1
Kandungan Senyawa Sambiloto dan Jahe Terhadap Protein Target Covid-19 Menggunakan Docking Molekuler
Renno Ramadhani Ika Baruna1, Gandhi Barajana Vedha2, Lutfi Chabib*3 1,3 Prodi Farmasi, Fakultas Matematika dan Ilmu Pengetahuan Alam,
Universitas Islam Indonesia, Indonesia
2 Prodi Farmasi, Fakultas Farmasi, Universitas Setia Budi, Indonesia e-mail : *3 lutfi.chabib@uii.ac.id
Article Info Abstrak
Article history:
Submission April 2023 Accepted Mei 2023 Publish Mei 2023
Virus corona yang mewabah pada 2020 atau yang lebih dikenal sebagai covid-19 bukanlah merupakan virus fari family baru melainkan masih 1 fanily dengan virus SARS (Zhu et al. 2020). Penggunaan tanaman merupakan alternatif untuk pengobatan seperti kandungan dari jahe mampu sebagai antivirus (Chang et al 2013), sementara ekstrak sambiloto mampu sebagai imunostimulan dan sebagai antivirus (Churiyah et al 2014). Sehingga pada penelitian ini bertujuan mencari potensi senyawa jahe dan sambiloto untuk berinteraksi dengan protein dari corona yaitu 3Clpro dan Plpro serta mengevaluasi parameter farmakokinetik senyawa terpilih.
Menggunakan metode docking molekuler dengan software autodock dengan ligan uji dari 17 Senyawa dalam Jahe Asamenew et al. (2019) dan 16 senyawa sambiloto dalam penelitian Kumar et al. (2018). Hasil dipilih dengan memeprtimbangkan lowest binding energy dan num in clus. Hasil dilanjutkan dengna melihat interaksi ligan-protein menggunakan Discovery dan proteinplus selanjutnya senyawa dilakukan prediksi farmakokinetik dengan ADMETLab.
Hasil dari proses docking didapati 16 senyawa dari jahe dan sambiloto berperan memiliki interaksi dengan protein target. Senyawa dari jahe maupun sambiloto untuk berinteraksi dengan protein 3Clpro memiliki interaksi yang sama dengan ligan asli sementara pada protein Plpro hanya 5,8,2’-Trihydroxy- 7-Methoxyflavone dari sambiloto karena tipe interaksinya yang serupa dengan ligan asli. Senyawa untuk hasil prediksi farmakokinetik dari senyawa terpilih mendapati hasil beragam namun senyawa terbaik adalah 6-gingerol dari jahe dan Androgpraholide dari sambiloto karena potensinya.
Kata kunci :
Covid-19, jahe, sambiloto, docking
Ucapan terima kasih: Abstract
The corona virus that became pandemic in 2020 or well known as covid- 19 is not a new virus of the family but is still family of SARS virus (Zhu et al.
2020). The use of plants is an alternative for treatment such as the content of ginger as an antiviral (Chang et al. 2013), while sambiloto extract is capable of being an immunostimulant and as an antiviral (Churiyah et al. 2014). So that this study aims to find the potential for ginger and sambiloto compounds to interact with the proteins from corona, namely 3Clpro and Plpro and evaluate the pharmacokinetic parameters of selected compounds.
Using the docking molecular method with autodock software with test ligands of 17 compounds in Ginger Asamenew et al. (2019) and 16 sambiloto compounds in the research of Kumar et al. (2018). Results are selected taking into account the lowest binding energy and num in clus. The results were continued by observing the ligand-protein interaction using Discovery and
2 The results of the docking process found 16 compounds from ginger and sambiloto have a role in interacting with the target protein. The compounds from ginger and sambiloto to interact with the 3Clpro protein have the same interaction with the original ligand while the Plpro protein only 5,8,2'- Trihydroxy-7-Methoxyflavone from sambiloto because of the type of interaction that is similar to the original ligand. The compounds for the pharmacokinetic prediction of the selected compounds found mixed results but the best compounds were 6-gingerol from ginger and Androgpraholide from Sambiloto because of their potency.
