Percobaan 1 Dan 2
-
Upload
desi-riza-pratiwi -
Category
Documents
-
view
180 -
download
25
Transcript of Percobaan 1 Dan 2
LAPORAN RESMI
PRAKTIKUM KIMIA MEDISINAL 2
PERCOBAAN 1 DAN 2
QUANTITATIVE STRUCTURE-ACTIVITY RELATIONSHIP
(QSAR)
Disusun oleh:
Nama : Desi riza pratiwi
NIM : 10/304988/FA/08652
Golongan : II
Kelas : FST 2010
Hari praktikum : Selasa, 08.00 – 12.00
Dosen : B.S. Ari Sudarmanto, S.Si., M.Si.
Dosen jaga : Dr. Sardjiman, MS, Apt. dan Dr. Rumiyati, M.Si., Apt.
FAKULTAS FARMASI
UNIVERSITAS GADJAH MADA
YOGYAKARTA
2013
PERCOBAAN 1 DAN 2QUANTITATIVE STRUCTURE-ACTIVITY RELATIONSHIP
(QSAR)
1. Tujuan
a. Menggambarkan, memodelkan, dan membuat basis data struktur 3D seri senyawa untuk
dataset QSAR.
b. Menghitung deskriptor pada dataset QSAR.
c. Melakukan perhitungan dan pemilihan deskriptor terhadap dataset seri senyawa inhibitor
COX-2.
d. Melakukan analisis QSAR terhadap dataset seri senyawa inhibitor COX-2.
2. Dasar teori
Aktivitas biologis suatu obat diperoleh setelah terjadi interaksi senyawa dengan
molekul spesifik dalam obyek biologis. Interaksi tersebut ditunjang dengan spesifitas sifat
kimia fisika senyawa yang tinggi. Aktivitas obat berhubungan dengan sifat kimia fisika obat,
dan merupakan fungsi dari struktur molekul obat. Pengetahuan tentang hubungan struktur
kimia dan aktivitas biologis merupakan dasar penting dari penggunaan rancangan obat.
Tahun 1950 menjadi titik awal perkembangan kimia komputasi, yaitu munculnya
eksperimen komputer (Computer Experiment) yang mengubah deskripsi suatu sistem kimia
di antara eksperimen dan teori. Dalam eksperimen komputer, perhitungan dilakukan dengan
resep algoritma yang ditulis dalam bahsa pemrograman dengan menggunakan model dari
para pakar teoritis. Metode ini memungkinkan perhitungan sifat molekul yang kompleks
dengan hasil yang berkolerasi secara signifikan dengan eksperimen (Jensen, 1999).
Penelitian kimia komputasi dalam bidang terapan dilakukan dengan mempelajari korelasi
antara struktur-aktivitas atau strruktur-sifat terhadap data percobaan yang telah diperoleh.
Perkembangan kimia komputasi kemudian berkembang, salah satunya studi
Hubungan Kuantitatif Struktur-Aktivitas (HKSA) atau Quantitative Structure-Activity
Relationship (QSAR). Asumsi mendasar dari QSAR adalah adanya hubungan kuantitatif
antara sifat mikroskopis (struktur molekul) dan sifat makroskopis/empiris (aktivitas
biologis) dari suatu model (Lee et al., 1996). Istilah struktur tidak hanya terbatas pada
pengertian pengaturan ruang dan hubungan antar atom dan molekul, tetapi juga sifat fisika
dan sifat kimia yang melekat pada susunan tersebut. Berdasarkan parameter yang digunakan
kajian QSAR digolongkan menjadi 3 metode yaitu analisis Hansch, analisis Free-Wilson
dan QSAR 3D atau CoMFA.
Untuk memperoleh hubungan yang signifikan, penggunaan deskriptor yang tepat
sangatlah menentukan. Berdasarkan cara memperolehnya deskriptor terbagi dalam dua
golongan, yaitu deskriptor empiris (diperoleh dari hasil percobaan menggunakan parameter
empiris) dan deskriptor teoritis (diperoleh dari perhitungan komputasional yang diturunkan
dari kimia teori).
Pada analisis statistik QSAR terdapat dua pendekatan utama yaitu, aktivitas suatu
seri senyawa dinyatakan sebagai hubungan linear dari deskriptor dam hubungan non-linear
dari deskriptor. Hubungan linear antara deskriptor dan aktivitas biologis dapat diperoleh dari
PCA, PLS dan analisis regresi multilinear sedangkan hubungan non-linear diperoleh dari
neural network dan genetic algorithm.
