Prediksi Mekanisme Kerja Obat Terhadap Reseptornya Secara in
Silico(Studi pada Antibiotika Sefotaksim)
Sovia Aprina Basuki, Neva Melinda
Program Studi Farmasi, Fakultas Ilmu Kesehatan, Universitas Muhammadiyah Malang, Jalan Bendungan Sutami 188 A Malang 65145, Indonesia.
soviaaprina@gmail.com
Abstrak
Interaksi obat dan reseptor merupakan hal penting untuk menghasilkan efek terapetik pada obat. Reseptor merupakan suatu protein spesifik yang terdapat dalam tubuh yang akan berinteraksi dengan obat atau metabolit obat. Pada umumnya ikatan obat-reseptor bersifat reversibel sehingga obat akan bekerja segera dan akan meninggalkan reseptor bila kadar obat dalam cairan luar sel menurun. Sefotaksim merupakan salah satu antibakteri sefalosforin generasi ketiga yang digunakan untuk perawatan infeksi seperti gonorrhoe, sinusitis akut, dan pneumonia. Sefotaksim merupakan hasil dari penghambatan dinding sel melalui ikatan pada penicillin-binding proteins.
Interaksi obat dengan reseptornya dapat diprediksi secara in silico dengan menggunakan perangkat lunak Molegro Virtual Docker. Metode ini dipilih karena untuk pengujian dengan metode in vitro dan in vivo memerlukan pengerjaan yang lebih mahal dan butuh waktu lama. Sehingga metode in silico dapat sebagai alternatif sekaligus pendukung metode yang lain. Sebelum dilakukan docking obat dan reseptor perlu dilakukan persiapan yaitu penyiapan senyawa dalam bentuk 3 dimensi dengan format SYBYL MOL2 (SYBYL2) dengan menggunakan perangkat lunak Chemdraw dan penyiapan reseptor sefotaksim dengan kode ID PDB. Dengan metode docking ini dapat diprediksi afinitas obat dan reseptornya, jenis ikatan, gugus farmakofor, dan asam amino pada reseptor yang berikatan dengan obat (Molegro, 2011).
Kata kunci : Reseptor, Sefotaksim, Docking
Pendahuluan
Infeksi merupakan masalah kesehatan yang banyak diderita oleh masyarakat terutama di negara berkembang. Infeksi nosokomial diantara jenis infeksi yang diderita masyarakat karena paparan dari Rumah Sakit. Prevalensi infeksi nosokomial dilaporkan dari rumah sakit di kawasan Timur Tengah 11,8%, Asia Tenggara 10,0%, Eropa 7,7%, dan Pasifik Barat 9,0% (WHO, 2002).
Banyak faktor yang dapat menyebabkan infeksi diantaranya mikroorganisme seperti bakteri, virus, parasit, atau fungi. Selain itu juga faktor meningkatnya pertumbuhan dan mobilitas penduduk dunia, kepadatan penduduk di kota-kota dengan sanitasi yang buruk, produksi makanan yang besar dan distribusi secara internasional, makanan yang tidak sehat, paparan manusia untuk vektor penyakit dan reservoir, dan perubahan ekologi yang mengubah komposisi dan ukuran serangga vektor dan reservoir hewan (Racaniello, 2004).
Obat yang umum digunakan untuk mengatasi infeksi adalah antibiotik. Antibiotik merupakan obat yang digunakan pada infeksi yang disebabkan oleh bakteri. Pemilihan antibakteri harus dilakukan secara rasional. Secara sederhana diartikan sebagai meresepkan obat yang tepat, dalam dosis yang adekuat untuk durasi yang cukup dan sesuai dengan kebutuhan klinis pasien serta dengan harga yang paling rendah (Ambawani and Mathur, 2006). Sedangkan menurut World Health Organization (WHO) Global Strategy, penggunaan antibiotik yang tepat adalah penggunaan antibiotik yang efektif dari segi biaya dengan peningkatan efek terapeutik klinis, meminimalkan toksisitas obat dan meminimalkan terjadinya resistensi. Sefotaksim merupakan salah satu antibakteri sefalosforin generasi ketiga yang digunakan untuk perawatan infeksi seperti gonorrhoe, sinusitis akut, dan pneumonia.
Gambar 1. Sefotaksim
Obat dapat memberikan efek terapetik dengan cara tanpa diperantarai reseptor (aksi obat non spesifik) atau dengan diperantarai reseptor (aksi obat spesifik). Kebanyakan obat bekerja secara spesifik melalui interaksi dengan reseptornya.
