilakukan dengan memakai software Pymol (untuk melihat

visualisasi tiga dimensi) dan Ligplot (untuk melihat visualisai dua dimensi

serta jarak dari asam amino yang terikat).

Berikut hasil visualisasi penambatan antara molekul dengan ligan

pada tabel 4.11.

Tabel 4.11. Hasil visualisai penambatan molekul (3D dan 2D) dengan ligan uji dan

kontrol positif (Ibuprofen)

Visualisasi 3D dengan Pymol

Visualisasi 2D dengan LigPlot

ΔGbind

Kcal/mol

57

(2E)-3-(4-methoxyphenyl)-

N-phenylprop-2-enamide

(1B)

-7.8

(2E)-N-acetyl-3-(4-

methoxyphenyl)prop-2-

enamide (2B)

-7.6

(Z)-2-[(2-hydroxyethyl)[(3E)-

4-(4-methoxyphenyl)buta-1,3-

dien-2-yl]amino]ethen-1-ol

(3B)

-7.6

58

(2E)-N-(2-hydroxyethyl)-3-(4-

methoxyphenyl)prop-2-

enamide

(4B)

-7.0

(2E)-3-(4-

methoxyphenyl)prop-2-

enamide (5B)

-6.9

EPMS (6B)

-7.0

59

Kontrol positif Ibuprofen

-7.5

*Untuk mempermudah perhitungan maka penamaan IUPAC diganti kode senyawa

Pada tabel 4.9, menunjukan visualisasi molekul COX-2 dengan

ligan yang ditunjukan pada kolom visualiasi 3D dan 2D. Visualisasi

bertujuan untuk melihat gambaran ligan terikat pada sisi aktif molekul dan

kecocokan bentuk dan volume ligan yang tertambat pada molekul.

Visualisasi secara 3D menggunakan Pymol, dalam hal ini pemakaian Pymol

berfungsi agar dapat mempertegas kecocokan dari dari penambatan,

sedangkan visualisasi secara 2D menggunakan LigPlot berfungsi untuk

melihat gambaran jenis dari residu atau asam amino yang terikat pada ligan.

Baik visualisasi 2D dan 3D mempunyai kegunaan yang sama, namun hanya

cara visualisasi yang berbeda. Selain visualisasi, penambatan molekul

dilihat dari besaran energi bebas atau afinitas yang diurutkan (peringkat)

berdasarkan nilai RMSD.

Dari hasil penambatan molekul dari 5 model ligan yang masing-

masing ditambahkan senyawa turunan amida didapat nilai energi Gibbs

(ΔGbind) dan RMSD (Root Mean Square Deviation) < 2, serta residu (asam

amino) yang terikat pada ligan. Hasil penambatan dari lima model ligan

akan menghasilkan masing-masing sembilan konformasi atau pola ligan

yang tertambat yang kemudian diurutkan dari nilai afinitas (ΔGbinding site )

terendah hingga tertinggi yang dinamakan skoring, jarak ikatan antara ligan

60

dan asam amino yang terikat dan banyaknya sisi aktif amino yang terikat

pada ligan.

Pada tabel 4.9, nilai afinitas (ΔGbinding site) dari sembilan konformasi

tiap ligan dengan nilai RMSD. RMSD berfungsi untuk mengukur perbedaan

antara nilai prediksi dan nilai pengamatan eksperimen. Nilai RMSD

dikatakan baik jika ≤ 2 Å, penyimpangan yang semakin besar, maka

semakin besar kesalahan prediksi. Pada hasil akhir penambatan, maka akan

menghasilkan sembilan konformasi. Nilai RMSD terbaik yang diperoleh

dari penambatan masing-masing ligan adalah 0. Sehingga nilai afinitas

terbaik dari hasil penambatan tiap ligan adalah yang memiliki nilai RMSD

= 0.

Nilai afinitas adalah Energi bebas atau afinitas menyatakan besaran

suatu ligan terikat pada suatu molekul, semakin kecil nilai afinitasnya maka

ikatan akan semakin kuat dan semakin besar nilai afinitasnya maka ikatan

akan semakin renggang atau mudah lepas. Perbedaan dari nilai afinitas

berdasarkan dari residu protein yang berinteraksi dengan ligan. Residu

protein dikelompokan ke dalam 5 jenis berdasarkan struktur asam amino,

yaitu ionik, polar, aromatik, dan hidrofobik. Residu ionik memberikan

kontribusi terbesar dalam penentuan nilai ΔGbinding site, kemudia residu polar,

aromatik, hidrofobik, secara berurutan (Schneider, Baringhaus & Kubinyi.

2008).

Pada tabel 4.11, menunjukan rentang nilai afinitas berkisar -7.8

kcal/mol sampai -6.9 kcal/mol, dimana nilai afinitas terbaik adalah ligan 1B

dari 5 ligan yang diujikan. Namun, bila dibandingkan dengan kontrol positif

(Ibuprofen), hanya 3 ligan yang mempunyai nilai afinitas terbaik dari

kontrol positif, yakni: 1B, 2B, dan 3B. Akan tetapi ligan-ligan lain memiliki

nilai afinitas yang kecil namun mendekati kontrol positif (Ibuprofen). Ini

menunjukan bahwa ligan uji senyawa amidasi EPMS memiliki potensi yang

sama dengan ibuprofen sebagai antiinflamasi.