3. Cara kerja
Direktori kerja (WorkDir) dibuat pada folder yang dipilih
Program MOE dijalankan dan dilakukan penyetelan direktori kerja (CWD program MOE)
MOEFileOpenfolder yang ditujuCWDcancel
Database dibuat pada program MOE dengan mengubah file dataset .txt menjadi .mdb
Beberapa field dihapus dan field PCHEMBL_VALUE diganti menjadi PIC50
Struktur 3D dibangun pada layar Database Viewer (DBV)
DBVCompute MoleculeEnergy Minimize
Optimasi geometri struktr 3D dilakukan pada layar Database Viewer (DBV)
DBVCompute MoleculeSCF Calculation
Senyawa pada dataset diberi nama sebagai COMPUND_KEY pada layar Database Viewer
(DBV)
DBVCompute MoleculeMolecul Name
Perhitungan deskriptor dilakukan pada layar Database Viewer (DBV)
DBVCompute DescriptorCalculate
Deskriptor terpilih dianalisis pada layar MOE QuaSAR-Wizard
MOEToolsQSARQSAR-Wizard
Model-model persamaan QSAR dibuat dengan mengombinasikan 2 sampai 7 deskriptor
pada layar MOE QuaSAR-Evolution
MOEToolsQSARQuaSAR-Evolution
Analisis dan pemilihan model persamaan QSAR terbaik dilakukan
4. Data
Dataset : JMC_1995_38_4570
Kerangka (scaffold)
compound_key R1 R2 R3 R4 R5 X Y Z
7a CH3 H F H H CH3 CH3 CH3
7b CH3 H F F H CH3 CH3 CH3
7c CH3 H F Cl H CH3 CH3 CH3
7f CH3 H Cl H H CH3 CH3 CH3
7 g CH3 H Cl Cl H CH3 CH3 CH3
7h CH3 H OCH3 H H CH3 CH3 CH3
7i CH3 H OCH3 F H CH3 CH3 CH3
7j CH3 H OCH3 Cl H CH3 CH3 CH3
7k CH3 H OCH3 Cl H CH3 CH3 CH3
7l CH3 H H CH3 CH3 CH3
7m CH3 H N(CH3)2 Cl H CH3 CH3 CH3
7n CH3 H C H H CH3 CH3 CH3
7o CH3 H CF3 H H CH3 CH3 CH3
7p CH3 H CF3 F H CH3 CH3 CH3
8a NH2 H F H H CH3 CH3 CH3
8b NH2 H F F H CH3 CH3 CH3
8c NH2 H F Cl H CH3 CH3 CH3
8e NH2 H F F H CH3 CH3 CH3
8f NH2 H Cl H H CH3 CH3 CH3
8g NH2 H Cl Cl H CH3 CH3 CH3
8h NH2 H OCH3 H H CH3 CH3 CH3
8i NH2 H OCH3 F H CH3 CH3 CH3
8j NH2 H OCH3 Cl H CH3 CH3 CH3
8k NH2 Cl OCH3 Cl H CH3 CH3 CH3
8l NH2 H H CH3 CH3 CH3
8m NH2 H N(CH3)2 CL H CH3 CH3 CH3
8o NH2 H CF3 H H CH3 CH3 CH3
8p NH2 H CF3 F H CH3 CH3 CH3
DuP-697 CH3 H F H Br S CH3 CH3
Sc-58125 CH3 H F H CF3 CH3 N N
Compound_key R1 R2 R3
L-745337
Ns-398
Model persamaan QSAR
Model Dekriptor N m r s F
1 AM1_HF ; vsa_acc10
02 0,8122 0,3476 29,0818
2 AM1_HF; PEOE_VSA+3; vsa_acc10
03 0,8621 0,3026 27,9788
3 AM1_HF; RDF095u, TRDF050010
03 0,8609 0,3049 27,6874
4 AM1_HF; vsa_acc; vsurf_ID110
03 0,8609 0,3050 27,6757
5AM1_HF; vsa_acc; vsurf_DD12; vsa_acc;
vsurf_ID1
10
04 0,8915 0,2822 27,094
6AM1_HF; AM1_UMO; RDF095u; TRDF050U;
vsa_acc; vsurf_ID1
10
05 0,9249 0,2349 31,9330
7AM1_HF; Q_VSA_HYD; RDF095u; SM_L;
TRDF060e
10
05 0,9233 0,2395 31,2182
8AM1_HF; Q_VSA_HYD; RDF085e; RDF095u;
SM_L; TRDF060e
10
05 0,9473 0,2001 37,8583
