universitas indonesia analisis dinamika molekuler … · penelitian ini, diteliti sepuluh senyawa...

UNIVERSITAS INDONESIA

ANALISIS DINAMIKA MOLEKULER HASIL PENAMBATAN MOLEKULER KOMPLEKS α-GLUKOSIDASE DENGAN

SEPULUH SENYAWA KIMIA TANAMAN HASIL VIRTUAL SCREENING DARI BASIS DATA HERBAL

SKRIPSI

RIBKA MARTINA SIMANJUNTAK

1106067444

FAKULTAS FARMASI PROGRAM STUDI SARJANA FARMASI

DEPOK JUNI 2015

ii

UNIVERSITAS INDONESIA

ANALISIS DINAMIKA MOLEKULER HASIL PENAMBATAN MOLEKULER KOMPLEKS α-GLUKOSIDASE DENGAN

SEPULUH SENYAWA KIMIA TANAMAN HASIL VIRTUAL SCREENING DARI BASIS DATA HERBAL

SKRIPSI Diajukan sebagai salah satu syarat untuk memperoleh gelar

Sarjana Farmasi

RIBKA MARTINA SIMANJUNTAK 1106067444

FAKULTAS FARMASI PROGRAM STUDI SARJANA FARMASI

DEPOK JUNI 2015

vi

KATA PENGANTAR

Puji syukur ke hadirat Tuhan Yang Maha Esa, karena atas kehendak dan

penyertaanNya sehingga proses penelitian dan penulisan skripsi yang berjudul

“Analisis Dinamika Molekuler Penambatan Molekuler Kompleks α-

Glukosidase dengan Sepuluh Senyawa Kimia Tanaman Hasil Virtual

Screening dari Basis Data Herbal” ini dapat berjalan dengan lancar. Penulisan

skripsi ini dilakukan dalam rangka memenuhi salah satu syarat untuk untuk

mencapai gelar Sarjana Farmasi di Fakultas Farmasi Universitas Indonesia.

Penulis menyadari bahwa tanpa bantuan dan bimbingan dari berbagai

pihak, dari masa perkuliahan hingga sampai pada penyusunan skripsi ini,

sangatlah sulit bagi penulis untuk menyelesaikan skripsi ini. Oleh karena itu, tidak

lupa penulis mengucapkan terimakasih kepada:

1. Dr. Mahdi Jufri, M.Si., selaku dekan Fakultas Farmasi Universitas

Indonesia.

2. Dr. Arry Yanuar, M.Si, Apt., dan Wahyu Fitriana M.Farm, Apt., selaku

dosen pembimbing yang telah menyediakan waktu, tenaga, dan pikiran

untuk memberikan pengarahan dan bimbingan kepada penulis selama

proses penelitian dan penyusunan skripsi ini.

3. Nadia Farhanah Syafhan, M.Si, Apt., selaku pembimbing akademik yang

telah membimbing penulis selama masa perkuliahan.

4. Seluruh staf pengajar Fakultas Farmasi yang dengan tulus memberikan

bekal ilmu kepada penulis dan seluruh keluarga besar Fakultas Farmasi

yang telah membantu penulis selama masa kuliah dan penyusunan skripsi

ini.

5. Bapak, Mama, abang Yohanes, adik Elisabeth, adik Yosua, keluarga

penulis yang sangat luar biasa yang tidak pernah berhenti memberikan doa

dan dukungan yang membuat penulis kuat dalam menyelesaikan skripsi

ini.

6. FARMAKOPE 2011: Farmasi UI angkatan 2011, terimakasih atas

kebersamaan suka dan duka, dukungan, serta kepedulian yang telah

vii

diberikan juga terimakasih untuk perjuangan kita bersama selama 4 tahun

ini.

7. Keluarga saya di PO FMIPA dan Farmasi UI, Gabriella Pasaribu, Indra,

Grace Elsa, Stephanie, Grace Juli, Samuel, Melfin, Merry, AKK (Ivon,

Elfira, Lidya, Merry) dan semuanya yang tidak dapat disebutkan satu

persatu.

8. KTB, Fella, Lasma, Hosana, Ivana, Hanna,terimakasih buat doa-doa nya

yang luar biasa, bersyukur atas dukungan kalian selama penyusunan

skripsi ini

9. Buat kedua kakak yang sudah penulis anggap menjadi kakak kandung, kak

Eveline dan Kak Meta yang selalu mendukung dalam doa dan dukungan

walaupun dibatasi dengan jarak yang jauh diantara kita.

10. Tim ASOKA Sociopreneur, Desy, Ulfa, Dinia yang telah mengajarkan

penulis untuk menunaikan poin ketiga Tri Dharma Perguruan Tinggi;

Pengabdian Masyarakat, yang juga memberikan penulis berkontribusi

nyata bagi bangsa ini.

11. Rekan seperjuangan skripsi Rahmah, Julio, Yongky, penghuni labkom

lainnya Mbak Eva, Kak Alvi, Kak Linda, Bu Azminah, dan semua yang

telah membantu penulis dalam menyelesaikan penelitian, serta semua

pihak yang tidak dapat disebutkan satu persatu.

Penulis menyadari bahwa dalam penyusunan skripsi ini masih jauh dari

kesempurnaan, karena itu penulis sangat mengharapkan kritik dan saran dari

pembaca yang bersifat membangun dan memacu penulis untuk berkarya lebih

baik dimasa yang akan datang.

Akhir kata, penulis berharap skripsi ini dapat bermanfaat bagi penulis

khususnya, dan dapat memberikan kontribusi ilmu pengetahuan bagi semua pihak.

Penulis

2015

ix

ABSTRAK

Nama : Ribka Martina Simanjuntak Program Studi : S1 Farmasi Judul : Analisis Dinamika Molekuler Penambatan Molekuler

Kompleks α-Glukosidase dengan Sepuluh Senyawa Kimia Tanaman Hasil Virtual Screening dari Basis Data Herbal.

Kanker adalah suatu kondisi yang ditandai dengan adanya pertumbuhan abnormal dari sel-sel tubuh yang tidak terkontrol dan mampu mempengaruhi sel normal lainnya. Saat ini banyak dilakukan penelitian untuk mencari senyawa-senyawa baru yang berpotensi sebagai antikanker. Salah satu cara yang digunakan untuk mendukung analisis ini adalah dengan metode in silico. Selain itu, metode ini juga mendukung green chemistry yang cukup diminati akhir-akhir ini. Dalam penelitian ini, diteliti sepuluh senyawa dari basis data herbal hasil Virtual Screening yang memiliki aktivitas sebagai inhibitor enzim α-Glukosidase manusia. Model tiga dimensi (3D) enzim dikonstruksi berdasarkan struktur kristal α-glukosidase S. solphataricus (MalA) dan sub-unit N-terminal Maltase Glukoamilase manusia (NtMGAM). Penambatan sepuluh senyawa yang akan diuji; yakni 6-Deoxoteasterone, Diosgenin, Withangulatin A, Withanolide, Lanosterol, Cassiamin C, Asiatic Acid, Isoarborinol, Yamogenin, dan Lantic Acid, ditambatkan menggunakan AutoDock 4.2 dan hasilnya menunjukkan nilai ΔG secara berturut-turut yakni -9,09; -8,76; -8,73; -8,66; -8,65; -8,65; -8,64; -8,59; -8,48; dan -8,45 kkal/mol. Analisis kemudian dilanjutkan dengan melakukan simulasi diamika molekuler selama 2 nanodetik menggunakan Amber 11. Sebagai kontrol positif, digunakan senyawa Castanospermine dan 1,6-Epi-Cyclophellitol. Hasil analisis menunjukkan bahwa secara umum, pada kompleks senyawa ligan dan makromolekul ada interaksi yang kuat dan stabil pada residu Asp587, Asp511, Asp 398, Trp 274, dan Phe 620.

Kata Kunci : α-glukosidase, penambatan molekuler, database herbal, antikanker, simulasi dinamika molekuler

xv + 95 halaman : 17 gambar; 19 tabel; 25 lampiran Daftar Pustaka : 64 (1990 – 2014)

x

ABSTRACT

Name : Ribka Martina Simanjuntak Program Study : Pharmacy Title : Mollecular Dynamic’s Analysis of Docking Product of

Alpha Glucosidades with Ten Organic Compunds from Virtual Screening of Herbal Database

Cancer is a condition that characterized by the abnormal growth of cells that are not controlled and capable to affect normal cells. Nowadays, there's a lot of research to find new compounds that have the potential as an anticancer. One of the ways to support this analysis is the in silico. In addition, this method also supports green chemistry that considerable interest lately. This study will investigated ten compounds from Herbal Database that have been researched before through Virtual Screening, that have the activity as an inhibitor of α-glucosidase. Three-dimensional (3D)'s model was constructed by the crystal structure of the enzyme α-glucosidase S. solphataricus (mala) and sub-units of N-terminal human maltase Glucoamylase (NtMGAM). 6-Deoxoteasterone, Diosgenin, Withangulatin A, Withanolide, lanosterol, Cassiamin C, Asiatic Acid, Isoarborinol, Yamogenin, and Lantic Acid was tethered using Autodock 4.2 and the results show the value of ΔG are -9.09; -8.76; -8.73; -8.66; -8.65; -8.65; -8.64; -8.59; -8.48; and -8.45 kcal/mol. The analysis then continued by performing simulation od mollecular dynamics for 2 nanoseconds using Amber 11. Castanospermine and 1,6-Epi-Cyclophellitol was used as the positive control. The analysis showed that in general the complex of ligand and macromolecule, that there is a strong and stable interaction at residues Asp587, Asp511, Asp 398, Trp 274 and Phe 620.

Keyword : Alpha-Glucosidases, Virtual Screening, Mollecular Dynamics

xv + 95 pages : 17 pictures, 19 tables, 25 appendices

Bibliography : 64 (1990 – 2014)

xi

DAFTAR ISI

HALAMAN JUDUL ........................................................................................... i SURAT PERNYATAAN BEBAS PLAGIARISME ........................................ iii HALAMAN PERNYATAAN ORISINALITAS .............................................. iv HALAMAN PENGESAHAN ............................................................................. v KATA PENGANTAR ......................................................................................... vi LEMBAR PERSETUJUAN PUBLIKASI KARYA ILMIAH ........................ viii ABSTRAK ........................................................................................................... ix ABSTRACT ......................................................................................................... x DAFTAR ISI ........................................................................................................ xi DAFTAR GAMBAR ........................................................................................... xii DAFTAR TABEL ............................................................................................... xiv DAFTAR LAMPIRAN ....................................................................................... xv BAB 1 PENDAHULUAN ................................................................................... 1

1.1. Latar Belakang ........................................................................................... 1 1.2. Tujuan Penelitian ....................................................................................... 2

BAB 2 TINJAUAN PUSTAKA .......................................................................... 4 2.1. Kanker ...................................................................................................... 4

2.1.1. Proses Terjadinya Kanker ............................................................. 4 2.1.2. Siklus Sel ...................................................................................... 5 2.1.3. Klasifikasi Kanker ........................................................................ 7 2.1.4. Neoplasma..................................................................................... 7 2.1.5. Perkembangan Pengobatan Kanker .............................................. 8

2.2. Protein ....................................................................................................... 10 2.2.1. Struktur Protein ............................................................................. 10

2.2.1.1. Struktur Primer ................................................................. 10 2.2.1.2. Struktur Sekunder ............................................................. 11 2.2.1.3. Struktur Tersier ................................................................. 12 2.2.1.4. Struktur Kuartener ............................................................ 13

2.2.2. Enzim ............................................................................................ 14 2.2.3. Enzim α-Glukosidase .................................................................... 15 2.2.4. Interaksi Antara Protein dengan Ligan ......................................... 16

2.2.4.1. Interaksi Hidrogen ............................................................ 16 2.2.4.2. Interaksi Van Der Waals .................................................. 17 2.2.4.3. Interaksi Hidrofobik ......................................................... 18 2.2.4.4. Ikatan Ionik ....................................................................... 18

2.3. Mekanisme Kerja α-Glukosidase Sebagai Antikanker .............................. 19 2.4. Senyawa Ligan .......................................................................................... 20

2.4.1. 6-Deoxoteasterone ........................................................................ 21 2.4.2. Diosgenin ...................................................................................... 22 2.4.3. Withangulatin A dan Withanolide ................................................. 23 2.4.4. Lanosterol ..................................................................................... 24 2.4.5. Cassiamin C .................................................................................. 26 2.4.6. Asiatic Acid ................................................................................... 27 2.4.7. Isoarborinol .................................................................................. 28

xii

2.4.8. Yamogenin..................................................................................... 28 2.4.9. Lantic Acid .................................................................................... 29 2.4.10. Castanospermine......................................................................... 30 2.4.11. 1,6-Epi-Cyclophellitol ................................................................. 30

2.5. Bioinformatika ........................................................................................... 31 2.6. Penambatan Molekuler .............................................................................. 32 2.7. Dinamika Molekuler .................................................................................. 33 2.8. PyMOL ...................................................................................................... 34 2.9. Open Babel ................................................................................................ 35 2.10. Vega ZZ ................................................................................................... 35 2.11. AutoDock ................................................................................................ 35 2.12. Amber ...................................................................................................... 36 2.13. VMD ........................................................................................................ 36 2.14. UCSF Chimera ........................................................................................ 37

BAB 3 METODE PENELITIAN ....................................................................... 38 3.1. Tempat dan Waktu Penelitian ................................................................... 38 3.2. Alat ............................................................................................................ 38

3.2.1. Perangkat Keras ............................................................................ 38 3.2.2. Perangkat Lunak ........................................................................... 38

3.3. Bahan ......................................................................................................... 38 3.3.1. Struktur Tiga Dimensi α-Glukosidase .......................................... 38 3.3.2. Struktur Tiga Dimensi Ligan ........................................................ 38

3.4. Cara Kerja .................................................................................................. 39 3.4.1. Persiapan Struktur Ligan............................................................... 39 3.4.2. Penambatan Ligan dengan Model α-Glukosidase ........................ 39 3.4.3. Analisis Hasil Penambatan Molekuler .......................................... 40 3.4.4. Simulasi Dinamika Molekuler ...................................................... 41

3.5. Skema Penelitian ....................................................................................... 47 BAB 4 HASIL DAN PEMBAHASAN ............................................................... 48

4.1. Penambatan Molekuler .............................................................................. 48 4.1.1. Persiapan dan Optimasi Model α-Glukosidase ............................. 48 4.1.2. Persiapan dan Optimasi Struktur Ligan ........................................ 48 4.1.3. Penambatan Ligan Terhadap Model α-Glukosidase ..................... 49 4.1.4. Analisis Hasil Penambatan Molekuler .......................................... 50

4.2. Simulasi Dinamika Molekuler ................................................................... 56 4.2.1. Persiapan Berkas Ligan dan Makromolekul ................................. 56 4.2.2. Pembuatan Topologi dan Koordinat ............................................. 56 4.2.3. Minimisasi Sistem ......................................................................... 56 4.2.4. Ekuilibrasi Sistem ......................................................................... 58 4.2.5. Produksi Simulasi Dinamika Molekuler ....................................... 61

4.3. Analisis Simulasi Dinamika Molekuler .................................................... 61 BAB 5 KESIMPULAN DAN SARAN ............................................................... 72

5.1. Kesimpulan ................................................................................................ 72 5.2. Saran .......................................................................................................... 72

DAFTAR PUSTAKA ........................................................................................... 74 LAMPIRAN .......................................................................................................... 79

xiii

DAFTAR GAMBAR

Gambar 2.1. Proses Terjadinya Kanker ................................................................ 5 Gambar 2.2. Siklus Reproduksi Sel ...................................................................... 7 Gambar 2.3. Struktur Primer Protein .................................................................... 11 Gambar 2.4. Struktur Sekunder Protein ................................................................ 12 Gambar 2.5. Struktur Tersier Protein .................................................................... 13 Gambar 2.6. Struktur Kuartener Protein ............................................................... 13 Gambar 2.7. Mekanisme Kerja Enzim α-Glukosidase .......................................... 15 Gambar 2.8. Skema Mekanisme Inhibitor α-Glukosidase Sebagai Antikanker ... 20 Gambar 4.1. Visualisasi Kompleks Ligan-Makromolekul dalam Pelarut Air ...... 57 Gambar 4.2. Grafik Berat Jenis Terhadap Waktu Ligan – Makromolekul saat

Ekuilibrasi ........................................................................................ 59 Gambar 4.3. Grafik Suhu Terhadap Waktu Ligan – Makromolekul saat

Ekuilibrasi ........................................................................................ 59 Gambar 4.4. Grafik E.Potensial Terhadap Waktu Ligan – Makromolekul saat

Ekuilibrasi ........................................................................................ 60 Gambar 4.5. Grafik RMSD Terhadap Waktu Ligan – Makromolekul saat

Ekuilibrasi ........................................................................................ 60 Gambar 4.6. Grafik E.Potensial Terhadap Waktu Ligan – Makromolekul saat

Produksi ........................................................................................... 62 Gambar 4.7. Grafik Fluktuasi RMSD Terhadap Waktu Ligan – Makromolekul

saat Produksi .................................................................................... 63 Gambar 4.8. Grafik Fluktuasi RMSF Terhadap Waktu Ligan – Makromolekul saat

Produksi ........................................................................................... 66 Gambar 4.9. Grafik Fluktuasi Ikatan Hidrogen Terhadap Waktu Ligan –

Makromolekul .................................................................................. 68

xiv

DAFTAR TABEL

Tabel 2.1. Enam Klasifikasi Enzim ...................................................................... 14 Tabel 2.2. Senyawa Ligan ..................................................................................... 20 Tabel 2.3. Senyawa Kontrol Positif ...................................................................... 21 Tabel 2.3. Identitas Senyawa 6-Deoxoteasterone ................................................. 22 Tabel 2.4. Identitas Senyawa Diosgenin ............................................................... 22 Tabel 2.5. Identitas Senyawa Withangulatin A ..................................................... 23 Tabel 2.6. Identitas Senyawa Withanolide ............................................................ 24 Tabel 2.7. Identitas Senyawa Lanosterol .............................................................. 25 Table 2.8. Identitas Senyawa Cassiamin C ........................................................... 26 Tabel 2.9. Identitas Senyawa Asiatic Acid ............................................................ 27 Tabel 2.10. Identitas Senyawa Isoarborinol ......................................................... 28 Tabel 2.11. Identitas Senyawa Yamogenin ........................................................... 29 Tabel 2.12. Identitas Senyawa Lantic Acid ........................................................... 29 Tabel 2.13. Identitas Senyawa Castanospermine ................................................. 30 Tabel 2.14. Identitas Senyawa 1,6-Epi-Cyclophellitol.......................................... 31 Tabel 3.1. Nama Senyawa Ligan .......................................................................... 39 Tabel 4.1. Data Hasil Penambatan Molekuler Senyawa ....................................... 50 Tabel 4.2. Interaksi Ligan dengan Residu Enzim ................................................. 55 Tabel 4.3. Okupansi Ikatan Hidrogen Kompleks Ligan-Makromolekul .............. 69

xv

DAFTAR LAMPIRAN

Lampiran 1. Optimasi Ligan Sebelum Ditambatkan............................................. 79 Lampiran 2. Berkas Masukan Minimisasi Ligan (init_min.in) ............................ 79 Lampiran 3. Optimasi Makromolekul Sebelum Penambatan ............................... 80 Lampiran 4. Penambatan Molekuler ..................................................................... 81 Lampiran 5. Perintah Amber pada Simulasi Dinamika Molekuler ....................... 81 Lampiran 6. Berkas masukan minimisasi pertama (min.in) ................................. 83 Lampiran 7. Berkas masukan minimisasi kedua (min_all.in) ............................... 83 Lampiran 8. Berkas masukan Ekuilibrasi Sistem ................................................ 84 Lampiran 9. Berkas Masukan Produksi (prod.in) ................................................. 86 Lampiran 10. Berkas Masukan Produksi (run_md.x) ........................................... 86 Lampiran 11. Berkas Masukan Pembuatan Trajektori (ptraj_rmsd.in)................. 87 Lampiran 12. Berkas Masukan Pembuatan Trajektori (ptraj_rmsf.in) ................. 88 Lampiran 13. Struktur Asam Amino Penyusun Protein ....................................... 90 Lampiran 14. Visualisasi Penambatan α-glukosidase dengan Castanospermine . 91 Lampiran 15. Visualisasi Penambatan α-glukosidase dengan 1,6-Epi-

Cyclophellitol ................................................................................ 91 Lampiran 16. Visualisasi Penambatan α-glukosidase dengan

6 - Deoxoteasterone ....................................................................... 91 Lampiran 17. Visualisasi Penambatan α-glukosidase dengan Asiatic Acid .......... 91 Lampiran 18. Visualisasi Penambatan α-glukosidase dengan Cassiamin C ......... 92 Lampiran 19. Visualisasi Penambatan α-glukosidase dengan Diosgenin ............. 92 Lampiran 20. Visualisasi Penambatan α-glukosidase dengan Isoarborinol ......... 92 Lampiran 21. Visualisasi Penambatan α-glukosidase dengan Lanosterol ............ 92 Lampiran 22. Visualisasi Penambatan α-glukosidase dengan Lantic Acid ........... 93 Lampiran 23. Visualisasi Penambatan α-glukosidase dengan Withanolide .......... 93 Lampiran 24. Visualisasi Penambatan α-glukosidase dengan Withangulatin A ... 93 Lampiran 25. Visualisasi Penambatan α-glukosidase dengan Yamogenin ........... 93

1

BAB 1

PENDAHULUAN

1.1. Latar Belakang

Kanker adalah suatu kondisi yang ditandai dengan adanya pertumbuhan

abnormal dari sel-sel tubuh yang tidak terkontrol dan mampu untuk

mempengaruhi jaringan tubuh lainnya melalui sistem peredaran darah dan sistem

limfatik. Penyakit ini membutuhkan perhatian dan perawatan medis dalam waktu

yang lama untuk mencegah metastasis maupun untuk perawatan kanker itu sendiri

(National Cancer Institute, 2014).

Pada sebagian besar negara berkembang, kanker merupakan salah satu

penyebab kematian terbesar. Untuk alasan inilah telah banyak dilakukan riset

mengenai kanker. Sampai saat ini, terapi untuk para penderita kanker sebagian

besar berujung pada kegagalan (Zhdanov, 2008). Di dunia, diperkirakan 8,2 juta

orang meninggal akibat kanker setiap tahunnya (IARC, 2012). Menurut data

epidemiologi yang ada, kanker merupakan penyebab kematian utama kedua yang

memberikan kontribusi 13 % kematian dari 22 % kematian akibat penyakit tidak

menular utama di dunia (Shibuya, 2002). Di Indonesia, penyakit kanker

merupakan penyakit dengan urutan ke-6 terbesar. Hal ini ditunjukkan dengan

suatu perbandingan dimana setiap tahunnya terdapat 100 kasus kanker baru

diantara 100.000 penduduk. Penyakit kanker juga semakin berkembang, melihat

pola hidup masyarakat, dimana meningkatnya pengguna rokok, konsumsi alkohol,

kurangnya aktifitas fisik, maupun obesitas yang sangat memungkinkan terjadinya

angka peningkatan jumlah penderita kanker di Indonesia (Departemen Kesehatan

RI, 2002).