Besaran nilai afinitas yang berbeda-beda berdasarkan dari sifat

substiuen yang terikat pada struktur EPMS dan jenis asam amino yang

terikat. Dari interaksi terhadap residu dapat dihubungkan dengan nilai

61

afinitas (ΔGbinding site) yang diperoleh. Selain nilai afinitas dari penambatan

molekul, juga dilihat dari jarak ikatan dan sisi aktif residu yang mengikatnya

menurut Kurumbail et al, sisi aktif (active site) dari molekul COX-2

(PDB:1CX2) adalah Ala516, Arg120, Arg513, Gln192, His90, Ile517,

Leu384, Leu531, Phe318, Phe518, Ser530, Trp387, Tyr385, Tyr355,

Val116, Val434, dan Val434.

Tabel 4.12. Interaksi molekul ligan dengan asam amino terikat.

Molekul Asam amino terikat Kontak residu

(2E)-3-(4-methoxyphenyl)-

N-phenylprop-2-enamide

(1B)

Asn382, Trp387

Asn382, Thr212,

His214, Phe210,

His386, His388,

Leu390, Ala199,

Leu391, Gln203,

His207

(2E)-N-acetyl-3-(4-

methoxyphenyl)prop-2-

enamide (2B)

Tyr355, Arg120

Val523, Gly526,

Met522, Trp387,

Ser530, Ala527,

Val349, Leu359,

Val116, Leu531,

Met113

(Z)-2-[(2-hydroxyethyl)[(3E)-

4-(4-methoxyphenyl)buta-1,3-

dien-2-yl]amino]ethen-1-ol

(3B)

His90, Tyr385

Gln192, Leu352,

Ala516, Ser530,

Ser353, Phe518,

Tyr348, Gly526,

Trp387, Val349,

Ala527, Val523,

Tyr355

(2E)-N-(2-hydroxyethyl)-3-(4-

methoxyphenyl)prop-2-

enamide (4B)

His90, Tyr385

Ala516, Tyr355,

Gln192, Val523,

Phe518, Leu352,

Gly526, Trp387,

62

Ser530, Ala527,

Val349, Ser353.

(2E)-3-(4-

methoxyphenyl)prop-2-

enamide (5B)

Ser353, Leu352,

His90

Ser353, Leu352,

Ser530, Gly526,

Tyr385, Ala527,

Tyr355, Val532.

EPMS (6B)

Tyr385, Arg120

Ser530, Tyr348,

Ala527, Leu531,

Tyr355, Val349,

Trp387,Leu352,

Kontrol Positif Ibuprofen

Tyr385

Leu352, Ser530,

Val349, Gly526,

Leu531, Val116,

Leu359, Tyr355,

Arg120, Ala527,

Tyr348.

*Warna merah menunjukan sisi aktif asam amino COX-2 (PDB: 1CX2)

Pada ligan (1B), menunjukan interaksi penambatan pada molekul

COX-2. Ligan terikat dengan residu Asn382 dan Trp387 dan jarak dari ligan

dengan residu masing – masing adalah 3.26 Å dan 2.85 Å. Ikatan hidrogen

menjadi sangat lemah jika melebihi >3Å, hal itu ditunjukan dengan

terikatnya residu Asn382 yang terikat pada atom oksigen digugus metoksi.

Pada residu Trp387 yang terikat pada atom oksigen digugus karboksilat,

ikatan hidrogen sangat kuat karena sifat dari asam amino Trp387 bersifat

hidrofobik dan atom oksigen yang berfungsi sebagai penarik elektron. Pada

senyawa uji ini, pose docking tidak berada pada sisi aktif enzim COX-2.

Docking ligan (1B) menghasilkan nilai afinitas/energi bebas sebesar -7.8

kcal/mol.

Pada ligan (2B), menunjukan interaksi pengikatan pada molekul

COX-2. Ligan terikat dengan residu Try355 dan Arg120 dengan jarak ikatan

masing-masing 2.94 Å dan 2.85 Å yang terikat pada atom oksigen pada

gugus karboksilat sehingga ikatan cukup dekat dan sangat kuat. Selain itu

63

pose docking senyawa uji pada COX-2 berinteraksi dengan sisi aktif yakni

Arg120, Tyr355, Val116 dan Leu531. Hasil dari docking menunjukan nilai

afinitas sebesar -7.6 kcal/mol.

Pada ligan (3B), menunjukan interaksi pengikatan pada molekul

COX-2. Ikatan hidrogen terjadi pada gugus metoksi, dimana residu His90

berikatan pada atom oksigen digugus metoksi dengan jarak ikatan adalah

2.83 Å . Selain itu, terdapat interaksi ikatan hidrogen yang lemah antara

residu Tyr385, dimana jarak ikatan antara residu dengan ligan adalah 3.06

Å (>3Å). Pose docking senyawa uji berinteraksi pada sisi aktif COX-2,

yakni: Ala516, His90, Phe518, Tyr385, Tyr355 dan Val523. Hasil docking

menunjukan nilai afinitas sebesar -7.6 kcal/mol.

