BAB 3 METODOLOGI PENELITIAN 15
3.4 Pengukuran Kinerja
Dalam mengukur kinerja aplikasi molecular docking, ada tiga hal yang dijadikan parameter yaitu running time, speed up dan efisiensi. Untuk mengukur running time digunakan program time dan date yang tersedia dalam sistem operasi GNU/Linux. Sementara itu, persamaan untuk speed up dan efisiensi dihitung dengan menggunakan persamaan berikut n = Jumlah prosesor yang digunakan
22 BAB 4
HASIL PENELITIAN DAN ANALISIS
Bab ini membahas hasil dari penelitian yang dilakukan dan analisis terhadap hasil penelitian tersebut. Hasil dari penelitian ditampilkan dalam tabel dan grafik untuk mempermudah penafsiran.
4.1 Hasil Penelitian
Setelah melakukan percobaan pada PC Desktop dan cluster hastinapura diperoleh hasil mengenai kinerja Autodock 4.2 dan Autodock Vina 1.1. PC Desktop (Intel Pentium 4) penulis asumsikan sebagai mesin dengan 1 cpu.
Sementara setiap work node pada cluster hastinapura (AMD Opteron dual core), penulis asumsikan setiap work node sebagai mesin dengan 2 cpu.
Kondisi terakhir cluster hastinapura dapat dilihat melalui Gambar 4.1. Dari enam belas work node pada cluster hastinapura, hanya sebelas work node saja yang dapat digunakan. Satu node mati yaitu node03 (tidak muncul pada Gambar 4.1), satu node tidak bisa diakses karena perbedaan konfigurasi rsh yaitu node16 (tidak muncul pada Gambar 4.1), dan tiga nodes mengalami error pada konfigurasi SGE yaitu node08, node09 serta node10 (berwarna putih).
Gambar 4.1 Kondisi cluster hastinapura
23
Universitas Indonesia
Untuk membandingkan running time antara eksekusi secara serial dan paralel pada Autodock 4.2, penulis hanya menggunakan data sebanyak 1000 ligand karena Autodock 4.2 sangat memakan waktu. Sementara itu, penulis mencoba melihat tren dari perubahan jumlah sampel data yang digunakan pada Autodock Vina 1.1 dengan membandingkan waktu eksekusi secara serial dan paralel dengan data 1000, 2000, 3000, 4000, dan 5000 ligand. Keterbatasan waktu dan resource yang harus digunakan bersama-sama dengan dua orang rekan yang mengambil tugas akhir dengan topik yang sama membuat penulis terpaksa tidak menambah jumlah sampel data. Sementara itu, untuk menghitung speed up, penulis mengasumsikan bahwa cluster hastinapura memiliki total 22 cpu. Hasil percobaan dapat dilihat pada Tabel 4.1, 4.2 dan Gambar 4.2, 4.3 serta 4.4
Tabel 4.1 Perbandingan waktu eksekusi pada Autodock 4.2 Jumlah Data Waktu Eksekusi (menit)
Serial [1 cpu] Paralel [22 cpu]
1000 11783.3 456.72
Gambar 4.2 Perbandingan running time pada Autodock 4.2
11783,3
456,72
Serial Paralel
Autodock 4.2
1000
Universitas Indonesia
Tabel 4.2 Perbandingan running time pada Autodock Vina 1.1 Jumlah Data Waktu Eksekusi (menit)
Serial [1 cpu] Paralel [22 cpu]
Gambar 4.3 Perbandingan running time pada Autodock Vina 1.1
Gambar 4.4 Tren penambahan data pada serial job
2277,42
25
Universitas Indonesia
Gambar 4.5 Tren penambahan data pada parallel job
4.2 Analisis
Sebelum menganalisis hasil dari percobaan yang dilakukan, hasil percobaan yang dilakukan oleh The Scripps Research Institute (TSRI) dapat dilihat pada Gambar 4.6 berikut ini [18]
Gambar 4.6 Hasil percobaan The Scripps Research Institute [18]
1 77,43
159,5
292,27
406,8
509,8
1000 2000 3000 4000 5000
Autodock Vina 1.1
Paralel
521,85
8,41 1,16
Autodock 4.2 Vina 1.1 (1 cpu) Vina 1.1 (8 cpu)
The Scripps Research Institute
running time (menit)
Universitas Indonesia
Dengan menggunakan 190 data, TSRI menyatakan bahwa Autodock Vina 1.1 62 kali lebih cepat dibanding Autodock 4.2 pada pemrosesan 1 cpu, dan pemrosesan Autodock Vina 1.1 pada 8 cpu lebih cepat 7.25 kali dari 1 cpu.