Keyword :
Covid-19, ginger, sambiloto, docking
DOI …. ©2020Politeknik Harapan Bersama Tegal
Alamat korespondensi:
Prodi DIII Farmasi Politeknik Harapan Bersama Tegal Gedung A Lt.3. Kampus 1
Jl. Mataram No.09 Kota Tegal, Kodepos 52122 Telp. (0283) 352000
E-mail: parapemikir_poltek@yahoo.com
p-ISSN: 2089-5313 e-ISSN: 2549-5062
3 A. Pendahuluan
Sampai saat ini sumber dari corona virus masih menjadi pertanyaan, ada yang menduga virus ini berasal dari hewan mamalia seperti kelelawar yang ditularkan pada manusia [1].
Jumlah kasus virus corona atau Covid-19 hingga awal Juli 2020 menjad 11.416.559 kasus dan menyebabkan kematian sebesar 534.268 kasus.
Penelitian yang dilakukan oleh [2] pada pasien yang terjangkit corona virus salah satu rumah sakit di Wuhan, China. Hasil dari penelitian ini menunjukkan bahwa usia penderita pada awalnya berkisar antara 42-68 tahun atau usia lansia yang dikarenakan penurunan sistem imun, namun tidak memungkiri untuk usia muda juga mudah terjangkit, seperti yang terjadi pada kota Surakarta pada bulan April yaitu adanya kasus anak anak yang terjangkit covid 19. Beberapa tanda gejala yang muncul seperti demam, kelelahan, batuk kering, dan susah bernafas.
Sementara itu penelitian oleh [3] pada rumah sakit di Wuhan 27 Desember 2019 menunjukkan 3 dari beberapa pasien yang terinfeksi corona virus mengalami demam dengan suhu berkisar antara 37-38oC dan batuk dengan disertai rasa tidak nyaman pada dada, empat hari setelahnya yaitu tanggal 27 Desember 2019 batuk dan rasa tidak nyaman di dada semakin memburuk namun demam sudah mereda dimana pasien tersebut merupakan penjual di pasar Wuhan yang diduga sebagai tempat awal mula infeksi. SARS-CoV dari manusia secara genetik sama dengan SARS like Coronaviruses dari kelelawar didapatkan dari barat daya China terbentuk dari subgenus sarbecovirus, dari hasil didapatkan 2019-nCoV dimana virus yang menjadi penyebab pneumonia di Wuhan adalah merupakan novel betacoronavirus subgenus Sarbecovirus dari keluarga Coronaviridae.
Sementara itu penggunaan obat remdesivir menurut [4] disinyalir lebih baik dibandingkan dengan plasebo dalam mempersingkat waktu untuk pemulihan pada orang dewasa yang dirawat di rumah sakit dengan diagnose Covid-19 dan bukti infeksi saluran pernapasan. Sumber lain ada yang mengatakan bahwa beberapa negata mencoba HIV sebagai obat anti coronavirus (cnbcindonesia.com) sama seperti dahulu yang digunakan pada SARS [4]. Pencarian obat yang terbukti poten dan mampu sebagai antivirus dari covid 19 ini sampai sekarang masih gencar dilakukan penelitian dan hingga saat ini telah bermunculan penelitian mengenai pencarian obat untuk covid 19 ini. Karena perkembangan teknologi yang sudah maju beberapa penelitian yang sudah dilakukan berbasis
komputasi untuk mencari target protein pada covid 19 ini, diantaranya mencari sisi yang mampu menghambat(inhibitor) dari covid 19 ini.
Menurut Prof. Dr. Chaerul Anwar Nidom, drh., MS mengatakan infeksi corona ditangkal dengan kurkumin yang banyak terkandung dalam temulawak, jahe, kunyit, dan sereh yang dikonsumsi harian oleh masyarakat Indonesia (cnnindonesia.com). Penelitian yang dilakukan oleh [5] mengatakan bahwa tinjauan aktivitas antivirus dari kurkumin bisa menjadi kandidat karena kemampuan kurkumin untuk memodulasi berbagai target molekuler.