Beberapa senyawa alam memiliki potensi untuk menjadi senyawa-

senyawa penuntun (lead compound) baru yang dapat menghambat pertumbuhan

sel kanker. Disamping itu, saat ini sedang dilakukan banyak penelitian untuk

menemukan obat kanker yang efektif. Salah satunya adalah dengan menggunakan

agen terapeutik seperti inhibitor enzim α-glukosidase. Saat ini, inhibitor enzim α-

glukosidase banyak digunakan dan dikembangkan sebagai obat untuk mencegah

Diabetes Mellitus tipe 2 (Laube, 2002). Namun, ternyata inhibitor enzim α-

2

glukosidase juga berpotensi sebagai antikanker dan mungkin berpotensi menjadi

obat antikanker apabila dilakukan evaluasi penambatan dengan beberapa senyawa

kimia tanaman yang juga berkhasiat sebagai antikanker. Hal ini sudah pernah

diteliti sebelumnya dengan menggunakan senyawa Castanospermine dan 1,6-Epi-

Cyclophellitol yang tertambat dengan enzim α-glukosidase yang kemudian

bekerja sebagai inhibitor enzim tersebut. (Ooi, 2014). Inhibitor enzim α-

glukosidase sebagai antikanker bekerja dengan cara menghambat biosintesis

glikoprotein pada sel permukaan neoplasma, sehingga mencegah terjadinya

angiogenesis lebih lanjut pada sel kanker (Atsumi & Nosaka, 1995).

Pada penelitian ini, akan diteliti tentang mekanisme dan interaksi antara

enzim α-glukosidase dengan sepuluh ligan yang bertindak sebagai inhibitornya

melalui metode studi in silico. Kesepuluh ligan yang digunakan berasal dari hasil

penapisan dari Basis Data Kimia tanaman yang sudah dilakukan sebelumnya.

Kesepuluh senyawa tersebut adalah 6-Deoxoteasterone, Diosgenin, Isoarborinol,

Withanolide, Withangulatin A, Asiatic Acid, Lantic Acid, Yamogenin, Cassiamin

C, dan Lanosterol. Kesepuluh senyawa tersebut diteliti kemampuan ikatannya

dengan enzim α-glukosidase melalui nilai energi bebas ikatan (ΔG) dan konstanta

inhibisi (Ki) yang dihasilkan.

Metode in silico yang akan dilakukan untuk meneliti interaksi tersebut

adalah dengan cara penambatan molekular. Namun, analisis penambatan

molekular ternyata belum dapat dilakukan untuk mengamati kestabilan ikatan

yang terjadi terhadap ruang dan waktu, sehingga perlu dilakukan simulasi

dinamika molekular untuk mengetahui interaksi dan kestabilan ikatan lebih lanjut.

Metode ini juga dipakai untuk menghemat biaya dan waktu yang dibutuhkan

selama penelitian. (Wolff, 1996).

1.2. Tujuan Penelitian

(1). Mendapatkan model interaksi penambatan molekuler ligan terhadap enzim

α-glukosidase hasil pemodelan homologi yang dibandingkan dengan kontrol

positif.n

3

(2). Memperoleh gambaran dinamika molekul kompleks makromolekul α-

glukosidase dengan ligan melalui simulasi dinamika molekuler yang

dibandingkan dengan kontrol positif.

4

BAB 2

TINJAUAN PUSTAKA

2.1. Kanker

2.1.1. Proses Terjadinya Kanker

Kanker adalah penyakit yang memiliki karakteristik berupa pertumbuhan

sel tidak terkontrol, mampu berinvasi ke jaringan sehat, serta mampu

bermetastasis (National Institute of Health, 2006). Penyimpangan sel ini

diakibatkan dari akumulasi mutasi genetik yang terjadi dalam tubuh manusia yang

menyebabkan perubahan sifat dari sel-sel normal. Kanker yang dihasilkan dari

penyimpangan pertumbuhan sel tersebut mengandung populasi sel yang heterogen

dengan berbagai macam karakteristik biologi dan fungsi (Kelly, et al., 2007).

Semua kanker bermula dari sel, yang merupakan unit dasar kehidupan.

Tubuh terdiri dari banyak sel. Sel-sel tumbuh dan membelah secara terkontrol

untuk menghasilkan lebih banyak sel untuk kebutuhan tubuh. Ketika sel menjadi

tua atau rusak, maka sel tersebut akan mati dan diganti dengan sel-sel yang baru.

Kematian sel ini terjadi secara terprogram, yang disebut dengan apoptosis. Sel

dapat mengalami pertumbuhan yang tidak terkendali jika ada kerusakan atau

mutasi pada DNA. Empat jenis sel yang bertanggung jawab terhadap proses

pembelahan yaitu onkogen yang mengatur proses pembelahan sel, gen penekan

tumor yang menghalangi pembelahan sel abnormal, suicide gene yang mengontrol

apoptosis, dan gen DNA-repaired yang berfungsi untuk memperbaiki DNA yang

mengalami kerusakan. Oleh sebab itu, ketika terjadi mutasi pada DNA-onkogen

dan gen penekan tumor, maka akan terjadi pertumbuhan sel yang tidak terkendali

(Kelly, et al., 2007).

Kanker muncul melalui beberapa proses yang pada akhirnya bergantung

pada perubahan genetik secara krusial. Untuk menjadikan suatu sel normal

menjadi sel kanker, perubahan genetik harus mendorong pertumbuhan sel,

menginaktivasi gen normal yang tumbuh dengan lambat, membiarkan sel tetap

membelah sehingga sel bersifat immortal (tidak mati), dan membiarkan sel tetap

berada dalam kondisi abnormal. Selain itu, sel kanker juga dapat mempengaruhi

sel normal untuk menunjang nutrisi bagi sel kanker agar sel kanker tetap hidup

5

dan mengembangkan strategi sedemikian rupa agar sistem imun tidak

menghancurkan sel kanker (Corwin, 2008).

Gambar 2.1. Proses Terjadinya Kanker

[Sumber: criepi.denken.or.jp]

Pada pria kanker yang paling sering terjadi kanker paru, lambung, hepar,

kolorektal, esofagus, dan prostat, sedangkan pada wanita, kanker yang paling

sering terjadi adalah kanker payudara, paru, lambung, kolorektal, dan serviks.

Hasil diagnosis kanker menyatakan bahwa 80 % penderita kanker ditemukan pada

stadium lanjut, yaitu stadium 3 dan stadium 4 (WHO, 2008).

2.1.2. Siklus Sel

Sel bereproduksi melalui sebuah proses yang disebut siklus sel. Siklus sel

merupakan serangkaian tahap perkembangan sel sepanjang hidup sel tersebut.

Kecepatan sel untuk bereproduksi melalui siklus sel bergantung pada sel itu

sendiri dan faktor pertumbuhan, kimiawi, dan hormonal yang terpajan pada sel

tersebut. Siklus sel terdiri atas dua fase; yaitu interfase dan mitosis.

6

1. Interfase

Sel dikatakan berada pada tahap interfase apabila sel berada dalam

keadaan tidak aktif membelah. Ada tiga tahap standar interfase; yaitu G1,

S, dan G2. Tahap keempat disebut dengan G0, yang merupakan tahap

istirahat khusus. Pada tahap ini, G didefinisikan sebagai gap yang berarti

waktu yang dihabiskan sel untuk memeriksa dan meninjau kembali

langkah sebelumnya.

G1 merupakan tahap persiapan sel untuk replikasi DNA dengan

mensintesis protein baru dan mengaktifkan komponen sitoskeletal. Pada

tahap ini, sel memantau lingkungannya untuk menentukan waktu yang

tepat melakukan replikasi DNA. Tahap ini merupakan checkpoint bagi sel,

karena jika kondisinya tidak tepat, sel tidak akan menjalani siklusnya.

Tahap G1 akan berjalan jika sel terstimulus oleh gen tertentu, termasuk

proto-onkogen yang telah diaktivasi. S merupakan tahap lanjutan dari

tahap G1 yang ditandai dengan terjadinya replikasi DNA. G2 merupakan

tahap ketiga sebelum pembelahan sel serta pada tahap ini sel kembali

mensintesis protein yang dipersiapkan untuk pembelahan. Tahap ini

merupakan check point karena jika DNA belum diduplikasi secara cepat,

sel memiliki kesempatan kedua untuk menghentikan tahap siklus sel

selanjutnya sebelum terjadinya mitosis,

2. Mitosis

Mitosis atau tahap M merupakan tahap pembelahan sel. Prosesnya

jauh lebih singkat dibandingkan dengan tahap interfase dan berlangsung

sekitar satu jam. Mitosis terdiri atas stadium profase, metafase, anafase,

dan telofase.

7

Gambar 2.2. Siklus Reproduksi Sel

[Sumber: Cummings, 2008]

2.1.3. Klasifikasi Kanker

Ada lima kelompok besar yang digunakan untuk mengklasifikasikan

kanker, yaitu karsinoma, sarkoma, limfoma, adenoma, dan leukimia (National

Cancer Institute, 2009).

1. Karsinoma

Ialah kanker yang berasal dari kulit atau jaringan yang menutupi organ

internal.

2. Sarkoma

Ialah kanker yang berasal dari tulang, tulang rawan, lemak, otot, pembuluh

darah, atau jaringan ikat.

3. Limfoma

Ialah kanker yang berasal dari kelenjar getah bening dan jaringan sistem

kekebalan tubuh

4. Adenoma

Ialah kanker yang berasal dari tiroid, kelenjar pituitari, kelenjar adrenal, dan

kelenjar lainnya.

5. Leukemia

Ialah kanker yang berasal dari jaringan pembentuk darah seperti sumsum

tulang dan sering menumpuk dalam aliran darah.

8

2.1.4. Neoplasma

Mutasi pada DNA sel menyebabkan kemungkinan terjadinya neoplasma,

sehingga terdapat gangguan pada proses regulasi homeostasis sel. Karsinogenesis

akibat mutasi materi genetik ini menyebabkan pembelahan sel yang tidak

terkontrol membentuk tumor atau neoplasma. Jadi, neoplasma adalah kumpulan

sel abnormal yang terbentuk oleh sel-sel yang tumbuh terus menerus secara tidak

terbatas, tidak berkoordinasi dengan jaringan disekitarnya, dan tidak berguna bagi

tubuh (Florey, 1970).

Pada sel neoplasma terjadi perubahan sifat, sehingga sebagian energi sel

digunakan untuk berkembang biak. Pertumbuhan tak terkontrol yang terjadi

dengan cepat dapat mengarah ke pertumbuhan jinak (benign) maupun ganas

(malignan atau kanker). Tumor jinak biasanya tidak menginvasi dan tidak

menyebar ke jaringan lain disekitarnya. Sedangkan tumor ganas dapat menginvasi

jaringan lain, mengalami metastasis (Florey, 1970)

Sel-sel neoplasma mendapat energi utama dari proses glikolisis anaerob,

karena kemampuan sel untuk oksidasi berkurang. Oleh sebab itu, saat ini sedang

banyak dikembangkan penelitian yang berfokus kepada proses penghambatan

glikolisis sel untuk mencegah perkembangan neoplasma, salah satunya adalah

dengan menggunakan inhibitor α-glukosidase (Pili et al., 1995).

2.1.5. Perkembangan Pengobatan Kanker

Deteksi dini kanker dapat meningkatkan pengobatan yang berhasil dan

prognosis yang baik. Untuk mendeteksi lokasi kanker, digunakan teknik

endoskopi dan juga menggunakan hasil X-Ray, CT Scan, MRI Scan, PET Scan,

dan ultrasound. Terapi pada kanker juga beragam, tergantung pada jenis

kankernya. Prinsip kerja pengobatan pada kanker adalah dengan membunuh sel-

sel kanker, mengontrol pertumbuhan sel kanker, dan menghentikan

pertumbuhannya agar tidak menyebar dan mengurangi gejala-gejala yang ada.

Saat ini ada beberapa upaya dalam pengobatan kanker menurut Crosta (2010):

1. Operasi

Biasanya dilakukan saat kanker belum bermetastasis dan telah dideteksi

dini. Tindakan ini sangat sulit dilakukan pada kanker yang sudah

9

bermetastasis. Operasi juga dapat berperan besar dalam membantu untuk

mengontrol gejala seperti gangguan pencernaan atau degenerasi sumsum

tulang belakang.

2. Radioterapi

Pada pengobatan ini digunakan sinar radioaktif. Sinar X, elektron dan sinar

γ banyak digunakan dalam pengobatan kanker disamping partikel lain.

Pengobatan ini memiliki prinsip ketika sel kanker terradiasi, maka akan

terjadi beberapa peristiwa antara lain ionisasi molekul air yang

mengakibatkan terbentuknya radikal bebas didalam sel, sehingga

mengakibatkan sel kanker mati.

3. Kemoterapi

Kemoterapi bersifat sistematik, karena kemoterapi dapat menjangkau sel-sel

kanker yang mungkin sudah menjalar dan menyebar kebagian tubuh yang

lain.

4. Imunoterapi

Imunoterapi digunakan untuk merangsang sistem kekebalan tubuh untuk

melawan kanker

5. Terapi Hormon

Dirancang untuk mengubah produksi hormon dalam tubuh, sehingga sel-sel

kanker berhenti berkembang atau dibunuh seutuhnya.

. Melihat semakin tingginya penderita kanker setiap tahunnya dan dari

pengobatan-pengobatan kanker yang sudah ada, maka banyak penelitian

dilakukan untuk mencegah penyakit kanker yang dalam kemungkinan terburuk

dapat mengakibatkan kematian bagi manusia. Oleh sebab itu, dilakukan banyak

penelitian untuk mencari jalur alternatif lain. Salah satunya adalah dengan

menggunakan inhibitor α-glukosidase yang berperan dalam glikolisis sel. Apabila

glikolisis dihambat, maka tidak dihasilkan gula sederhana yang dibutuhkan untuk

membentuk oligosakarida kompleks yang dibutuhkan pada permukaan sel,

termasuk sel kanker. Saat ini sedang dikembangkan penelitian tentang hal ini (Pili

et al, 1995).

10

2.2. Protein

Protein adalah polimer dari asam amino yang bersama-sama dihubungkan

oleh ikatan amida (Bruice, 2004).

Berikut adalah beberapa ciri-ciri protein menurut Adams (2008):

1. Berat molekulnya besar, ribuan bahkan jutaan, sehingga disebut sebagai suatu

makromolekul

2. Umumnya terdapat 20 jenis tipe asam amino. Asam-asam amino ini berikatan

secara kovalen satu dengan yang lainnya dalam suatu variasi urutan yang

bermacam-macam membentuk suatu ikatan polipeptida.

3. Ada ikatan kimia lainnya, seperti ikatan hidrogen, ikatan van der waals, dan

ikatan hidrofobik. Ikatan kimia lainnya menyebabkan lengkungan-

lengkungan rantai polipeptida menjadi struktur tiga dimensi protein

4. Struktur menjadi tidak stabil oleh beberapa faktor, yaitu pH, radiasi,

temperatur, dan pelarut organik.

Berdasarkan fungsi biologisnya, protein dapat diklasifikasikan menjadi

enzim (glukosidase, amilase), protein penyimpanan (mioglobin, ferritin), protein

pengatur (hormon), protein struktural (peptidoglikan), protein pelindung

(imunoglobulin), protein pengangkut (hemoglobin), dan protein kontraktil (aktin,

miosin, tubulin) (Murray, Granner, Mayer & Rodwell, 2003).

2.2.1. Struktur Protein

Protein dibagi menjadi beberapa struktur tingkatan yang dihubungkan oleh

interaksi-interaksi antar asam-asam amino. Kumpulan asam amino tersebut terikat

dalam suatu ikatan dan membentuk konformasi protein. (McMurry, 2004).

2.2.1.1. Struktur Primer

Struktur primer merupakan suatu gabungan asam-asam amino dalam

ikatan polipetida yang tidak terjadi percabangan rantai. Asam amino tersusun

secara kovalen oleh ikatan peptida yang merupakan interaksi gugus karboksil

dengan amida dari asam amino dengan asam amino lainnya. Urutan penamaan

rantai peptida ditulis berdasarkan letak asam amino terminal dengan gugus amin

11

bebas (terminal – N) akan terletak disebelah kiri dan asam amino dengan gugus

karboksil bebas (terminal – C) terletak disebelah kanan (Pamela & Harvey, 1994).

Gambar 2.3. Struktur Primer Protein (Cummings, 2008)

2.2.1.2. Struktur Sekunder

Struktur sekunder protein menunjukkan konformasi dari segmen-segmen

rantai kerangka sebuah protein seperti yang terlihat pada gambar 2.2. Struktur

sekunder mencakup heliks α (α-helix), lembaran β (β sheet), gelungan (loop),

putaran (turn), dan tekukan (bend) (Rodwell & Kennely, 2003).

Heliks α merupakan suatu struktur tulang punggung (narrow-bone) yang

distabilkan oleh ikatan hidrogen yang terjadi pada atom hidrogen yang terikat

pada atom nitrogen amida dan dengan oksigen pada gugus karbonil (Max Leung,

2006). Struktur asam amino pada protein memiliki konfigurasi L, oleh karena itu,

heliks α merupakan heliks dengan konfigurasi dominan D (kanan). Hal ini

12

menyebabkan pergerakan kebawah yang searah dengan arah jarum jam (Bruice,

2003).

Lembaran β merupakan suatru struktur berupa lembaran-lembaran yang

berlipat. Ikatan hidrogen terjadi antara rantai peptida yang berdekatan yang terikat

pada arah yang sama (paralel), ataupun dengan arah yang berkebalikan

(antiparalel) (Petsko & Ringe, 2003)

Gambar 2.4. Struktur Sekunder Protein (Cummings, 2008)

2.2.1.3. Struktur Tersier

Struktur tersier merupakan struktur tiga dimensi, mencakup heliks α,

lembaran β, dan daerah berbentuk globular atau sferis. Pelipatan struktur

dipengaruhi oleh interaksi antar gugus samping satu sama lain. Protein melipat

secara spontan untuk memaksimalkan stabilitas protein. Terjadinya pelipatan akan

meningkatkan jumlah energi bebas ( yang dilepaskan. Hal tersebut

mengindikasikan terjadinya peningkatan kestabilan (Bruice, 2003)

13

Gambar 2.5. Struktur Tersier Protein (Adams, 2008)

2.2.1.4. Struktur Kuartener

Struktur kuartener protein merupakan penggabungan dari protein subunit

yang terdiri dari sejumlah rantai polipeptida serta disatukan oleh interaksi yang

nonkovalen. Struktur kuartener menggambarkan bagaimana subunit-subunit

protein tersusun dalam sebuah ruang. Subunit tersebut dihubungkan melalui

interaksi hidrofobik, ikatan hidrogen, dan ikatan elektrostatik (Murray, Granner,

Mayes & Rodwell, 2003)

Gambar 2.6. Struktur Kuartener Protein (Cummings, 2008)

14

2.2.2. Enzim

Enzim merupakan suatu produk biologis yang berfungsi sebagai katalis

reaksi biokimia didalam tubuh. Enzim merupakan katalis dengan efisiensi yang

tinggi, selektif, dan terdapat dalam konsentrasi yang cukup didalam sel. Setiap

enzim spesifik terhadap substrat tertentu, serta memiliki berat molekul yang

berkisar antara 12.000 hingga satu juta g/mol (Nelson & Cox, 2001).

Tata cara penamaan enzim sudah diatur oleh Enzyme Comission dari

International Union of Pure and Applied Chemistry (IUPAC), serta berdasarkan

dari reaksi biokimia yang dikatalisis oleh enzim tersebut (Ngili, 2010).

Tabel 2.1. Enam klasifikasi enzim berdasarkan reaksi yang dikatalisnya.

Kelas Enzim Tipe Reaksi yang Dikatalisis

Oksidoreduktase Reaksi oksidasi dan reduksi. Pendonor hidrogen dan elektron adalah salah satu substratnya.

Transferase Reaksi transfer gugus kimia dari bentuk umum A-X + B A + B-X

Hidrolase Pemecahan ikatan hidrolitik pada C-C, C-O, dan ikatan lainnya.

Liase Pemotongan pada C-C, C-N, C-O, dan ikatan lainnya. Meninggalkan ikatan rangkap serta memiliki alternatif, yaitu penambahan gugus pada ikatan rangkap.

Isomerase Perubahan penataan geometris suatu molekul.

Ligase Menghubungkan dua molekul dengan mengikutsertakan hidrolisis senyawa yang memiliki besar untuk hidrolisis.

Energi yang digunakan untuk peningkatan aktifitas enzim berasal dari

interaksi-interaksi lemah (interaksi hidrogen, interaksi van der waals, dan

interaksi ionik) antara substrat dan enzim. Sisi aktif enzim dibangun agar interaksi

lemah tersebut dapat terjadi pada reaksi transisi, sehingga dapat menstabilkan

keadaan tersebut (Nelson & Cox, 2001).

Kerja suatu enzim dihambat oleh inhibitor. Suatu inhibitor dapat

menghambat enzim dengan dua mekanisme, yaitu kompetitif dan nonkompetitif.

Pada inhibisi kompetitif, inhibitor dan substrat berkompetisi untuk berikatan

dengan sisi aktif enzim. Oleh sebab itu, dalam mekanisme ini, inhibitor memiliki

bentuk yang hampir sama dengan substrat (Nelson & Cox, 2001).

15

Pada mekanisme inhibisi nonkompetitif, inhibitor tidak berikatan dengan

sisi aktif enzim. Inhibitor nonkompetitif berikatan pada gugus alosterik enzim

(Nelson & Cox, 2001).

2.2.3. Enzim α-glukosidase

Enzim α-glukosidase adalah enzim yang berperan pada konversi

karbohidrat menjadi glukosa. Karbohidrat akan dicerna oleh enzim didalam mulut

dan usus menjadi gula yang lebih sederhana yang kemudian akan diserap ke

dalam tubuh dan meningkatkan kadar gula darah. Proses pencernaan karbohidrat

tersebut menyebabkan pankreas melepaskan enzim α-glukosidase ke dalam usus

yang akan diubah lagi menjadi glukosa oleh enzim α-glukosidase yang

dikeluarkan oleh sel-sel usus halus yang kemudian akan diserap kedalam tubuh

(Bosenberg, 2008).

Gambar 2.7. Mekanisme Kerja Enzim α-Glukosidase (Bosenberg, 2008)

Struktur sekuens α-glukosidase yang digunakan berdasarkan target yang

dipilih adalah α-glukosidase manusia. Berdasarkan penelitian literatur, digunakan

α-glukosidase C netral manusia (GANC) dengan 914 residu asam amino yang

diambil dari Swiss-Prot dengan kode Q8TET4. Pada pemodelan homologi yang

telah dilakukan, digunakan cetakan MalA dan NtMGAM. Dalam hal ini,

digunakan pemodelan homologi berdasarkan metode Saqib dan Siddiqi (2008).

16

Inhibitor enzim α-glukosidase selama ini dikenal luas sebagai obat

antidiabetes oral bagi penderita diabetes mellitus tipe 2. Senyawa-senyawa

penghambat enzim ini bekerja dengan cara menghambat α-glukosidase yang

terdapat pada dinding usus halus. Sehingga, penghambatan kerja enzim ini secara

efektif akan dapat mengurangi pengingkatan kadar glukosa pada sel tubuh.

(Dirjen Binfar Depkes, 2005). Inhibitor ini bersifat reversible (Krentz & Brailey,

2005).

Inhibitor enzim α-glukosidase sebagai antikanker bekerja dengan cara

menghambat biosintesis glikoproteins pada sel neoplasma, sehingga mencegah

terjadinya angiogenesis lebih lanjut pada sel kanker (Atsumi & Nosaka, 1995).