Percobaan ini dilakukan pada mesin dengan prosesor Intel Xeon Quad2Core 2.66 GHz (mesin dengan 8 cpu) [18].
Dari Tabel 4.1 dan Gambar 4.2 bisa dilihat bahwa eksekusi job dalam molecular docking pada Autodock 4.2 secara paralel dalam cluster hastinapura mempercepat running time 25.79 kali. Hal ini dikarenakan eksekusi pada cluster hastinapura membuat job dibagi secara merata dan dijalankan secara paralel pada 11 mesin (22 cpu). Sementara itu, speed up dari parallel job pada cluster hastinapura untuk Autodock 4.2 adalah S22 = 25.79.
Dari Tabel 4.2 dan Gambar 4.3 bisa dilihat bahwa eksekusi job dalam molecular docking pada Autodock Vina 1.1 secara paralel dalam cluster hastinapura mempercepat running time 29.16 kali. Sementara itu, speed up dari parallel job pada cluster hastinapura untuk Autodock Vina 1.1 adalah S22 = 29.16.
Dari perhitungan speed up, dapat dilihat pula seberapa efisien kinerja kedua aplikasi. Efisiensi Autodock 4.2 pada cluster hastinapura adalah 117% dan Autodock Vina 1.1 adalah 133%. Dengan efisiensi 100%, sebuah aplikasi dapat dikatakan memiliki speed up yang linier dan dapat dikategorikan sebagai aplikasi yang cukup baik dalam konteks aplikasi paralel. Angka efisiensi lebih dari 100%
yang diperoleh diakibatkan perbedaan spesifikasi mesin yang digunakan dalam penelitian dimana mesin server tempat pemrosesan paralel memiliki kinerja yang lebih baik ketimbang mesin desktop tempat pemrosesan serial walaupun PC Desktop memiliki clock speed sedikit lebih tinggi. Akan tetapi, walaupun angka efisiensi diturunkan, penulis dapat menganggap efisiensi kedua aplikasi adalah mendekati 100%.
Sementara itu dengan membandingkan eksekusi Autodock 4.2 dan Autodock Vina 1.1 pada PC Desktop, terlihat bahwa Autodock Vina 1.1 dapat mengeksekusi molecular docking job 5.17 kali lebih cepat dari Autodock 4.2.
Sementara itu, hasil eksekusi molecular docking pada cluster hastinapura memperlihatkan bahwa Autodock Vina 1.1 dapat mengeksekusi 10.28 kali lebih cepat dibanding Autodock 4.2.
27
Universitas Indonesia
Hal selanjutnya yang dapat dianalisa adalah kecenderungan liniernya grafik ketika jumlah sampel data ditambah. Grafik tersebut memberikan informasi bahwa pertambahan jumlah sampel data berbanding lurus dengan running time dan tidak ada faktor seperti communication time yang mempengaruhi kinerja. Hal ini dikarenakan paralelisasi disini bukanlah membagi proses pada aplikasi melainkan membagi antrian job sehingga dapat dijalankan secara bersamaan.
Dengan tidak adanya faktor lain yang mempengaruhi, maka speed up dalam kondisi ideal karena speed up akan bertambah secara linier seiring pertambahan jumlah prosesor yang digunakan.
Hasil percobaan yang penulis lakukan menghasilkan angka yang berbeda dengan yang diperoleh TSRI pada bagian running time. Sementara pada speed up, cluster hastinapura memberikan speed up yang lebih baik dari mesin multicore yang digunakan TSRI. Hanya saja, kesimpulan mengenai speed up Autodock Vina 1.1 antara cluster hastinapura dengan mesin multicore TSRI tidak mutlak karena percobaan yang penulis lakukan tidak mampu mengukur kinerja Autodock Vina 1.1 pada lebih dari 2 cpu. Walaupun penulis menjalankan Autodock Vina 1.1 pada cluster, pada dasarnya Autodock Vina 1.1 tetap hanya berjalan pada 2 cpu tetapi dijalankan bersama pada 11 mesin. Hal ini juga yang menjadi future work TSRI, mereka ingin mengetahui bagaimana speed up dan efisiensi Autodock Vina 1.1 apabila dijalankan pada lebih dari 8 cpu pada satu mesin [18].