Kemampuan kurkumin juga dapat menekan edema paru dan jalur terkait fibrosis pada infeksi covid-19, kelebihan ini memiliki masalah terkait bioavailabilitasnya karena penelitian yang dilakukan oleh [6]
menunjukkan bahwa kurkumin yang diberikan dengan dosis 10 mg/kg secara IV lebih baik bioavailabilitasnya dibandingkan dengan oral dosis 500 mg/kg. Pemberian dosis kurkumin masih bisa ditingkatkan dengan ketentuan masih dalam batas range dosis tidak beracun [7]
Senyawa kurkumin dapat ditemukan pada tanaman jahe atau kunyit. Pemanfaatan jahe atau kunyit hanya digunakan sebatas obat bahan herbal atau dikonsumsi dalam makanan dan minuman yaitu sebagai penambah cita rasa dan rasa menghangatkan. Mathew dan Hsu (2018) [8] mengatakan bahwa senyawa kurkumin mampu mempunyai aktivitas lain yaitu sebagai antiviral (antivirus). Imanishi et al. (2006) [9]
membuktikan bahwa jahe yang seringkali dikenal sebagai tanaman tradisional yang mampu melawan perkembangan dari influenza.
Disisi lain penelitian yang dilakukan oleh [10] menunjukkan bahwa ada suatu senyawa dan turunannya dari ekstrak daun sambiloto (Andrographis paniculata) memiliki efek sebagai antivirus dengan virus yang dihambat adalah influenza, influenza menyebabkan gejala yang timbul pada saluran pernafasan sama seperti covid-19 yang menyerang pada target yang sama yaitu saluran pernapasan.
Bidang pengobatan penemuan obat coronavirus sangat diperlukan, namun pengembangan obat masih terkendala pengujian langsung kepada pasien atau hewan uji untuk menentukan potensi obat tersebut. Salah satu metode untuk membantu mencari senyawa yang poten sebagai obat adalah dengan metode in silico yaitu dengan metode docking molekuler, metode ini akan memperhitungkan gambaran molekul senyawa berinteraksi dengan protein target dengan
4 memprediksi konformasi dan melakukan
ranking dari ikatan energy bebasnya [11]. Proses penelitian berbasis docking molekuler juga mempertimbangkan faktor dari obat tersebut terutama pada faktor ADME dikarenakan obat yang baik adalah obat yang mampu diabsorbsi dengan baik sehingga efeknya mampu timbul.
Beberapa penelitian docking yang sudah ada selama masa pandemi covid-19 menggunakan senyawa aktif yang menjadi ciri khas dari tanaman tersebut dan menggunakan software Autodock Vina [12].
Penelitian ini bertujuan untuk mencoba melakukan proses docking molekuler dan mengetahui interaksinya menggunakan senyawa yang terkandung dalam tanaman jahe dan sambiloto yang umumnya mudah ditemui di Indonesia dengan protein target sebagai obat dari penyakit yang menjadi pandemic pada tahun 2020, yaitu coronavirus.
B. Metode Alat
Perangkat keras. spesifikasi perangkat keras yang digunakan adalah laptop HP dengan spesifikasi Processor Intel(R) i3-4005U @1.7GHz, Ram 6 Giga Byte. Hardisk 500 Giga Byte, kartu grafis intel (R) HD Graphic Family 3150 Mega Byte. Perangkat Lunak. perangkat lunak yang digunakan adalah Autodock 4, autodock tools 1.5.6, VegaZZ, PyMOL 3D Zalman, Marvinsketch.
Bahan
Struktur tiga dimensi ligan diunduh dari Protein Data Bank yang disimpan dalam format .PDB dan struktur senyawa yang diperloeh dengan membuat dari SMILES masing-masing senyawa
melalui website PubChem
(https://pubchem.ncbi.nlm.nih.gov/) dan dibuat menggunakan VegaZZ atau digambar menggunakan marvin lalu dibuat menggunakan VegaZZ.
Cara Kerja
Pemilihan target molekuler
Mencari target molekuler menggunakan Protein Data Bank dengan kata kunci pertama coronavirus dimana dengan kriteria target yang sudah diupload pada tahun 2020. Kata kunci kedua adalah protein inhibitor yaitu 6lu7 yang merupakan inhibitor dari 3Cl. Protein lain seperti ikatan antara spike protein dengan reseptor ACE2, dan 6xa4.
Pemilihan protein dari protein data bank mempertimbangkan faktor resolusi dengan nilai dibawah 3Å karena tingkat ketelitian protein yang berhasil dianalisis, ligan aslinya berjumlah satu jenis dan bukan protein kompleks yang besar namun sudah mampu berikatan dengan protein target, data protein yang didapat merupakan hasil X-Ray Difraction, dan percentile rank dengan banyak faktor rata kanan atau masuk zona biru karena terkait validasi dari protein dan ligan
.
