Percobaan 3 Dan 4
-
Upload
desi-riza-pratiwi -
Category
Documents
-
view
266 -
download
12
Transcript of Percobaan 3 Dan 4
LAPORAN RESMI
PRAKTIKUM KIMIA MEDISINAL 2
PERCOBAAN 3 DAN 4
PHARMACOPHORE MAPPING
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. Riris Istighfari Jenie, M.Sc., Apt.
FAKULTAS FARMASI
UNIVERSITAS GADJAH MADA
YOGYAKARTA
2013
PERCOBAAN 3 DAN 4PHARMACOPHORE MAPPING :
LIGAND-BASED DAN COMPLEX-BASED
1. Tujuan
a. Melakukan pemetaan fitur farmakofor berdasarkan struktur ligan yang terjajarkan.
b. Melakukan pemetaan fitur farmakofor berdasarkan struktur kompleks protein-ligan.
2. Dasar teori
Pendekatan farmakofor menjadi salah satu tool utama dalam penemuan obat akhir-
akhir ini. Konsep farmakofor pertama kali dikenalkan oleh Ehrlich (1909) yang
mendefinisikan farmakofor sebagai suatu gugus atau kerangka (framework) yang membawa
(phoros) fitur-fitur esensial yang bertanggung jawab atas aktivitas biologis obat
(pharmacon). Adanya perkembangan zaman, konsep farmakofor dasar tidak berubah hanya
saja makna dan pemanfaatannya semakin diperluas. Menurut definisi IUPAC (Wermuth,
1998) model farmakofor adalah suatu setel (ensemble) dari fitur sterik dan elektronik yang
dibutuhkan untuk memastikan interaksi supramolekuler yang optimal dengan target biologis
spesifik dan untuk memicu atau menghambat respon biologis itu sendiri.
Model farmakofor dapat ditetapkan dengan cara ligand-based, dengan menjajarkan
(superpose) satu set molekul aktif dan menapiskan (extracting) fitur-fitur kimia umum yang
esensial untuk bioaktivitasnya atau dengan cara structure-based, dengan mencari (probing)
interaksi yang mungkin antara target makromolekul dengan ligannya. Pendekatan
farmakofor telah digunakan secara ekstensif untuk virtual screening, de novo design dan
aplikasi yang lain seperti optimisasi senyawa penuntun (lead) dan desain obat multitarget.
Secara umum, metode-metode dalam desain obat mengikuti dua pendekatan yaitu,
desai obat berbasisi ligan (Ligan based Drug Design, LBDD) dan desain obat berbasis
struktur target (Target/Structure based Drug Design, SBDD). Perbedaan kedua metode ini
terletak pada penggunaan informasi sebagai starting material untuk proses perancangan
obat. Pendekatan LBDD didasarkan pada informasi struktur (2D/3D) ligan beserta aktivitas
biologisnya, sedangkan pada pendekatan SBDD didasarkan pada informasi struktur 3D
protein target.
Ligand-based pharmacophore modelling
Metode ini merupakan kunci strategi komputasional untuk memfasilitasi penemuan
obat tanpa adanya struktur target makromolekuler. Pada metode ini dilakukan penapisan
fitur-fitur kimia yang umum dari struktur 3D suatu set ligan yang diketahui yang dapat
mewakili target molekul spesifik. Secara umum, pembangkitan (generate) farmakofor dari
(multiple ligand) ligan yang banyak (selalu disebut training set compounds) terdiri dari dua
langkah, yaitu membuat ruang konformasi untuk masing-masing ligan pada training set
untuk mewakili kelenturan (flexibility) konformasi ligan dan menjajarkan multiple set pada
training set dan menentukan fitur-fitur kimia umum yang esensial untuk membangun model
farmakofor.
Complex-based pharmacophore modelling
Pada metode ini pemetaan fitur farmakofor berdasarkan informasi struktur 3D
kompleks protein-ligan. Pemetaan dengan cara ini akan menghasilkan fitur farmakofor yang
lebih realistik karena geometri ligan diperoleh dari data eksperimental. Selain itu, residu-
residu asam amino dalam situs aktif protein akan memberikan pembatasan ruang dan
informasi jenis interaksi yang dialami oleh ligan.