2.2.4. Jenis Interaksi Antara Protein dengan Ligan

2.2.4.1. Interaksi Hidrogen

Interaksi hidrogen adalah interaksi yang terjadi antara hidrogen dengan

atom F, O, dan N. Interaksi tersebut membentuk pola H-X, dimana aseptor (atom

X) yang lebih elektronegatif (E. Arunan et al, 2004). Atom aseptor harus lebih

elektronegatif dan harus memiliki setidaknya sepasang pasangan elektron sunyi,

sehingga dapat menyerang δ+ dari atom hidrogen (Lodish, et al., 2000). Ikatan

hidrogen yang paling kuat terjadi ketika molekul berada dalam orientasi

elektrostatik maksimum. Keadaan ini terjadi ketika atom hidrogen dan kedua

atom lainnya berikatan dalam satu garis, dimana atom yang bertindak sebagai

aseptor berada segaris dan berikatan secara kovalen dengan atom donor dan atom

hidrogen (Nelson & Cox, 2011).

Interaksi hidrogen lebih kuat dibandingkan dengan gaya van der waals

sebesar 12 sampai 30 kj/mol. Interaksi hidrogen merupakan bentuk silindris yang

simetris dan cenderung lebih terarah membentuk ikatan antara donor, hidrogen,

dan atom akseptor. Interaksi hidrogen pun lebih spesifik dibandingkan dengan

interaksi Van der Waals, karena pada interaksi hidrogen membutuhkan

keberadaan donor hidrogen dan kelompok akseptor (Garret dan Grisham, 2009).

Terdapat dua tipe ikatan hidrogen: (Siswandono, 1996)

1. Ikatan hidrogen intramolekul: ikatan hidrogen yang terjadi dalam satu

molekul

17

2. Ikatan hidrogen intermolekul: ikatan hidrogen yang terjadi antar molekul

Kekuatan hidrogen intermolekul lebih lemah dibandingkan dengan ikatan

hidrogen intramolekul. Ikatan hidrogen dapat mempengaruhi sifat-sifat fisika dan

kimia senyawa, seperti titik didih, titik lebur, kelarutan dalam air, kemampuan

pembentukan kelat, dan keasaman. Perubahan-perubahan tersebut dapat

berpengaruh terhadap aktifitas biologis senyawa (Siswandono, 996)

2.2.4.2. Interaksi Van der Waals

Interaksi Van der Waals merupakan suatu interaksi yang lemah dan non

spesifik dari kedua atom yang berdekatan satu sama lain. Ikatan ini merupakan

kekuatan tarik menarik antar molekul atau atom yang tidak bermuatan, dan

letaknya berdekatan, yang jaraknya 4-6 Å. Ikatan ini terjadi karena sifat

kepolarisasian molekul atau atom. (Lodish, et al., 2000).

Interaksi Van der Waals hanya terjadi ketika atom berada dalam jarak

tertentu. Semakin meningkat jarak, maka semakin lemah interaksi yang terjadi.

Namun, apabila jarak yang terjadi terlalu dekat, akan dihasilkan gaya tolak

menolak, karena adanya muatan negatif yang terdapat pada kulit elektron terluar.

(Lodish, et al., 2000)

Gaya tarik Van der Waals hanya terjadi pada jarak interatomik yang

terbatas, yaitu 0,3-0,6 nm. Pada suhu fisiologis akan terjadi interaksi ikatan yang

efektif bila beberapa atom dalam suatu molekul dapat berinteraksi dengan atom di

molekul lainnya. Agar hal ini dapat terjadi, atom yang berada pada molekul yang

saling berinteraksi harus digabung menjadi satu sehingga permukaan

molekulernya harus memiliki struktur yang saling melengkapi. (Garret &

Grisham, 2009).

Meskipun secara individu lemah, tetapi hasil penjumlahan ikatan Van der

Waals merupakan faktor pengikat yang cukup bermakna, terutama untuk

senyawa-senyawa yang memiliki berat molekul tinggi. Ikatan Van der Waals

terlihat pada interaksi cincin benzen dengan daerah bidang datar reseptor pada

interaksi rantai hidrokarbon dengan makromolekul protein atau reseptor

(Siswandono, 1996).

18

2.2.4.3. Interaksi Hidrofobik

Ikatan hidrofobik merupakan salah satu kekuatan penting pada proses

penggabungan daerah nonpolar molekul obat dengan daerah nonpolar reseptor

biologis. Molekul protein termasuk kedalam molekul nonpolar yang tidak larut

dalam air. Hal ini juga disebabkan oleh protein yang tidak mengandung ion, dan

memiliki momen dipol. Dalam sistem biologis, ikatan kovalen yang umum terjadi

adalah ikatan sesama atom karbon, serta ikatan antara atom karbon dan hidrogen.

Ikatan hidrofobik menyebabkan molekul-molekul hidrofobik dari bagian nonpolar

lebih menyatu daripada terlarut didalam air (Lodish, et al., 2000).

Ikatan hidrofobik merupakan salah satu kekuatan penting pada proses

penggabungan daerah non polar molekul obat dengan daerah non polar reseptor

biologis. Daerah non polar molekul obat yang tidak larut dalam air dan molekul-

molekul air di sekelilingnya, akan bergabung melalui ikatan hidrogen membentuk

struktur quasi-crystalline (icebergs) (Siswandono, 1996).

Bila dua daerah non polar seperti gugus hidrokarbon molekul obat dan

daerah non polar reseptor bersama-sama berada dalam lingkungan air, maka akan

mengalami suatu penekanan sehingga jumlah molekul air yang kontak dengan

daerah-daerah non polar tersebut menjadi berkurang. Akibatnya, struktur quasi-

crystalline akan pecah menghasilkan peningkatan entropi yang digunakan untuk

isolasi struktur non polar. Peningkatan energi bebas ini dapat menstabilkan

molekul air sehingga tidak kontak dengan daerah non polar. Penggabungan

demikian disebut ikatan hidrofobik (Siswandono, 1996).

2.2.4.4. Ikatan Ionik

Ikatan ion adalah ikatan yang dihasilkan oleh daya tarik menarik

elektrostatik antara ion-ion yang muatannya berlawanan. Kekuatan tarik-menarik

akan semakin berkurang jika jarak antar ion makin jauh, dan pengurangan tersebut

berbanding terbalik dengan jaraknya. Protein dan asam nukleat mempunyai gugus

kation dan anion potensial, tetapi hanya beberapa saja yang dapat terionisasi pada

pH fisiologis. Gugus kation protein berupa asam amino yang terdapat pada asam-

asam amino, seperti lisin, glutamin, asparagin, glisin, dan histidin. Gugus anion

protein berupa gugus karboksilat, misalnya pada aspartat dan glutamat, gugus

19

sulfihidril pada sistein, dan metionin, dan gugus fosforil pada asam nukleat.

(Korolkovas, 1970).

2.3. Mekanisme Kerja α-Glukosidase sebagai Antikanker

Glikoprotein permukaan sel sangat berpengaruh dalam kegiatan fungsional

sel, yaitu oligosakarida. Sintesis oligosakarida yang berlangsung di retikulum

endoplasma dan badan golgi berpengaruh kepada aktivitas glikolisis dalam sel.

Inhibitor α-glukosidase bekerja dengan cara mengurangi jumlah residu glukosa

pada sel. Dengan terjadinya hal ini, maka pembentukan oligosakarida kompleks

yang dibutuhkan untuk terjadinya angiogenesis dapat dihambat. Apabila

oligosakarida kompleks dihambat pembentukannya, maka angiogenesis dapat

dihambat. Melaui mekanisme ini, akan terjadi juga agregasi platelet pada sel yang

bermetastasis karena berkurangnya adhesi dari sel tumor dan vaskular dari sel

endotelium. Mekanisme lebih lanjut juga menunjukkan terjadinya pencegahan

dari glikosilasi gen onkogen, dimana gen onkogen bertanggung jawab terhadap

pembelahan sel, sementara antionkogen bertanggung jawab terhadap penghentian

pembelahan sel. Pada sel normal, terdapat keseimbangan antara onkogen dan

antionkogen. Antionkogen yang sudah dikenal secara umum yaitu tp53. Apabila

tp53 gagal mengikat DNA, maka kemampuan mengontrol proliferasi menjadi

hilang, dan sel akan membelah terus menerus. Penghambatan antionkogen pada

sel endotel kanker akan menyebabkan berkurangnya kemampuan sel untuk

melakukan proliferasi (Pili, et al., 1995).

Pili (1995) pernah melakukan eksperimen terhadap potensi inhibitor α-

glukosidase sebagai antikanker, dimana inhibitor α-glukosidase dikombinasikan

dengan alkaloid tanaman; 1,6,7,8-tetrahidroksiindolizidin. Percobaan dilakukan

secara in vivo pada tikus yang diinduksi kanker. Hasil dari percobaan ini adalah

terjadinya penurunan kemampuan sel secara signifikan untuk terjadi angiogenesis.

Terjadinya perubahan pada sel dan matriks sel menunjukkan terjadinya

penghambatan terjadinya glikoprotein dan oligosakarida pada permukaan sel.

Hal ini menunjukkan bahwa dengan terjadinya inhibisi enzim α-

glukosidase pada sel kanker, mungkin adalah suatu penemuan yang menjanjikan

sebagai salah satu strategi pengobatan kanker dan tumor (Pili, et al., 1995).

20

Gambar 2.7. Skema Mekanisme Inhibitor α-glukosidase sebagai Antikanker

2.4. Senyawa Ligan

Dari hasil penelitian sebelumnya, dilakukan virtual screening terhadap

sepuluh jenis senyawa tanaman dengan energi ikatan terendah yang akan

digunakan sebagai ligan untuk penambatan pada penelitian ini, yaitu:

Tabel 2.2. Senyawa Ligan

No. Spesies Tanaman Nama Indonesia Tanaman

Nama Senyawa Free Energy Binding (kkal/mol)

1 Catharanthus Tapak Dara 6 – -9,09

Glikosilasi onkogen dicegah

Sel kehilangan kemampuan

untuk membelah

Proliferasi Terhenti

Glukosa/gula sederhana tidak terbentuk

Inhibitor α-glukosidase

Dihambat

Oligosakarida tidak terbentuk

Sel kanker mati

Proliferasi terhenti

Pertumbuhan sel kanker

Proliferasi

Menghasilkan Glukosa/gula

sederhana lainnya

Glikolisis Oligosakarida Permukaan

Hasil Membentuk

21

roseus L. Deoxoteasterone 2 Solanum nigrum L. Leunca Diosgenin -8,76 3 Physalis angulata L. Ceplukan Withangulatin A -8.73 4 Physalis angulata L. Ceplukan Withanolide -8,66

5 Euphorbia pulcherrima Willd.

Kastuba Lanosterol -8,65

6 Cassia siamea L. Johar Cassiamin C -8,65 7 Centella asiatica L. Pegagan Asiatic acid -8,64

8 Imperata cylindrica B.

Alang-alang Isoarborinol -8,59

9 Asparagus officinalis L.

Asparagus Yamogenin -8.48

10 Lantana camara Linn.

Bunga pagar Lantic acid -8,45

Selanjutnya, ada dua senyawa yang akan digunakan sebagai kontrol positif

pada penelitian ini. Kedua senyawa tersebut adalah Castanospermine dan 1,6-Epi-

Cyclophellitol yang sebelumnya sudah pernah teruji sanggup bekerja sebagai

inhibitor terhadap enzim α-glukosidase dan bekerja sebagai antikanker.

Tabel 2.3. Senyawa Kontrol Positif

No Nama Senyawa Free Energy Binding (kkal/mol) 1. Castanospermine -6.66 2. 1,6-Epi-Cyclophellitol -5.26

2.4.1. 6 – Deoxoteasterone (Catharanthus roseus L.)

Senyawa ini termasuk kedalam golongan steroid yang berasal dari

tanaman Catharanthus roseus L, dimana tanaman ini dikenal dengan nama tapak

dara di Indonesia. Tanaman ini berasal dari famili Apocynaceae. Berdasarkan

penelitian yang dilakukan, tanaman ini mengandung sumber yang baik sebagai

antioksidan enzimatik dan non-enzimatik, serta berpotensi sebagai antihipertensi

(Abdul, Gopi, Manivannan, Gomathiyanagam, Sridharan & Panneerselvam,

2007). Tumbuhan ini mengandung banyak alkaloid, dimana pada bagian akar

mengandung paling banyak alkaloid.

22

Tabel 2.3. Identitas Struktur 6-Deoxoteasterone (PubChem)

Nama IUPAC (2S,3R,4R,5S)2[(3S,5S,8R,9S,10S,13S,14S,17R)3hydroxy10,13dimethyl2,3,4,5,6,7,8,9,11,12,14,15,16,17tetradecahydro1Hcyclopenta[a]phenanthren17yl]-5,6dimethylheptane3,4diol

SMILE Code CC(C)C(C)C(C(C(C)C1CCC2C1(CCC3C2CCC4C3(CCC(C4)O)C)C)O)O

Struktur 2 Dimensi

Berat Molekul 434,6948 gram/mol

Rumus Molekul C28H50O3

Alkaloid antikanker yang paling dikenal adalah vincristine dan vinblastine

yang dapat menghambat pertumbuhan sel tumor (Idrees, Naeem, Aftab, Khan &

Moinuddin, 2013). Sudah sekitar 130 senyawa alkaloid yang ditemukan

berpotensi sebagai antikanker (Blasko & Cordell, 1990).

2.4.2. Diosgenin (Solanum nigrum L.)

Solanum nigrum merupakan tanaman yang berasal dari famili Solanaceae.

Saat ini tanaman ini sedang banyak diteliti karena memiliki potensi sebagai

antikanker (Son et al., 2003). Melalui penelitian farmakologi yang telah

dilakukan, didapatkan bahwa steroid-steroid yang dihasilkan oleh Solanum

nigrum L. mampu menghambat metastasis sarkoma secara in vivo (Cham &

Daunter, 1990). Tanaman ini dikenal dengan nama leunca di Indonesia.

Tabel 2.4. Identitas Senyawa Diosgenin (PubChem)

Nama IUPAC (3β,25R)-spirost-5-en-3-ol SMILE Code CC1CCC2(C(C3C(O2)CC4C3(CCC5C4CC=C6C5(CCC(C6)O)C

)C)C)OC1

23

Struktur 2 Dimensi



Diosgenin yang dihasilkan oleh Solanum nigrum L. merupakan suatu

senyawa steroid. Komponen steroid merupakan komponen metabolit sekunder

yang penting yang dikenal memiliki aktifitas sebagai antikanker (Bradburry,

2005). Secara spesifik, diosgenin merupakan saponin furostanol yang berpotensi

sebagai antikanker. Akhir-akhir ini telah banyak dilakukan penelitian terhadap

diosgenin sebagai antikanker. Diosgenin secara signifikan mampu menurunkan

lesi yang terjadi pada kanker kolon preneoplastik. Pada studi yang berbeda,

diosgenin diketahui mampu menghambat proliferasi pada sel kanker kolon bila

digunakan secara in vitro. Senyawa ini juga bertindak sama pada kanker laring

dan osteosarkoma (Jayadev Raju & Ranjana P.Bird, 2007).

2.4.3. Withangulatin A. dan Withanolide (Physalis angulata L.)

Physalis angulata L. merupakan tanaman yang sudah cukup dikenal dalam

dunia kimia tanaman. Tanaman ini dikenal mampu mengobati diabetes, hepatitis,

asma, dan malaria di Taiwan (Gao et al., 2003). Di Indonesia, terutama di Pulau

Jawa, tanaman ini dikenal dengan nama tanaman ceplukan. Dan dalam bahasa

Sunda, dikenal dengan nama cecendet kunir.

Tabel 2.5. Identitas Senyawa Withangulatin A (PubChem)

Sinonim AC1L3VM4, 120824035, Ergosta2,16,24trien26oic acid, 15(acetyloxy)5,6epoxy4,14,22trihydroxy1oxo, deltalactone, (4beta,5alpha,6beta,15alpha,22R)

SMILE Code CC1=C(C(=O)OC(C1)C(C)C2=CC(C3(C2(CCC4C3CC5C6(C4(C(=O)C=CC6O)C)O5)C)O)OC(=O)C)C

24

Struktur 2 Dimensi



Tabel 2.6. Identitas Senyawa Withanolide (PubChem)

Sinonim HMDB03218, 5,6Epoxy4,20,22trihydroxy1oxoergosta2,24dien26oic acid deltalactone, 5,6Epoxy4,20,22trihydroxy1oxoergosta2,24dien26oate, 5,6Epoxy4,20,22trihydroxy1oxoergosta2,24dien26oic acid, (4beta,5beta,6beta,22R)5, 6Epoxy4,20,22trihydroxy1oxoergosta2,24dien26oate, (4beta,5beta,6beta,22R)5,6Epoxy4,20,22trihydroxy1oxoergosta2,24dien26oic acid

SMILE Code CC1=C(C(=O)OC(C1)C(C)C2=CC(C3(C2(CCC4C3CC5C6(C4(C(=O)C=CC6O)C)O5)C)O)OC(=O)C)C

Struktur 2 Dimensi



Sudah dilakukan penelitian terhadap Physalis angulata L. yang ternyata

memiliki kemampuan untuk menurunkan kemampuan sel kanker pada payudara

untuk berproliferasi. Ekstrak dari Physalis angulata L., terutama bagian

steroidnya terbukti memiliki sifat sitotoksisitas secara in vitro maupun in vivo,

yang sudah diujicobakan terhadap kanker paru-paru, kolon, serviks, hepatoma,

melanoma, dan juga leukimia (Wu et al., 2004).

Withangulatin A merupakan suatu senyawa bioaktif yang diisolasi dari

tanaman Physalis angulata L., yang memiliki aktivitas sebagai imunosupresan.

Telah dilakukan studi terhadap senyawa ini yang menyatakan bahwa

25

Withangulatin A mampu menurunkan tingkat proliferasi dari kanker pada tikus,

dengan mempengaruhi kerja dari Heme-Oxygenases, yang berkerja pada sistem

imun. Sedangkan Withanolide, yang juga merupakan suatu jenis steroid diketahui

memiliki aktivitas antimikroba, mampu menginduksi kuinon reduktase, aktivitas

sitotoksik, dan sebagai antiinflamasi.

2.4.4. Lanosterol (Euphorbia pulcherrima W.)

Lanosterol merupakan suatu derivat steroid pada tanaman Euphorbia

pulcherrima W. Di Indonesia, tanaman ini dikenal dengan nama kastuba dan

puring benggala (plantamor.com). Di dalam tubuh manusia, lanosterol

dibiosintesis melalui kolestrol. Lanosterol, selain digunakan sebagai antikanker,

juga digunakan untuk mengobati siklus haid yang tidak teratur, disentri,

tuberkulosis paru, dan inflamasi. Studi terbaru menunjukkan bahwa lanosterol

dapat digunakan dalam pengobatan Parkinson (Lim et al., 2012).

Tabel 2.7. Identitas Senyawa Lanosterol (PubChem)

Nama IUPAC (3S,5R,10S,13R,14R,17R)4,4,10,13,14pentamethyl17[(2R)6methylhept5en2yl]2,3,5,6,7,11,12,15,16,17decahydro1Hcyclopenta[a]phenanthren3ol

SMILE Code CC(CCC=C(C)C)C1CCC2(C1(CCC3=C2CCC4C3(CCC(C4(C)C)O)C)C)C

Struktur 2 Dimensi



Euphorbia pulcherrima Willd. Adalah salah satu tanaman yang memiliki

aktivitas antikanker (Luo et al., 2006). Lanosterol yang dihasilkan oleh tanaman

ini telah diteliliti memiliki aktivitas antikanker pada kanker kolorektal. Lanosterol

26

bekerja dengan spesifik pada jalur transportasi β-catenin, dimana β-catenin ini

berperan dalam proliferasi sel kanker pada kolon. Senyawa ini bersama dengan

triterpen lainnya yang dihasilkn oleh Ganoderma lucidum, menghambat

proliferasi dari sel HTC-116 dan HT-29. Selain itu, mereka juga menghambat

proses transkripsi sel pada β-catenin, sehingga protein tidak terkespresi dan sel

tidak dapat membelah lebih lanjut (Jedinak, 2011).

2.4.5. Cassiamin C. (Cassia siamea L.)

Cassia siamea L. merupakan tanaman dengan familia Fabaceae. Tanaman

ini dikenal dengan nama johar di Indonesia. Tanaman memiliki banyak manfaat,

diantaranya untuk pengobatan diabetes, pencegah pertumbuhan cacing di perut,

hipertensi, konstipasi, dan insomnia (Shafiulla et al., 1995). Cassia siamea L. juga

merupakan tanaman yang kaya dengan antioksidannya. Studi epidemiologi

menunjukkan bahwa senyawa-senyawa antioksidan efektif dalam mencegah dan

mengobati kanker (Marchioli et al., 2001).

Tabel 2.8. Identitas Senyawa Cassiamin C (PubChem)

Nama IUPAC 2(1,8dihydroxy3methyl9,10dioxoanthracen2yl) 1,8dihydroxy3methylanthracene9,10dione

SMILE Code CC1=C(C(=C2C(=C1)C(=O)C3=C(C2=O)C(=CC=C3)O)O)C4=C(C=C5C(=C4O)C(=O)C6=C(C5=O)C=CC=C6O)C

Struktur 2 Dimensi



Pada penelitian yang pernah dilakukan, ditunjukkan bahwa Cassiamin C

mampu menghambat 12-O-tetradecanoyl-13-acetate pada sel Raji manusia.

Senyawa ini bekerja pada proses reduksi-oksidasi internal sel. Penghambatan ini

mengakibatkan terhentinya proliferasi sel yang juga diinduksi oleh virus Eipsteinn

Barr (PubChem, 2010).

27

2.4.6. Asiatic acid. (Centella asiatica L.)

Centella asiatica L. adalah tanaman obat yang digunakan secara luas di

Asia. Tanaman ini dikenal dengan nama kaki kuda dan pegagan di Indonesia.

Tanaman ini mengandung banyak antioksidan. Ekstrak Centella asiatica L. dan

bentuk saponin triterpennya dilaporkan mampu menghambat proliferasi sel

abnormal (Sampson et al., 2001).

Tabel 2.9. Identitas Senyawa Asiatic Acid (PubChem)

Nama IUPAC (1S,2R,4aS,6aR,6aS,6bR,8aR,9R,10R,11R,12aR,14bS)10,11dihydroxy9(hydroxymethyl)1,2,6a,6b,9,12ahexamethyl2,3,4,5,6,6a,7,8,8a,10,11,12,13,14btetradecahydro1Hpicene4acarboxylicacid

SMILE Code CC1CCC2(CCC3(C(=CCC4C3(CCC5C4(CC(C(C5(C)CO)O)O)C)C)C2C1C)C)C(=O)O

Struktur 2 Dimensi



Asiatic acid adalah golongan dari senyawa triterpenoid. Asiatic acid

mampu menghambat β-amiloid dan glutamat pada neurotoksisitas. Selain itu,

diketahui juga bahwa Centella asiatica L. memiliki efek sitotoksik pada hati, usus

besar, dan payudara (Huang et al, 2011). Penelitian lain juga menunjukkan bahwa

asiatic acid ini memiliki aktivitas dalam mengobati Parkinson. Dimana asiatic

acid bertindak sebagai antioksidan yang bertindak dalam pengobatan depresi pada

Parkinson (PubChem

Sebagai antikanker, asiatic acid yang merupakan triterpen pentasiklik

yang dapat menginduksi apoptosis pada beberapa sel kanker manusia. Senyawa

ini diuji secara in vitro terhadap sel hepatoma manusia. Senyawa ini

mengakibatkan perubahan sususan asam amino pada sel kanker yang pada

akhirnya menginduksi apoptosis (Lee Y.S et al., 2002).

28

2.4.7. Isoarborinol (Imperata cylindrica B.)

Tanaman ini disebut dengan nama alang-alang di Indonesia. Salah satu

senyawa yng dihasilkannya adalah isoarborinol. Isoarborinol adalah senyawa

yang termasuk kedalam golongan terpenoid dan berkhasiat sebagai antipiretik,

diuretik, hemostatik, dan hipertensi (DepKes RI, 1989).