Pembuatan senyawaSenyawa untuk target dibuat menggunakan bantuan SMILES maupun IUPAC dari nama senyawa, metodenya adalah dengan mencari nama senyawa pada PubChem lalu mencari poin 2 dimana aka nada SMILES atau IUPAC.
Pembuatan senyawa uji lain dapat dilakukan menggunakan MarvinSketch yaitu dengan cara menggambar struktur senyawa dan disimpan dalam format (.mol) dan format SMILES, hasil penggambaran selanjutnya dikonversi menggunakan Vegazz agar didapatkan format (.pdb) sehingga dapat dibuka pada Autodock tools.
Cara Kerja docking molekuler Preparasi target makromolekul.
Membuka software autodock 1.5.6 dan membuka protein target. Sebelumnya dilakukan penghilangan molekul air terlebih dahulu.
Menganalisa mana yang merupakan protein target dan ligannya. Apabila ligan sudah ditentukan maka ligan dipilih dan dilakukan write as pdb yaitu disimpan sendiri sebagai ligan. Tersisa makromolekul target lalu dilakukan penambahan hidrogen dan muatan, tahap terakhirnya disimpan sebagai protein target dengan format .pdbqt.
Preparasi ligan asli.
Hasil dari langkah sebelumnya dibersihkan terlebih dahulu, selanjutnya membuka ligan yang sudah dipisahkan sebelumnya dan dilakukan proses yang sama dengan protein target yaitu penamahan atom hydrogen dan muatan lalu disimpan sebagai ligan dengan format .pdbqt.
5 Validasi ligan pada protein target.
Proses ini diawali dengan membersihkan semua lalu membuka protein target dan ligan yang sudah berformat .pdbqt lalu diukur gridboxnya.
Setelah persiapan grid selesai dilakukan proses autogrid, hasil autogrid yang didapati digunakan untuk proses docking ulang antara ligan dengan protein target dengan pengulangan sebanyak 100 kali. Proses docking menggunakan autodock4.
Preparasi senyawa uji.
Hasil senyawa yang berhasil dibuat menggunakan VegaZZ yang tersimpan dalam format pdb dibuka menggunakan autodock 1.5.6 dan dilakukan preparasi sama seperti langkah diatas yaitu dengan menghilangkan molekul air, penambahan atom hydrogen, dan penambahan muatan. Hasil yang terbentuk disimpan dalam format .pdbqt.
Proses pembuatan grid.
Hasil preparasi dari protein target yang sudah berformat .pdbqt bisa dilakukan perbanyakan dengan cara copy paste pada masing masing folder senyawa target untuk memudahkan.
Protein target dan senyawa dibuka menggunakan autodock 1.5.6 dan dilakukan pembuatan grid dengan angka yang sudah ada pada validasi ligan dengan protein target. Lalu program grid disimpan dengan format .gpf dan dijalankan menggunakan bantuan autogrid4 dengan mekanisme CMD.
Ulangi untuk setiap senyawa uji.
Proses docking molekuler.
Hasil dari perlakuan grid tiap senyawa uji digunakan untuk proses docking, proses preparasi docking menggunakan software autodock 1.5.6 dengan cara membuka hasil grid, senyawa, dan protein target. Hasil dipersiapkan sebanyak 100kali pengulangan dan disimpan sebagai format .dpf. Menjalankan autodock4 dengan bantuan CMD dimana file yang dilakukan docking adalah file dengan format .dpf. Hasil yang tersimpan akan dalam format (.dlg)
Metode blind docking.
Blind docking merupakan docking dengan tujuan mengetahui letak potensi ligan pada suatu protein dengan menggunakan ukuran grid sebesar protein, dilakukan dengan menggunakan (https://dockthor.lncc.br/v2/). Protein yang dipilih berupa spike protein namun yang tidak berikatan dengan ACE2, ukuran grid disesuaikan sebesar protein. Ligan asli yang digunakan sebelumnya dibuat sama dengan pembuatan senyawa. Hasil dari blind docking adalah letak ligan yang sesuai dan mengikat asam amino sehingga selanjutnya dapat dilakukan proses validasi.
Analisa ikatan yang terbentuk.