Reseptor merupakan suatu protein spesifik yang terdapat dalam tubuh yang akan berinteraksi dengan obat atau metabolit obat. Reseptor merupakan tempat molekul obat berinteraksi membentuk suatu kompeks yang reversibel sehingga pada akhirnya menimbulkan respon. Suatu senyawa yang dapat mengaktivasi sehingga menimbulkan respon disebut agonis. Selain itu senyawa yang dapat membentuk kompleks dengan reseptor tapi tidak dapat menimbulkan respons dinamakan antagonis. Sedangkan senyawa yang mempunyai aktivitas diantara dua kelompok tersebut dinamakan antagonis parsial. Pada suatu kejadian dimana tidak semua reseptor diduduki atau berinteraksi dengan agonis untuk menghasilkan respons maksimum, sehingga seolah-olah terdapat kelebihan reseptor, kejadian ini dinamakan reseptor cadangan merupakan komponen spesifik sel yang jika berinteraksi dengan agonis atau obat akan menghasilkan efek.
Pada umumnya, ikatan obat-reseptor bersifat reversibel sehingga obat segera meninggalkan reseptor bila kadar obat dalam cairan luar sel menurun. Ikatan yang terlibat pada interaksi obat-reseptor harus relatif lemah tetapi masih cukup kuat untuk berkompetisi dengan ikatan lainnya. Tipe ikatan kimia yang terlibat dalam interaksi obat reseptor antara lain adalah ikatan-ikatan kovalen, ion-ion yang saling memperkuat (reinforce ions), ion (elektrostatik), hidrogen, dan lain-lain.
Interaksi obat dan reseptor dapat diprediksi secara in silico menggunakan perangkat lunak Molegro Virtual Docker. Menurut IUPAC (International Union of Pure and Applied Chemistry)
in silico merupakan disiplin ilmu yang menggunakan metode matematika untuk menghitung sifat molekular atau untuk menstimulasi kelakuan sistem molekular (Waterbeemd et al., 1997). Dengan metode docking ini dapat diprediksi afinitas obat dan reseptornya, jenis ikatan, gugus farmakofor, dan asam amino pada reseptor yang berikatan dengan obat (Molegro, 2011).
Materi dan Metode
1. Perangkat Keras
Perangkat keras yang digunakan adalah laptop dengan processor Intel Core i3, operating system: Windows 7 Ultimate, memory 2048 MB RAM.
2. Perangkat Lunak
2.1. Molegro Virtual Docker v5.0
Perangkat lunak ini untuk memprediksi model yang mengikat ligand pada daerah yang dominan yang dikenal dengan protein pada struktur 3D (Molegro, 2011).
2.2. ChemDraw
ChemDraw merupakan salah satu program aplikasi dari Chem Office Ultra 2010 v12, diantaranya untuk menggambar struktur 2D dan 3D.
2.3. PDB (Protein Data Bank)
Protein data bank dapat diakses secara online di http://sg.pdb.org yang menyediakan informasi struktur 3D protein, asam nukleat, dan struktur kompleks RCSB PDB.
3. Bahan Penelitian
3.1. Format file SYBYL MOL2 (SYBYL2)
Format file SYBYL MOL2 (SYBYL2) adalah representasi portabel dari molekul SYBYL. SYBIL2 merupakan format penyimpanan dari ChemDraw 3D yang digunakan untuk mendukung proses docking menggunakan perangkat lunak MVD.
3.2. ID PDB
ID PDB merupakan kode reseptor yang dapat diperoleh dari Protein Data Bank yang terdiri dari 4 karakter (contoh: 3OCL).
4. Prosedur Pengujian Docking 4.1. Validasi Internal MVD
Validasi software Molegro Virtual Docker dilakukan dengan memasukkan kode PDB
reseptor dan dilakukan docking dengan memasukkan kode ligannya. Setelah selesai running dilihat nilai RMSD. Langkah tersebut dilakukan hingga diperoleh nilai RMSD kurang dari 2.0. 4.2. Docking Senyawa
Setelah selesai validasi MVD maka dilanjutkan docking kelompok-kelompok senyawa lain yang meliputi kelompok senyawa kontrol negatif, senyawa kontrol positif, dan senyawa uji terhadap reseptornya. Pada proses docking senyawa-senyawa tersebut, dicatat nilai rerank score yang paling kecil.