Pada ligan (4B), menunjukan interaksi pengikatan pada molekul

COX-2. Ligan terikat dengan residu His90 dengan jarak ikatan 2.90 Å yang

terikat pada atom oksigen pada gugus metoksi, dimana residu His90 bersifat

polar maka akan cenderung berikat dengan atom yang bersifat elektrofil.

Residu Tyr385 dengan jarak ikatan 2.93 Å yang terikat pada atom oksigen

pada gugus –OH. Pose docking senyawa uji berinteraksi pada sisi aktif,

yakni: Ala516, His90, Tyr355, Ser353, dan Tyr385. Hasil nilai afinitas

setelah docking adalah -7.0 kcal/mol.

Pada ligan (5B), menunjukan interaksi pengikatan pada molekul

COX-2. Ligan terikat dengan residu Ser353, Leu352 dan His90 dan jarak

antara ligan dan masing-masing residu berjarak >3Å (3.06 Å, 3.05 Å, dan

3.19). Jarak yang terlalu jauh (>3 Å) membuat ikatan hidrogen akan menjadi

sangat lemah dan energi yang dikeluarkan akan sangat besar pula. Pose

docking senyawa uji berinteraksi pada sisi aktif COX-2, yakni: Ser530,

Tyr355, His90, dan Val523. Hasil dari docking menunjukan nilai afinitas

sebesar -6.9 kcal/mol.

Pada ligan (6B) atau ligan EPMS, menunjukan interaksi pengikatan

pada molekul COX-2. Residu Tyr386 berikatan pada atom oksigen digugus

ester dan atom oksigen pada gugus karboksilat dengan jarak ikatan 3.06 Å

dan 3.14 Å. Selain itu, residu Arg120 berikatan dengan atom oksigen pada

gugus metoksi dengan jarak ikatan 3.03 Å sehingga energi yang dibutuhkan

64

besar. Pose docking EPMS berinteraksi dengan sisi aktif COX-2, yakni:

Arg120, Ser530, Trp387, Tyr385, Tyr355, Leu531. Hasil dari docking

menunjukan nilai afinitas sebesar -7.0 kcal/mol.

Tabel 4.13. Jenis asam amino yang terikat pada ligan

Molekul Ikatan

Ionik Polar Aromatik Hidrofobik

(2E)-3-(4-

methoxyphenyl)-N-

phenylprop-2-enamide

(1B)

His214,

His386,

His207,

His388.

Thr212,

Gln203,

Asn382

Phe210,

Trp387

Leu390,

Ala199,

(2E)-N-acetyl-3-(4-

methoxyphenyl)prop-2-

enamide (2B)

Arg120

Ser530

Trp387,

Tyr355

Met522,

Gly526,

Val523,

Ala527,

Val349,

Val116,

Met113,

Leu531.

(Z)-2-[(2-

hydroxyethyl)[(3E)-4-(4-

methoxyphenyl)buta-1,3-

dien-2-yl]amino]ethen-1-

ol (3B)

His90

Ser353,

Ser530,

Gln192.

Phe518,

Tyr385,

Trp387,

Tyr355,

Tyr348.

Leu352,

Ala516,

Gly526,

Val349,

Ala527,

Val523.

(2E)-N-(2-hydroxyethyl)-

3-(4-methoxyphenyl)prop-

2-enamide (4B)

His90 Ser353,

Ser530.

Phe518,

Tyr385,

Trp387,

Tyr355.

Val523,

Ala527,

Val349,

Gly526

(2E)-3-(4-

methoxyphenyl)prop-2-

enamide (5B)

His90

Ser353,

Ser530.

Tyr385,

Tyr355.

Val523,

Leu352,

Ala527,

EPMS (6B)

Arg120

Ser530

Trp387,

Tyr385,

Tyr348,

Tyr355.

Leu531,

Val349,

Ala527.

Kontrol ibuprofen

Arg120

Ser530

Tyr385

Tyr348

Tyr355

Leu352

Leu531

Leu359

Val349

Val116

Gly526

65

Ala527

Menurut Ekowati et al (2013), ada dua kriteria hasil penambatan

terbaik, yakni: senyawa uji memiliki energi ikatan paling rendah dan secara

geometris menempati active site (sisi aktif) yang sama dengan ligan yang

terdapat pada molekul terkait sebelumnya dalam hal ini ligan S58 yang

tertambat pada COX-2 (PDB: 1CX2). Dari enam ligan yang ditambatkan,

ligan 1B mempunyai nilai afinitas (energi ΔEGibbs) yang sangat kecil yaitu -

7.8 kcal/mol dan ligan 5B mempunyai nilai afinitas (energi ΔEGibbs) yang

sangat besar yaitu -6.9 kcal/mol. Ligan 1B mempunyai energi ΔEGibbs yang

kecil karena lebih banyak asam amino yang bersifat ionik menghadap ligan,

sedangkan ligan 5B mempunyai energi ΔEGibbs yang besar karena jumlah

asam amino yang menghadap ligan sedikit sehingga akan mempengaruhi

energi ΔEGibbs. Banyaknya asam amino yang bersifat ionik dan hidrofobik

akan mempengaruhi besar kecilnya energi ΔEGibbs.