9AM1_HF; Q_VSA_HYD; RDF085p; RDF095u;
SM_L; TRDF060e
10
06 0,9456 0,2063 36,5809
10AM1_HF; Q_VSA_HYD; RDF085e; RDF095u;
SM_L; TRDF060e; vsurf_DD23
10
07 0,9585 0,1933 40,3938
11AM1_HF; PEOE_VSA_PPOs; Q_VSA_HYD;
RDF085e; RDF095u; SM_L; TRDF060e
10
07 0,9566 0,2022 38,4541
12
AM1_HF; PEOE_VSA_PPOs; Q_VSA_HYD;
RDF085e; RDF095u; SM_L; TRDF060e;
vsurf_DD23
10
08 0,9652 0,2032 40,8837
13AM1_HF; Q_VSA_HYD; RDF030m; RDF085p;
RDF090v; RDF095u; SM_L; TRDF060e
10
08 0,9650 0,2046 40,5937
14AM1_HF; Q_VSA_HYD; RDF085e; RDF095u;
SM_L; TRDF060e; b_single; vsurf_DD23
10
08 0,9650 0,2046 40,5827
Correlation plot
Persamaan QSAR terbaik :
13, 4933 + 0,017763 * AM1_HF + -0,0189012 * Q_VSA_HYD + - 0,0500847 * RDF085e
+ 0,126528 * RDF095u + 0,09596 * SM_L + - 0,0542494 * TRDF060e + 0,0642508N *
vsurf_DD23
Dengan nilai
N : 100
m : 7
F : 40,3938
s : 0,1933
r2 : 0,9188
r : 0,9585
PRESS: 7.47606204
5. Hasil dan pembahasan
Praktikum QSAR (Quantitative Structure-Activity Relationship) bertujuan untuk
mengetahui kerangka dasar senyawa yang dihasilkan dari dataset yang telah disediakan dan
melakukan perhitungan deskriptor serta menyusun model persamaan QSAR dan
menganalisisnya.
Pada praktikum kali ini didapat dataset JMC_1995_38_4570 yang merupakan suatu
inhibitor COX-2. Enzim siklooksigenase (COX) merupakan enzim yang mengkatalisis
pembentukan prostaglandin, suatu mediator inflamasi, dan produk metabolisme asam
arakhidonat (Ikawat dkk.,2006). Enzim siklooksigenase terdiri dari 2 isoenzim yaitu
siklooksigenase 1 (COX-1) yang bersifat konstitutif untuk memelihara fisiologi normal dan
homeostasis dan siklooksigenase 2 (COX-2) yang terinduksi pada sel yang mengalami
inflamasi oleh sitokin, endotoksin, dan faktor pertumbuhan (Leahy et al,2002).
Metode yang digunakan adalah studi interaksi senyawa yang diketahui dapat
menghambat COX-2 dengan menggunakan aplikasi komputer, menggunakan informasi dari
struktur maupun sifat fisikokimia ligan sehingga dapat diketahui sisi aktifnya (Zukhrullah,
2012). Aplikasi yang digunakan pada praktikum kali ini adalah MOE (Molecular Operating
Environment). MOE merupakan suatu program aplikasi pemodelan molekul yang
dikembangkan oleh Chemical Computing Group Inc. (www.chemcomp.com). Program ini
menyediakan paket aplikasi untuk memanipulasi dan menganalisis struktur kimia molekul
dalam jumlah yang banyak. Database pada MOE menyediakan data molekuler sebagai data
numerik untuk mendesain dan menganalisis suatu senyawa
(http://www.chemcomp.com/MOE-Cheminformatics_and_QSAR.htm).
Pertama-tama dibangun struktur 3D senyawa dari dataset yang telah ada.