28 PENUTUP
Bab ini membahas bagian penutup dari laporan tugas akhir. Pada bagian ini disampaikan kesimpulan dari penelitian, kendala yang dihadapi dan juga saran-saran terhadap penelitian lanjutan di masa yang akan datang.
5.1 Kesimpulan
Setelah mendalami teori, proses dan melakukan percobaan penulis dapat mengambil beberapa kesimpulan, diantaranya
1. Teknologi cluster dan grid computing dapat membantu proses riset yang membutuhkan komputasi sumber daya kinerja tinggi dengan biaya yang relatif murah.
2. Aplikasi Autodock 4.2 dan Autodock Vina 1.1 cocok digunakan untuk riset akademis karena memiliki jaringan user yang cukup luas.
3. Aplikasi Autodock Vina 1.1 memberikan kemudahan bagi user dalam proses pre-docking.
4. Cluster hastinapura mempercepat proses molecular docking dibandingkan proses yang sama pada PC Desktop biasa.
5. Aplikasi Autodock Vina 1.1 lebih cepat dari Autodock 4.2 dalam melakukan molecular docking.
6. Cluster hastinapura dapat digunakan untuk riset-riset yang membutuhkan sumber daya komputasi kinerja tinggi.
29
Universitas Indonesia
5.2 Kendala
Kendala-kendala yang penulis hadapi selama melakukan proses penelitian dari tahap pendalaman materi sampai analisis hasil penelitian diantaranya
1. Pendalaman teori non-TI merupakan bagian paling sulit dan memakan waktu cukup banyak.
2. Cluster hastinapura tidak mendapat pasokan listrik yang stabil sehingga beberapa kali mati dan harus me-restart server.
3. Penggunaan resource hastinapura harus dibagi secara manual antara tiga orang karena keterbatasan waktu.
5.3 Saran
Ada beberapa saran yang dapat penulis sampaikan terkait riset molecular docking dan cluster hastinapura, diantaranya
1. Perlu adanya administrator khusus yang menangani cluster hastinapura.
2. Untuk user yang tidak begitu familiar dengan komputer, aplikasi Autodock Vina 1.1 memberikan banyak kemudahan. Oleh karenanya, penulis sangat menyarankan untuk penggunaan aplikasi ini dalam riset-riset ke depan.
3. Pengembangan aplikasi pendukung seperti aplikasi GUI yang membantu proses pre-docking, virtual screening maupun job submission sangat mungkin dilakukan oleh rekan-rekan mahasiswa di Fasilkom UI.
xv
[1] Foster, Ian, “Service-Oriented Science,” Science, 308 (5723), Mei 2005.
[2] Nazief, Bobby, “RI-Grid: Usulan Pengembangan Infrastruktur Komputasi Grid Nasional”, Prosiding e-Indonesia Initiative 2006, Bandung, Mei 2006.
[3] Namasivayam dan Gunther, “PSO@Autodock: A Novel Bio-Algorithm-Based Fast Flexible Docking Tool for Virtual Screening”, From Computational Biophysics to System Biology (CBSB07), Proceeding of the NIC Workshop 2007, Ulrich H. E. Hansmann, Jan Meinke, Sandipan Mohanty, Olav Zimmermann (Editor), John von Neumann Institute for Computing, Julich, NIC Series, Vol. 36, ISBN 978-3-9810843-2-0, pp, 239-241, 2007.
[4] Suhartanto, Heru. “Proposal Riset High Performance Computing”, http://telaga.cs.ui.ac.id/~heru/research/docking09/BagianProposal.pdf diakses pada 17 Juni 2010 pukul 14.06 WIB.
[5] Dwi Astuti A. dan M. Abdushshomad Elfaizi, “Bioinformatika:
Perkembangan, Disiplin Ilmu dan Penerapannya di Indonesia”, http://bebas.vlsm.org/v06/Kuliah/SistemOperasi/2003/50/Bioinformatika.pd f diakses pada 18 Mei 2010 pukul 20.07 WIB.
[6] Ilustrasi keterkaitan biologi dengan TI dalam bioinformatika, http://www.stat.purdue.edu/images/bioinformatics/Bioinformatics_doerge_0 80304%20%281%29-sm.jpg diakses 17 Juni 2010 pukul 11.32 WIB.