Selain energi ΔEGibbs, penempatan ligan pada sisi aktif digunakan

sebagai kriteria hasil penambatan terbaik. Menurut Kurumbail et al (1996),

sisi aktif dari hasil penambatan ligan S58 dengan COX-2 adalah Ala516,

Arg120, Arg513, Gln192, His90, Ile517, Leu384, Leu531, Phe318, Phe518,

Ser530, Trp387, Tyr385, Tyr355, Val116, Val434, dan Val434. Dari enam

ligan termasuk EPMS, hanya ligan 1B yang tidak menempati sisi aktif

COX-2 dan hanya terikat dengan salah satu asam amino dari sisi aktif, yakni

Trp387. Sisi aktif dianalogikan sebagai ruang katalitik yang bertindak

sebagai mekanisme reaksi, dalam hal ini reaksi inflamasi.

Dalam perancangan suatu obat oral mengikuti aturan Lipinski atau

yang lebih dikenal Rule of Five Lipinski’s. Ada 5 hal dalam aturan Lipinski,

yakni:

1. Berat molekul tidak lebih 500

2. Tidak lebih dari 5 ikatan hidrogen donor

3. Tidak lebih dari 10 ikatan hydrogen aseptor

4. Log P = 5

Enam senyawa uji (ligan) termasuk EPMS yang telah di docking,

kemudian masing-masing dicari nilai dari Rule of five menggunakan Marvin

66

sketch dan hasil dari perhitungan dapat dilihat pada tabel 4.11. Pada tabel,

hanya ligan 2B, 3B dan 4B tidak memenuhi kriteria dan ligan lain

memenuhi kriteria sehingga memungkinkan aktif secara klinis diberikan

secara oral.

Tabel 4.14. Tabel Rule of Five Lipinski’s ligan yang di dockings

Ligan Log P H-donor H-aseptor Berat molekul

1B 3.24 1 4 78.03

2B 1.69 1 6 78.40

3B 1.23 2 7 61.74

4B 0.82 2 6 63.24

5B 1.20 0 4 52.38

6B 2.40 2 4 59.86

67

BAB V

KESIMPULAN DAN SARAN

5.1. Kesimpulan

1. Dari analisa hubungan kuantitatif struktur-aktivitas (HKSA) dengan

metode MLR, diperoleh deskriptor yang mempengaruhi aktivitas

antiinflamasi dari 10 senyawa turunan asam sinamat yakni Log P,

ELUMO, EHOMO-LUMO, Polarisabilitas, dan Indeks Harary dan didapatkan

model persamaan:

Log 1/IC50 = -6.559 + 0.017*(Log P) – 0.025*(Indeks Harary) + 0.039

(MR) + 0.016*(Polarisabilitas) - 0.396*(ELUMO) +

0.427*(∆EHOMO-LUMO)

Dengan n = 10; r = 0.982; r2 = 0.965; Fhit/tab = 2.967; SE = 0.085; RMSD

= 1.1945; PRESS = 0.03029

Aktivitas antiinflamasi tertinggi dari lima senyawa amidasi EPMS

dengan model persamaan HKSA adalah senyawa 1B sebesar -0.677.

2. Hasil penambatan molekul dari lima senyawa amidasi EPMS dan EPMS

terhadap COX-2 menunjukan nilai afinitas (ΔEGibbs) terbaik dan pose

terhadap sisi aktif COX-2, maka terpilihlah ligan 2B dan 3B dengan

nilai afinitas sebesar -7.5 kkal/mol yang telah dibandingkan dengan

ibuprofen (-7.5 kkal/mol). Ligan lainnya (4B, 5B, dan EPMS) tidak

termasuk ligan 1B, mempunyai aktifitas antiinflamasi yang sama

dengan energi ikatan mendekati energy ikatan ibuprofen.

5.2. Saran

1. Perhatikan keseragaman data uji in vitro yang akan digunakan untuk

membangun model HKSA

2. Software yang akan digunakan untuk menghitung nilai deskriptor dalam

membangun model HKSA,

3. Hasil dari penambatan molekul (in silico) hanya sebatas memberikan

gambaran interaksi, sehingga perlu kajian lanjutan berupa pengujian

secara laboratorium baik secara in vitro atau in vivo

68

DAFTAR PUSTAKA

Accelrys Enterprise Platform. (2005). Introduction to the Discovery Studio

Visualizer. San Diego, California, U.S.A: Accelrys Software Inc.

Barus, Rosbina, 2009. Amidasi Etil p-metoksisinamat yang Diisolasi dari Kencur

(Kaempferia galanga L.). Tesis. Sekolah Pascasarjana USU. Medan.

Champe, P. C. & Harvey, R. A. (2007). Lippincott's Illustrated Reviews:

Biochemistry 4th edition. New York: Lippincott Wiliams & Wilkins.

Da Cunha, Fernanda M et al. 2004. Caffeic Acid Derivatives: In Vitro and In Vivo

Anti-inflammatory Properties, Free Radical Research, Vol. 38 (11):

1241 – 1253.