Pembangunan struktur 3D ini bertujuan untuk memperkirakan kerangka dasar dari suatu
senyawa. Kerangka dasar ini dapat digunakan sebagai senyawa penuntun untuk mengetahui
besarnya aktivitas biologis yang dihasilkan dengan memodifikasi gugus-gugus samping
pada kerangka dasar. Oleh karena itu, proses pembangunan struktur ini penting dilakukan
karena dapat menjadi pedoman langkah-langkah selanjutnya. Selanjutnya dilakukan
optimasi struktur senyawa hal ini dilakukan karena dalam menghitung deskriptor dibutuhkan
struktur yang teroptimasi. Optimasi struktur (minimisasi energi) berusaha untuk menemukan
satu set koordinat atom-atom yang menghasilkan fungsi energi potensial molekul berada di
titik minimum. Korelasi antara aktivitas biologis (berupa dosis atau konsentrasi
penghambatan) dengan sifat fisikokimia senyawa yang diturunkan dari perhitungan kimia
kuantum sehingga menghasilkan hasil yang baik dalam kajian QSAR. Deskriptor kimia
kuantum yang banyak digunakan dalam studi QSAR adalah muatan bersih atom. Pada
praktikum ini menggunakan metode kimia komputasi semiempirik AM1.
Langkah selanjutnya adalah melakukan perhitungan deskriptor. Deskriptor adalah
parameter-parameter yang mengkarakterisasi sifat struktural suatu senyawa. Pada langkah
ini kita harus menyortir deskriptor yang akan kita gunakan agar deskriptor yang kita
gunakan dapat menggambarkan sifat struktural senyawa semirip mungkin dan adanya
beberapa deskriptor yang memiliki pengertian yang sama sehingga harus mengeliminasi
salah satu. Deskriptor yang kita pilih akan menentukan aktivitas dari senyawa yang kita
miliki sehingga harus lebih jeli dalam memilih deskriptor yang akan digunakan.
Kemudian mencari persamaan-persamaan model QSAR dengan mengombinasikan 2
sampai 8 deskriptor. Hal ini diperlukan untuk mencari persamaan terbaik dari persamaan-
persamaan yang ada. Ciri-ciri utama persamaan terbaik yaitu persamaan yang memiliki nilai
r (koefisien korelasi) tinggi, nilai s (standar estimasi error) rendah dan nilai F (kriteria
Fisher) tinggi.
Setelah dilakukan pencarian model persamaan QSAR didapatlah 14 model persamaan.
Dari beberapa model persamaan yang ada maka dipilih persamaan ke sepuluh karena
berdasarkan parameter statistiknya model ini diperkirakan merupakan model persamaan
terbaik. Alasan dari pemilihan persamaan ini karena nilai F (40,3938) dan r (0,9585) yang
cukup tinggi dan nilai s (0,1933) yang paling rendah. Dalam analisis QSAR, persamaan
yang mempunyai r lebih dari 0.7 sudah dapat dikatakan memiliki korelasi yang baik. Pada
model yang dipilih, persamaannya memiliki tujuh buah deskriptor (model tersebut
mengandung terlalu banyak deskriptor) sehingga persamaan kurang efisien. Walaupun
demikian, hanya model tersebutlah yang secara kriteria mampu mewakili persamaan model
terbaik. Model persamaan terbaik yang diperoleh ini digunakan untuk memprediksi harga
aktivitas inhibisi teoritis senyawa terhadap enzim COX-2.
Deskriptor-deskriptor pada model persamaan terpilih yaitu AM1_HF, Q_VSA_HYD,
RDF085e, RDF095u, SM_L, TRDF060e, vsurf_DD23. Deskriptor AM1_HF merupakan
satu-satunya deskriptor yang selalu muncul di setiap persamaan yang dipilih. AM1_HF
merupakan 3D molecular descriptor, dekriptor ini menunjukkan energi dari suatu bentuk
konformasi senyawa yang dilambangkan dengan kcal/mol dan dihitung menggunakan AM1
Hamilton (MOPAC). Deskriptor Q_VSA_HYD merupakan 2D molecular descriptor dan
termasuk dalam partial charge descriptor, deskriptor ini menunjukkan total muatan
hidrofobik van der Waals pada area permukaan struktur senyawa dimana deskriptor ini
bergantung pada muatan parsial masing-masing atom pada struktur kimia yang
membutuhkan perhitungan muatan parsial. Deskriptor vsurf_DD23 merupakan 3D
molecular descriptor dan termasuk pada surface area, volume and shape descriptor.