4.3. Analisis Hasil Docking
Validasi internal MVD dikatakan valid apabila Nilai RMSD yaitu Jarak rata-rata antara reference dengan ligan hasil docking atau poses yang kurang dari 2.0 (Sandra Megantara, 2014).
Analisis hasil uji docking meliputi nilai rerank score yang menunjukkan afinitas antara obat dan reseptor, gugus farmakofor menunjukkan gugus mana saja yang terdapat pada struktur obat yang berikatan dengan reseptor, dan jenis ikatan obat dengan reseptornya.
Hasil dan Pembahasan
Aktivitas antibakteri sefotaksim merupakan hasil dari penghambatan dinding sel melalui ikatan pada penicillin-binding proteins (PBPs). Berikut ini hasil docking obat sefotaksim dengan reseptor-reseptornyanya.
Gambar 2. Interaksi Sefotaksim dan Reseptor PBP 1 B_ (2XD1)
Ikatan obat dengan reseptor yang dominan adalah ikatan hidrogen, asam amino yang berikatan dengan gugus farmakofor adalah Alanine 499, Asparagine 518, Serine 460, Threonine 654, Lysine 651, Threonine 652, dan Serine 516.
Gambar 2. Interaksi Sefotaksim dan Reseptor PBP 1 A_ (3UDI)
Asam amino pada reseptor yang berikatan dengan gugus kromofor adalah Asparagine 489, Serine 470, Serine 434, dan Threonine 672.
Gambar 2. Interaksi Sefotaksim dan Reseptor PBP 2A_ (1MWU)
Asam amino yang berinteraksi dengan sefotaksim adalah Serine 403, Tyrosine 519, Asparagine 464, Serine 462, Serine 598, dan Tyrosine 446
Gambar 2. Interaksi Sefotaksim dan Reseptor PBP 3_ (5DF9)
Threonine 487, Arginine 489, Tyrosine 409, Asparagine 351, Serine 294, Serine 349, Lysine 484, dan Serine 485 adalah bagian reseptor yang berikatan dengan obat.
Untuk ikatan sefotaksim pada empat jenis reseptor di atas adalah ikatan hidrogen. Gugus kromofor pada obat yang bertanggung jawab terhadap efek terapetik adalah gugus amina primer aromatik, dan beberapa atom N dan O karbonil atau hidroksi.
Kesimpulan
Efek terapetik yang dapat dihasilkan oleh obat dapat diprediksi dengan metode docking menggunakan perangkat lunak Molegro Virtual Docker v5.0. Prediksi ini akan memudahkan untuk menjelaskan bagaimana sefotaksim dapat bekerja sebagai antibakteri. Selain itu juga dapat diketahui
afinitas antara obat dan reseptornya, jenis ikatan, gugus farmakofor, dan asam amino pada reseptor yang berikatan dengan gugus kromofor. Metode ini sangat berguna untuk memprediksi interaksi obat dan reseptor termasuk pada saat mendesain struktur obat baru.
Ucapan terima kasih
Penulis mengucapkan terima kasih kepada Fakultas Farmasi Universitas Airlangga atas diperkenankannya menggunakan Molegro Virtual Docker v5.0.
Daftar Pustaka
Ambwani S, Mathur AK., 2006. Rational Drug Use. Health Administrator XIX.
ChemDraw Ultra. 2013. http://www.cambridgesoft.com/ensemble_for_ Chemistry/chemdraw/. Diakses tanggal 7 Juli 2016.
Molegro Virtual Docker 5.0, 2011, Molegro Virtual Docker User Manual, http://clcbio.com/wp-content/uploads/2012/09/MVD_Manual.pdf, Diakses Tanggal 10 Juli 2016.
PubChem. 2004. https://pubchem.ncbi.nlm.nih.gov/about.html, Diakses tanggal 4 September 2016. Racaniello, R. Vincent., 2004. Emerging Infectious Diseases. JCI.
Siswandono., dan Soekardjo, B., 2008. Kimia Medisinal. Edisi ke-2. Cetakan ke-2. Surabaya : Airlangga University Press.
Van de Waterbeemd, H., Carter, R.E., Grassy, G., Kubinyi, K., Martin, Y.C., Tute, M.S., Willett, P., 1997. Glossary of Terms Uses in Computational Drug Design (IUPAC Recommendations 1997), P 1137.
