Makalah dari Jurnal Penelitian

QSAR Modeling of Antibacterial Activity of Some Benzimidazole Derivates (disusun guna memenuhi tugas mata kuliah Kimia Medisinal Organik 2)Disusun Oleh :

Wahyu Relly Setiawan102210101052

Hidayatul Ulyah 102210101055

Indra Wijayanti 102210101070

Dobi Ridyan Dua 102210101075

Ika Ria Lestari 102210101078

BAGIAN KIMIA FARMASI FAKULTAS FARMASI

UNIVERSITAS JEMBER2014

BAB1. PENDAHULUAN1.1 Latar Belakang

Quantitative structure-activity relationship (QSAR) atau HKSA (Hubungan Kuantitatif Struktur-Aktivitas) merupakan ilmu yang sangat penting dalam perkembangan kimia dan biokimia modern. Penelitian menggunakan QSAR termasuk dalam chemical measurements dan tes biologis. Contohnya aktivitas biologis dapat ditunjukkan secara kuantitatif seperti pada konsentrasi suatu substansi yang dibutuhkan untuk menunjukkan respon biologis. Selain itu, ketika sifat fisika-kimia ditunjukkan dalam bentuk angka, kita dapat menemukan hubungan kuantitatif antara struktur dan aktivitas biologis suatu substansi. Hasil matematis dari QSAR dapat digunakan untuk memprediksi respon biologis dari suatu struktur kimia. Saat inti QSAR banyak diaplikasikan dalam berbagai disiplin ilmu, salah satunya sebagai sarana untuk mendesain obat dan faktor resiko lingkungannya. Dengan menggunakan QSAR, kita dapat memperkiraakan aktvitas suatu zat kimia dari struktur molekulnya dengan jumlah struktur yang beraneka ragam dalam waktu yang relatif singkat dan biaya yang lebih murah.

Inti benzimidazole yang merupakan struktur berguna untuk penelitian dan pengembangan molekul baru, telah banyak menerima perhatian selama dekade terakhir. Karena aktivitas antimikrobanya, benzimidazole baru telah disintesis dan diteliti dalam dunia medis. Posisi dan jenis substituen pada cicin benzimidazole yang bertanggung jawab terhadap aktivitas biologisnya. Banyak derivate/turunan benzimidazole yang juga dikenal sebagai agen antimikroba/antibakteri, serta beberapa compound telah ditemukan memiliki aktivitas antimikroba melawan bakteri gram positif maupun gram negatif.Dalam eksperimen/penelitian pada jurnal referensi, kita dapat mengetahui studi mengenai aktivitas penghambatan derivat benzimidazole, serta korelasi antara struktur dan aktivitas dari derivate benzimidazole terhadap bakteri gram negatif Pseudomonas aeruginosa. Model The multiple linear regresision (MLR) telah dikembangkan sebagai persamaan matematis yang menghubungkan struktur kimia untuk aktivitas penghambatan dari derivate benzimidazole tersebut.1.2 Rumusan MasalahBagaimana prediksi aktivitas antimikroba derivate benzimidazole yang dianalisis menggunakan metode model QSAR pada bakteri gram negatif Pseudomonas aeruginosa ?1.3 Tujuan

Tujuan dalam penelitian ini adalah untuk mempelajari kegunaan QSAR dalam memprediksi aktivitas antimikroba terhadap bakteri gram negatif Pseudomonas aeruginosa.BAB 2. RANCANGAN PENELITIAN2.1 Bahan dan Metode

Senyawa yang digunakan adalah inti benzimidazole yang memiliki struktur seperti pada gambar 1. Dalam gambar tersebut terdapat ikatan R1, R2, R3 dan R4 yang nantinya akan ditempati oleh substituen yang akan dianalisis menggunakan software QSAR/HKSA sehingga didapat derivate benzimidazole. Substituen yang akan dimasukkan kedalam gugus inti benzimidazole tercantum dalam tabel 1.

Gambar 1. Inti benzimidazole.

Tabel 1. Substituen pengganti R1, R2, R3, dan R4 untuk masing-masing compound.2.2 Investigasi Antibakteri

Semua derivate benzimidazole dievaluasi secara in vitro untuk di lihat aktivitas menghambat pertumbuhan bakteri Pseudomonas aeruginosa (ATCC 27853). Aktivitas antibakteri dari compound/senyawa diuji dengan metode disc-diffusion dibawah standart kondisi menggunakan media agar Mueller-Hinton.