Tabel 2.10. Identitas Senyawa Isoarborinol (PubChem)

Nama IUPAC (3S,3aS,5aS,5bS,7aR,9S,11aS,13aR,13bS)3a,5a,8,8,11a,13ahexamethyl3propan2yl1,2,3,4,5,5b,6,7,7a,9,10,11,13,13btetradecahydrocyclopenta[a]chrysen9ol

SMILE Code CC(C)C1CCC2C1(CCC3(C2(CC=C4C3CCC5C4(CCC(C5(C)C)O)C)C)C)C

Struktur 2 Dimensi


Rumus Molekul C30H50O

Tanaman ini berasal dari famili Poaceae. Berdasarkan penelitian yang

dilakukan, tanaman ini memiliki aktivitas antikanker, yakni mampu memicu

terjadinya apoptosis pada sel kanker paru-paru dan serviks. Percobaan dilakukan

pada kultur sel kanker, kemudian diuji secara in vivo. Hasil menunjukkan bahwa

ekstrak etanol dari tanaman ini memiliki siifat antiproliferatif dan sitotoksik.

Mekanisme lebih lanjut juga menunjukkan bahwa ekstrak tanaman ini dapat

menginduksi apoptosis pada sel kanker paru-paru dan serviks (Hansakul, 2009).

2.4.8. Yamogenin (Asparagus officinalis L.)

Tanaman Asparagus officinalis L. dikenal memiliki beberapa senyawa

bioaktif, yaitu flavonoid, lignin, steroidal saponin, dan senyawa lainnya. Pada

beberapa negara, tanaman ini digunakan sebagai obat antiinflamasi, antijamur,

29

dan juka antikanker. Kandungan antioksidannya yang cukup banyak membuat

tanaman ini dapat dijadikan sebagai obat antikanker (Zhao et al., 2011).

Tabel 2.11. Identitas Senyawa Yamogenin (PubChem)

Nama IUPAC (3β,25S)-spriost-5-en-3-ol SMILE Code CC1CCC2(C(C3C(O2)CC4C3(CCC5C4CC=C6C5(CCC(C6)O)C

)C)C)OC1 Struktur 2

Dimensi



2.4.9. Lantic Acid (Lantana camara Linn.)

Lantana camara Linn. dalam bahasa Indonesia dikenal dengan bunga

pagar. Tanaman ini berasal dari famili Verbenaceae. Tanaman ini secara luas

digunakan untuk mengobati kanker, asma, ulser, bengkak, eczema, tumor,

hipertensi, malaria, and tetanus.

Tabel 2.12. Identitas Senyawa Lantic Acid (PubChem)

Nama IUPAC (3|A,10xi)-3-hydroxy-3,25epoxyurs-12-en-28-oic acid SMILE Code CC1CCC2(CCC3(C(=CCC4C3(CCC5C46CCC(C5(C)C)(OC6)O

)C)C2C1C)C)C(=O)O Struktur 2

Dimensi



30

Lantana camara Linn. mengandung banyak flavonoid, diantaranya

sesquiterpene, β-caryophyllene, dan caryophyllene oksida. Lantic acid merupakan

senyawa triterpen. Senyawa-senyawa ini bertindak sama seperti antioksidan. Dari

penelitian yang telah dilakukan, diketahui bahwa ekstrak eter, kloroform, dan air

dari tanaman ini memiliki aktivitas sebagai antikanker (Joy M.J., Satish C., Vamsi

S. & Nagaveni K, 2012).

2.4.10. Castanospermine (Kontrol Positif 1)

Castanospermine merupakan suatu alkaloid tanaman yang telah diuji

memiliki aktivitas spesifik dalam menghambat kerja dari α-glukosidase.

Castanospermine diketahui mampu menghilangkan glukosa pada residu

glikoprotein di retikulum endoplasma sel. Akibat dari hal tersebut adalah

terjadinya akumulasi gula Manosa. Castanospermine juga memiliki aktivitas

antiretroviral dengan cara menghambat replikasi virus, serta memiliki aktivitas

antimetastasis pada sel kanker dengan cara mengakibatkan adesi pada keping

darah. Lebih lanjut, diketahui bahwa Castanospermine mampu menginhibisi

transformmasi selular dengan cara menghambat glikosilasi onkogen. (Pili, 1995)

Tabel 2.14. Identitas Senyawa Castanospermine (PubChem)

Nama IUPAC (1S,6S,7R,8R,8aR)-1,2,3,5,6,7,8,8a-octahydroindolizine-1,6,7,8-tetrol.

SMILE Code C1CN2CC(C(C(C2C1)O)O)O Struktur 2

Dimensi


Rumus Molekul C8H15NO4

2.4.11. 1,6-Epi-Cyclophellitol (Kontrol Positif II)

Cyclophellitol merupakan suatu senyawa yang diisolasi dari Phellinus.sp.

Namun, cyclophellitol hanya mampu bertindak sebagai inhibitor β-glukosidase

31

dan tidak memiliki aktivitas untuk menghambat metastasis. Oleh sebab itu, dibuat

bentuk sintetisnya, yaitu 1,6-Epi-Cyclophellitol yang ternyata mampu

menghambat aktivitas α dan β – Glukosidase serta mampu menghambat

metastasis pada kanker paru-paru. 1,6-Epi-Cyclophellitol bekerja dengan cara

menghambat pekerjaan dari kolagen tipe-I dan IV. (Atsumi,1993)

1,6-Epi-Cyclophellitol sudah diuji secara in vitro kemampuannya untuk

menghambat metastasis pada sel kanker. Setelah dilakukan uji, ternyata

didapatkan hasil bahwa senyawa ini efektif menurunkan kemampuan sel untuk

bermetastasis. 1,6-Epi-Cyclophellitol meninhibisi kerja glukosidase I dan II. Cara

senyawa ini bekerja hampir sama dengan Castanospermine. (Atsumi,1993)

Tabel 2.15. Identitas Senyawa 1,6-Epi-Cyclophellitol (PubChem)

Nama IUPAC (1S,2R,3S,4R,5R,6R)-5-(Hydroxymethyl)-7-oxabicyclo[4.1.0] heptan-2,3,4-triol

SMILE Code [H].[H.].O=C1C2[O]=C2C(C#[O[C(=O)C1=O Struktur 2

Dimensi



2.5. Bioinformatika

Bioinformatika merupakan bidang ilmu yang menggunakan pendekatan

komputasional untuk menyelesaikan persoalan biologis. Bioinformatika meliputi

pengelolaan informasi biologis yang diperoleh dari berbagai penelitian yang

menghasilkan data dalam jumlah yang banyak dan kompleks, seperti pemetaan

genom manusia. Bioinformatika mampu memberikan prediksi maupun simulasi

32

dengan mempertimbangkan hubungan serta pola data biologis (Baxevannis &

Oullette, 2001).

Bioinformatika adalah bidang keilmuan yang menggabungkan dasar

matematika, statistik, dan komputasi yang digunakan dalam bidang biologi.

Bioinformatika sering disebut sebagai komputasi biologis (N.M.Luscombe,

D.Greenbaum & M.Gerstein, 2001).

Bioinformatika memanfaatkan teknologi komputer untuk pencarian,

manipulasi, penyimpanan, dan distribusi informasi yang berkaitan dengan

molekul biologi seperti DNA, RNA, dan protein. Bioinformatika bertujuan untuk

menemukan dan mengidentifikasi obat dan target terapeutik baru serta pencarian

senyawa penuntun. Bioinformatika dapat menemukan senyawa yang dapat

mempengaruhi kerja dari suatu enzim, baik sebagai induktor maupun inhibitor.

Ketika mendahatkan hasil, maka hasilnya harus disintesis di laboratorium terlebih

dahulu. Namun, dengan adanya bioinformatika, maka proses tersebut akan

berlangsung lebih cepat dan tidak membutuhkan banyak biaya (Gareth, 2003).

2.6. Penambatan Molekular

Penambatan molekular adalah suatu metode penapisan senyawa yang

berdasarkan kepada struktur menggunakan teknologi komputasi. Teknologi

penambatan molekular dapat diaplikasikan pada beberapa tingkat dari penemuan

obat. Tiga tujuan utamanya yaitu memprediksi model ikatan dari ligan yang

diketahui aktif, pencarian ligan baru dengan cara virtual screening, dan

memprediksi afinitas ikatan dari beberapa senyawa aktif (Leach, Soichet &

Peishoff, 2006).

Dengan menambatkan dua molekul, yaitu reseptor dan ligan, maka akan

dapat dievaluasi konformasi ikatan beserta nilai energinya dengan menggunakan

fungsi tertentu. Penambatan molekuler dilakukan untuk memprediksi posisi suatu

ligan (I) pada suatu makromolekul (E) dibawah kondisi ekuilibrium. Kedua

variabel kemudian dikalkulasikan (scoring function) dan membentuk kompleks [E

+ I] = [EI], dan dikenal sebagai energi bebas ( G). Energi bebas inilah yang

berkaitan dengan afinitas ikatan antara ligan dan reseptor (Kitchen, Decornez,

Furr & Bajorath, 2004). Perubahan energi bebas yang terjadi pada ikatan antara

33

ligan dan reseptor dapat digambarkan melalui persamaan Gibbs:

yang menyatakan bahwa perubahan energi dipengaruhi oleh

perubahan entropi dan entalpi. Penambatan molekular dapat dilakukan dengan

menggunakan beberapa aplikasi, diantaranya AutoDock, FleXx, dan Dock.

Secara umum penambatan molekuler terdiri dari beberapa langkah, dimana

tiap langkah memperkenalkan penambahan satu atau lebih derajat kompleksitas.

Langkah yang pertama diawali dengan penambatan algoritma orientasi (pose)

molekul dalam situs aktif. Suatu molekul organik kecil pun mempunyai beberapa

konformasi dengan tingkat kebebasan tertentu. Sampling tingkat kebebasan ini

harus mempunyai akurasi yang cukup untuk identifikasi konformasi terbaik yang

sesuai dengan struktut reseptor dan harus dapat dievaluasi secara cepat ketika

diterapkan pada ratusan senyawa dalam proses penambatan molekuler. Sampling

algoritman dilakukan pada populasi konformasi protein-ligan dalam ruang yang

diteliti untuk perhitungan energi ikatan protein-ligan. Sementara itu fungsi skoring

diartikan sebagai energi potensial permukaan dimana optimasi dilakukan.

Algoritma dan fungsi skoring ini digabungkan untuk memprediksi aktivitas

biologis melalui evaluasi interaksi antara senyawa dan target potensial.

Penggabungan kedua aspek ini merupakan hal yang penting karena kesalahan

dalam sampling dapat menyebabkan hilangnya kandidat konformasi yang terbaik

dan kesalahan dalam fungsi skoring dapat menyebabkan estimasi energi yang

tidak tepat. Pemilihan konformasi awal dievaluasi lebih lanjut dengan skema

skoring yang lebih kompleks dengan perlakuan elektrostatik dan interaksi Van der

Waals yang lebih mendalam (Kitchen, Decornez, Furr, Bojorath, 2004).

2.7. Dinamika Molekular

Dinamika molekuler adalah suatu bentuk simulasi komputer dimana atom

dan molekul diizinkan untuk berinteraksi dalam jangka waktu tertentu dengan

pendekatan secara fisik yang diketahui memberikan pandangan dari gerak dan

partikel. Dinamika molekuler merupakan tahapan lebih lanjut dari mekanika

molekuler dan didasari oleh prinsip bahwa atom dari suatu molekul merasakan

kekuatan untuk bergerak (Becker, et al., 2001)

34

Dinamika molekuler merupakan suatu simulasi secara virtual yang dapat

digunakan untuk melihat interaksi mikroskopik antar molekul. Melalui simulasi

dinamika molekuler, akan didapatkan data-data statik dan dinamik antar molekul

yang berikatan pada skala atomik, seperti kecepatan, rheologi, maupun gangguan

yang bergantung kepada waktu (Allen, 2004).

Teknik dinamika molekuler didasarkan kepada hukum Newton dan hukum

mekanika klasik. Persamaan Newton dinyatakan melalui persamaan: F = m.a,

dimana F menyatakan gaya, m menyatakan massa, dan a menyatakan percepatan.

Dengan melakukan kalkulasi gaya yang ada pada tiap atom, didapatkan perubahan

energi potensial melalui perubahan jarak (r) yang dinyatakan melalui persamaan:

F = - ( ). Gaya atom dan massa kemudian dipakai untuk menentukan posisi

atom melalui pengaruh waktu, yang dapat diketahui melalui persamaan:

), dimana t menyatakan waktu. Hal ini menyatakan bahwa

perubahan posisi atom bergantung kepada waktu, dengan jalan menghitung

percepatan (a) dari gaya (F) dan massa (m) (Kitchen, Decomez, Furr & Bajorath,

2004).

Simulasi dinamika molekuler dapat digunakan dengan menggunakan

beberapa aplikasi seperti Amber dan Gromac. Melalui simulasi dinamika

molekuler yang dilakukan, maka informasi kinetika dan termodinamika suatu

protein dapat ditelusuri lebih lanjut (Karplus & Kuriyan, 2007).

2.8. PyMOL

PyMOL adalah suaru perangkat lunak visualisasi yang digunakan untuk

memahami suatu struktur serta dapat menghasilkan gambar tiga dimensi yang

berkualitas dari molekul kecil maupun markomolekul seperti protein. Program ini

juga dapat melakukan visualisasi terhadap struktur tunggal maupun ligan yang

sudah ditambatkan (Delano, 2004).

Visualisasi diperlukan untuk lebih memahami dan mendalami struktur

suatu molekul. Dan untuk mendapatkan hal tersebut, dapat digunakan program

PyMOL. Melalui pengaturan tampilan

35

2.9. Open Babel

Open Babel adalah suatu perangkat lunak yang didesain untuk memproses

suatu data kimia. Open Babel berguna untuk merubah format file dari satu format

ke format lainnya, sehingga dapat digunakan untuk pemodelan molekuler, kimia

informatik, dan bioinformatika. Open Babel juga dapat digunakan untuk

penambahan hidrogen, membuat struktur tiga dimensi, mengkalkulasi muatan

parsial, serta pemisahan duplikasi suatu senyawa dari satu set data. Program ini

dapat diunduh secara gratis melalui situs http://openbabel.org.

2.10. Vega ZZ

Vega ZZ adalah suatu program kimia komputasi yang dikembangkan

untuk menciptakan suatu piranti lunak pemodelan molekuler dengan antar muka

tiga dimensi (Predetti, Mazzolari & Vistolli, 2004).

Vega ZZ pertama kali digunakan untuk mengubungkan program sejenis

dan mempermudah proses pembelajaran dari dinamika molekuler. Vega ZZ

dilengkapi dengan fitur-fitur seperti tampilan visual grafis untuk pengguna, piranti

lunak untuk mengedit, dan piranti lunak untuk melakukan kalkulasi terhadap

molekul. Program ini tersedia gratis untuk diunduh, namun membutuhkan kunci

aktivasi untuk akses nonprofit (Pedretti, et al., 2004).

Saat ini Vega ZZ digunakan untuk menyelesaikan permasalahan kimia

komputasi, baik untuk desain obat, optimasi ligan, pemodelan homologi, serta

kalkulasi penggambaran QSAR molekuler.

2.11. AutoDock

AutoDock adalah suatu program penambatan terautomatisasi. Program

tersebut merupakan program penambatan yang efektif, cepat, dan akurat, yang

dapat memprediksi konformasi dari energi suatu ikatan antara ligan dan

makromolekul. AutoDock dilengkapi dengan AutoDock Schools (ADT) yang

membantu dalam analisis dan pengaturan penambatan (Morris, et al., 1998).

AutoDock terdiri dari dua bagian utama, yaitu AutoDock dan AutoGrid.

AutoDock melakukan penambatan molekul ligan protein target dengan set grid

yang telah terdeskripsi. Pendeskripsian dilakukan oleh AutoGrid. Dengan kata

http://openbabel.org/

36

lain, AutoDock yang melakukan penambatan ligan pada suatu set grid yang

menggambarkan protein target dan AutoGrid yang memprekalkulasi grid tersebut.

Untuk memungkinkan pencarian konformasi, AutoDock membutuhkan ruang

pencarian dalam sistem koordinat diposisi mana ligan akan diperkirakan terikat.

(Morris, et al., 1998).

2.12. Amber

Amber adalah suatu program yang memungkinkan penggunanya untuk

melakukan simulasi dinamika molekuler, terutama untuk biomolekul. Perangkat

lunak Amber terbagi menjadi dua bagian, yaitu Amber Tools 12 yang merupakan

kumpulan program yang berada dibawah lisensi GPL, serta Amber12 yang

berpusat pada simulasi program pmemd (Case, et al., 2010).

Dalam melakukan simulasi dinamika molekuler menggunakan program

Amber, informasi yang dibutuhkan adalah:

1. Koordinat Kartesian untuk setiap atom dalam sistem. Informasi ini

biasanya berasal dari X-Ray Chrystallography, spektroskopi NMR, dan

pemodelan. Data ini harus ada dalam Protein Data Bank (PDB) atau

Tripos dalam format mol2.

2. Topologi. Informasi ini didapatkan dari database. Database ini

mengandung topologi dari asam amino standar, DNA, RNA, dan gula

pada umumnya.

3. Force field. Bagian ini merupakan parameter untuk semua ikatan, sudut,

dihedral, dan tipe atom pada sistem.

4. Commands. Berupa prosedur yang digunakan pengguna dalam melakukan

simulasi dinamika molekuler.

2.13. VMD

VMD adalah suatu program grafis yang dibuat untuk visualisasi dan

analisis struktur molekuler, khususnya biopolimer seperti protein dan asam

nukleat. VMD dapat digunakan untuk menganalisis suatu sistem hasil simulasi

dinamika molekuler, diantaranya dapat digunakan untuk menghitung ikatan

hidrogen, menghitung RMSD, dan energi NAMD. Selain itu, VMD dapat

37

menampilkan beberapa struktur secara bersamaan menggunakan seleksi serta

metode pewarnaan dan penampilan yang bervariasi. (Humphrey, Dalke, &

Schuelten, 1996).

2.14. UCSF Chimera

UCSF (University of California at San Fransisco) Chimera adalah suatu

perangkat lunak yang dikembangkan secara luas untuk melihat visualisasi

interaktif dan analisis struktur molekul dan hal lainnya, termasuk pemetaan berat

jenis, pengaturan supramolekuler, penataan sekuens, trajektori, penggabungan

konformasi, maupun pemisahan konformasi kompleks antara ligan dengan

makromolekul. Perangkat lunak ini dapat menghasilkan gambar dan animasi

dengan kualitas tinggi.

UCSF Chimera merupakan dokumentasi yang lengkap dan dapat diunduh

secara gratis untuk kepentingan akademis, pemerintahan, nirlaba, maupun

penggunaan pribadi. Chimera dikembangkan oleh Resource for Biocomputing,

Visualization and Informatics (Pettersen et al., 2004)

38

BAB 3

METODE PENELITIAN

3.1. Tempat dan Waktu Penelitian

Penelitian dilaksanakan di Laboratorium Komputasi Biomedik dan

Rancangan Obat Fakultas Farmasi Universitas Indonesia selama bulan Februari

hingga Mei 2015.

3.2. Alat

3.2.1. Perangkat Keras

Komputer terhubung internet dengan spesifikasi Quad Core Processor

CPU Q9400 @ 2.66 GHz 2.67 GHz (Intel® CoreTM, Amerika), RAM 2GB

(ASUS, Amerika), System Type 64-bit Operating System, dan sistem operasi

Windows. Kelengkapan komputer yakni monitor (AOC, China), mouse (Logitech,

China), dan keyboard (Logitech, China). Komputer terhubung dengan internet dan

UPS (Uninterrupted Power Supply).

3.2.2. Perangkat Lunak

OpenBabel (Hutchison, et al.), PyMOL (DeLano Scientific LLC, Italia),

AutoDock Tools (The Scripps Research Institute, Amerika), Amber MD

(University of California, San Fransisco), Amber Tools (University of California,

San Fransisco), VMD, dan Ligand Scout.

3.3 Bahan

3.3.1. Struktur Tiga Dimensi α-glukosidase

Struktur tiga dimensi dari α-glukosidase yang digunakan diperoleh melalui

proses pemodelan homologi mengikuti metode Saqib dan Siddiqi (2008) yang

dilakukan oleh Farkhani (2012) pada penelitian sebelumnya dan sudah tervalidasi.

3.3.2. Struktur Tiga Dimensi Ligan Senyawa Kimia tanaman

Struktur tiga dimensi senyawa kimia tanaman didapatkan dari penelitian

virtual screening sebelumnya yang dilakukan oleh Ahmad (2014)

38

39

Tabel 3.1. Senyawa Ligan

No. Spesies Tanaman Nama Senyawa 1 Catharanthus roseus L. 6 – Deoxoteasterone 2 Solanum nigrum L. Diosgenin 3 Physalis angulata L. Withangulatin A 4 Physalis angulata L. Withanolide 5 Euphorbia pulcherrima Willd. Lanosterol 6 Cassia siamea L. Cassiamin C 7 Centella asiatica L. Asiatic acid 8 Imperata cylindrica B. Isoarborinol 9 Asparagus officinalis L. Yamogenin 10 Lantana camara Linn. Lantic acid 11. Kontrol Positif I Castanospermine 12. Kontrol Positif II 1,6-Epi-Cyclophellitol

3.4. Cara Kerja

3.4.1. Persiapan Struktur Ligan

a. Persiapan dan optimasi struktur Ligan

Struktur tiga dimensi sepuluh senyawa kimia tanaman diunduh strukturnya

melalui PubChem dalam format .sdf, kemudian pada struktur tiga dimensinya

diberikan penambahan atom hidrogen dan diubah menjadi format .mol2

menggunakan piranti lunak Open Babel.

Optimasi struktur tiga dimensi ligan dilakukan dengan menggunakan

perangkat lunak AnteChamber dan tLeap. Minimisasi dilakukan dengan

menggunakan metode steepest descent dan conjugate gradients sebanyak

masing-masing 250 kali. Pembuatan parameter topologi dan koordinat dari ligan

dilakukan setelah proses minimisasi, kemudian data dari hasil minimisasi tersebut

disimpan dalam bentuk .pdb.

3.4.2. Penambatan Molekul Ligan Terhadap Model α-Glukosidase

Penambatan dilakukan dengan menggunakan program AutoDock Tools

(ADT) dan AutoDock4.2 dengan tahapan sebagai berikut:

1. Berkas makromolekul diubah dari .pdb menjadi .pdbqt dengan

menggunakan program ADT.

2. Berkas ligan diubah dari .pdb menjadi .pdbqt dengan menggunakan

program ADT.

40

3. Pembuatan Grid Parameter File (.gpf) menggunakan program ADT,

meliputi pembuatan berkas map yang disesuaikan dengan ligan dan

penentuan batasan ruang penambatan molekuler (grid box).

4. Proses komputasi berkas .gpf menjadi .glg dijalankan dengan program

AutoDock4.2 melalui program PuTTy dengan perintah autogrid –p

file.gpf –l file.glg &. Hasil kalkulasi ini akan disimpan dalam

bentuk keluaran .glg.

5. Pembuatan Docking Parameter File (.dpf) menggunakan program ADT,

meliputi penentuan berkas .pdbqt dari makromolekul dan ligan yang

digunakan serta penentuan parameter docking algorithm.

6. Penambatan molekuler berkas .dpf menjadi .dlg dijalankan dengan

program AutoDock4.2 melalui PuTTy dengan perintah: autodock –p

file.dpf –l file.dlg &. Hasil penambatan ini akan disimpan dalam

berkas .dlg.