Deskriptor ini menunjukkan jarak penghubung dari vsurf_Ddmin.
(http://www.cadaster.eu/sites/cadaster.eu/files/challenge/descr.htm).
Pada persamaan model ini memiliki dua deskriptor RDF (Radial Distribution
Function) yaitu RDF085e dan RDF095u. Deskriptor RDF termasuk dalam Conformational
(3D) Descriptor yang didasarkan dari jarak distribusi molekul, deskriptor ini merupakan
koordinat suatu atom dimana kemungkinan menemukan suatu atom pada volume tertentu
dengan jarak R. Deskriptor RDF085e menunjukkan fungsi distribusi radial sebesar 85
berdasarkan keelektronegatifan Sanderson sedangkan deskriptor RDF095u menunjukkan
fungsi distribusi radial sebesar 95
(http://www.strandls.com/sarchitect/documents/manual_html/desctheory.html).
Selanjutnya dilakukan validasi, validasi dilakukan dengan tujuan untuk menentukan
kinerja sistem yang dapat diterima dalam hal akurasi dan efisiensi atau tidak. Pada
praktikum kali ini menggunakan validasi silang leave-one-out. Teknik validasi silang
merupakan salah satu teknik pendugaan error rate, teknik ini digunakan karena sesuai untuk
data yang berukuran kecil maupun besar. Pada teknik validasi silang leave-one-out sesuai
untuk data berukuran kecil (Fu, 1994). Validasi dilakukan pada model persamaan untuk
mendapatkan nilai Predicted Residual Sum of Squares (PRESS) dan Standar Error Prediksi
(SEP) minimal. Dari uji validasi ini didapatkan harga PRESS sebesar 7.47606204. nilai
PRESS ini sudah termasuk bagus karena memiliki nilai yang rendah.
6. Kesimpulan
Hasil kajian hubungan kuantitatif struktur-aktivitas dataset JMC_1995_38_4570, diperoleh
model persamaan: 13, 4933 + 0,017763 * AM1_HF + -0,0189012 * Q_VSA_HYD + -
0,0500847 * RDF085e + 0,126528 * RDF095u + 0,09596 * SM_L + - 0,0542494 *
TRDF060e + 0,0642508N * vsurf_DD23. Dengan nilai :
N : 100
m : 7
F : 40,3938
s : 0,1933
r2 : 0,9188
r : 0,9585
PRESS: 7.47606204
Persamaan ini dapat digunakan untuk memprediksi harga aktivitas inhibisi teoritis
senyawa terhadap enzim COX-2.
7. Daftar pustaka
Fu, L.M., 1994, Neural Network in Computer Intelligence, Singapore : Mc Graw-Hill
Ikawati, Z., Nugroho, A. E., Astutiningsih, W., 2006, Penekanan Ekspresi Enzim COX-2
pada Kultur Sel Raji oleh Ekstrak Kloroform Daun Cangkring (Erythrina fusca
Lour.), MOT,17(2), 85-90
Jensen, F., 1999, Introduction to Computational Chemistry, John Wiley&Sons, Canada
Leahy, K.M., Omberg, R.I., Wang, Y., Zweifel, B.S., Koki, A.t., Maferrer, J.L., 2002,
Cyclooxygenase-2 Inhibition by Celecoxib Reduces Proliferation and Induces
Apoptosis in Angiogenic Endhotelial Cells in Vitro, Cancer Res., 62, 625-631
Lee, K.W., Kwon, S.Y., Hwang, S., Lee, J.U., Kim, H., 1996, Bull. Korean Chem. Doc., 17,
147-152
Zukhrullah, M., Aswad, M., Subehan, 2012, Kajian Beberapa Senyawa Antiinflamasi:
Docking terhadap Siklooksigenase-2 secara In-Silico, Majalah Farmasi dan
Farmakologi, 16(1), 37-44
http://www.cadaster.eu/sites/cadaster.eu/files/challenge/descr.htm diakses tanggal 11
November 2013
http://www.chemcomp.com/MOE-Cheminformatics_and_QSAR.htm diakses tanggal 11
November 2013
http://www.strandls.com/sarchitect/documents/manual_html/desctheory.html diakses
tanggal 11 November 2013
8. Lampiran