[7] Nair, Achuthsankar S., “Computational Biology & Bioinformatics: A Gentle Overview”, Communications of The Computer Society of India, Januari 2007.
[8] Thomas, Gareth, Fundamentals of Medical Chemistry, Chapter 3 An Introduction to Drug Discovery, Inggris: Wiley, 2003.
[9] Thomas, Gareth, Fundamentals of Medical Chemistry, Chapter 5 Computer Aided Drug Design, Inggris: Wiley, 2003.
[10] Website resmi Autodock 4.2, The Scripps Research Institute, http://autodock.scripps.edu/ diakses 7 Mei 2010 pukul 20.49 WIB.
xvi
[11] Molecular Docking antara dua molekul, http://fred.bioinf.uni-sb.de:4711/DFG-protein-protein-docking/DATA/dockingbeispiel.jpg diakses 17 Juni 2010 pukul 11.25 WIB.
[12] Miguel L. Teodoro, George N. Phillips Jr, dan Lydia E. Kavraki,
“Molecular Docking: A Problem With Thousands of Degrees of Freedom”, Proceeding of the 2001 IEEE International Conference on Robotics &
Automation, Seoul, Korea Selatan 21-25 Mei, 2001.
[13] Cornell WD, Cieplak P, Bayly CI, Gould IR, Merz KM Jr, Ferguson DM, Spellmeyer DC, Fox T, Caldwell JW, Kollman PA. "A Second Generation Force Field for the Simulation of Proteins, Nucleic Acids, and Organic Molecules". J. Am. Chem. Soc. 117: 5179–5197. 1995.
[14] Website resmi The Scripps Research Institute, http://www.scripps.edu/e_index.html diakses 17 Juni 2010 pukul 14.39 WIB [15] Diagram arsitektur Collaborative Molecular Environment, http://blogs.interknowlogy.com/downloads/rodneyguzman/tsri_20arch_20di agram.jpg diakses 17 Juni 2010 pukul 11.56 WIB.
[16] The Scripps Research Institute, “Tutorial Autodock 4.2”, http://autodock.scripps.edu/faqs-help/tutorial diakses 19 Juni 2010 pukul 10.29 WIB.
[17] Website resmi Autodock Vina 1.1, The Scripps Research Institute, http://vina.scripps.edu/manual.html diakses 7 Mei 2010 pukul 20.38 WIB.
[18] O. Trott, A. J. Olson, “Autodock Vina: Improving The Speed and Accuracy of Docking With A New Scoring Function, Efficient Optimization and Multithreading”, Journal of Computational Chemistry 31 (2010) 455-461.
[19] The Scripps Research Institute, “Tutorial Autodock Vina 1.1”, http://vina.scripps.edu/tutorial.html diakses 19 Juni 2010 pukul 10.29 WIB.
[20] J. Santoso, G.D Van Albada, Bobby A.A Nazief dan P.M.A. Sloot,
“Hierarchical Job Scheduling for Cluster of Workstation”, Proceeding of the 6th Annual Conference on the Advanced School for Computing and Imaging, pp. 99-105. ASCI, Delft, Belanda, Juni 2000.
[21] Fakultas Ilmu Komputer Universitas Indonesia, “Rancangan Infrastruktur inGRID”, Grid Computing Research Group, 19 Januari 2007.
xvii
Computing Research Group, http://grid.ui.ac.id/ingrid/clusters/hastinapura diakses 11 Mei 2010 pukul 19.50 WIB.
[23] Fakultas Ilmu Komputer Universitas Indonesia, “Arsitektur inGRID”, Grid Computing Research Group, http://grid.ui.ac.id/files/ingrid.png diakses 17 Juni 2010 pukul 19.45 WIB.
[24] Fakultas Ilmu Komputer Universitas Indonesia, “Manual penggunaan aplikasi dalam inGRID”, Grid Computing Research Group, http://grid.ui.ac.id/files/contoh-aplikasi.pdf diakses 17 Juni 2010 pukul 20.11 WIB.
[25] Website resmi ZINC Databases, ZINC Is Not Commercial, http://vina.scripps.edu/manual.html diakses 7 Mei 2010 pukul 20.38 WIB.
xviii LAMPIRAN A.