Isolat bakteri ditumbuhkan dalam tabung dengan nutrient broth (NB). 1 cm3 NB diambil dan di homogenasi dalam tabung dengan 9 cm3 nutrient agar (NA) cair (45oC). Suspensi yang telah homogen dituangkan pada cawan petri. Letakkan kertas saring bentuk cakram (diameter 5 mm) ditengah media yang dingin. Setelah media dingin dan bentuknya menjadi keras, letakkan 2x10-5 dm3 senyawa yang akan diuji menggunakan mikropipet, lalu inkubasi. Setelah diinkubasi selama 24 jam dalam thermostat pada suhu 25-27oC, zona hambat (steril) yang terbentuk diukur (dalam mm), termasuk cakramnya. Diameter zona hambat lebih dari 8 mm mengindikasikan senyawa yang diuji aktiv terhadap mikroorganisme. Setiap pengujian dilakukan tiga kali pengulangan.

Konsentrasi hambat minimum atau minimum inhibitory concentration (MIC) menunjukan konsentrasi minimum untuk menghambat pertumbuhan bakteri yang di gunakan sebagai panduan oleh NCCLS standar M7-A5.

MIC pada pengujian derivate benzimidazole didefinisikan sebagai konsentrasi terkecil dari senyawa yang mana tidak ada pertumbuhan bakteri yang diamati pada periode waktu tertentu dan dibawah kondisi spesifik eksperimen. Stok larutan dari senyawa dipreparasi dalam dimethylformamide (DMF). Pengenceran selanjutnya mengunakan aquadest. Rentang konsentrasi senyawa yang diuji antara 6,25-125 g/ml. Plate inokulasi di inkubasi pada suhu 35oC selama 16-20 jam. Sebuah kontrol menggunakan DMF tanpa senyawa uji, yang mana tidak ada aktivitas penghambatan di dalamnya. Nilai MIC dari benzimidazole yang diuji diperoleh sebagai g/ml. untuk mengklasifikasikan aktivitas antibakteri, maka dibandingkan dengan agen antibakteri yang banyak digunakan untuk terapi saat ini. MIC-nya dibandingkan dengan Ampicillin dan Gentamicin yang digunakan dalam kondisi sama sebagai obat referensi.2.3 Pemodelan Molekuler

Semua studi model molekuler menggunakan software HyperChem 7.5 (HyperCube Inc., Version 7.5) dijalankan menggunakan prosesor P-III. HyperChem termasuk pembuat model dalam bentuk sketsa molekul 2D sampai 3D.2.4 Deskriptor

Deskriptor numerik yang bertanggung jawab pada encoding fitur penting dari struktur molekul dan dapat dikategorikan sebagai karakter/parameter elektronik, geometric, hidrofobik, dan topologi. Deskriptor dihitung untuk masing-masing senyawa dalam kumpulan data menggunakan software HyperChem, Dragon, dan CS Chem Office version 7.0. Karena ada sejumlah besar deskriptor untuk masing-masing senyawa, maka matriks korelasi Pearson digunakan sebagai model kualitatif, untuk memilih deskriptor cocok untuk analisis MLR.Delapan deskriptor yang menunjukkan korelasi maksimum dengan aktivitas penghambatan dipilih untuk dievaluasi lebih lanjut. Nilai-nilai deskriptor yang dipilih untuk MLR disajikan pada Tabel 2 (refraksi molar (MR), polarisabilitas (P), volume molar (MV), energi hidrasi (HE), energi total (TE), luas permukaan kontak (SAG), dan koefisien partisi (log P)).

Tabel 2. Nilai descriptor molekuler yang digunakan untuk analisis regresi

2.5 Metode Statistik

Analisis regresi lengkap dilakukan oleh software statistik PASS 2005, GESS 2006, NCSS.

BAB 3. HASIL DAN PEMBAHASAN

Pertama benzimidazole tersubstitusi dievaluasi aktivitas antibakteri terhadap bakteri gram negatif Pseudomonas aeruginosa secara in vitro. Nilai dari MIC dirangkum dalam Tabel 3. Hasil skrining mengungkapkan bahwa semua senyawa diuji in vitro aktivitasnya terhadap strain.

Dalam upaya untuk menentukan peran setiap struktur struktur, maka dilakukan studi QSAR.Satu set benzimidazoles terdiri dari 12 molekul digunakan untuk model regresi multilinear. Obat-obatan referensi tidak dimasukkan dalam model karena mereka memiliki perbedaan seri struktur. Perbedaan fisiko-kimia, sterik, elektronik, dan descriptor struktur molekul digunakan sebagai variabel independen/bebas dan berkorelasi dengan aktivitas antibakteri.Mengembangkan model umum membutuhkan beragam set data, dan dengan demikian, sejumlah besar descriptor harus dipertimbangkan.Deskriptor adalah nilai-nilai numerik yang menencoding struktur yang berbeda dari molekul. Pemilihan sebuah set sesuai deskriptor dari sejumlah besar senyawa tersebut membutuhkan metode, yang mampu membedakan antar parameter. Matriks korelasi Pearson telah dilakukan pada semua deskriptor dengan menggunakan software statistik NCSS. Analisis matriks mengungkapkan 8 deskriptor untuk pengembangan model MLR (Tabel 2).Koefisien partisi (log P) cenderung berkorelasi dengan aktivitas antibakteri eksklusif dan model monoparametrik terbaik yang ditemukan menjadi seperti berikut :

Penambahan HE sebagai parameter tambahan log P, meningkatkan koefisien korelasi dari 0,932 menjadi 0,951 (Eq. (2)) :

Perlu dicatat bahwa penambahan parameter-parameter lain untuk log P dan HE tidak signifikan merubah koefisien korelasi.