Dash, Pritesh Ranjan. 2014. In Vivo Cytotoxic and In Vitro Antibacterial Activities

of Kaempferia galanga L., Vol. 3 (1): 172 – 177.

De Lano, W. L., & Bromberg, S. (2004). PyMOL User's Guide. San Carlos,

California, U.S.A: DeLano Scientific LLC.

Devillers, J., Domine, D., Guillon, C., Bintein, S. dan Karcher, W., 1997, Prediction

of Partition Coefficients (logPoct) Using Autocorrelation Descriptors,

SAR QSAR Environ. Res., Vol 7, 151 – 172.

Ekowati, Juni et al. 2012. Structure Modification Of Ethyl p-Methocycinnamate

and Their Biossay As Chemopreventive Agent Againts Mice’s

Fibrosarcoma. Int J Pharma Pharma Sci, Vol. 4, (Suppl. 3): 528 – 532.

Ekowati, Juni., Nurul W. Diyah. 2013. Aktivitas Antinociceptiv dan Uji In Silico

Terhadap Cyclooxygenase dari Asam p-Metoksisinamat dan Asam m-

Metoksisinamat. Berkala Ilmiah Kimia Farmasi, Vol. 2 (1): 32 – 39.

Fessenden & Fessenden. 1999. Kimia Organik Ed. 3. Jakarta: Erlangga.

Ganiswarna, Sulistia G. 1995, Farmakologi dan Terapi. Jakarta: Gaya Baru.

Geisteiger, John. 2003. Handbook of Chemoinformatics Vol. 1.Germany: Wiley-

VCH.

Hames, D., & Hooper, N. 2005. Biochemistry Thirdth Edition. Leeds, UK: Taylor

& Francis Group.

69

Hasanah, Aliya Nur., Fikri Nazaruddin., Ellin Febrina., dan Ade Zuhrotun. 2011.

Analisis Kandungan Minyak Atsiri dan Uji Aktivitas Antiinflamasi

Ekstrak Rimpang Kencur (Kaempferia galanga L.), Vol. 16, 3. Bandung.

Hertiani, Triana., Sylvia Utama Tunjung Pratiwi., Iramie Duma Kencana Irianto.,

Aini Febriana. 2010. Kaempferia galanga L. Rhizome As a Potential

Dental Plaque Preventice Agent, ISCC, Vol. 1: 19 – 25.

Husna, Ridhatul., Emdeniz., Imelda. 2013. Studi Toksisitas Floroanilim

Berdasarkan Hubungan Kuantitatif Struktur Aktifitas (HKSA)Beberapa

Amina Aromatis. Jurnal Kimia Unand. Vol. 2: 2303 – 3401.

Katritzky, A.R., Karelson, M., dan Lobanov, V.S., 1996, Quantum-Chemical

Descriptors in QSAR/QSPR Studies, J. Am. Chem. Soc. Vol 96 (3): 1027

– 1044.

Kee, Joyce L & Evelyn R. Hayes. 1996, Farmakologi: Pendekatan Proses

Keperawatan. Jakarta: Penerbit Buku Kedoktan EGC.

Kerns, Edward H and Li Di. 2008. Drug-like Properties: Concepts, Structure

Design and Methods.Elsevier Inc. UK.

Kurumbail et al. 1996. Structural Basic for Selective Inhibition of Cyclooxygenase-

2 by Anti-inflammatory Agents. Letters to Nature, Vol 384.

Leach, A.P., 1996, Molecular Modelling, Principles and Applications, Addison

Wesley Longman Limited, Singapore.

Liu, Zhiqian et al. 2014. Synthesis, Preliminary Bioevaluation and Computasional

Analysis of Caffeic Acid Analogue, Int. J. Mol. Sci. Vol. 15: 8808 –

8820.

Lodish, H., et al. (2008). Molecular Cell Biology Sixth Edition. New York: W.H.

Freeman and Company.

Lucic, B., Milicevic, A., Nikolic, S., dan Trinajstic, N., 2002, Harary Index –

Twelve Years Later, Croatica. Chem. Act., Vol. 75 (4), 847-868.

McMurry, John. 2008. Organic Chemistry Ed. 7. United State of America: Thomas

Learning, Inc.

Mukesh, Bachwani & Kumar Rakesh. 2011. Molecular Docking: A Review, Vol. 2,

(6): 1746 – 1751.

70

Nelson, D. L., & Cox, M. M. (2008). Lehninger Principles of Biochemistry Fifth

Edition. New York: W.H. Freeman and Company.

Nguyen, Phi-Hung et al. 2014. Isolation of Benzoic and Cinnamic Acid Derivatives

from The Grains of Sorghum Bicolor and Their Inhibition of

Lipopolysaccharide-induced Nitric Oxide Production in RAW 264.7

Cells, Food Chemistry, Vol. 168 (2015): 512 – 519.

O’Boyle, N. M., Banck, M., James, C. A., Morley, C., Vandermeersch, T., &

Hutchison, G. R. (2011). Open Babel: An open chemical toolbox. Journal

of Cheminformatics.