3.4.3. Analisis Hasil Penambatan Molekuler

Analisis penambatan molekuler dilakukan dengan program PyMOL dan

ADT. Afinitas dan selektifitas ligan yang ditambatkan terhadap makromolekul

dilihat dari skor penambatan molekuler dari hasil yang sudah didapatkan dari

penambatan molekuler tersebut. Skor ini mencakup energi bebas ikatan ( , dan

konstanta inhibisi (Ki). Tahapan yang dilakukan pada analisa penambatan

molekuler adalah sebagai berikut:

1. Berkas .dlg yang dihasilkan setelah penambatan molekuler dibuka dengan

menggunakan WordPad untuk melihat hasil keterangan klaster dan

penambatan yang terbaik.

2. Konformasi terbaik dipilih dari histogram pada berkas .dlg. Data yang

diamati adalah nilai energi bebas ( , dan konstanta inhibisi (Ki) dari

klaster terbaik maupun hasil penambatan terbaik.

3. Berkas .dlg dibuka dengan ADT untuk mengamati konformasi terbaik yang

telah dipilih dan diekstrak menjadi berkas .pdbqt untuk memisahkan hasil

penambatan molekuler yang terdiri dari konformasi ligan dan makromolekul

41

menjadi satuan ligan tunggal yang dipilih dari hasil klaster maupun

penambatan terbaik.

4. Berkas .pdbqt konformasi ligan hasil penambatan molekuler diubah

menjadi berkas .pdb melalui program Vega ZZ.

5. Berkas .pdb konformasi ligan hasil penambatan molekuler dianalisa secara

visual dengan menggunakan program PyMOL dan Ligand Scout untuk

melihat interaksi yang terjadi antara ligan dan makromolekul.

3.4.4. Simulasi Dinamika Molekuler

Simulasi dinamika molekuler penambatan kompleks α-glukosidase dengan

ligan dilakukan dengan menggunakan program Amber dengan beberapa tahapan,

yaitu:

1. Persiapan berkas masukan

Dalam simulasi dinamika molekuler berkas masukan yang harus disiapkan

meliputi persiapan makromolekul, ligan, serta topologi dan koordinat.

a. Persiapan makromolekul α-glukosidase dari hasil penambatan molekuler.

1) Berkas .dlg dari hasil kalkulasi penambatan molekuler dibuka

dengan menggunakan program AutoDock 4.2.

2) Frame terbaik berdasarkan energi terendah (best energy) dipilih dan

masing-masing disimpan dalam format .pdbqt yang kemudian

diubah menjadi format .pdb dengan menggunakan Vega ZZ.

3) Berkas .pdb yang sudah dihasilkan oleh VegaZZ kemudian dibuka

dengan UCSF Chimera untuk memisahkan ligan dari makromolekul.

4) Berkas .pdb hasil pemisahan dengan UCSF Chimera dilakukan

perubahan pada isinya, yaitu dengan penghilangan informasi

CONNECT dan penambahan kata TER sebelum kata END pada akhir

berkas .pdb.

b. Persiapan ligan hasil penambatan molekuler

1) Berkas .pdb ligan hasil pemisahan dengan UCSF Chimera

dilakukan perubahan pada isinya, yaitu dengan penghilangan

42

informasi CONNECT dan penambahan kata TER sebelum kata END

pada akhir berkas .pdb.

2) Berkas .pdb kemudian diubah menjadi .mol2 dengan

menggunakan OpenBabel. Pada antarmuka OpenBabel, opsi Add

Hydrogens (make explicit) dipilih, kemudian format .mol2 dipilih

sebagai keluaran dan opsi convert dipilih.

c. Pembuatan Topologi dan Koordinat

Topologi dan koordinat yang akan dibuat adalah ligan,

makromolekul, dan komplek ligan-makromolekul dalam suasana

vakum dan dalam pelarut air. Pada tahapan ini struktur ligan harus

diberikan penambahan muatan AM1-BCC menggunakan program

Antechamber yang diakses melalui PuTTy dengan perintah:

antechamber –i file.mol2 –fi file.mol2 –o

file_e.mol2 –fo file.mol2 –c bcc –s 2 &. Kemudian

akan diperoleh berkas keluaran .mol2 yang merupakan hasil dari

AnteChamber yang akan dibuat menjadi .frcmod dengan perintah:

parmchk –i file_e.mol2 –f mol2 –o file.frcmod.

Setelah semua berkas disiapkan, pembuatan topologi dan koordinat

dengan piranti lunak tLeap dapat dilakukan dengan pembuatan berkas

leap.in terlebih dahulu. Proses kemudian dilanjutkan dengan

memasukkan perintah tleap –f leap.in yang diakses melalui

PuTTy.

2. Minimisasi Masukan

Untuk memudahkan pengaturan dalam penyimpanan berkas hasil

minimisasi, ekuilibrasi, dan produksi, maka harus dibuatkan folder pada

masing-masing langkah. Berkas topologi dan koordinat yang digunakan

adalah komplek ligan-makromolekul dalam pelarut air. Sebelum dilakukan

minimisasi, terlebih dahulu disiapkan berkas masukan min.in (Lampiran

6). Minimisasi dilakukan dalam dua tahapan. Tahapan pertama merupakan

minimisasi terhadap molekul air saja. Tahap kedua adalah minimisasi

terhadap seluruh sistem yaitu ligan dan molekul air. Perintah minimisasi

diakses melalui PuTTy, yaitu: sander –O –i min.in –p

43

file.prmtop –c file.inpcrd –r file.rst –o file.out –

ref file.inpcrd &. Minimisasi kedua dilakukan dengan perintah yang

sama, namun dengan berkas input file yang berbeda, yaitu input file

min_all.in (Lampiran 7). Perintah –p ditujukan untuk input file topologi

kompleks ligan-makromolekul dalam pelarut air, -c ditujukan untuk input file

koordinat kompleks ligan-makromolekul dalam pelarut air, -r ditujukan untuk

output restart file hasil minimisasi, -ref ditujukan untuk input file koordinat

kompleks ligan-makromolekul dalam pelarut air (Lee, Deng, Briggs, & Duan,

2008).

3. Ekuilibrasi

Tahap ekuilibrasi dilakukan dalam dua tahap. Tahap pertama

meliputi ekuilibrasi yang dilakukan untuk membuat volume yang konstan dan

menaikkan suhu dari 0 K menjadi 300 K. Ekuilibrasi tahapan kedua dan

ketiga dilakukan untuk membuat seluruh sistem berada pada suhu dan

tekanan yang konstan. Parameter ekulibrasi diatur pada berkas eq1.in,

eq2.in, eq3.in dan seterusnya.

Sebelum produksi dimulai, harus dilakukan pengecekan pada

empat parameter, yaitu suhu, berat jenis, energi potensial, dan RMSD (Root

Mean Square Deviation) untuk mengetahui apakah sistem sudah siap

melakukan produksi dinamika molekuler atau belum. Suhu, berat jenis, dan

energi potensial harus berada pada angka yang konstan, yakni 300 K untuk

suhu dan 1 gram/ml untuk berat jenis. Parameter suhu, berat jenis, dan energi

potensial dapat dilihat melalui keluaran .out yang kemudian diekstrak

menjadi .dat dan dikonversi menjadi data Microsoft Excel, lalu masing-

masing parameter diplot terdadap waktu. Sedangkan parameter RMSD

dilakukan dengan Ptraj terhadap proses hasil ekulibrasi terakhir. Produksi

dapat dilakukan apabila hasil nilai plot RMSD terhadap waktu adalah

konstan.

Untuk melihat data tempertur dan berat jenis dapat dilakukan

dengan cara ekstraksi data .out hasil ekuilibrasi terakhir melalui piranti lunat

PuTTy dengan perintah: grep TEMP file.out | awk ‘{print

$6,$9}’ > file.dat. Data hasil keluaran kemudian diplot terhadap

44

waktu dengan Microsoft Excel ataupun dengan menggunakan piranti lunak

pembuat grafik, yaitu xmgrace dengan perintah xmgrace file.dat.

Pengecekan RMSD dapat dilakukan dengan piranti lunak ptraj

dengan terlebih dahulu mempersiapkan berkas ptraj.in (Lampiran 11).

Proses kalkulasi dijalankan melalui PuTTy dengan perintah ptraj

file.prmtop –i ptraj.in.

4. Produksi

Berkas .rst hasil ekuilibrasi tahapan terakhir dijadikan sebagai

restart file pertama untuk memulai produksi. Pada penelitian ini dilakukan

simulasi dinamikan molekuler selama 10 ns. Produksi dilakukan selama 10

kali, dimana satu kali produksi akan menghasilkan simulasi selama 1 ns.

Berkas prod.in harus dibuat terlebih dahulu untuk pengaturan parameter

produksi. Proses produksi dilakukan dengan menggunakan program sander

yang diakses pada piranti lunak PuTTy. Untuk menjalankan produksi,

diperlukan berkas run_md.x (Lampiran 10) yang berfungsi menjalankan

produksi secara otomatis selama 10 kali. Produksi kemudian dijalankan

dengan memasukkan perintah: nohup ./ run_md.x >& run.log &

5. Analisis

Analisis berupa keluaran dan trajectory dilakukan dengan program

ptraj dan VMD pada AmberTools. Parameter yang akan dianalisis adalah

fluktuasi energi potensial, RMSD (Root Mean Square Deviation), RMSF

(Root Mean Square Fluctuation), dan kondisi ikatan hidrogen.

a. Energi Potensial

Energi potensial dianalisis dengan berkas .out hasil produksi yang

kemudian diekstrak dan diubah kedalam format .dat melalui PuTTy.

Berkas .dat dibuka melalui program Microsoft Excel dan dibuat kurva

hubungan antara energi potensial dan waktu. Selain melalui Microsoft

Excel, dapat juga dibuat grafik otomatis dengan menggunakan piranti

lunak xmgrace. Proses pembuatan output dijalankan melalui PuTTy

dengan perintah: grep Eptot file.out | awk ‘{print

$9}’ > file.dat.

b. RMSD (Root Mean Square Deviation)

45

Analisa RMSD dilakukan menggunakan program Ptraj terhadap seluruh

berkas .mdcrd hasil produksi dengan pengaturan pada berkas

masukan rmsd.in. Hasil dari komputasi ptraj berupa berkas .out

yang kemudian dibuat kurva hubungan antara RMSD dan waktu dengan

menggunakan Microsoft Excel maupun xmgrace.

c. RMSF (Root Mean Square Fluctuation)

Analisis RMSF dilakukan menggunakan program Ptraj terhadap seluruh

berkas .mdcrd hasil produksi dengan pengaturan pada berkas

masukan ptraj_rmsf.in. Hasil komputasi berupa berkas .apf

yang dibuka dengan menggunakan excel dan kemudian dibuat kurva

hubungan antara RMSF dan waktu. Evaluasi RMSF dilakukan untuk

menganalisis fleksibilitas protein pada sistem selama simulasi

berlangsung.

d. Kondisi Ikatan Hidrogen

Kondisi ikatan hidrogen dianalisis menggunakan program VMD.

Pertama, dilakukan pemilihan terhadap ikatan hidrogen yang memiliki

occupancy > 50 % dari keseluruhan data analisis ikatan hidrogen.

Ikatan hidrogen dianalisis dari trajectory hasil simulasi selama 10 ns.

Berkas HB_bond_angle.tcl yang dibuat sendiri sebelumnya harus

disiapkan terlebih dahulu dan disiapkan dalam folder yang sama dengan

berkas file.prmtop dan file.mdcrd. Berkas

HB_bond_angle.tcl digunakan untuk menghitung jarak ikatan

hidrogen, sudut ikatan hidrogen, dan jumlah ikatan hidrogen. VMD lalu

dibuka dan file.prmtop dimasukkan, dilanjutkan dengan

file.mdcrd, lalu dipilih opsi extension > analysis > hydrogen bonds

> unique hbond. Pengaturan jarak antara donor dan aseptor ikatan

hidrogen diatur pada 3,5 A, dan angle cut off diatur pada 600. Tahapan

ini ditujukan untuk melakukan penapisan terhadap ikatan hidrogen yang

memiliki jumlah ikatan diatas 30 %.

Setelah dilakukan penapisan, selanjutnya dilakukan penghitungan

jumlah dan jarak ikatan hidrogen antara residu dari makromolekul dan

atom dari ligan yang spesifik. Berkas file.prmtop dibuka,

46

kemudian berkas file.mdcrd yang merupakan trajectory gabungan

dibuka. Pilih opsi add extension > TKconsole. Setelah muncul tampilan

antarmuka TKconsole, maka direktori harus ditujukan ke dalam

direktori yang berisi berkas file.prmtop dan file.mdcrd.

Kemudian nomor residu dan nomor atom spesifik dari makromolekul

dan ligan yang ingin dilihat ikatan hidrogennya harus didefinisikan.

Berkas keluaran yang dihasilkan berupa file-details.dat.

47

3.5. Skema Penelitian

Penambatan Molekuler

MAKROMOLEKUL

Ligan Teroptimasi

LIGAN

.mol2

.sdf

+ Hidrogen

Open Babel

Optimasi Ligan

Ligan (+H, mol2)

- Antechamber - Leap - Sander

AutoDock4

Simulasi Dinamika Molekuler

AMBER - Antechamber - Leap - Sander - PMEMD Cuda

Evaluasi

AMBER - Energi Potensial - RMSD -RMSF -Ikatan Hidrogen

48

BAB 4

HASIL DAN PEMBAHASAN

4.1. Penambatan Molekuler

4.1.1. Persiapan Struktur Makromolekul α-Glukosidase

Struktur tiga dimensi dari α-glukosidase diperoleh dengan

menggunakan proses pemodelan homologi mengikuti metode Saqib dan

Siddiqi (2008) yang telah dilakukan oleh Farkhani (2012) pada penelitian

sebelumnya. Model α-glukosidase yang dihasilkan sudah tervalidasi dan

layak digunakan untuk ditambatkan dengan keduabelas ligan. Sebelum

dilakukan penambatan molekuler, terlebih dahulu diberikan penambahan

atom hidrogen pada makromolekul dengan menggunakan piranti lunak

Open Babel.

4.1.2. Persiapan dan Optimasi Struktur Ligan

Ligan yang digunakan dalam penelitian ini adalah 6-

Deoxoteasterone, Lanosterol, Diosgenin, Withangulatin A, Withanolide,

Cassiamin C, Asiatic Acid, Lantic Acid, Yamogenin, Isoarborinol, dan dua

kontrol positif yaitu Castanospermine dan 1,6-Cyclo-Epicalliptol. Struktur

dua dimensi dan tiga dimensi ligan diunduh melalui situs PubChem.

Struktur tiga dimensi kemudian diberi atom hidrogen dengan

menggunakan program Open Babel, dan diberikan muatan dengan

menggunakan metode AM1-BCC pada program Antechamber. Struktur

yang lebih baik dan lebih siap diperoleh setelah melalui proses minimisasi

dengan menggunakan program Sander. Setelah melalui proses minimisasi,

maka ligan akan siap untuk ditambatkan dengan makromolekul.

Optimasi ligan yang telah ditambahkan dengan atom hidrogen

dilakukan dengan menggunakan program Amber yang dijalankan melalui

PuTTy. Setelah itu, dilakukan penambahan muatan AM1-BCC dengan

menggunakan piranti lunak Antechamber. Lalu ligan diminimisasi dengan

perangkat lunak Sander dengan metode steepest descent dan conjugate

48

49

gradients sebanyak masing-masing 250 kali. Optimasi ligan dilakukan

untuk meminimasi energi dari ligan yang belum tertambat (unbound

energy).

4.1.3. Penambatan Molekuler Ligan dengan Model α-Glukosidase

AutoDock Tools digunakan untuk penentuan ukuran gridbox dan

parameternya, kemudian kalkulasi autogrid4 akan menghasilkan parameter

mapping. Tiap ligan dilihat berdasarkan keberadaan atom-atomnya. Setelah

itu akan dihasilkan map aromatis (A), karbon (C), hidrogen (HD), nitrogen

(N), nitrogen aromatis (NA), oksigen aromatis (OA), belerang (S), klor (Cl),

bromium (Br), tergantung dari jenis ligan yang akan digunakan. Selain itu

terdapat juga map elektrostatik (e) dan desolvasi (d). Semua jenis berkas

pemetaan (mapping) memiliki keluaran berkas .map. Selain mapping, grid

juga menghasilkan berkas keluaran .glg.

Sebelum dilakukan penambatan, terlebih dahulu dipersiapkan

parameter-parameter yang dibutuhkan untuk melakukan penambatan yaitu

parameter grid (Grid Parameter File) dan parameter penambatan

(Docking Parameter File). Pengaturan grid meliputi penentuan koordinat

dan volume (Lampiran 13). Koordinat yang digunakan dalam

penambatan molekuler yakni dengan pusat koordinat (X,Y,Z) -21.727, -

6.323, dan -5.281. Volume grid penambatan yang digunakan dalam

penelitian ini adalah 50 x 50 x 50 Å dengan spacing 0,375. Pada parameter

penambatan, dilakukan perubahan pada Number of GA Runs menjadi 10.

Setiap Number of GA Runs digunakan Maximum Number or Energy

Evaluations Short (250.000).

Parameter diatur dengan penentuan algoritma, jumlah komputasi

penambatan (GA Run), toleransi RMSD, dan kecepatan evaluasi.

Penambatan molekuler dilakukan dengan menggunakan program

AutoDock 4 yang dijalankan melalui PuTTy dengan menggunakan

algoritma Lamarckian Genetic Algorhytm (Lamarckian GA). Algoritma ini

dipilih karena perpaduan antara pencarian lokal dan pencarian optimum

global. Batas toleransi RMSD yang diperbolehkan adalah 2.0 Å,

50

sedangkan pada jumlah penambatan adalah 256 kali. Nilai-nilai tersebut

merupakan batas standar yang disediakan oleh AutoDock 4. Kecepatan

evaluasi yang digunakan dalam penelitian ini adalah 250.000 kali. Nilai ini

ditentukan berdasarkan hasil percobaan dan nilai tersebut merupakan

jumlah yang memberikan skor penambatan relatif lebih baik dan dengan

waktu lebih efisien.

Pada hasil penambatan, hasil ΔG dan Ki dapat dilihat pada Tabel

4.1. Selain ΔG dan Ki, dapat juga diamati hasil visualisasi penambatan

serta interaksi yang terjadi.

Tabel 4.1. Data Hasil Penambatan Molekuler Senyawa

4.1.4. Analisis Hasil Penambatan Molekuler

Analisis ligan yang telah ditambatkan dengan makromolekul α-

Glukosidase dilihat melalui skor hasil penambatan dan melalui visualisasi

dengan melihat pose dan residu yang berinteraksi dengan masing-masing

ligan dan makromolekul. Skor berupa nilai konstanta inhibisi (Ki) dan

energi bebas, dapat dilihat melalui berkas .dlg dengan menggunakan

AutoDock Tools.

No Nama Senyawa Free Energy Binding (kkal/mol)

Konstanta Inhibisi/Ki (nM)

1 6-Deoxoteasterone -9.24 169,73 2 Diosgenin -8.76 381,02 3 Withangulatin A. -9.15 196.21 4 Lanosterol -9.04 236.65 5 Cassiamin C -8.78 365.00 6 Withanolide -8.74 390.02 7 Asiatic Acid -8.70 417,17 8 Isoarborinol -8.60 497.76 9 Yamogenin -8.49 601.12 10 Lantic Acid -8.49 598.77 11 Castanospermine -6,66 76,37 12 1,6-Epi-Cyclophellitol -5,62 87,77

51

Semakin rendah nilai energi bebas (ΔG) menunjukkan semakin

stabilnya ikatan antara ligan dengan protein target. Sedangkan, semakin

rendah nilai konstanta inhibisi (Ki), maka penghambatan yang ditunjukkan

oleh ligan terhadap aktivitas protein target semakin efektif.

Analisis secara visual dilakukan dengan membandingkan posisi

dan interaksi antara ligan dengan residu protein pada α-Glukosidase.

Analisis dilakukan dengan menggunakan piranti lunak Ligand Scout untuk

melihat tipe interaksi serta residu yang terlibat, dan menggunakan piranti

lunak PyMOL untuk melihat jarak ikatan. Secara umum, ligan telah

menempati situs aktif yang sesuai pada α-glukosidase. Perbandingan

visualisasi hasil penambatan senyawa ligan dengan α-glukosidase dapat

dilihat pada lampiran.

Situs aktif α-Glukosidase berbentuk kantung dengan domain residu

GH 31, khususnya Asp 398, Asp 587, His 645, dan Arg 571. Pada salah

satu cetakan NtMGAM, domain residu penting adalah Asp 203 yang

membantu dalam pengikatan substrat. Meskipun pada α-glukosidase

residu tersebut diganti oleh His 274. Residu Trp 472 dan Phe 518 menjadi

residu yang penting pada pembukaan situs aktif dan berkontribusi terhadap

bentuk situs pengikatan substrat. Residu tambahan lain yang terkait

dengan tempat pengikatan gula termasuk Asp 511, Trp 370, Ile 399, Trp

509, dan Met 512. Asp 511 bekerja sebagai nukleofil katalitik, dan Asp

587 merupakan bagian dari GH 31 yang sangat terkonservasi sehingga

cenderung membuatnya menjadi kandidat untuk katalis asam dan basa.

Sebagian besar famili GH 31 memiliki residu aromatik pada posisi yang

berkaitan dengan Trp 370 (Saqib dan Siddiqi, 2008).

Hasil penambatan molekul-molekul ligan terhadap makromolekul

α-glukosidase menunjukkan terjadinya ikatan yang sesuai dengan residu

dari enzim α-glukosidase. Dengan perbedaan struktur pada masing-masing

ligan, maka terdapat ikatan yang berbeda antara masing-masing ligan

dengan residu aktif enzim α-glukosidase. Secara keseluruhan, hampir

semua ligan berikatan dengan residu-residu penting seperti Asp398,

Asp587, Asp511, Trp472, Arg571, Trp370, Met 512, Phe 620 dan Ile435.

52

Sedangkan pada residu tambahan lain yang terkait dengan pengikatan

gula, ada satu atau dua ligan yang berikatan dengan His 274, Ile399,

Arg519, Phe518, Leu276, Ile621, Ile399, Arg642, His645, dan Trp549.

Untuk informasi penambatan secara keseluruhan dapat dilihat pada tabel

4.2.

Hasil penambatan antara Castanospermine sebagai kontrol positif

pertama dengan α-glukosidase menunjukkan adanya interaksi antara ligan

dengan residu α-glukosidase yaitu Asp398, Asp511, Arg571, Asp587,

Trp370, dan His274. Interaksi terkuat terdapat pada residu Asp398 sebagai

akseptor hidrogen dengan atom O dari ligan yang berjarak 1,8 Å. Selain

itu, ikatan hidrogen juga terjadi pada residu Asp511 dan Asp587 yang

bertindak sebagai akseptor hidrogen, serta Arg571 yang bertindak sebagai

donor hidrogen. Sedangkan pada residu Trp370 dan His 274 terdapat

interaksi ionik dengan atom N pada ligan (Tabel 4.2, Lampiran 14).

Hasil penambatan antara 1,6-Epi-Cyclophellitol sebagai kontrol

positif kedua dengan α-glukosidase menunjukkan adanya interaksi antara

ligan dengan residu α-glukosidase yaitu Arg643 dan Arg571. Interaksi

terkuat terdapat pada gugus –O ligan yang bertindak sebagai akseptor

hidrogen dengan residu makromolekul Arg643 yang berjarak 1,9 Å.