Idealnya, data kompleks protein-ligan yang digunakan sebaiknya lebih dari satu,
dengan variasi jenis ligan berbeda untuk target protein yang sama. Namun hal ini terkadang
sulit untuk didapatkan mengingat tidak semua data struktural protein di PDB merupakan
kompleks protein-ligan aktif dan variatif.
3. Cara kerja
Ligand-based pharmacophore mapping
Direktori kerja (WorkDir) dibuat pada folder yang dipilih
File JMC_1995_38_4570_selected.mdb dan cox2_drugs.mdb disalin ke folder tersebut
Program MOE dijalankan dan dilakukan penyetelan direktori kerja (CWD program MOE)
MOEFileOpenfolder yang ditujuCWDcancel
Membuka database senyawa aktif (cox2_drugs.mdb)
MOEFileOpencox2_drugs.mdbOK
Molekul referensi (FLP) yang sesuai dengan obat terpilih (NAPROXEN, MELOXICAM
dan IBUPROFEN) dipanggil ke dalam jendela MOE
Obat terpilih diseleksimolekul referensi send to MOE
Dilakukan flexible allignment terhadan struktur molekul obat terpilih terhadap struktur
referensi
DBVTools Batch FlexAlign
Senyawa penuntun kembali ditampilkan di jendela MOE
MOECenterSiteView
Konformasi yang paling sesuai dengan struktur referensi (dU = 0,0000) dikirim ke jendela
MOE
Konformasi diseleksiDBVMolecule Popupsend selected to MOE
Tampilan struktur senyawa diatur untuk mempermudah pengamatan
MOEPopupAtomsStyle Stick
MOEPopupAtomsColor by Chain
MOEPopupHideNonpolar Hydrogens
Pharmacophore Query Editor dibuka
MOEFileNewPharmacophore Query
Label dari fitur-fitur farmakofor dinyalakan
Pharmachopore Query EditorLigand AnnotationLong
Tampilan struktur senyawa disederhakan
Pharmachopore Query EditorSchemeInfoDon2,Acc2,PIN dimatikan
Fitur-fitur farmakofor dibuat dengan cara manual
Titik-titik pada senyawa yang saling berimpit dipilih Pharmachopore Query
EditorCreateFeature
Fitur-fitur farmakofor dibuat dengan cara otomatis
Pharmachopore Query EditorConsensus
Pharmacophore ConsensusCalculate
Pemilihan fitur-fitur farmakofor
Fitur terpilihPharmacophore ConsensusLoad Selected
Penapisan fitur-fitur terpilih terhadap dataset ligand (JMC_1995_38_4570_selected)
Pharmachopore Query EditorSearch JMC_1995_38_4570_selected.mdb
Pharmacophore SearchsetupGenerated FieldsRow,Map diseleksiCopied Fields
PIC50 dan COMPOUND_KEY diseleksiSearch
Complex-based pharmacophore mapping
Direktori kerja (WorkDir) dibuat pada folder yang dipilih
File JMC_1995_38_4570_selected.mdb disalin ke folder tersebut
Program MOE dijalankan dan dilakukan penyetelan direktori kerja (CWD program MOE)
MOEFileOpenfolder yang ditujuCWDcancel
Kompleks protein-ligan cyclooxygenase-2 (3NT1,3NTB dan 3Q7D) diunduh pada
www.pdb.org dalam bentuk text .pdb
Kompleks dibuka satu per satu pada MOE
MOEFileOpen3NT1.pdbLoad PDB FileOK
Kompleks di preparasi
MOESEQsenyawa, ligan asli diseleksi Chain PopupInvert Selection Chain