Tutorial Instalasi Autodock 4.2
Ada beberapa tahapan yang harus dilalui dalam melakukan instalasi dan konfigurasi Autodock 4.2 pada PC Desktop dan Cluster Hastinapura. Pada tutorial ini akan dijelaskan bagaimana cara menyiapkan mesin dengan aplikasi Autodock 4.2 sampai dapat digunakan untuk melakukan molecular docking.
1. Pra-syarat instalasi
Sebelum melakukan instalasi harus disiapkan dulu mesin yang akan digunakan. Untuk instalasi pada PC Desktop, sediakan PC Desktop dengan sistem operasi GNU/Linux dan pasang terlebih dahulu aplikasi Autodock Tools 1.5.2 yang termasuk dalam paket aplikasi MGL Tools 1.5.2. Perlu diperhatikan bahwa aplikasi Autodock Tools 1.5.2 membutuhkan kompilator phyton versi 2.5 yang sudah terpasang sebelumnya. Sementara itu untuk instalasi pada cluster hastinapura, sebelumnya diharapkan sudah memiliki akun untuk mengakses cluster.
2. Mengunduh Autodock 4.2
Aplikasi Autodock 4.2 dapat diperoleh pada situs resmi The Scripps Research Institute untuk aplikasi Autodock 4.2, http://autodock.scripps.edu/.
Unduh Autodock 4.2 versi source code untuk GNU/Linux. Mengkompilasi sendiri aplikasi Autodock 4.2 pada mesin perlu dilakukan karena versi executable dari Autodock 4.2 sering tidak cocok dengan mesin yang digunakan.
3. Memasang Autodock 4.2 pada mesin
Ekstrak berkas Autodock 4.2 yang telah diunduh pada mesin yang akan dipasang. Kemudian ikuti petunjuk pemasangan yang ada dalam berkas README dan INSTALL. Setelah kompilasi, jangan lupa untuk memasukkan lokasi dimana Autodock 4.2 dipasang pada PATH sistem operasi. Autodock 4.2 siap untuk digunakan.
xix Tutorial Instalasi Autodock Vina 1.1
Ada beberapa tahapan yang harus dilalui dalam melakukan instalasi dan konfigurasi Autodock Vina 1.1 pada PC Desktop dan Cluster Hastinapura. Pada tutorial ini akan dijelaskan bagaimana cara menyiapkan mesin dengan aplikasi Autodock Vina 1.1 sampai dapat digunakan untuk melakukan molecular docking.
1. Pra-syarat instalasi
Sebelum melakukan instalasi harus disiapkan dulu mesin yang akan digunakan. Untuk instalasi pada PC Desktop, sediakan PC Desktop dengan sistem operasi GNU/Linux dan pasang terlebih dahulu aplikasi Autodock Tools 1.5.2 yang termasuk dalam paket aplikasi MGL Tools 1.5.2. Perlu diperhatikan bahwa aplikasi Autodock Tools 1.5.2 memutuhkan kompilator phyton versi 2.5 yang sudah terpasang sebelumnya. Sementara itu untuk instalasi pada cluster hastinapura, sebelumnya diharapkan sudah memiliki akun untuk mengakses cluster.
2. Mengunduh Autodock Vina 1.1
Aplikasi Autodock Vina 1.1 dapat diperoleh pada situs resmi The Scripps Research Institute untuk Autodock Vina 1.1, http://vina.scripps.edu/. Unduh Autodock Vina 1.1 versi executable untuk GNU/Linux. Mengkompilasi sendiri aplikasi Autodock Vina 1.1 pada mesin tidak perlu dilakukan karena versi executable dari Autodock Vina 1.1 sudah cocok dengan mesin yang digunakan.
3. Memasang Autodock 4.2 pada mesin
Ekstrak berkas Autodock Vina 1.1 yang telah diunduh pada mesin yang akan dipasang. Kemudian ikuti petunjuk pemasangan yang ada dalam berkas README. Setelah kompilasi, jangan lupa untuk memasukkan lokasi dimana Autodock Vina 1.1 dipasang pada PATH sistem operasi. Autodock Vina 1.1 siap untuk digunakan.
xx LAMPIRAN B.
Tutorial Molecular Docking pada Autodock 4.2
Ada beberapa tahapan yang harus dilalui dalam melakukan molecular docking pada Autodock 4.2. Pada tutorial ini akan dijelaskan bagaimana cara menyiapkan berkas masukan sampai melakukan molecular docking dengan aplikasi Autodock 4.2.