Residu lainnya yaitu Arg571 juga bertindak sebagai donor hidrogen yang

berinteraksi dengan gugus –O pada ligan (Tabel 4.2, Lampiran 15).

Hasil penambatan antara 6-Deoxoteasterone dengan α-glukosidase

menunjukkan adanya interaksi dengan residu makromolekul Leu276,

Phe518, Trp472, Trp370, Phe620, Ile435, dan Met512. Pada interaksi

ligan ini dengan makromolekul, terdapat interaksi hidrofobik dengan

sekitarnya, terutama pada interaksi dengan residu Leu276, Phe518,

Trp472, Trp370, Phe620, dan Met512 (Tabel 4.2, Lampiran 16).

Hasil penambatan Asiatic Acid dengan α-glukosidase menunjukkan

adanya ikatan hidrogen dengan residu Asp 398 dengan jarak ikatan 2,1 Å.

Ikatan hidrogen lainnya terjadi juga pada residu Asp587. Gugus –OH pada

ligan bertindak sebagai donor hidrogen pada yang berinteraksi pada atom

O di residu Asp398 dan Asp587. Interaksi lainnya terjadi pada residu

53

Phe620, Thr647, Trp370, Met512, dan Leu276. Interaksi hidrofobik juga

terjadi antara gugus nonpolar ligan dengan gugus nonpolar makromolekul

pada residu Asp398, Met512, Trp472, dan Leu276 (Tabel 4.2, Lampiran

17).

Hasil penambatan Cassiamin C dengan α-glukosidase

menunjukkan adanya ikatan hidrogen dengan residu Asp 587 dengan jarak

ikatan 2,0 Å. Ikatan hidrogen lainnya juga terjadi pada residu Arg571.

Residu Arg571 bertindak sebagai donor hidrogen yang berinteraksi dengan

gugus –O pada ligan, sedangkan residu Asp587 bertindak sebagai akseptor

hidrogen yang berasal dari gugus –OH pada ligan. Selain itu, terdapat juga

interaksi dengan gugus aromatik pada ligan dengan residu Arg519.

Interaksi lainnya terjadi pada residu Ile435, Trp509, Trp472, Phe518,

Trp370, dan Phe620. Pada residu Ile435, Trp509, Trp472, Phe518,

Trp370, dan Phe620 terjadi interaksi hidrofobik dengan gugus nonpolar

pada ligan (Tabel 4.2, Lampiran 18).

Hasil penambatan Diosgenin dengan α-glukosidase menunjukkan


Ikatan hidrogen juga terjadi dengan residu His645. Residu Asp587 dan

His645 bertindak sebagai akseptor hidrogen yang berasal dari gugus –OH

pada pada ligan. Interaksi lainnya terjadi pada residu Ile399, Ile435,

Trp472, Phe518, Ile621, Thr647, dan Trp370. Interaksi hidrofobik terdapat

pada gugus nonpolar ligan dengan residu makromolekul Ile435, Phe518,

Trp472, Ile621, Thr647, dan Trp370 (Tabel 4.2, Lampiran 19).

Hasil penambatan Isoarborinol dengan α-glukosidase

menunjukkan adanya interaksi kimia dengan residu Ile399, Ile435,

Trp509, Trp370, Thr647, Ile621, Leu276, Trp472, Phe518, Met512, dan

Phe620. Jenis interaksi yang terjadi adalah interaksi hidrofobik antara

gugus nonpolar ligan dengan residu makromolekul pada Ile435, Trp509,

Trp370, Thr647, Leu276, Trp472, Phe518, dan Phe620 (Tabel 4.2,

Lampiran 20).

Hasil penambatan Lanosterol dengan α-glukosidase menunjukkan


54

Interaksi hidrogen lainnya terdapat dengan residu His645. Dalam sistem

ini, Asp398 dan juga His645 bertindak sebagai akseptor hidrogen yang

berasal dari gugus –OH pada ligan. Interaksi lainnya terjadi pada residu

Thr589, Phe620, Trp472, Thr647, Met512, Ile399, Trp509, Ile435,

Phe518, Leu621, dan Leu276. Interaksi hidrofobik dengan gugus nonpolar

pada ligan terjadi dengan residu Thr589, Phe620, Met512, Ile435, Phe518,

Ile621, Ile621, dan Leu276 (Tabel 4.2, Lampiran 21).

Hasil penambatan Lantic Acid dengan α-glukosidase menunjukkan

adanya ikatan hidrogen dengan residu Asp398 dengan jarak ikatan 1,8 Å.

Residu Asp398 bertindak sebagai akseptor hidrogen yang berasal dari

gugus –OH pada ligan. Interaksi lainnya terjadi pada residu Thr647,

Trp370, Trp509, Ile435, Phe620, Trp472, dan Phe518. Interaksi hidrofobik

terjadi antara gugus nonpolar ligan dengan residu Trp370, Trp509, Ile435,

Phe620, dan Phe518. (Tabel 4.2, Lampiran 22).

Hasil penambatan Withanolide dengan α-glukosidase menunjukkan


Asp587 bertindak sebagai donor hidrogen yang diterima oleh gugus –O

pada ligan. Interaksi lainnya terjadi pada residu Met512, Ile435, Ile399,

Trp472, dan Trp370. Interaksi hidrofobik terjadi antara gugus nonpolar

ligan dengan residu Met512, Ile399, dan Trp370 (Tabel 4.2, Lampiran

23).

Hasil penambatan Withangulatin A dengan α-glukosidase

menunjukkan adanya ikatan hidrogen dengan residu Asp 587 dengan jarak

ikatan 2,0 Å. Asp 587 bertindak sebagai akseptor hidrogen yang berasal

dari gugus –OH pada ligan. Interaksi lainnya terjadi pada residu Trp472,

Trp509, Ile435, Trp370 dan Phe620. Interaksi hidrofobik terjadi pada

gugus nonpolar ligan dengan residu Ile435 dan Phe620 (Tabel 4.2,

Lampiran 24).

Hasil penambatan Yamogenin dengan α-glukosidase menunjukkan

adanya interaksi kimia pada residu Trp370, Phe620, Thr647, dan Ile621.

Interaksi hidrofobik terjadi pada gugus nonpolar ligan dengan Trp370,

Thr647, dan Ile621 (Tabel 4.2, Lampiran 25).

55

Tabel 4.2. Interaksi Ligan dengan Residu Protein α-Glukosidase pada Hasil Penambatan Molekuler

6-Deoxoteasterone

Diosgenin Lantic Acid

Lanosterol Asiatic Acid

Isoarborinol Yamogenin Withanolide Withangulatin A

Cassiamin C

Castanospermine 1,6-Epi-Cyclophellito

l D398 - - V V V - - - - - V -

H274 - - - - - - - - - - V -

M512 V - - V V V - V - - - -

I399 - V - V - V - V - - - -

T370 V V V - V V V V V V V -

D587 - V - - V - - - V V V -

R519 - - - - - - - V - V - -

F518 V V V V - V - - - V - -

R571 - - - - - - - - - V V V

T472 - V V V V V - V V V - -

D511 - - - - - - - - - - V -

L276 V - - V V V - - - - - -

F620 V - V V V V V - V V - -

I621 - V - V - V V - - - - -

I399 - V - V - V - V - - - -

R643 - - - - - - - - - - - V

F518 V V V V - V - - - V - -

I435 V V V V - V - V V V - -

R519 - - - - - - - V - V - -

H645 - - - V - - -

T549 - - - - - - - - V - - -

56

4.2. Simulasi Dinamika Molekuler

4.2.1. Persiapan Berkas Ligan dan Makromolekul

Simulasi dinamika molekuler dilakukan dengan menggunakan

program Amber. Beberapa tahap yang dilakukan dalam simulasi dinamika

molekuler adalah persiapan berkas masukan ligan dan makromolekul,

pembuatan topologi dan koordinat ligan dan makromolekul, minimisasi

kompleks, ekuilibrasi kompleks, produksi, dan analisis dinamika molekuler.

Simulasi dinamika molekuler dimulai dengan mempersiapkan berkas

masukan, yaitu masing-masing ligan dan makromolekul. Ligan yang

digunakan dan ditambatkan sejumlah sepuluh senyawa dengan klaster

terbaik yang didapatkan dari penelitian sebelumnya. Persiapan dilakukan

dengan cara mengekstrak dari berkas molekul .dlg penambatan

sebelumnya. Berkas .dlg dibuka dengan menggunakan AutoDock Tools,

lalu dilihat konformasi energi ikatan terendah dan disimpan dengan

menggunakan write complex dalam bentuk .pdbqt. Selanjutnya berkas

kompleks .pdbqt dibuka dengan menggunakan Vega ZZ dan diubah

menjadi format .pdb. Berkas .pdb kemudian dibuka dengan

menggunakan UCSF Chimera, kemudian dilakukan pemisahan antara ligan

dan makromolekul. Ligan kemudian dibuka dengan menggunakan WordPad

dan dilakukan perubahan pada isinya dengan cara menggilangkan informasi

CONNECT dan menambahkan kata TER sebelum END. Selanjutnya berkas

dibuka dengan menggunakan OpenBabel, dan ditambahkan hidrogen pada

isinya (Add Explicit). Kemudian diubah formatnya dalam bentuk mol2.

Penghilangan informasi CONNECT bertujuan agar berkas dapat dibaca oleh

program Amber. Sedangkan penambahan kata TER sebelum kata END pada

akhir berkas menunjukkan kata terminal. Dalam hal ini berkas .mol2 ligan

dan berkas .pdb makromolekul sudah bisa digunakan untuk simulasi

dinamika molekuler.

4.2.2. Pembuatan Topologi dan Koordinat

Topologi dan koordinat dibuat melalui berkas ligan, makromolekul,

dan kompleks ligan-makromolekul dalam kondisi vakum dan dalam pelarut

57

air. Tahapan ini dilakukan agar simulasi berlangsung pada posisi yang tetap

dan dan tidak ada perubahan struktur atom-atom backbone residu maupun

ligan. Pada tahap ini juga dilakukan penambahan counter-ions (Ion Na+)

untuk membuat sistem menjadi netral dan seluruh sistem dilarutkan dalam

model pelarut air TIP3P dalam kotak oktahedron. Dasar pemilihan pelarut

air dengan kotak oktahedron untuk sistem yang terlarut adalah untuk

mengefisiensikan waktu simulasi dan jarak kotak minimal 12 Å yang

merupakan jarak standar yang digunakan pada program ini. Hal ini lebih

menguntungkan daripada menggunakan pelarut berbentuk kotak.

(A) (B)

Keterangan: (A) Pelarut Air Berbentuk Oktahedron

(B) Pelarut Air Berbentuk Kotak

Gambar 4.13. Visualisasi Kompleks ligan-makromolekul dalam pelarut air.

4.2.3. Minimisasi Sistem

Tahap minimisasi dilakukan untuk merelaksasikan sistem.

Minimisasi ini dilakukan melalui dua tahapan. Tahap pertama merupakan

minimisasi terhadap molekul air saja, dengan menahan pergerakan protein

dari residu 270 -780 (Lampiran 8). Tahap kedua adalah minimisasi

terhadap seluruh sistem yang sudah dilarutkan dalam air. Minimisasi

dilakukan untuk menghindari kontak antar atom yang tidak diinginkan

(Lee, Deng, Briggs, & Duan, 2008).

58

4.2.4. Ekuilibrasi Sistem

Ekulibrasi dilakukan untuk menstabilkan sistem, sehingga sistem

mencapai keadaan konstan sebelum menjalani simulasi dinamika

molekuler. Tahap ini dilakukan untuk membuat sistem berada pada

temperatur, volume, dan tekanan yang konstan. Ekuilibrasi dilakukan

dalam tiga tahap. Ekuilibrasi tahap pertama dilakukan untuk membuat

volume konstan dan menaikkan suhu dari 0 K menjadi 300 K. Ekuilibrasi

kedua dan ketiga dilakukan untuk membuat seluruh sistem berada pada

suhu dan tekanan yang konstan. Namun, pada penelitian ini, dilakukan

ekuilibrasi hingga delapan kali. Karena pada ekuilibrasi ke delapan, sistem

mencapai kurva RMSD yang baik. Ada empat parameter yang harus

diamati setelah ekuilibrasi dilakukan. Keempat parameter tersebut adalah

temperatur, berat jenis, energi potensial, dan RMSD (Root Mean Square

Deviation).

Ekuilibrasi tahap pertama dan kedua dilakukan pada waktu 10

pikodetik, dan ekuilibrasi tahap ketiga dan selanjutnya dilakukan pada

waktu 100 pikodetik. Pada penelitian ini, setiap senyawa mengalami tahap

ekuilibrasi yang berbeda-beda. Asiatic Acid, Diosgenin, Isoarborinol,

Castanospermine, Withangulatin A, dan Withanolide mengalami

ekuilibrasi selama 8 kali. Cassiamin C, 6-Deoxoteasterone, Lanosterol,

dan Yamogenin mengalami ekuilibrasi selama tujuh kali. Lantic Acid dan

1,6-Epi-Cyclophellitol mengalami ekuilibrasi selama enam kali.

Selanjutnya, hasil ekuilibrasi terakhir masing-masing senyawa,

diplot kedalam grafik terhadap waktu untuk melihat keempat parameter,

yaitu temperatur, berat jenis, RMSD, dan energi potensial. Dari hasil

grafik yang sudah di plot, hasil ekuilibrasi terakhir masing-masing

senyawa menunjukkan temperatur yang konstan, yaitu disekitar 300 K.

Selain itu, sistem juga telah memiliki berat jenis yang konstan, yaitu di

sekitar 0,9-1,0 gram/ml. Demikian juga halnya dengan energi potensial

dan RMSD dari semua senyawa yang sudah memberikan hasil yang

konstan. Grafik dari temperatur, berat jenis, energi potensial, dan RMSD

dapat dilihat pada gambar grafik dibawah ini.

59

Gambar 4.14. Grafik Berat Jenis terhadap Waktu antara ligan dan

makromolekul selama ekuilibrasi

Gambar 4.15. Grafik Suhu terhadap Waktu antara ligan dan


0.95

1

1.05

1.1

0.5

5.5

10

.5

15

.5

20

.5

25

.5

30

.5

35

.5

40

.5

45

.5

50

.5

55

.5

60

.5

65

.5

70

.5

75

.5

80

.5

85

.5

90

.5

95

.5

Be

rat

Jen

is (

gr/m

ol)

Waktu (ps)

Grafik Density vs Waktu pada Ekuilibrasi Terakhir

Isoarborinol Castanospermine Withangulatin AWithanolide 6-Deoxoteasterone DiosgeninLanosterol Yamogenin Cassiamin C1,6-Epi-Cyclophellitol Lantic Acid Asiatic Acid

290

300

310

1 6

11

16

21

26

31

36

41

46

51

56

61

66

71

76

81

86

91

96

Suh

u (

K)

Waktu (ps)

Grafik Waktu vs Temperatur pada Ekuilibrasi Terakhir

Withangulatin A Isoarborinol

Castanospermine Withanolide

Asiatic Acid 6-Deoxoteasterone

60

Gambar 4.16. Grafik Energi Potensial terhadap Waktu antara ligan dan


Gambar 4.17. Grafik RMSD terhadap Waktu antara ligan dan


-190500

-188500

-186500

-184500

-182500

-180500

0.5 5

9.5 14

18

.5 23

27

.5 32

36

.5 41

45

.5 50

54

.5 59

63

.5 68

72

.5 77

81

.5 86

90

.5 95

99

.5

EPto

t (k

kal/

mo

l)

Waktu (ps)

Grafik EPontensial vs Waktu pada Ekuilibrasi Terakhir Senyawa

Withanolide Withangulatin A Isoarborinol

Castanospermine Asiatic Acid 6-Deoxoteasterone

Diosgenin Lanosterol Yamogenin

Cassiamin C 1,6-Epi-Cyclophellitol Lantic Acid

0

0.2

0.4

0.6

0.8

1

1.2

1 5 9

13

17

21

25

29

33

37

41

45

49

53

57

61

65

69

73

77

81

85

89

93

97

RM

SD (

Å)

Waktu (ps)

Grafik RMSD vs Waktu Hasil Ekuilibrasi Terakhir

Asiatic Acid Castanospermine 6-DeoxoteasteroneDiosgenin 1,6-Epi-Cyclophellitol IsoarborinolLanosterol Lantic Acid Withangulatin AWithanolide Yamogenin Cassiamin C

61

4.2.5. Produksi Simulasi Dinamika Molekuler

Sebelum produksi dilakukan, harus dilakukan pengecekan terhadap

empat parameter; yaitu suhu, energi potensial, berat jenis, dan RMSD

(Root Mean Square Deviation). Parameter tersebut dilihat untuk

menentukan apakah sistem sudah siap untuk dilakukan produksi atau

belum. Parameter suhu, energi potensial, berat jenis, dan RMSD pada hasil

ekuilibrasi ke-sepuluh senyawa dengan konformasi energi terbaik terhadap

α-glukosidase telah menunjukkan suhu yang konstan, yaitu lebih kurang

300 K untuk suhu, 0,8 – 1,0 gram/ml untuk berat jenis, lebih kurang -

182.000 - 188.000 kkal/mol untuk energi potensial, dan nilai RMSD juga

menunjukkan angka konstan, yaitu lebih kurang 0,7 – 1,0 Å.

Tahap produksi menggunakan proses algoritme weak-coupling

dapat dilakukan setelah keempat parameter yaitu suhu, energi potensial

RMSF, dan RMSD terpenuhi, yakni dengan nilainya yang konstan. Dalam

penelitian ini, dilakukan produksi selama 2 ns. Proses produksi dilakukan

dengan membaginya menjadi 10 kali; dimana dalam satu tahap dihasilkan

simulasi selama 200 ns. Hal ini dilakukan untuk mengurangi terjadinya

gangguan teknis pada saat simulasi berlangsung. Untuk menghitung

jumlah frame yang diinginkan, dapat dilakukan dengan cara mengatur

parameter nstlim (jumlah langkah selama simulasi dinamika molekuler)

dan ntwx (jumlah langkah yang disimpan kedalam berkas .mdcrd selama

simulasi dinamika molekuler) pada berkas prod.in. Simulasi dinamika

molekuler menerapkan prodesur SHAKE dan Particle Mesh Ewald (PME)

dengan cut off 12 Å untuk membatasi terjadinya interaksi elektrostatik

diluar rentang 12 Å. Keluaran yang dihasilkan berupa berkas file.rst,

file.mdcrd, dan file.out.

4.3. Analisis Hasil Simulasi Dinamika Molekuler

a. Energi Potensial.

Selama proses simulasi dinamika molekuler, sistem berusaha untuk

merelaksasi sistem yang ditandai dengan menurunnya nilai energi

potensial. Hal ini lebih jelas terlihat pada ekuilibrasi yang telah dilakukan

62

sebelumnya. Relaksasi terjadi pada sistem kompleks ligan – α-

Glukosidase dengan lingkungannya yang berupa model air TIP3P

berbentuk oktahedron.

Mulai dari 1 nanodetik hingga akhir, sistem berusaha untuk

mencapai kestabilan internal. Selama simulasi α-Glukosidase dengan

kesepuluh ligan dan dua ligan sebagai kontrol positif, sistem memiliki

energi potensial dengan kisaran -188.000 hingga -182.000 kkal/mol.

Gambar 4.18. Grafik Energi Potensial terhadap Waktu dalam

Produksi Selama 2 ns

Secara keseluruhan, masing-masing kompleks ligan dan

makromolekul memiliki nilai energi potensial yang stabil. Perbedaan nilai

hasil energi potensial antara satu ligan dan ligan lainnya diakibatkan

-190000

-188000

-186000

-184000

-182000

-180000

Ene

rgi P

ote

nsi

al (

kkal

/mo

l)

Energi Potensial pada Simulasi Senyawa Ligan dengan α-glukosidase Selama 2 ns

Asiatic Acid Cassiamin C Castanospermine

6-Deoxoteasterone diosgenin 1,6-Epi-Cyclophelltiol

Withangulatin A withanolide Yamogenin

Isoarborinol Lantic Acid Lanosterol

63

karena jumlah proses ekuilibrasi yang dilakukan pada proses sebelumnya.

Semakin banyak jumlah ekuilibrasi yang dijalani, maka semakin rendah

nilai energi potensial kompleks ligan – makromolekul tersebut. Hasil

tersebut tidak dapat menunjukkan perbedaan yang signifikan, sehingga

tidak dapat ditarik kesimpulan adanya hubungan yang mendalam antara

perbedaan gugus fungsi pada ligan dengan energi potensial yang

dihasilkan.

b. RMSD (Root Mean Square Deviation)

Root Mean Square Deviation atau akar kuadrat rata-rata deviasi

merupakan ukuran yang sering digunakan dalam geometri 3 Dimensi

molekul untuk membandingkan pergeseran atau perubahan konformasi

molekul. Nilai dan gambaran RMSD, digambarkan dalam sebuah grafik

yang diplot dengan waktu, seperti yang ditunjukkan dalam Gambar 4.19.

Grafik digambarkan untuk melihat stabilitas dinamika dan rasionalitas

pengambilan sampel dari ke-duabelas kompleks.

Gambar 4.19. Grafik Fluktuasi RMSD pada simulasi senyawa ligan

dengan α-Glukosidase selama 2 ns.

0

0.5

1

1.5

2

2.5

1 201 401 601 801 1001 1201 1401 1601 1801

(RM

SD)

Å

Waktu (ps)

RMSD Atom Backbone pada Simulasi Senyawa Ligan dengan α-Glukosidase selama 2 ns

Asiatic Acid Cassiamin C 6-Deoxoteasterone

Diosgenin Isoarborinol Castanospermine

Yamogenin 1,6-Cyclo-Epicalliptol Lanosterol

64

Pada simulasi yang berlangsung selama 2 nanodetik, setiap sistem

mengalami peningkatan RMSD backbone yang menunjukkan bahwa

struktur enzim mulai terbuka (unfold). RMSD backbone keempat sistem

mulai stabil dari 1,5 ns. Namun, secara keseluruhan terlihat bahwa waktu

yang dibutuhkan ke-duabelas kompleks untuk mencapai konformasi yang

stabil relatif sama.

Sistem dengan ligan 1,6-Epi-Cyclophellitol menunjukkan grafik

nilai RMSD yang stabil pada 1,8 Å, namun pada waktu ke-1,8 ns, sistem

mengalami kenaikan nilai RMSD menjadi 2 Å. Tetapi, setelah itu sistem

kembali stabil di titik 1,8 Å. Selain itu, sistem dengan ligan Withangulatin

A dan Cassiamin C juga menunjukkan hasil RMSD yang hampir sama

dengan 1,6-Epi-Cyclophellito1 yang mengalami peningkatan RMSD pada

1,8 ns menjadi 2,3 Å. Namun, secara umum, sistem sudah mencapai

kestabilan selama simulasi berjalan. Peningkatan nilai RMSD

menunjukkan bahwa struktur enzim mulai terbuka dan ligan mulai

mencari sisi ikatan atau koordinat yang sesuai pada protein tersebut.

Ligan akan memulai aksinya untuk mencari sisi ikatan atau koordinat

yang sesuai pada protein tersebut. Dengan penambahan waktu simulasi,

maka akan dapat dilakukan analisis lebih mendalam tentang kestabilan

ikatan yang terjadi antara ligan makromolekul.