Patrick, G. 2001. Instant Notes in Medicinal Chemistry. Oxford: BIOS Scientific

Publisher.

Patrick, Graham L. 2009. An Introduction to Medicinal Chemistry Fourth Edition.

New York, United State of America: Oxford University Press.

Petsko, G., & Ringe, G. (2003). Protein Structure and Function (Primers in

Biology). United Kingdom: New Science Press.

RCSB. (2014, March 10). About the PDB Archive and the RCSB PDB. Retrieved

from Protein Data Bank:

http://www.rcsb.org/pdb/static.do?p=general_information/about_pdb/in

dex.html

Reck. R. A. 1984. Marketing and Economic of Oleochemical to The Plastic

Industry. J. Am. Oil Chem. Soc.

Rifai, Abdul Aziz., Kasmui., Subianto Hadisaputro. 2014. Kajian HKSA Senyawa

Turunan Deoksubenzoi Terhadap Aktivitas Antioksidan Menggunakan

Analisa Regresi Multilinier. Indo. J. Chem. Sci, Vol 3 (3).

Sharma, Prateek. 2011. Cinnamic Acid Derivatives: A New Chapter of Various

Pharmacological Activities. J. Chem. Pharm. Res, Vol. 3 (2): 403 – 423.

Setyawan, Eko., Pandhu Putratama., Asriningtyas Ajeng., dan Wara Dyah Pita

Rengga. 2012. Optimasi Yield Etil p-Metoksisinamat Pada Ekstraksi

Pleoresin Kencur (Kaempferia galanga L.) Menggunakan Pelarut Etanol.

Vol. 1, (3).

Sirisangtragul, Wanna & Bungorn Sripanidkulchai. 2011. Effects of Kaempferia

galanga L. and ethyl-p-methoxycinnamate (EPMS) on Hepatic

71

Microsomal Cytochrome P450s Enzyme Activities in Mice. SJST, Vol.

33 (44): 411 – 417.

Siswandono & Bambang Soekardjo. 2000, Kimia Medisinal Ed. 1. Surabaya:

Airlangga University Press.

Smith, H. J. & Simons, C. (2005). Enzymes and Their Inhibition: Drug

Development. Florida: CRC Press.

Sumardjo, Damin. 2009, Pengantar Kimia. Jakarta: Penerbit Buku Kedokteran

EGC.

Tahir, Iqmal., Karna Wijaya., Bambang Purwono dan Dinni Widianingsih, 2003.

QSAR Study of Flavone/Flavonol Analogues as The Antiradical

Compound Based on Hansch Analysis. Indonesia Journal of Chemistry.,

Vol. 3 (1): 48 – 54.

Tahir, Iqmal., Nur Fatimah., Ria Armunanto. 2012. Analisis Hubungan Kuantitatif

Struktur dan Aktivitas Antitoksoplasma Senyawa Analog Kuinolon

Menggunakan Deskriptor Teoritik. Sains dan Terapan Kimia. Vol. 6 (2):

139 – 153.

Trott, O & Olson, A. J. (2010). Autodock Vina: Improving the speed and accuracy

of docking with a new scoring function, efficient optimization and

multithreading. National Institute of Health.

Todeschini, Roberto., Viviana Consonni. 2009. Molecular Descriptors for

Chemoinformatics, Volume I & II. Wiley-VCH. UK.

Umar et al. 2012. Bioactivity – Guided Isolation of Ethyl-p-methoxycinnamate an

Anti-Inflammatory Constituent, from Kaempferia galanga L. Extracts,

Molecules, Vol. 17: 8720 – 8734.

Umar et al, 2014. Ethyl-p-methoxycinnamate Isolated From Kaempferia galanga

Inhibits Inflamation by Suppressing Interleukin-1, Tumor Necrosis

Factor-α, and Angiogenesis by Blocking Endothelial Functions. Clinics,

Vol. 69 (2): 134 – 144.

Winter. A. 2005. Organic Chemistry for Dummies. Wiley Interscience. New York.

Zukhurullah, Mukhtasyam., Muhammad Aswad., Subehan. 2012. Kajian Beberapa

Senyawa Antiinflamasi: Docking Terhadap Siklooksigenase-2 Secara In

Silico. Majalah Farmasi, Vol 16 (1): 37 – 44.

LAMPIRAN

73

Lampiran 1. Alur penelitian HKSA dan penambatan molekul

ALUR PENELITIAN

HUBUNGAN KUANTITATIF STRUKTUR-AKTIFITAS

Training Set Membangun Model

Model

Validasi Model Test Set

Model Tervalidasi

Memakai model untuk

meramalkan aktivitas

RAMALAN

Nilai Aktivitas

Struktur Uji

Input Proses

Output

74

ALUR PENAMBATAN MOLEKULAR (MOLECULAR DOCKING)