Popup Delete Selected Chainsresidu non ligan diseleksiDelete Selected Residues
Chain PopupReset AllignmentDisplayCompound Name, Actual Secondary Structure
diseleksi
Protein dan ligan diprotonasi
MOELigXGradient of 0.01OK
Kompleks yang telah dipreparasi disimpan dan diulang untuk kompleks yang lain
MOEFileSaveOK
Semua kompleks dibuka bersama-sama
MOEFileOpen3NT1_complexpreparation.moe, 3NTB_complexpreparation.moe,
3Q7D_complexpreparation.moe OK
Database (1PXX.pdb) dibuka dan dilakukan penyuntingan
MOEFileOpen1PXX.pdbOK
MOESEQligan-ligan 1PXX diseleksiDelete Selected ChainsOKChain
PopupMove ChainTop
Penyuntingan sekuens ligan
MOESEQDisplayCompound Name, Actual Secondary Structure
diseleksiDisplayColor Chain By Tag
Penghilangan sekuens HEM
MOESEQHEM pada residu ligan diseleksiPopupDelete Selected ResiduesOK
Ligan diisolasi dan backbone protein ditampilkan
MOEPopupSelectLigand
MOERHSLigandChoose Ligand
MOEPopupAtomsColorby Chain
MOEPopupHideAll Atoms
MOEPopupRibbonStyleLineColorby Chain
Superposisi terhadap semua ligan
MOEComputeBiopolymerSuperposeseleksi semua kompleks yang ingin
disuperposeSuperposeReport RMSD
Database ligan PDB dihapus dari sekuens
MOESEQpdb diseleksiDelete Selected Chains
Diagram 2D Ligand Interaction ditampilkan untuk semua kompleks
MOEComputeLigand InteractionApply
Database kompleks dibuat
MOEFileNewDatabasecox2_complex.mdbOK
DBVEditNewEntryAdd EntryModeChain Tag
MOESystemLigand 3NT1.A, Ligand 3NTB.A, Ligand 3Q7D.A diseleksi
PLIF dihitung
DBVComputePLIFGeneratePLIF SetupReceptorDatabasefieldname
LigandLigandGenerateRebuild Interactions diseleksiGeneratePrepareOK
PLIF:I.mdbLigandToolsQuery GeneratorEntriesAllBuildCreateYes
Fitur-fitur farmakofor dibuat dengan cara manual
Titik-titik pada senyawa yang saling berimpit dipilih Pharmachopore Query
EditorCreateFeature
Fitur-fitur farmakofor dibuat dengan cara otomatis
Pharmachopore Query EditorConsensus
Pharmacophore ConsensusCalculate
Pemilihan fitur-fitur farmakofor
Fitur terpilihPharmacophore ConsensusLoad Selected
Penapisan fitur-fitur terpilih terhadap dataset ligand (JMC_1995_38_4570_selected)
Pharmachopore Query EditorSearch JMC_1995_38_4570_selected.mdb
Pharmacophore SearchsetupGenerated FieldsRow,Map diseleksiCopied Fields
PIC50 dan COMPOUND_KEY diseleksiSearch
4. Data
Ligand-based pharmacophore mapping
Dataset : Naproxen, Meloxicam dan Ibuprofen
Flexible Allignment
File : terpilih.mdb
Ligan acuan Ligan uji U F S dU dF dS
FLP
Naproxen 23,2597 -159,4878 -136,2282 0,00000,042
90,0000
Meloxicam 17,4768 -128,7481 -111,2714 0,73008,285
30,0000
Ibuprofen 14,7996 -150,7992 -135,9995 0,00000,000
00,0000
Pharmacophore Query
Title : terpilih
File : pharmacophore_query.ph4
ID Expression Radius (Ȧ) jarak antar fitur