Selanjutnya sistem dengan ligan Castanospermine menunjukkan

nilai yang stabil di di 1,5 Å hingga simulasi berakhir. Sistem dengan ligan

Asiatic Acid, Yamogenin, 6 – Deoxoteasterone, dan Withanolide juga

cenderung menunjukkan kurva RMSD yang stabil. Hal ini disebabkan

karena terjadinya interaksi antar residu pada enzim sehingga protein

cenderung mempertahankan strukturnya pada tahap ini. Kompleks ligan

dan protein sudah mencapai konformasi maksimal setelah saling berikatan

sehingga cenderung untuk mempertahankan posisinya. Selain itu, adanya

residu pada enzim membuat protein cenderung mempertahankan

strukturnya

Nilai RMSD berada pada kisaran 1,0 – 2,3 Å. RMSD tertinggi

dicapai oleh Cassiamin C dan Withangulatin A yakni pada kisaran 2,3 Å,

65

dan nilai terendah dicapai oleh Withanolide pada kisaran 1,2 Å. Senyawa

lainnya memiliki kecenderungan dengan nilai RMSD pada posisi median,

yaitu sekitar 1,6 - 1,8 Å.

Dari grafik yang ditampilkan, dapat dikatakan bahwa seluruh

sistem sudah mencapai kestabilan RMSD. Perbedaan fluktuasi dan nilai

RMSD dapat disebabkan oleh bentuk struktur ligan. Sistem dengan ligan

yang stabil seperti Cassiamin C, 6-Deoxoteasterone, Isoarborinol,

Castanospermine, Yamogenin, 1,6-Epi-Cyclophellitol, dan Lantic Acid

cenderung memiliki struktur yang lebih besar dengan torsi yang lebih

banyak dibandingkan dengan Asiatic Acid, Diosgenin, Withangulatin A,

dan Lanosterol, sehingga usaha untuk mencapai kestabilan konformasi

lebih besar.

c. RMSF (Root Mean Square Fluctuation)

Root Mean Square Fluctuation atau akar kuadrat rata-rata fluktuasi

adalah ukuran deviasi antara posisi partikel dan beberapa posisi

referensinya. Berbeda dengan RMSD, RMSF dihitung terhadap masing-

masing residu protein, yakni melihat sejauh mana fluktuasi pergerakan

masing-masing residu selama simulasi berlangsung. Nilai RMSF secara

garis besar akan menggambarkan pergeseran konformasi setiap residu

asam amino yang memberikan fleksibilitas protein. RMSF ditentukan dari

waktu ketika energi potensial mengalami fluktuasi minimal, yakni

dimulai dari 1 nanodetik hingga akhir simulasi.

66

Gambar 4.20. Fluktuasi RMSF pada simulasi senyawa ligan dengan α-

glukosidase dalam produksi selama 2 ns

Residu-residu penting pada situs pengikatan ligan seperti Asp 398,

Asp 587, Asp 511, His 274, Arg 571, Trp 472, Met 512, Leu 276, dan

Phe 620 tidak menunjukkan nilai RMSF yang tinggi. Hal ini

menunjukkan bahwa residu-residu tersebut tidak memberikan

fleksibilitas yang tinggi dan dapat dikatakan merupakan residu yang

stabil. Residu yang memiliki nilai RMSF yang tinggi memiliki

fleksibilitas yang tinggi dan tidak stabil. Pada residu ini ligan paling

banyak mengalami perubahan posisi saat simulasi dinamika molekuler

berlangsung.

0

1

2

3

4

5

6

27

0

29

0

31

0

33

0

35

0

37

0

39

0

41

0

43

0

45

0

47

0

49

0

51

0

53

0

55

0

57

0

59

0

61

0

63

0

65

0

67

0

69

0

71

0

73

0

75

0

77

0

RMSF Atom Backbone pada Simulasi Senyawa Ligan dengan α-Glukosidase selama 2 ns

Asiatic Acid Cassiamin C 6-Deoxoteasterone

Diosgenin Isoarborinol Castanospermine

1,6-Cyclo-Epicalliptol Lanosterol Lantic Acid

Withanolide Withangulatin Yamogenin

Daerah residu yang berikatan dengan ligan

67

d. Kondisi Ikatan Hidrogen

Ikatan hidrogen dibagi menjadi tiga jenis berdasarkan jumlah

persentase occupancy, yaitu ikatan hidrogen sangat lemah (25-50 %),

ikatan hidrogen kuat (50-75 %), dan ikatan hidrogen sangat kuat (75-100

%) (Kastner et al., 2009)

Analisis kondisi ikatan hidrogen dilakukan ketika tercapai

kestabilan pada proses simulasi yang ditandai dengan stabilnya RMSD

dan energi potensial; yakni setelah simulasi berlangsung selama 1 ns.

Ikatan hidrogen terjadi ketika suatu molekul memiliki atom F,O, N, dan

memiliki pasangan elektron bebas. Hidrogen dari molekul lain akan

berinteraksi dengan pasangan elektron bebas ini membentuk suatu ikatan

hidrogen dengan besar energi ikatan yang bervariasi.

Secara keseluruhan, residu yang terlibat dalam interaksi ligan dan

protein baik dari hasil penambatan molekuler maupun simulasi dinamika

molekuler menunjukkan keberadaan yang relatif sama. Keseluruhan ligan

telah menempati sisi pengikatan pada situs aktif sesuai dengan yang

dilaporkan oleh Saqib dan Siddiqi (2008). Analisis interaksi secara lebih

lanjut dapat dilihat dari hasil okupansi ikatan hidrogen selama simulasi

dinamika molekuler (Tabel 4.2). Ikatan hidrogen dapat dikatakan stabil

jika memiliki occupancy diatas 50% (Desheng, et al., 2011). Selama

simulasi, secara umum kesepuluh ligan dan dua ligan sebagai kontrol

positif menunjukkan nilai okupansi ikatan hidrogen yang stabil pada

residu penting seperti Asp 398, sp 587, His 645, Asp 511, His 274, Phe

620, dan Phe 518.

Perhitungan kondisi ikatan hidrogen dari hasil simulasi dinamika

molekuler dilakukan dengan parameter jarak cut off < 3,5 Å dan sudut

ikatan > 1200. Dari parameter yang ditetapkan tersebut diharapkan

diperoleh gambaran kualitas dari ikatan hidrogen yang terjadi pada

masing-masing sistem. Sifat ikatan juga dilihat berdasarkan hasil data

yang menunjukkan nilai jarak donor-akseptor (DA Distance) dan sudut

hidrogen dengan akseptor (HB Angle).

68

Gambar 4.21. Fluktuasi Jumlah Ikatan Hidrogen pada Simulasi Senyawa Ligan dengan α-Glukosidase dalam Produksi Selama 2 ns

0

5

10

15

20

25

30

1 201 401 601 801 1001 1201 1401 1601 1801

Jum

lah

Ikat

an H

idro

gen

Waktu (ps)

Jumlah Ikatan Hidrogen pada Simulasi Senyawa Ligan dan Makromolekul selama 2 ns

Lanosterol Lantic Acid

Withanolide Withangulatin A

Yamogenin 1,6-Epi-Cyclophellitol

0

5

10

15

20

25

30

1 201 401 601 801 1001 1201 1401 1601 1801

Jum

lah

Ikat

an H

idro

egn

Waktu (ps)

Jumlah Ikatan Hidrogen pada Simulasi Senyawa Ligan dan Makromolekul selama 2 ns

Asiatic Acid Cassiamin C Castanospermine

6-Deoxoteasterone Diosgenin Isoarborinol

69

Perhitungan kondisi ikatan hidrogen dari hasil simulasi dinamika

molekuler dilakukan dengan parameter jarak cut off < 3,5 Å dan sudut

ikatan > 1200. Dari parameter tersebut, diharapkan diperoleh gambaran

akan kualitas dari ikatan yang terjadi pada masing-masing interaksi ligan

dan makromolekul.

Tabel 4.3. Occupancy ikatan hidrogen kompleks ligan – α-Glukosidase

No Nama Senyawa Donor Akseptor Occupancy HB Distance

DA Distance

HB Angle

1. Asiatic Acid

ASP398-Side-OD2

LIG512-Side-O1

100,00% 1,9215 2,8174 155,5622

ASP398-Side-OG1

LIG512-Side-O3

98,50% 1,9901 2,8778 154,3210

LIG512-Main-O

ASP242-Side-CG

90,00% 2,2971 3,1621 149,4884

LIG512-Main-O

ASP242-Side-OD2

89,20% 2,3340 3,2029 150,1199

LIG512-Main-O

ASP242-Side-OD1

78,90% 2,2771 3,0828 142,6139

2. Cassiamin C

LIG512-Main-O

ARG571-Main-N

97,56% 1,9583 2,9052 158,1380

ASP587-Side-OD2

LIG512-Side-O6

75,46% 1,9489 2,9123 161,4729

LIG512-Main-O

ARG571-Main-CA

65,98% 2,3344 3,1064 133,2672

3. Castanospermine

ASP398-Main-N

CTS512-Side-C6

96,90% 1,8260 2,7417 159,4571

CTS512-Side-O2

ARG571-Main-O

95,60% 1,8466 2,7720 159,9105

ASP398-Main-O

CTS512-Side-O4

79,40% 2,4662 3,3237 143,8948

ASP587-Main-N

CTS512-Side-O2

72,80% 2,3175 3,2440 153,9743

70

4. 6 - Deoxoteasterone

ARG374-Side-NH2

LIG512-Main-O

89,30% 2,3506 3,1365 139,4654

ARG374-Side-NH1

LIG512-Main-O

59,80% 2,5224 3,3057 135,2624

5. Diosgenin HIS645-Main-O

LIG512-Side-O2

65,90% 2,2569 3,1608 157,0837

ASP587-Side-CB

LIG512-Side-C8

61,30% 1,9447 2,8535 154,2603

6. Isoarborinol

LEU163-Main-N

LIG512-Side-C11

63,70% 2,4692 3,4085 156,9190

LEU163-Main-N

LIG512-Side-C21

60,80% 2,5294 3,2953 133,3193

LIG512-Side-C21

LEU163-Main-N

59,70% 2,4766 3,4157 156,8026

7. Lanosterol

ARG398-Side-NH2

LIG512-Main-O

99,70% 1,9286 2,8029 150,6956

ARG398-Side-NH2

LIG512-Main-C

55,70% 2,5690 3,2664 129,0105

HIS645-Side-NH1

LIG512-Main-O

50,70% 2,5786 3,2647 127,7892

8. Lantic Acid

ASP168-Side-OD1

LIG512-Side-O3

99,90% 2,4724 3,3076 145,1109

ASP398-Side-NH2

LIG512-Main-O

97,50% 1,7506 2,7027 166,5906

ARG250-Side-NH1

LIG512-Side-O1

80,60% 2,4962 3,3367 145,6939

9. Withanolide

LIG512-Main-O

ASP519-Main-N

91,60% 1,7263 2,6799 167,0456

LIG512-Side-O5

ARG519-Main-O

84,60% 2,2718 3,1196 144,9871

10. Withangulatin A

ASP587-Side-NH2

LIG512-Side-O6

97,00% 1,7649 2,7015 161,7927

ASP587-Main-N

LIG512-Side-O6

82,50% 2,4954 3,2561 131,6623

71

11. Yamogenin

LIG512-Side-C15

ASP398-Side-OD1

93,20% 2,0618 3,0239 169,0825

LIG512-Side-O2

ILE236-Main-O

88,20% 2,1458 3,0757 159,2205

ASP587-Main-N

LIG512-Side-C19

61,50% 2,5226 3,2926 135,9307

12. 1,6-Epi-Cyclophellitol

UNK512-Side-C1

ASP511-Side-OD2

88,40% 1,9493 2,8962 163,4660

ASP571-Side-NE2

UNK512-Side-O4

77,10% 2,3934 3,3186 151,9063

Keterlibatan residu asam amino yang sama menunjukkan sejauh

mana kecenderungan pengikatan ligan terhadap makromolekulnya. Hasil

okupansi kesepuluh senyawa kimia tanaman ini menunjukkan kesamaan

dengan senyawa Castanospermine dan 1,6-Epi-Cyclophellitol sebagai

kontrol positif karena memiliki sisi pengikatan yang umumnya sama. Hal

ini menunjukkan bahwa sepuluh senyawa kimia tanaman ini

memungkinkan untuk memiliki aktivitas yang hampir sama dengan

Castanospermine dan 1,6-Epi-Cyclophellitol dalam aktivitasnya sebagai

inhibitor enzim α-glukosidase.

72

BAB 5

KESIMPULAN DAN SARAN

5.1. Kesimpulan

1. Hasil penambatan sepuluh senyawa kimia tanaman hasil Virtual Screening

dari basis data kimia tanaman terhadap makromolekul α-Glukosidase

memiliki posisi dan situs pengikatan yang sesuai dengan kontrol positif;

yaitu Castanospermine dan 1,6-Epi-Cyclophellitol. Hasil penambatan

molekul 6 – Deoxoteasterone, Diosgenin, Withangulatin A, Withanolide,

Lanosterol, Cassiamin C, Asiatic Acid, Isoarborinol,Yamogenin, dan

Lantic Acid terhadap α-glukosidase secara berturut-turut menunjukkan

nilai ΔG yakni -9,09; -8,76, -8,73; -8,66; -8,65; -8,65; -8,64; -8,59; -8,48;

dan -8,45 kkal/mol. Sedangkan penambatan kontrol positif yaitu

Castanospermine dan 1,6-Cyclo-Epicalliptol terhadap α-Glukosidase

memiliki nilai ΔG -6,66 dan -5,62 kkal/mol. Hal ini menunjukkan bahwa

kesepuluh senyawa hasil Virtual Screening dari basis data kimia tanaman

memiliki nilai energi bebas yang lebih kecil daripada kontrol positif yang

digunakan, yang mengindikasikan bahwa kemampuan sepuluh senyawa

tersebut memiliki potensi sebagai inhibitor enzim α-glukosidase.

2. Simulasi dinamika molekuler menunjukkan bahwa interaksi ke-sepuluh

senyawa hasil Virtual Screening dari basis data kimia tanaman memiliki

kecenderungan yang sama dengan kedua senyawa yang bertindak sebagai

kontrol positif. Interaksi kesepuluh senyawa menunjukkan adanya

interaksi yang kuat dan stabil pada residu Asp 587, Asp 398, Asp 511, dan

His 276.

5.2. Saran

1. Waktu analisis dalam simulasi dinamika molekuler perlu diperpanjang

untuk mendapatkan data yang lebih lengkap sehingga analisis dapat

dilakukan lebih mendalam lagi.

2. Simulasi dilakukan dalam temperatur yang berbeda-beda, yaitu dengan

rentang suhu normal, dan suhu yang lebih tinggi lagi.

73

DAFTAR PUSTAKA

A., Jedinak, A., Thyagajaran-Sahu, J. Jiang., D. Sliva. (2011).

Ganodermanontriol, a lanostanoid triterpene from Ganoderma lucidum,

supresses growth of colon cancer cells through β-catenin signaling.

International Jornal of Oncology. 38 (3), 781-787.

Adams A. & Ray C. (1998). Catering technology, 1st Ed. London: B.T. Batsford

Ltd.

Arunan, E., et al (2004). IUPAC Provisional Recommendation: Definition of The

Hydrogen Bond

Ailees, L.E., Weismann, I.L. (2007). Cancer stem cells in solid cancer. Curr Opin

Biotechnol, 18, 460-466

Badan Penelitian dan Pengembangan Kesehatan. (2008). Laporan Nasional: Riset

Kesehatan Dasar (RisKesDas) 2007. Jakarta: Departemen Kesehatan RI.

Bradburry, J. (2005). From chinese medicine to anticancer drugs. Drug Discovery Today, 10, 1131-1132.

Baxevannis, A.D., & Oullette, B. F. (2001). Bioinformatics: A Practical Guide to

the Analysis of Genes and Protein 2nd Edition. Wiley Interscience: USA

Becker, O.M., MacKerrel, A.D., Roux, B., Watanabe, M. (2001). Computational

Biochemistry and Biophysics. Marcel Dekker Inc., New York.

Blasko, G. & Cordell. G.A (1990). Isolation structure elucidation and biosynthesis of the bisindole alkaloids of Catharanthus. In A. Brossi & M. Suffness (Eds.). The alkaloids. (Vol. 37, pp 1-76). San Diego, CA: Academic Press.

Bruice, P. (2003). Organic Chemistry 4th Edition. New Jersey. Preentice Hall.

Case, D.A., Darden, T., Wu, X., Brozell, S.R., Cheatam III, T.E., Steinbrecher, T., et al. (2010). Amber 14 User’s Manual. San Fransisco: University of California. Hal 15-19.

Cham, B.E. & Daunter, B. (1990). Solasonides glycosides. Selective cytotoxicity for cancer cells and inhibition of cytotoxicity by rhamnose in mice with sarkoma 180. I, 55, 221-225.

Cham, B.E. & Daunter, B. (1990). Solasonides glycosides. Selective cytotoxicity for cancer cells and inhibition of cytotoxicity by rhamnose in mice with sarkoma 180. Cancer Letters, 55, 221-225.

74

Florey L. (1970). The classification, morphology, and behavior of tumors.

General Pathology, 4th Edition. London: W.B. Saunders Co. 668-718

Gao, Y., Ma Y., Li M., Cheng T., Li S.W., Zhang J., Xia, N.S. (2003). Oral immunization of animals with transgenic cherry tomatillo expresing HbsAg. World J Gastroenterol. 9 (5), 996-1002.

Guan Y., Shan S., Zhang W., Luo, J., Kong L. (2014). Withanolides from Physalis minima and their inhibitory effect on nitric acid production. Steroids, 82, 38-43.

Huang S., Chiu C., Chen H., Hou W., Sheu M., Lin Y., Huang G. (2011).

Antinociceptive activities and the mechanism of anti-inflamation of asiatic

acid in mice. I. Vol. 2011, 1-10.

Hansakul, P., Ngamkitidechakul, C., Ingkaninan, K., Sireeratawong, S., Panunto,

W. (2009). Apoptotic induction activity of Dactyloctenium aegyptium (L.)

P.B. and Eleusina indica (L.) Gaerth. extracts on human lung and cervical

cancer cell lines. Songklanakarin J. Science Technology, 31 (3), 273-279.

Idrees, M., Naeem, M., Aftab, T., Khan, M.M.A. & Moinuddin. (2013). Salicylic acid restrains nickel toxicity, improves antioxidant defence system and enhances the production of anticancer alkaloids in Catharanthus roseus (L.). Journal of Hazardous Materials 252-253, 367-374.

Idrees, M., Naeem, M., Aftab, T., Khan, M.M.A. & Moinuddin. (2013). Salicylic acid restrains nickel toxicity, improves antioxidant defence system and enhances the production of anticancer alkaloids in Catharanthus roseus (L.). Journal of Hazardous Materials 252-253, 367-374.

Jaleel, C.A., Gopi R., Manivannan, P., Gomathiyanagam, M., Sridharan, R. & Panneerselvam, R. (2007). Antioxidant potential and indole alkaloid profile variation with water deficits along different parts of two varieties of Catharanthus roseus. 62, 312-318

Joy J.M., S Vamsi., C Satish., K Nagaveni. (2012). Lantana camara Linn.: A

review. International Journal of Phytotherapy. Vol 2, 66-73.

Karplus, M., & Kuriyan, J. (2005). Mollecular Dynamics and Protein Function.

PNAS. 6679-6685.

Kastner J., Loeffler H.H., Roberts, S.K., Fernandez M.LM., & Winn M.D. (2009).

Ectodomain orientation, conformational plasticity and oligomerization of

75

erbB1 receptors investigated by mollecular dynamics. JStructBiol, 167 (2),

117-128.

Kelly, P. N., et al. (2007). Cancer Growth Need Not to be Driven by Rare Cancer Stem Cells. Science, 317,337.

Kitchen, D., Decornez, H., Furr. J., & Bajorath, J. (2004). Docking and Scoring in

Virtual Screening for Drug Discovery: Methods and Application. Nat Rev.

935-949

Lasuncion M.A., Martin-Sanchez C., Canfran-Duque A., Busto, R. (2012). Post-

lanosterol biosynthesis of cholestrol and cancer. SciVerse ScienceDirect.

Laube, H. (2002). Acarbose. Clin. Drug Invest., 22(3), 141-143

Leach, A.R., Soichet, B.K., Peishoff, C.E. (2006). Prediction of Protein Ligands

Interactions. Docking and Scoring: Succecess and Gaps. Journal of

Medicinal Chemistry. 5851-5855

Lee Y.S., Do, J., E.J. Kwon., S.H. Park., E.S. Lee., J.C Jeong., DH. Nam., J.A.

Kim. (2002). Asiatic acid, a triterpene, induces apoptosis through

intracellular Ca2+ release and enhanced expression of p53 in HepG2 human

hepatoma cells. Cancer Letters. 186 (1), 83-91

Lee M.C., Deng J., Briggs J.M. & Duan Y. (2008). Large Scale Conformational

Dynamics of the HIV-1 Integrase Core Domain and Its Catalytic Loops

Mutants. Biophys J, 88, 3133-3146

Lim L., Wong L.C., Shui G.H., Goh A.X.H., Kesavapany S., Jenner A.M., Przedborsky S. (2012). Lanosterol induces mithocondrial uncoupling and protects dopaminergic neurons from cell death in a model for Parkinson’s

disease. Cell Death and Differentiation. 416-427.

Lodish, H., Berk, A., Zipursky, S., Matsudaira, P., Baltimore, D., & Darnell, J.

(2000). Mollecular Cell Biology 4th Edition. New York: W.H Freeman

Company.

Luo H. & Wang H. (2006). Induction of apoptosis in K526 cells by jolkinolide.

Physiol Pharmacol, 84, 959-965.

Marchioli R., Schweiger C., Levantesi G., Tavazzi L., Valagussa F. (2001).

Antioxidants vitamin and prevention of cardiovascular disease:

epidemiological and clinical trial data. Lipids, 36, 53-63.

76

Marechal, Y. (2007). The Hydrogen Bond and the Water Mollecule. Wiley

Interscience: USA.

Max Leung. (2006). Protein Secondary Structures Enumerations – a Summer

Project. 1-2

McMurry, J. (2008). Organic Chemistry (7th ed.). USA: Brooks/Cole Publishing

Company.

Morris, G.M., Goodsell, D.S., Halliday, R.S., Huey, R., Hart, W.E., Belew, R.K.,

et al. (1998). Automated Doking Using Lamarckian Genetic Algorithm and

an Empirical Binding Free Energy Function. Journal of Computational

Chemistry, (1639-1662).

Murray, R., et al. (2003). Biokimia Harper Edisi 25. Jakarta: Penerbit Buku

Kedokteran EGC. 45-58

Nelson, D., Cox, M. (2011). Lehninger Principles of Biochemistry. Ed. 4.

Wisconsin: W.H. Freeman Company. Hal 50-212

Ngili, Y. (2010). Biokimia Dasar: Enzim. (175-177). Bandung: Rekayasa Sains.

N.M.Luscombe, D.Greenbaum, M.Gerstein. (2001). What is Bioinformatics? An

Introduction and Overview. New Haven: USA. Gareth, G. (2004). An

Introduction: Fundamental of Medicinal Chemistry. Journal of Chemistry

Education

Ooi K.L., Lo S.I., Tan M.L., Muhammad T.S.T., Sulaiman S.F. (2014). Growth

Inhibition of Human Liver Carcinoma HepG Cells and α-glucosidase

Inhibitory Activity of Murdannia bracteata.

P, Zhdanov, Vladimir. (2008). Stochastic of the Formation of Cancer Metastases via Cancer Stem Cells. European Biophysics Journal, 37, 1329-1334.

Pettersen, E., et al. (2004). UCSF Chimera: A Visualization System fir Exploratory Research and Analysis. J Comput Chem, 25 (13), 1605-1612.

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

Biology) (3-45). United Kingdom: New Science Press.