Dari kedua model persamaan diatas, dapat disimpulkan bahawa adanya pengaruh kuat lipofilitas, log P, penting dalam aktivitas antibakteri dan parameter tersebut biasanya berhubungan dengan aktivitas farmakologinya. Bukti ini jelas dijelaskan dalam teori lipid dikemukakan oleh Meyer dan Overton.Dalam teori tersebut, log P adalah tidak hanya ukuran dari hidrofobitas yang penting untuk penetrasi dan distribusi obat, tetapi juga untuk interaksi obat dengan reseptor.Oleh karena itu, dapat disarankan bahwa sifat lipofilik harus diperiksa untuk mendesain agen antibakteri yang potensial.

Untuk memvalidasi kekuatan prediksis dari model MLR terpilih (Eq. (2)) menggunakan teknik leave-one-out (LOO). Model yang dikembangkan divalidasi dengan perhitungan berikut parameter statistik: prediksi residual jumlah kuadrat (PRESS), jumlah total kuadrat deviasi (SSY), koefisien korelasi cross-validation (r2CV), dan kesesuaian koefisien korelasi (r2adj) (Tabel 4).

RESS adalah parameter penting cross-validation karena merupakan pendekatan yang baik dari kesalahan nyata prediksi model. Nilainya menjadi kurang dari SSY menunjukkan bahwa model memprediksi lebih baik dan dapat dianggap signifikan secara statistik. Dengan demikian, model 2 adalah signifikan secara statistik. Selanjutnya, untuk model QSAR yang rasional, harus PRESS/SSY harus lebih rendah dari 0,4.Data pada Tabel 4 menunjukkan bahwa rasio ini untuk model yang dikembangkan adalah 0,1746.Tingginya nilai r2CV dan r2adj adalah kriteria penting untuk kualifikasi QSAR yang menentukan model 2 sebagai yang terbaik. Namun, satu-satunya cara untuk memperkirakan kebenaran prediksi dari model yang dikembangkan adalah prediksi nilai log (1/cMIC) dari Benzimidazole yang diteliti dan dihitung dengan menggunakan model 2. Data yang disajikan dalam Tabel 3 menunjukkan bahwa aktivitas yang diamati dan diperkirakan , dengan menggunakan model 2, adalah sangat dekat satu sama lainnya.Hal ini menunjukkan prediktabilitas baik dari pembentukan model 2.Figure 1 menunjukkan plot linier regresi yang diprediksi dibandingkan nilai eksperimental aktivitas antibakteri Benzimidazole diselidiki.

Untun melihat adanya kesalahan sistematik dalam pengembangan model QSAR, residual dari nilai prediksi aktivitas penghambatan diplotkan dengan nilai-nilai eksperimen, seperti pada Figure 2. Penyebaran residual pada kedua sisi nol menunjukkan tidak adanya kesalahan sistemik. Hal ini mengindikasikan bahwa model ini berhasil diterapkan untuk memprediksi aktivitas antibakteri molekul kelas ini.

BAB 4. PENUTUP

Dari hasil yang diperoleh, dapat disimpulkan bahwa derivat 1-benzylbenzimidazole efektif melawan secara in vitro bakteri gram negatif Pseudomonas aeruginosa. Pemodelan molekuler dan analisis QSAR dilakukan untuk menemukan efek kuantitatif struktur molekuler senyawa terhadap aktivitas antibakterinya. Sebuah model matematika yang akurat dikembangkan untuk memprediksi aktivitas penghambatan dari beberapa derivat benzimidazole.Validitas model ditetapkan dengan determinasi parameter statistik yang sesuai.Model yang telah ditetapkan digunakan untuk memprediksi aktivitas penghambatan dari Benzimidazole yang diselidiki dan mendekatkan kesesuaian antara eksperimental dan nilai prediksi yang diperoleh. Aktivitas residual rendah dan nilai cross-validation r2 (r2CV) tinggi yang diperoleh menunjukkan kemampuan prediksi yang baik dari model QSAR yang dikembangkan. Hal ini menunjukkan aktivitas antibakteri seri derivate 1-benzylbenzimidazole berhasil dimodelkan menggunakan berbagai deskriptor molekul. Sehingga dapat disimpulkan bahwa pengaruh kuat dari lipofilitas, log P, penting terhadap aktivitas antibakteri dan parameter ini biasanya terkait dengan aktivitas penghambatan.LAMPIRAN JURNAL ASLI (REFERENSI)