F1 Hyd│Aro 1,4 F1-F2 : 4,963 Ȧ; F1-F3 : 4,124 Ȧ; F1-F4 : 2,870 Ȧ
F2 Aro│Hyd│Acc 1,31 F2-F3 : 8,920 Ȧ; F2-F4 : 2,235 Ȧ
F3 Aro│Hyd│Acc│Don 2,08 F3-F4 : 6,744 Ȧ
F4 Aro│Hyd 0,8
Pharmacophore Search
File : flp_ph4out.mdb
Input : 33 molecule
Result : 6 hits, 50 entries
Hit Ligand (mol) RMSD Hitmap pIC50
Indomethacin 0,3129 49 5 50 42 6,0500
L-745337 0,9361 42 39 40 3 7,7000
SC-58125 0,5370 44 40 42 4 7,3000
DuP-697 0,8658 41 40 6 42 8,0000
8l 0,9894 45 38 5 44 8,7000
7m 1,0383 53 52 50 5 8,3000
Complex-based pharmacophore mapping
Dataset : 3NT1, 3NTB, 3Q7D
Superposisi PDB
File MOE : ph4_cb
RMSD : 0,276
Database : 3NT1, 3NTB, 3Q7D
PDB Res (Ȧ) Het Ligand Match %Identity %Similarity
3NT1 0,32 NPS NAPROXEN 552 100 100
3NTB 0,28 T1N
(2S)-2-[6-(methylsulfanyl)
naphtalen-2-yl] propanac
acid
552 100 100
3Q7D 0,32 NPX NAPROXEN 552 100 100
Pharmacophore Query
Title : PLIF Pharmacophore
File : COX-2_3NT1_3NTB_3Q7D.ph4
ID Expression Radius (Ȧ) jarak antar fitur
F1 Aro│Hyd 0,92 F1-F2 : 5,559 Ȧ; F1-F3 : 3,761 Ȧ
F2 Hyd│Acc 1,3 F2-F3 : 9,307 Ȧ
F3 Hyd 0,73
Pharmacophore Search
File : 3NT1_3NTB_3Q7D_ph4out.mdb
Input : 33 molecule
Result : 32 hits, 266 entries
Hit Ligand (mol) RMSD Hitmap pIC50
7a 0,6780 44 41 43 7,5900
7b 0,5102 44 41 43 7,2900
7c 0,5288 45 41 43 7,5200
7f 0,5893 40 41 43 8,5200
7g 0,5253 40 41 43 8,0000
7h 0,5734 49 45 47 9,3000
7i 0,4768 49 45 47 6,9200
7j 0,4933 50 45 47 6,8500
7k 0,4841 51 45 47 7,7700
7l 0,6576 47 7 44 7,6800
7m 0,4656 55 49 51 8,3000
7n 0,6489 45 44 47 8,5200
7o 0,5373 48 44 46 6,0600
7p 0,5409 43 45 46 6,1200
8a 0,7575 39 6 40 8,1600
8b 0,6850 42 5 40 7,7400
8c 0,7353 43 6 40 8,0000
8e 0,6832 42 6 40 5,5400
8f 0,6525 44 40 42 8,5200
8g 0,6618 45 40 42 8,7000
8h 0,5621 47 44 46 8,7000
8i 0,4736 44 44 46 7,8000
8j 0,5667 48 44 46 8,0500
8k 0,5287 49 44 46 8,0500
8l 0,6812 45 6 43 8,7000
8m 0,5013 53 48 50 8,7000
8o 0,7467 46 5 43 6,8200
8p 0,6958 42 6 43 8,7700
DuP-697 0,5625 41 40 39 8,0000
Indomethacin 0,3505 48 44 45 6,0500
NS-398 0,5279 44 7 43 7,7000
SC-58125 0,4079 39 40 42 7,3000
5. Hasil dan pembahasan
Praktikum pharmacophore mapping ini menggunakan dua metode yaitu metode
LBDD (Ligan Based Drug Design) dan CBDD (Complex Based Drug Design). Tujuan dari
praktikum ini adalah agar mahasiswa mampu melakukan pemetaan fitur-fitur farmakofor
berdasarkan struktur 3D ligan dan kompleks protein-ligan. Harapan dari adanya praktikum
ini adalah ditemukan senyawa-senyawa hits yang dapat dijadikan alternatif pilihan molekul
obat yang dapat menghambat enzim siklooksigenase.
Enzim siklooksigenase (COX) merupakan enzim yang mengkatalisis pembentukan
prostaglandin, suatu mediator inflamasi, dan produk metabolisme asam arakhidonat (Ikawati
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).