Ligan dan Makromolekul dioptimasi

dengan Autodock Tools simpan

dalam format .pdbqt

Pembuatan ligan dengan Marvin

Sketch dan simpan dalam format .pdb

Makromolekul diunggah melalui

situs www.pdb.org

Penyiapan Ligan Amidasi EPMS Penyiapan Makromolekul COX-2

Simpan dalam satu folder Vina dan buat file

konfigurasi file dengan notepad, beri nama conf.txt

Analisa visualisasi untuk melihat bentuk, volume

dan kecocokkan dengan menggunakan Pymol

Analisa interaksi molekul dan ligan dengan

menggunakan LigPlus

75

Lampiran 2. Tabel rekapitulasi perhitungan deskriptor hidrofobik, sterik, dan elektronik 15 senyawa turunan asam sinamat

Sinamat Log P Indeks

Harary

Indeks

Randic MR EHOMO ELUMO ΔE(HOMO-LUMO) Polarisabilitas IC50 Log 1/IC50

1A 4.84 61.80 19.70 84.74 -8.938 -0.789 8.149 33.59 2.4 -0.380

2A 3.23 65.37 15.97 80.24 -9.010 -0.756 8.254 31.80 3.7 -0.568

3A 3.11 67.05 14.82 75.10 -9.076 -0.875 8.201 29.77 4.1 -0.613

4A 3.53 64.77 16.88 81.43 -8.950 -0.811 8.139 33.28 4.8 -0.681

5A 2.73 75.68 18.04 87.72 -8.887 -0.477 8.410 34.77 5.0 -0.699

6A 3.16 65.37 17.11 84.70 -8.370 -0.529 7.841 33.58 5.2 -0.716

7A 2.34 47.21 15.14 68.06 -8.849 -0.575 8.274 26.98 6.1 -0.785

8A 3.06 20.74 19.23 95.55 -8.378 -0.554 7.824 37.88 6.7 -0.826

9A 3.65 76.79 16.03 80.55 -9.094 -0.854 8.240 31.75 7.9 -0.898

10A 2.96 47.21 14.70 66.21 -8.935 -0.795 8.140 26.24 8.4 -0.924

11A 3.75 51.94 14.55 73.30 -9.001 -0.704 8.682 28.95 10.7 -1.029

12A 1.95 40.09 12.20 56.94 -8.935 -0.799 8.136 25.57 11.9 -1.076

13A 0.71 44.14 12.07 55.34 -9.098 -1.015 8.082 21.93 18.5 -1.267

14A 1.59 36.53 10.95 52.31 -8.951 -0.823 8.128 20.73 21.4 -1.330

15A 1.71 46.99 13.72 64.52 -9.123 -0.857 8.266 25.57 29 -1.462

76

Lampiran 3. Hasil analisi korelasi antara deskriptor dengan aktivitas biologis

77

Lampiran 4. Hasil analisis MLR dengan Training Set

78

79

Lampiran 5. Struktur 3D protein COX-2

Struktur 3D COX-2 dengan kode PDB: 1CX2

(Sumber : http://www.rcsb.org/pdb)

80

Lampiran 6. Prosedur kerja penambatan molekul (molecular docking)

a. Penyiapan protein

Pengunduhan makromolekul COX-2 dari Bank Data Protein melalui

situs http://www.rcsb.org/pdb/. Identitas molekul yaitu 1CX2. Data

makromolekul diunduh dalam format .pdb.

1. Pemisahan Makromolekul Air dan Ligan

Pemisahan menggunakan Discovery Studio 3.5 Visualizer. Setelah

dipisahankan, kemudian simpan dalam format .pdb.

“Pilih Script → selection → Select water molecules/Select ligand

molecules”

81

“Save as → ke folder Vina (C:/Vina) → 1CX2.pdb”

2. Optimasi makromolekul

Optimasi makromolekul dilakukan dengan menggunakan Autodock

Tool dan buka makromolekul yang disimpan dalam format .pdbqt (file →

read molecule → 1CX2.pdb). Optimasi dengan penambahan hidrogen.

“Edit → Hydrogen → add”

82

“Diatur sesuai konfigurasi diatas”

3. Gridbox parameter

Pengaturan dilakukan dengan grid box (grid → grid box) yang

meliputi ukuran (size x, y, z), kordinat (center x, y, z) dan, besarnya ukuran

(amstrong) dan simpan (file → close saving current).

“Grid → macromolecule → choose → 1CX2 → select molecules”

83

“Save as → 1CX2.pdbqt”

Dilakukan pengaturan grid box “Grid → grid box → grid options”

(konfigurasi disesuaikan seperti diatas). Kemudian pilih “File → closing

saving current”

b. Penyiapan Ligan

Senyawa amidasi EPMS dibuat dengan menggunakan Marvin

Sketch. Kemudian struktur diubah ke dalam bentuk 3D (structure → clean

3D → clean in 3D) disimpan dengan format .pdb.

84

“Save as → ligan. (file of type diubah menjadi Protein Data Bank/PDB)”

File yang sudah dibuat, kemudian dioptimasi di Autodock.

“Ligand → input → Open → ligan.pdb

85

Simpan ke dalam folder Vina. “Ligand → output → save as .pdbqt”

c. Penambatan Molekul

Molekul dan ligan dengan format .pdbqt ditempat didalam satu

folder Vina yang telah berisi vina.exe, vina_split.exe, dan vina license.rtf.