Pili R., Chang J., Partis R.A., Mueller R.A., Chrest F.J., Passaniti A. (1995). The

α-glucosidase I inhibitor castanaspermine alters endothelial cell

glycosylation, prevents angiogenesis and inhibits tumor growth. Cancer

Research, 55, 2920-2926.

77

Raju, J. & P.Bird, R. (2007). Diosgenin, a naturally occuring furostanol saponin supresses 3-hydroxy-3-methylglutharyl CoA reductase expression and induces apoptosis in HCT-116 human colon carcinoma cells. Cancer Letters, 255, 194-204.

Sampson J.H., Raman A., Karlsen G., Navsaria H., Leigh I.M. (2001). In vitro

keratinocyt antiproliferant effect of Centella asiatica extract and triterpene

saponins. Phytomedicine. 8, 230-235.

Sanchez, R., Sali, A. (1997). Advance in Comparative Protein Structure

Modelling. Curr. Opin. Struct. Biol., 7, 206-214.

Sehgal, A. (2006). New Application of Discovery, Manufacturing, and

Therapeutics. Tracy Beaudoin.

Shafiullah M., Parveen M., Kamil M., Illyas M. (1995). A new isoflavone C-

glycoside from Cassia siamea L. Fitoterapia, 65, 339-341.

Shibuya K, Mathers CD, Bosci-Pinto C, Lopez AD, Murray CJL. Global and

Regional Estimates of Cancer Mortality and Incidence by Site: II. Results

for the Global Burden of Disease 2000. BMC Cancer 2002; 2:37-62

Son Y.O., Kim J., Lim J.C., Chung Y., Chung G.H. & Lee J.C. (2003). Ripe fruits of Solanum nigrum L. inhibits cell growth and induces apoptosis in MCF07 cells. Food and Chemical Toxicology, 41, 1427-1428.

Sun, L., Liu, J., Liu P., Yu Y., Ma L., Hu L. (2010). Immunosupression effect of Withangulatin A from Physalis angulata L. via heme-oxygenase 1-dependent pathways. Process Biochemistry, 46, 482-288.

Wolff, M. E. (1996). Burgers Medicinal Chemistry and Drug Discovery 5th

Edition Volume 1: Principle and Practices. New York: Wiley Interscience.

Wu S.J., Ng L.T., Chen C.H., Lin D.L., Wang S.S., Lin C.C. (2004). Antihepatoma activity of Physalis angulata L. and P. perwiana extracts and its effect on apoptosis in human Hep. G2 cells. Life Sciences, 74 (16), 2061-2073.

Zhao Q., Xie B., Yan J., Zhao F., Xiao J., Yao L., Zhao B., Huang Y. (2011). In

vitro antioxidant and antitumor activities of pollysaccharides extracted from

Asparagus officinalis L. Carbohydrates Polymers, 87, 392-396.

ChemAxon. (2008). Marvin Sketch: Advance Chemical Drawing Software.

Diakses 13 Januari 2015, dari

http://www.chemaxon.com/products/marvin/marvinsketch/.

http://www.chemaxon.com/products/marvin/marvinsketch/

78

Delano, W.L. (2004). PyMOL User’s Guide. Diakses 13 Januari 2015, dari

http://pymol.sourceforge.net/newman/userman.pdf/.

Fiser, A., & Sali, A. (2001). Comparative Protein Structure Modelling With Modeller: A Practical Approach. Diunduh 12 Januari 2015, dari http://salilab.org/modeller/methenz/andras.andras.html.

http://www.ebi.ac.uk/Tools/msa/clustaw2/help/ diakses pada 13 Januari 2015, 15.31 WIB.

National Instittute of Health. (2006). Regenerative Medicine. http://stemcells.nih.gov/info/2006report/. Diakses pada 13 januari 2015, pukul 21.01 WIB

http://pymol.sourceforge.net/newman/userman.pdf/

http://salilab.org/modeller/methenz/andras.andras.html

http://www.ebi.ac.uk/Tools/msa/clustaw2/help/

http://stemcells.nih.gov/info/2006report/

LAMPIRAN

79

Lampiran 1. Optimasi ligan sebelum ditambatkan

1. Berkas .pdb dari ligan (misal deox.pdb sebagai nama berkas masukan)

ditambahkan dengan atom hidrogen dan dibuat berkas dengan nama baru

(misal: deox_h.pdb sebagai nama berkas keluaran). Proses komputasi

dijalankan dengan perintah: reduce deox.pdb > deox_h.pdb

2. Berkas .pdb diubah menjadi .mol2 yang merupakan unit yang dapat dibaca

oleh tLeap dengan perintah: antechamber –i deox_h.pdb –fi

.pdb –o deox_h.mol2 –fo mol2 –c bcc –s 2 &

3. Pembuatan parameter yang dibutuhkan dengan perintah: parmchk –i

deox_h.mol2 –f mol2 –o deox.frcmod. Akan diperoleh berkas

keluaran .frcmod yang berfungsi untuk memperbaiki parameter yang

hilang.

4. Berkas deox_h.mol2 dan deox.frcmod dimasukkan kedalam program

tLeap, dengan mengetik perintah: tleap –s –f leaprc.ff99SB

a. source leaprc.gaff

b. DEOX = loadmol2 deox_h.mol2

c. check DEOX untuk melihat berapa muatan dari senyawa ligan

d. loadamberparams deox.frcmod

a. saveoff DEOX deox.lib keluaran berupa file.lib

b. saveamberparm DEOX deox.prmtop deox.inpcrd

c. quit akan segera keluar dari tLeap

5. Persiapan berkas masukan untuk minimisasi pertama, yaitu

init_min.in (Lampiran 2)

ganc_human: initial minimisation priot to MD

&cntrl

imin = 1, maxcyc = 1000, ncyc = 250,

ntb = 0, igb = 0, cut = 12

/

6. Proses komputasi minimisasi ligan dilakukan dengan perintah: sander

–O –i init_min.in –o deox_min.out –p deox.prmtop –

80

c deox.inpcrd –r deox_min.crd & keluaran berupa

deox_min.out, deox_min.crd

7. Koordinat struktur ligan terminimisasi .crd diubah kedalam bentuk .pdb

dengan perintah: ambpdb –p deox.prmtop <deox_min.crd>

deox_min.pdb keluaran berupa deox_min.pdb

Berkas deox_min.pdb digunakan sebagai input ligan untuk melakukan

penambatan molekuler.

Lampiran 3. Optimasi makromolekul sebelum penambatan

1. Berkas .pdb makromolekul (misal: ganc.pdb) ditambahkan dengan

atom hidrogen dan dibuat berkas .pdb baru (misal: ganc_h.pdb).

Proses komputasi dijalankan dengan perintah: reduce ganc.pdb >

ganc_h.pdb

2. Pembuatan parameter topologi dan koordinat yang dijalankan didalam

tLeap dengan perintah: tleap –s –f leaprc.ff99SB

3. Berkas .pdb dimasukkan kedalam program tLeap dengan perintah: GANC

= loadpdb ganc_h.pdb

4. Muatan diperiksa dengan perintah: charge GANC, diketahui bahwa

muatan sistem adalah -10.000.000

5. Karena makromolekul bermuatan negatif, maka dinetralisasi dengan

penambahan ion Na+ dengan perintah: addIons GANC Na+ 0

6. Proses komputasi pembuatan parameter dan koordinat makromolekul

dijalankan dengan perintah: saveamberparm GANC ganc.prmtop

ganc.inpcrd keluaran ganc.prmtop dan ganc.inpcrd

7. quit keluar dari program tLeap

8. Persiapan berkas masukan minimisasi makromolekul. Nama berkas:

init_min.in (Lampiran 2)

9. Proses komputasi minimisasi makromolekul dijalankan dengan perintah:

sander –O –i init_min.in –o ganc_min.out –p

ganc.prmtop –c ganc.inpcrd –r ganc_min.crd –ref

ganc.inpcrd & keluaran .crd

81

10. Koordinat struktur makromolekul terminimisasi .crd diubah kedalam

bentuk .pdb dengan perintah: ambpdb –p ganc.prmtop

<ganc_min.crd> ganc_min.pdb keluaran yaitu

ganc_min.pdb yang akan digunakan untuk penambatan nantinya.

Lampiran 4. Penambatan Molekuler

1. Input ligan dan makromolekul ke dalam AutoDock Tools 4.2

2. Pengaturan grid box sesuai dengan tempat situs pengikatan aktif enzim.

3. Pembuatan berkas .gpf dan .dpf

4. Berkas .gpf, .dpf, .pdbqt ligan, dan .pdbqt makromolekul disimpan

dalam satu direktori yang sama.

5. Menjalankan proses komputasi melalui PuTTY. PuTTY diarahkan

kedalam direktori yang berisi berkas masukan.

6. Perintah penambatan: autogrid –p nama berkas.gpf –l nama

berkas.glg & hasil keluaran berupa .glg

7. Perintah penambatan: autodock –p nama berkas.dpf –l nama

berkas.dlg & hasil keluaran berupa .dlg

Lampiran 5. Perintah Amber pada Simulasi Dinamika Molekuler

1. Persiapan berkas masukan

a. Hasil penambatan berupa berkas .dlg dibuka dengan menggunakan

AutoDock Tools 4.2 dengan menggunakan menu Analyze Docking.

Kemudian, berkas .pdbqt makromolekul dimasukkan kedalam ADT

4.2 dan disimpan dalam bentuk .pdb pada konformasi yang memiliki

energi bebas terendah (write complex) (Dengan cara: Analyze

Docking Macromolecule makromolekul dimasukkan

condormations ranked by energy write complex save). Berkas

.pdb kompleks ligan dan makromolekul kemudian dipisahkan dengan

menggunakan UCSF Chimera.

b. Berkas .pdb makromolekul dan .mol2 ligan hasil pemisahan .dlg dan

telah mengalami modifikasi, disimpan dalam satu folder yang sama.

82

c. Struktur ligan diberi penambahan muatan AM1-BCC menggunakan

Antechamber yang diakses melalui PuTTY dengan perintah:

antechamber –i deox.mol2 –fi deox.mol2 –o

deox_e.mol2 –fo mol2 –c bcc –s 2 & keluaran berupa

deox_e.mol2

d. Berkas keluaran deox_e.mol2 hasil dari antechamber harus dibuat

berkas .frcmod dengan perintah: parmchk –i deox_e.mol2 –f

mol2 –o deox.frcmod keluaran deox.frcmod

e. Masuk kedalam tleap untuk membuat parameter topologi dan koordinat.

1. tleap masuk kedalam tLeap

2. source leaprc.ff99SB

3. source leaprc.gaff

4. DEOX = loadmol2 deox_e.mol2

5. GANC = loadpdb ganc_e.pdb

6. GANC_DEOX = combine {GANC DEOX}

7. saveamberparm DEOX deox.prmtop deox.inpcrd

8. charge GANC

9. charge GANC_DEOX

10. addIons GANC Na+ 0

11. addIons GANC_DEOX Na+ 0

12. charge GANC

13. charge GANC_DEOX

14. saveamberparm GANC ganc.prmtop ganc.inpcrd

15. saveamberparm GANC_DEOX ganc_deox.prmtop

ganc_deox.inpcrd

16. solvateOct GANC_DEOX TIP3PBOX 12.0

17. saveamberparm GANC_DEOX

ganc_deox_solv.prmtop ganc_deox_solv.inpcrd

18. charge GANC

19. charge GANC_DEOX

20. quit

83

f. Setelah pembuatan berkas topologi dan koordinat kompleks,

dipersiapkan berkas min.in yang akan digunakan sebagai masukan

pada proses minimisasi yang pertama. (Lampiran 6)

ganc_file: minimisation of the entire mollecular

system

&cntrl

imin = 1,

maxcyc = 500,

ncyc = 500,

ntb = 1,

cut = 12

/

&END

2. Minimisasi

a. Berkas min.in, ganc_deox_solv.prmtop, dan

ganc_deox_solv.inpcrd disimpan dalam direktori yang sama.

Lalu PuTTY diarahkan ke direktori tersebut.

b. Proses minimisasi pertama dilakukan dengan perintah: sander –O –i

min.in –p ganc_deox_solv.prmtop –c

ganc_deox_solv.inpcrd –r ganc_deox_solv_min1.rst

–o ganc_deox_solv_min1.out –ref

ganc_deox_solv.inpcrd & keluaran berupa berkas .out dan

berkas .rst. Berkas .rst yang dihasilkan akan digunakan untuk

minimisasi dan proses selanjutnya.

c. Berkas masukan untuk minimisasi kedua dipersiapkan (min_all.in)

(Lampiran 7)

ganc_file: minimisation of the entire mollecular

system

&cntrl

imin = 1,

maxcyc = 500,

ncyc = 500,

ntb = 1,

cut = 12

/

84

&END

d. Proses minimisasi kedua dilakukan dengan perintah: sander –O –i

min_all.in –o ganc_deox_solv_min.out –p

ganc_deox_solv.prmtop –c ganc_deox_solv_min1.rst

–r ganc_deox_solv_min2.rst &

3. Ekuilibrasi

a. Berkas masukan eq1.in, eq2.in, dan eq3.in untuk ekuilibrasi

disiapkan terlebih dahulu (Lampiran 8)

Berkas eq1.in

Heating up the system equilibration stage 1,

eq1_file

&cntrl

nstlim=5000, dt=0.002, ntx=1, irest=0,

ntpr=250,ntwr=5000, ntwx=500,

tempi =0, temp0=300.0, ntt=3, gamma_ln=2.0,

cut=12, tautp=2.0, ig=-1,ntb=1, ntp=0,

ntc=2, ntf=2,nrespa=2,

&end

Berkas eq2.in

Constant pressure constant temperature

equilibration stage 2, eq2_file

&cntrl

nstlim=5000, dt=0.002, ntx=5, irest=1,ntpr=250,

ntwr=5000,ntwx=500,temp0=300.0,ntt=3,

gamma_ln=2.0,cut=12, tautp=2.0, ig=-1,ntb=2,

ntp=1, ntc=2,ntf=2’nrespa=1,

&end

Berkas eq3.in

Constant pressure constant temperature

equilibration stage 3, eq3_asia

&cntrl

nstlim=50000, dt=0.002, ntx=5, irest=1, ntpr=250,

ntwr=5000, ntwx=500,temp0=300.0, ntt=3,

gamma_ln=2.0, cut=12, tautp=2.0, ig=-1,ntb=2,

ntp=1,ntc=2, ntf=2, nrespa=1,

&end

85

b. Berkas .rst hasil minimisasi kedua kemudian digunakan untuk proses

ekuibrasi ini.

c. Proses ekuilibrasi dilakukan dengan perintah: sander –O –i

eq1.in –o ganc_deox_solv_eq1.out –c

ganc_deox_solv_min2.rst –r ganc_deox_solv_eq1.rst

–x ganc_deox_solv_eq1.mdcrd –ref

ganc_deox_solv_eq1.rst &

d. Proses ekuilibrasi selanjutnya dilakukan setelah ekuilibrasi sebelumnya

sudah sempurna selesai.

4. Analisis Hasil Ekuilibrasi

a. Suhu

Data temperatur pada berkas .out pada ekuilibrasi sebelumnya

diekstrak dan diubah ke dalam format .dat melalalui PuTTY dengan

menjalankan perintah: grep TEMP file.out | awk ‘{print

$6,$9}’ > file.dat. Berkas .dat kemudian diplot dengan

menggunakan perangkat lunak xmgrace dengan perintah: xmgrace

file.out grafik akan muncul. Berkas .dat dapat juga diplot secara

manual dengan menggunakan Microsoft Excel. Grafik merupakan

hubungan antara suhu terhadap waktu.

b. Berat Jenis

Data energi potensial pada berkas .out pada ekuilibrasi sebelumnya


menjalankan perintah: grep Density file.out | awk

‘{print $3}’ > file.dat. Berkas .dat kemudian diplot

dengan menggunakan perangkat lunak xmgrace dengan perintah:

xmgrace file.out grafik akan muncul. Berkas .dat dapat juga

diplot secara manual dengan menggunakan Microsoft Excel. Grafik

merupakan hubungan antara energi potensial terhadap waktu.

c. Energi Potensial

Data energi potensial pada berkas .out pada ekuilibrasi sebelumnya


menjalankan perintah: grep EPtot file.out | awk ‘{print

86

$6,$9}’ > file.dat. Berkas .dat kemudian diplot dengan

menggunakan perangkat lunak xmgrace dengan perintah: xmgrace

file.out grafik akan muncul. Berkas .dat dapat juga diplot

secara manual dengan menggunakan Microsoft Excel. Grafik merupakan

hubungan antara energi potensial terhadap waktu.

d. RMSD

Berbeda dengan parameter selanjutnya, RMSD dapat dengan hitung

menggunakan piranti lunak VMD. Ekuilibrasi boleh berhenti dan

dilanjutkan ke tahap selanjutya apabila nilai RMSD yang diplot melalui

VMD, sudah menunjukkan nilai RMSD yang cukup stabil.

5. Produksi

a. Berkas prod.in dipersiapkan sebagai parameter produksi (Lampiran

9)

ganc-asia-HD in water and ion : 1000ps of MD

&cntrl

imin = 0, irest = 1, ntx = 5,

ntb = 2, pres0 = 1.0, ntp = 1,

taup = 2.0, ig=-1,

ntr = 0,

ntc = 2, ntf = 2,

tempi = 300.0, temp0 = 300.0,

ntt = 3, gamma_ln=2.0, cut=12,

nstlim = 100000, dt = 0.002,

ntpr = 250, ntwx = 500, ntwr = 5000

/

b. Berkas .rst hasil ekuilibrasi terakhir digunakan sebagai restart file

pertama untuk melakukan produksi.

c. Berkas run_md.x (Lampiran 10) disiapkan; yang merupakan berkas

yang mengatur berjalannya produksi selama sepuluh kali.

#!/bin/csh

set AMBERHOME="/home/arryy/amber11"

set MDSTARTJOB=11

set MDENDJOB=11

set MDCURRENTJOB=$MDSTARTJOB

set MDINPUT=0

echo -n "Starting Script at: "

date

echo ""

while ( $MDCURRENTJOB <= $MDENDJOB )

echo -n "Job $MDCURRENTJOB started at: "

87

date

@ MDINPUT = $MDCURRENTJOB - 1

pmemd.cuda -O -i prod_asia.in \

-o ganc_asiatic_solv_md$MDCURRENTJOB.out \

-p ganc_asiatic_solv.prmtop \

-c ganc_asiatic_solv_md$MDINPUT.rst \

-r ganc_asiatic_solv_md$MDCURRENTJOB.rst \

-x ganc_asiatic_solv_md$MDCURRENTJOB.mdcrd

gzip -9 -v ganc_asiatic_solv_md$MDCURRENTJOB.mdcrd

echo -n "Job $MDCURRENTJOB finished at: "

date

@ MDCURRENTJOB = $MDCURRENTJOB + 1

end

echo "ALL DONE"

d. Berkas run_md.x dijadikan berkas yang dapat dieksekusi dengan

mengetik perintah: chmod +x run_md.x

e. Proses produksi dilakukan dengan perintah: nohup ./run_md.x >&

run.log &

6. Analisis

a. Energi Potensial

1. Data energi potensial pada berkas .out hasil produksi diekstrak

dan diubah kedalam format .dat melalui PuTTY dengan perintah:

grep Eptot file.out | awk ‘{print $9}’ >

file.dat

2. Berkas .dat dibuka dengan menggunakan xmgrace atau diplot

secara manual dengan menggunakan Excel

b. RMSD

1. Berkas .prmtop dan kesepuluh berkas .mdcrd hasil produksi

disimpan dalam satu direktori.

2. Berkas ptraj_rmsd.in dipersiapkan terlebih

dahulu.(Lampiran 11)

trajin ganc_asiatic_solv_md2.mdcrd










88

center :270-780

image center familiar

rms first out ganc_asiatic_md2-11_rms.out :272-

778@CA

trajout ganc_asiatic_solv_md2-11_nice.crd nobox

3. Pengecekan parameter RMSD dijalankan melalui program PuTTY

dengan perintah: cpptraj –p file.prmtop –i

ptraj_rmsd.in

4. Berkas .out hasil ekstrak dibuka dengan program excel dan

dibuat kurva hubungan antara RMSD dengan waktu.

c. RMSF

1. Berkas .prmtop dan kesepuluh berkas .mdcrd hasil produksi

disimpan dalam satu direktori.

2. Berkas ptraj_rmsf.in dipersiapkan terlebih dahulu

(Lampiran 12)











rms first out ganc_asiatic_solv_md2-

11_byres_rmsf.out :270-780@CA

atomicfluct out ganc_asiatic_md2-

11_byres_rsmf_nice.apf @CA byres

go

3. Pengecekan parameter RMSF dijalankan melalui program PuTTY

dengan perintah: cpptraj –p file.prmtop –i

ptraj_rmsf.in

4. Berkas .apf hasil ekstrak dibuka dengan menggunakan Excel dan

dibuat kurva hubungan antara RMSF terhadap residu.

d. Ikatan Hidrogen

89

1. Berkas .prmtop dan berkas .crd hasil analisis RMSD disimpan

dalam satu direktori.

2. Analisis kondisi ikatan hidrogen dilakukan melalui VMD

a) Berkas dimasukkan kedalam program. Klik file > new

molecule > berkas .prmtop dimasukkan > tipe berkas:

AMBER7 Parm > load > berkas .crd dimasukkan > tipe

berkas: AMBER Coordinates > load. Tunggu hingga seluruh

frame selesai ditampilkan (ada 2000 frame)

b) Klik graphic > representations. Pilih selected atom > resname

LIG. Pada opsi draw style, pilih CPK.

c) Klik Extensions > Analysis > Hydrogen bonds. Pada kolom

selection 2 isi dengan resname LIG. Atur distance = 3.5, angle

cut off = 60, lalu pilih Unique hbond.

d) Berikan tanda cek pada pilihan output = Plot the data with

MultiPlot, Write Output to files .dat. klik Find hydrogen

bonds!

e) Lakukan penapisan ikatan hidrogen dengan occupancy diatas

50 persen dari berkas .dat yang dihasilkan. Kemudian,

dilakukan penghitungan jarak donor dan akseptor terhadap

ikatan hidrogen ligan – residu terpilih dengan TkConsole.

f) Berkas .prmtop dan .crd dimasukkan kedalam VMD

dengan cara yang sama seperti diatas.

g) Klik Extensions > TkConsole. Donor dan akseptor

didefinisikan melalui skrip.

90

Lampiran 13. Struktur Asam Amino Penyusun Protein

91

Lampiran14. Visualisasi Penambatan α-glukosidase dengan Castanospermine

Lampiran 15 Visualisasi Penambatan α-glukosidase dengan 1,6-Epi-Cyclophellitol

Lampiran 16. Visualisasi Penambatan α-glukosidase dengan 6-Deoxoteasterone

Lampiran 17. Visualisasi Penambatan α-glukosidase dengan Asiatic Acid

92

Lampiran 18. Visualisasi Penambatan α-glukosidase dengan Cassiamin C

Lampiran 19. Visualisasi Penambatan α-glukosidase dengan Diosgenin

Lampiran 20. Visualisasi Penambatan α-glukosidase dengan Isoarborinol

Lampiran 21. Visualisasi Penambatan α-glukosidase dengan Lanosterol

93

Lampiran 22. Visualisasi Penambatan α-glukosidase dengan Lantic Acid

Lampiran 23. Visualisasi Penambatan α-glukosidase dengan Withanolide

Lampiran 24. Visualisasi Penambatan α-glukosidase dengan Withangulatin A

Lampiran 25. Visualisasi Penambatan α-glukosidase dengan Yamogenin

universitas indonesia analisis dinamika molekuler … · penelitian ini, diteliti sepuluh senyawa...

Documents