Pada pemetaan fitur farmakofor menggunakan metode LBDD digunakan flp sebagai
molekul referensi untuk naproxen, meloxicam dan ibuprofen. Naproxen, meloxicam dan
ibuprofen merupakan obat-obat NSAIDs. NSAIDs (Non Steroid Anti Inflammatory Drugs)
merupakan obat yang mampu menghambat enzim siklooksigenase 1 (COX-1) dan
siklooksigenase 2 (COX-2) sehingga dapat menghambat sintesis prostaglandin dan
tromboksan. Mekanisme aksi dari naproxen, meloxicam dan ibuprofen adalah dengan
menghambat enzim sikooksigenase (COX) baik siklooksigenase 1 (COX-1) maupun
siklooksigenase 2 (COX-2) sehingga ketiga obat ini merupakan non-selective NSAIDs.
Ketiga NSAIDs ini digunakan sebagai ligan yang akan di-allignment dengan molekul
referensi. Molekul referensi yang digunakan adalah flp, flp (flurbiprofen) merupakan suatu
senyawa yang strukturnya mirip dengan naproxen, meloxicam dan ibuprofen sehingga dapt
digunakan sebagai molekul acuan.
Salah satu tahapan pada pemetaan fitur farmakofor menggunakan metode LBDD
adalah adanya flexible allignment antara ligan dengan molekul referensi. Flexible
allignment ini berfungsi untuk melihat kemiripan konformasi ligan dengan molekul referensi
dengan memberi batasan fitur-fitur apa yang akan ditumpangtindihkan. Dari hasil flexible
allignment dipilih konformasi ligan yang paling mirip dengan molekul referensi. Pemilihan
konformasi yang sesuai dilihat dari harga dS yang menyatakan 0,0000. dS menunjukkan
score allignment menghasilkan score terkecil seperti pada senyawa kiral. Sedangkan dU
adalah pengukuran kesamaan konfigurasi akan menghasilkan score yang kecil seperti pada
golongan kiral. Hasil allignment menunjukkan pada tiga senyawa yang dipilh nilai dS-nya
0,0000 memberikan hasil dU yang kecil pula. Harga dU untuk naproxen sebesar 0,0000,
meloxicam 0,7300 sedangkan ibuprofen 0,0000. Konformasi senyawa yang dipilih
kemudian dilakukan pemetaan fitur-fitur farmakofornya.
Gb. Naproxen, meloxicam dan ibuprofen hasil allignment
Pemetaan dapat dilakukan dengan dua cara yaitu dengan cara manual atau dengan
consensus. Pada metode manual fitur-fitur farmakofor ditentukan sendiri dengan memilih
atom-atom yang saling berhimpit, metode ini memberikan kebebasan terhadap fitur-fitur
farmakofor yang akan dipilih tetapi mebutuhkan ketelitian. Sedangkan pada metode
consensus fitur-fitur farmakofor telah ditentukan dari program sehingga sudah otomatis
mendeteksi atom-atom yang saling berhimpit. Sebelum dilakukan generate farmakofor perlu
tampilan senyawa perlu disederhanakan terlebih dahulu dengan mematikan fitur-fitur
proyeksi Don2, Acc2 dan PiN. Pharmacophore query yang terpilih ada 4 buah yaitu F1 :
Hyd│Aro, F2 : Aro│Hyd│Acc, F3 : Aro│Hyd│Acc│Don, dan F4 : Aro│Hyd.
Kemudian dilakukan generate untuk dipertahankan ke dalam pharmakophor query
untuk dilakukan penapisan terhadap dataset ligan JMC_1995_38_4570_selected.mdb.
Setelah dilakukan penapisan dari 33 molekul didapatkan 6 hits, 50 entries. Jumlah hits yang
didapatkan tergantung dari fitur farmakofor yang dipilih, semakin banyak dan semakin
berhimpit fitur-fitur farmokof yang dipilh maka akan semakin mirip dengan ligan sehingga
hanya sedikit molekul yang mirip karena batasannya terlalu banyak. Dari ligan yang telah
terseleksi didapatkan nilai RMSD, hitmap dan pIC50. Ligan dengan nilai RMSD yang
paling kecil menunjukkan bahwa ligan tersebut semakin mirip dengan molekul referensinya
sedangkan nilai pIC50 yang besar menunjukkan bahwa ligan tersebut memiliki daya hambat
yang besar terhadap enzim COX-2.