1. Mengunduh subset multiple ligand
Data subset multiple ligand dapat diperoleh pada situs ZINC, http://zinc.docking.org/. Berikut ini adalah langkah-langkah yang harus dilakukan
- Masuk ke situs resmi ZINC
Gambar b.1 Tampilan situs resmi ZINC
- Pilih menu “Subsets” dan pilih kategori data, (misalkan) “By Property”
Gambar b.2 Menu” Subsets” pada situs ZINC
xxi
Gambar b.3 Menu “By Property” pada situs ZINC
- Unduh berkas dalam format mol2, (misalkan) 0, maka akan didapat berkas dengan nama 1_p0.0.mol.tgz
Gambar b.4 Menu “lead-like” pada situs ZINC
2. Mengunduh receptor
Berkas receptor dalam format *.pdb dapat diperoleh di situs resmi Protein Data Bank, http://www.pdb.org/.
xxii 3. Memproses multiple ligand
Dalam memproses subset multiple ligand, ada dua langkah yang harus dilakukan yaitu mengekstrak subset menjadi berkas-berkas ligand dalam format
*.mol2 kemudian memprosesnya kembali sehingga menjadi berkas dalam format
*.pdbqt. Berikut ini adalah langkah-langkah yang harus dilakukan - Mengekstrak subsets multiple ligand
Ekstrak berkas 1_p0.0.mol.tgz dengan aplikasi unzip hingga didapat berkas 1_p0.0.mol2 kemudian ektrak kembali berkas tersebut sehingga didapat ribuan berkas ligand dalam format *.mol2. Skrip untuk mengekstrak berkas dalam format *.mol2 dapat dilihat pada Kode sumber b.1 berikut ini
Kode sumber b.1 Skrip untuk mengekstrak berkas multiple ligand [16]
#!/bin/csh
#
# Ganti /path/to dengan absolute path dimana file berada cat /path/to/1_p0.0.mol2 | csplit -ftmp -n4 -ks -
'%^@.TRIPOS.MOLECULE%' '/^@.TRIPOS.MOLECULE/' '{*}'
# Mengganti nama seluruh molekul dengan identitas ZINC*
foreach f (tmp*)
- Memproses berkas ligand dalam format *.mol2 menjadi *.pdbqt
Untuk memproses berkas ligand dalam format *.mol2 menjadi *.pdbqt dibutuhkan modul phyton dari Autodock Tools 1.5.2 yang bernama
xxiii
yang dapat dilihat pada Kode sumber b.2 berikut ini
Kode sumber b.2 Skrip untuk mengubah ligand *.mol2 menjadi *.pdbqt
[16]
#Ganti /path/to dengan absolute path ke lokasi tempat aplikasi/skrip
#pythonsh merupakan aplikasi yang dimiliki oleh Autodock Tools 1.5.2
#berkas ligand_dict.py berisi kumpulan informasi mengenai ligand
for f in ZINC*.mol2;do echo $f
/path/to/pythonsh /path/to/prepare_ligand4.py -l $f -d /path/to/ligand_dict.py
Done
4. Memproses receptor dari *.pdb menjadi *.pdbqt
Untuk memproses berkas receptor dari berkas *.pdb menjadi *.pdbqt dibutuhkan aplikasi Autodock Tools 1.5.2. Berikut ini adalah langkah-langkah yang harus dilakukan
- Buka aplikasi Autodock Tools 1.5.2
Gambar b.5 Tampilan aplikasi Autodock Tools 1.5.2
xxiv
- Tampilkan molekul receptor pada Autodock Tools 1.5.2. Pilih File ->
Read Molecule -> /path/to/receptor.pdb
Gambar b.6 Tampilan molekul protein target (receptor)
- Tambahkan hidrogen ke dalam molekul receptor. Pilih Edit -> Hydrogen -> Add -> Polar Only -> OK
- Simpan molekul dalam format *.pdbqt. Pilih Grid -> Macromolecule ->
Choose -> receptor -> Select Molecule (simpan berkas dengan nama receptor.pdbqt)
Gambar b.7 Notifikasi dalam pembentukan receptor.pdbqt
xxv 5. Mempersiapkan AutoGrid Parameter Files
AutoGrid Parameter Files disiapkan dengan menggunakan Autodock Tools 1.5.2. Tahapan ini menghasilkan berkas yang siap dipetakan atas ligand menggunakan autogrid4. Keluaran dari tahapan ini adalah berkas *.gpf. Berikut ini adalah langkah-langkah yang harus dilakukan
- Setelah receptor disimpan dalam format *.pdbqt, simpan ulang receptor dalam format *.gpf. Pilih Grid -> Output -> Save GPF
- Buka berkas *.gpf. Pilih Grid -> Open GPF
- Buka pemetaan atom dalam berkas receptor. Pilih Grid -> Set Map Types -> Directly
Gambar b.8 Tampilan menu Map Types.