1. Buat pada notepad dengan nama “conf.txt”, yang berisikan ligand

(=ligand.pdbqt), receptor (=1CX2.pdbqt), output, center (x,y,z), size

(x,y,x).

Isi conf.txt disamakan dengan pengaturan grid box sebelumnya

86

2. Penambatan dijalankan melalui Vina

Ketik perintah “cd.. (enter) →cd.. (enter) →cd vina (enter) → vina --config

conf.txt --log log.txt (enter)”

d. Analisa dan visualisasi penambatan molekul

1. Hasil kalkulasi penambatan berupa energi ΔEGIBBS

Buka file “log.txt” akan terbuka melalui notepad

87

2. Visualisasi dengan menggunakan Pymol

Inputkan file “1CX2.pdbqt dan Out.pdbqt” secara bersama. (file type diganti

All file agar memudahkan pencarian.

Pilih “Action/A (all) → preset → ligand sites → transparent (better)”

88

Pilih “Show/S (pada out.pdbqt) → sphere”

e. Analisa Interaksi ligand dan makromolekul

Buka Command prompt dan ketikan seperti dibawah ini:

Pilih “out_ligan_1.pdbqt dan 1CX2.pdbqt, kemudian buka file tersebut di

Wordpad.

89

Copy seluruh isi didalam file ligand.pdbqt, kemudian paste kan didalam file

1CX2.pdbqt

“Save as → plain text document → nama file diganti out-1CX2.pdb (save)”

90

Klik “File → open (pilih PDB) → browse → out-1CX2.pdb (open) → run”

Interaksi antara ligan dengan asam amino. (interaksi antara ligan 1B dengan

COX-2)

91

Lampiran 7. Data hasil docking Autodock Vina

Ibuprofen

Mode Affinity

(kcal/mol)

Dist from

RMSD L. B.

Best mode

RMSD L. B.

1 -7.5 0.000 0.000

2 -7.2 1.888 2.611

3 -6.9 2.995 6.411

4 -6.8 15.322 16.646

5 -6.8 1.636 2.708

6 -6.5 2.572 3.137

7 -6.4 2.299 2.849

8 -6.2 14.948 16.539

9 -6.1 2.896 3.675

Ligan 1B dengan substituent anilin

Mode Affinity

(kcal/mol)

Dist from

RMSD L. B.

Best mode

RMSD L. B.

1 -7.8 0.000 0.000

2 -6.9 17.590 21.935

3 -6.5 21.196 23.355

4 -6.3 20.196 22.355

5 -6.1 15.997 18.493

6 -6.1 17.801 19.462

7 -6.1 2.234 2.706

8 -6.0 22.005 23.527

9 -5.9 16.110 18.491

Ligan 2B dengan substituent asetamid

Mode Affinity

(kcal/mol)

Dist from

RMSD L. B.

Best mode

RMSD L. B.

1 -7.6 0.000 0.000

2 -7.3 2.212 7.344

3 -7.1 15.782 17.062

4 -7.0 2.044 7.413

5 -7.0 4.467 6.283

6 -6.5 4.245 7.229

7 -6.4 1.406 1.633

8 -6.3 12.882 13.615

9 -6.1 17.164 20.685

92

Ligan 3B dengan substituent dietanolamid

Mode Affinity

(kcal/mol)

Dist from

RMSD L. B.

Best mode

RMSD L. B.

1 -7.5 0.000 0.000

2 -7.0 3.667 5.352

3 -6.9 16.220 19.080

4 -6.5 3.443 5.164

5 -6.3 15.356 16.874

6 -6.3 11.595 13.815

7 -6.2 14.352 17.301

8 -6.2 11.308 13.543

9 -5.9 10.546 12.228

Ligan 4B dengan substituent etanolamid

Mode Affinity

(kcal/mol)

Dist from

RMSD L. B.

Best mode

RMSD L. B.

1 -7.0 0.000 0.000

2 -6.9 2.450 6.863

3 -6.8 14.326 15.760

4 -6.7 3.708 5.181

5 -6.6 3.615 5.335

6 -6.3 2.322 6.528

7 -6.1 2.825 6.356

8 -5.8 3.572 6.729

9 -5.7 11.669 13.322

Ligan 5B dengan substituent urea

Mode Affinity

(kcal/mol)

Dist from

RMSD L. B.

Best mode

RMSD L. B.

1 -6.9 0.000 0.000

2 -6.9 14.519 16.002

3 -6.6 3.961 6.532

4 -6.6 14.351 16.695

5 -6.6 13.486 14.714

6 -6.5 2.233 3.149

7 -6.3 3.376 3.968

8 -6.2 14.349 15.172

9 -6.1 2.931 3.219

93

Etil p-metoksisinamat/EPMS (6B)

Mode Affinity

(kcal/mol)

Dist from

RMSD L. B.

Best mode

RMSD L. B.

1 -7.0 0.000 0.000

2 -6.9 4.219 6.687

3 -6.8 14.357 16.159

4 -6.8 1.767 6.965

5 -6.7 14.385 16.047

6 -6.6 13.432 16.688

7 -6.5 3.864 4.941

8 -6.5 13.943 15.746

9 -6.3 15.121 19.572