Dari hits-hits yang didapatkan diketahui bahwa indomethacin memiliki nilai RMSD
terkecil yaitu sebesar 0,3129 sedangkan 8l yang memiliki nilai pIC50 terbesar yaitu 8,7000.
Selain nilai RMSD dan pIC50 didapatkan juga data hitmap, data ini menunjukkan kemiripan
fitur farmakofor dengan ligan hasil penapisan.
Pada percobaan keempat dilakukan pemetaan fitur farmakofor dengan metode
complex-based. Pada metode ini pemetaan didasarkan dari informasi struktur 3D ligan-
protein. Pada percobaan kali ini menggunakan kompleks protein ligan 3NT1, 3NTB dan
3Q7D, komplek protein-ligan ini dapat diunduh pada www.pdb.org. Sebelum dapat
digunakan komplek ini perlu dipreparasi terlebih dahulu seperti dilakukan pemilihan protein
dan ligan yang sesuai. Pada 3NT1 dipilih protein 3NT1.A.OXIDOREDUCTASE dengan
residu NPS, NPS (Naproxen) merupakan ligan sebenarnya dari 3NT1. Sebenarnya 3NT1
memiliki ligan yang lainnya seperti BOG, CL, NAG, HEM tetapi hanya NPS-lah yang
merupakan ligan asli dari protein tersebut. Pada 3NTB dipilih protein
3NTB.A.OXIDOREDUCTASE dengan residu T1N, T1N ((2S)-2-[6-(methylsulfanyl)
naphtalen-2-yl] propanac acid) . 3NTB memiliki ligan yang lainnya seperti BOG, NAG,
HEM tetapi hanya T1N merupakan ligan asli dari protein tersebut. Sedangkan pada 3Q7D
dipilih protein 3Q7D.A.OXIDOREDUCTASE/OXIDOREDUCTASE INHIBITOR dengan
residu NPX, NPX (Naproxen) merupakan ligan sebenarnya dari 3NQ7D. 3NT1 memiliki
ligan yang lainnya seperti BOG, CL, NAG, HEM tetapi hanya NPX-lah yang merupakan
ligan asli dari protein tersebut. Tahap preparasi yang terakhir adalah protonasi terhadap
ligan dan protein, perlu diperhatikan tentang penomeran urutan asam amino. Pada umumnya
penomeran asam amino dimulai dari 33 ketika komplek protein-ligan tidak dimulai dari 33
maka dilakukan penyamaan urutan terlebih dahulu.
Setelah dilakukan preparasi masing-masing kompleks disimpan dan dibuka secara
bersamaan.file 1PXX.pdb dibuka kompleks protein-ligan ini digunakan sebagai referensi
untuk menentukan kemiripan dan kecocokan terhadap ketiga kompleks protein-ligan.
Kemudian dilakukan superposisi, dari hasil superposisi didapatkan bahwa nilai RMSD
sebesar 0,276Ȧ nilai ini cukup bagus karena nilainya cukup rendah. Pada tampilan SEQ
dapat dilihat kecocokan dan kemiripan antar senyawa.
Setelah itu kompleks protein-ligan 1PXX dihapus dan dilakukan perhitungan PLIF.
Ketiga kompleks diprepare terlebih dahulu untuk dilakukan scoring interaksi setiap
kompleks protein-ligan. Langkah ini dilakukan dua kali tanpa rebuild interaction dan dengan
rebuild interaction. Selanjutnya dilakukan generate untuk membangun fingerprint. Setelah
generate selesai dilakukan maka akan muncul display mode, pada display mode population
menampilkan histogram yang menunjukkan jumlah ligan yang berinteraksi dengan residu
sedangkan pada display mode ligand menampilkan struktur 2D ligan.
Pada panel PLIF terdapat query generator untuk untuk mengenerate pharmacophore
query berdasarkan frekuensi protein-ligand contact. Pada langkah ini didapatkan fitur
farmakofor Ani&Acc&ML. Kemudian diklik create untuk mengkonversi fitur-fitur
farmakofor ke dalam pharmacophore query. Setelah itu dilakukan pemetaan fitur-fitur
farmakofor sama pada percobaan LBDD. Dari hasil fitur farmakofor yang terpilih kemudian
dilakukan penapisan terhadap dataset ligan. Pada saat dilakukan pharmacophore search tidak
muncul adamya hits. Hal ini dikarenakan karena adanya fitur farmakofor ML (Metal
Ligation), fitur tidak dijumpai pada semua dataset ligand sehingga fitur ini perlu diganti.