- Tambahkan pemetaan atas atom CL, F, S, dan BR dalam Map Types - Simpan berkas receptor dalam format *.gpf
6. Menghitung atomic affinity maps
Pemetaan yang sudah dilakukan pada receptor dan menghasilkan berkas receptor dalam format *.gpf harus dipetakan untuk setiap berkas ligand. Proses pemetaan ini dilakukan dengan cara menghitung atomic affinity maps pada berkas receptor dengan menggunakan aplikasi autogrid4. Tahapan ini akan menghasilkan berkas pemetaan dalam format *.glg, *.map, *maps.xyz dan *.maps.fld. Jalankan aplikasi autogrid4 dengan skrip berikut ini
Kode sumber b.3 Skrip untuk menghitung atomic affinity maps [16].
#!bin/csh
/path/to/autogrid4 –p receptor.gpf –l receptor.glg
xxvi 7. Mempersiapkan Docking Parameter Files
Menyiapkan docking parameter files untuk setiap ligand dibantu modul phyton dari Autodock Tools 1.5.2 yang bernama prepare_dpf4.py. Docking parameter files ini berisi informasi terkait ligand seperti jumlah atom, koordinat atom dan jumlah torsi aktif yang dimiliki yang sudah dipetakan ke dalam informasi pada receptor. Hasil dari tahapan ini adalah berkas docking parameter files dalam format *.dpf. Jalankan modul prepare_dpf4.py dengan skrip berikut ini
Kode sumber b.4 Skrip yang digunakan untuk menyiapkan berkas *.dpf [16].
for f in ZINC*.pdbqt;do name=`basename $f .pdbqt`
echo $name
/path/to/pythonsh /path/to /prepare_dpf.py –l $f –d /path/to/ligand_dict.py –l `basename $f` -r
receptor.pdbqt \
8. Melakukan molecular docking
Setelah Docking Parameter Files siap, salin keluaran dari aplikasi autogrid4 dan tempatkan pada folder yang sama dengan ribuan berkas ligand dalam format
*.dpf dan molecular docking siap dilakukan. Molecular docking dapat dijalankan secara serial pada satu mesin PC Desktop dan secara paralel pada cluster hastinapura. Berikut ini adalah langkah-langkah eksekusinya
- Serial
Jalankan aplikasi autodock4 dengan skrip berikut ini
Kode sumber b.5 Skrip pada Autodock 4.2 untuk pemrosesan serial job
[16].
time /path/to/autodock4 –p $b.dpf –l $b.dlg end
xxvii
Jalankan aplikasi autodock4 dengan skrip berikut ini
Kode sumber b.6 Skrip pada Autodock 4.2 untuk pemrosesan parallel job
[16].
./docking-paralel-script.csh
--- for f in ZINC*.dpf; do
b=`basename $f .dpf`
echo Processing ligand $b j=${b}.sh
d=`pwd`
echo "#! /bin/sh" > $j echo "cd $d" >> $j echo "date" >> $j
echo /path/to/autodock4 –p $b.dpf –l $b.dlg >
$b.stdout 2> $b.stderr" >> $j echo "date" >> $j
chmod +x $j
qsub -q all.q -cwd -m bea -M [email protected] $j done
xxviii LAMPIRAN C.
Tutorial Molecular Docking pada Autodock Vina 1.1
Ada beberapa tahapan yang harus dilalui dalam melakukan molecular docking pada Autodock Vina 1.1. Pada tutorial ini akan dijelaskan bagaimana cara menyiapkan berkas masukan sampai melakukan molecular docking dengan Autodock Vina 1.1.
1. Mengunduh subset multiple ligand
1. Mengunduh subset multiple ligand