Pada akhirnya fitur yang digunakan sebanyak tiga buah yaitu F1 : Aro│Hyd, F2 : Hyd│Acc,
F3 : Hyd. Kemudian dilakukan penapisan kembali terhadap dataset ligan sehingga
menghasilkan 32 hits dari 33 molekul yang ada. Ini menunjukkan bahwa hampir semua
dataset memiliki fitur farmakofor ini. Dari hasil penapisan farmokofor didapatkan
indomethacin, senyawa yang memiliki nilai RMSD terkecil sebesar 0,3505 sedangkan 7h,
senyawa yang memiliki nilai pIC50 terbersar yaitu 9,3000.
Secara keseluruhan dari penapisan fitur farmakofor pada metode ligand-based dan
complex-based pada dataset ligan yang sama terdapat beberapa persamaan dan perbedaan
hasil. Pada ligand-based didapatkan 6 hits sedangkan pada comlex-based sebanyak 32 hits.
Perbedaan jumlah hits yang muncul sangat signifikan, hal ini dimunhkinkan karena
perbedaan fitur farmakofor yang dipilih. Pada metode ligand-based fitur farmakofor yang
digunakan sebanyak empat buah sedangkan pada complex-based hanya tiga buah.
Perbedaan jumah fitur farmakofor yang digunakan dapat mempengaruhi jumlah hits karena
dapat mempengaruhi seberapa mirip hits yang kita inginkan dibandingkan dengan
molekul/ligan sebelumnya. Semakin ketat persyaratan fitur farmakofor yang kita terapkan
maka akan semakin susah kita mendapatkan hits.
Dari kedua metode tersebut didapatkan bahwa indomethacin adalah senyawa yang
memiliki nilai RMSD terkecil sehingga dapat dipastikan bahwa indomethacin memiliki
kemiripan struktur terhadap molekul referens dengan batasan fitur-fitur tertentu. Sedangkan
pada pIC50 terdapat perbedaan yaitu pada ligand based pIC50 terbesar dimiliki oleh 7m
sedangkan pada complex-based oleh 7h. Hal ini karena hits yang muncul pada ligand-based
dan complex-based berbeda. Hits-hits yang muncul saat penapisan dapat dijadikan alternetif
ligan yang dapat menghambat ektivitas enzim siklooksigenase.
6. Kesimpulan
1. Molekul referensi pada ligan-based adala flp (flurbiprofen) dengan ligan naproxen,
meloxicam dan ibuprofen
2. Pada complex-based digunakan kompleks protein-ligan 3NT1, 3NTB dan 3Q7D.
3. Fitur farmakofor yang terpilih pada ligand-based adalah F1 : Hyd│Aro, F2 :
Aro│Hyd│Acc, F3 : Aro│Hyd│Acc│Don, dan F4 : Aro│Hyd.
4. Fitur farmakofor yang terpilih pada complex-based adalah F1 : Aro│Hyd, F2 :
Hyd│Acc, F3 : Hyd.
5. Pada ligan based didapatkan 6 hits dengan nilai RMSD terkecil indomethacin dan nilai
pIC50 terbesar 7m.
6. Pada complex-based didapatkan 32 hits dengan nilai RMSD terkecil indomethacin dan
nilai pIC50 tebesar oleh 7h.
7. Daftar pustaka
Ehrlich, P., 1909, Ueber den Jetzigen Stand der Chemoteraphie. Ber. Dtsch. Chem. Ges, 42,
17-47
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
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
Wermuth, C.G. et al, 1998, Glossary of Terms Used in Medicinal Chemistry (IUPAC
Recommendation, 1997), Annu. Rep. Med. Chem, 33, 385-395.
Yang, S.Y., 2010, Pharmacophore Modelling and Applications in Drug Discovery :
Challenges and Recent Advances., Drug Discovery Today, 15, 444-450
8. Lampiran