Melihat dari hasil docking yang telah dipilih lalu dibuka sesuai urutan running yang memiliki ikatan paling baik, lalu disimpan dalam format .pdb dan dibuka menggunakan pymol, metode lainnya menggunakan bantuan proteinplus dengan cara sebelumnya membuat file dengan format .pdb lalu diunggah ke proteinplus.
Analisis Hasil Docking Molekuler Energi Ikatan
Hasil dari docking dengan format .dlg dibuka menggunakan software notepad dan dicari pada tabel Clustering Histogram. Pembacaan energi ikatan terbaik adalah pengulangan atau histogramnya yang terbanyak atau dapat dilihat pada Num In Clus. Hasil energi ikatan terbaik tiap senyawa dibandingkan dan dicari energi ikatan yang terbaik.
Data Interaksi
Hasil pemilihan energi ikatan yang terbaik untuk masing masing senyawa dilihat muncul pada run berapa. Membuka file hasil docking pada autodock 1.5.6 dan melakukan analisa docking dengan memilih sesuai run dari energi ikatan terbaik. Hasil tersebut lalu disimpan dan dibuka menggunakan software Discovery dan webtools proteinplus untuk mengetahui ikatan antara protein dengan senyawa uji. Dari hasil ini juga dapat mengidentifikasi ikatan antara senyawa uji dengan asam amino dari protein target.
Prediksi ADME
Senyawa yang sebelumnya memiliki energi ikatan terbaik merupakans senyawa yang dipilih, menggunakan bantuan webtool ADMETLab dengan cara membuat gambaran senyawa uji lalu melakukan running untuk mengetahui profil ADME dari senyawa tersebut.
Parameter yang diprediksi meliputi sifat fisikokimia seperti Log S, Absorbsi yaitu HIA(Human Intestinal Absorbtion), Distribusi dari senyawa tersebut seperti VD(Volume Distribusi) dan kemampuannya menembus sawar darah otak, metabolisme, dan eksresi yang meliputi klirens dan T1/
C. Hasil dan Pembahasan Preparasi Proses Docking Preparasi Ligan Uji
Preparasi ligan uji dari senyawa tanaman menggunakan software MarvinSketch yang merupakan alat untuk menggambar struktur kimia dan memvisualisasikan struktur kimia dan substruktur [13] MarvinSketch terbagi menjadi 2 yaitu secara lisensi atau trial, dalam penelitian ini menggunakan tipe trial yang bersifat terbuka untuk
6 pelajar. 17 Senyawa yang terdapat dalam Jahe
yang berhasil dianalisis oleh [14] dan 16 senyawa sambiloto dalam penelitian [15] dilakukan pengambaran struktur secara manual menggunakan MarvinSketch dengan menggunakan pembanding struktur dari jurnal maupun struktur dari PubChem. Pembuatan struktur 2 dimensi pada MarvinSketch memiliki keuntungan lain yaitu struktur yang digambar 2 dimensi akan disimpan dalam format (.mol) dan dapat digunakan untuk membuat SMILES dari masing masing senyawa yang nantinya dapat digunakan untuk membantu untuk mengambar struktur dalam prediksi profil farmakokinetik.
Konversi struktur dari proses sebelumnya menjadi struktur 3 dimensi menggunakan bantuan software Vegazz. Software vegazz digunakan dalam penelitian ini untuk mengubah format file dari mulanya berformat (.mol) menjadi format (.pdb), normalnya pembuatan file ligan dalam format (.pdb) dapat langsung dibuat melalui MarvinSketch, namun apabila menggunakan langsung dari Marvin ada kemungkinan terjadi kemungkinan error saat dibuka di Autodock tools 1.5.6 yang kemungkinan disebabkan error disaat pembuatan maupun dari faktor komputer, sehingga perlu dilakukan konversi melalui Vegazz. Kegunaan lain dari software Vegazz juga dapat digunakan untuk mengoptimasi ligan dengan energy minimization dengan tujuan mendapatkan konformasi terbaiknya karena torsi dari ligan yang relatif besar, sehingga nantinya dalam proses docking sudah mendapatkan konformasi terbaiknya. Penelitian ini tidak sampai melakukan mengoptimasi karena torsi dari ligan uji yang relatif kecil. Software Vegazz yang digunakan dalam penelitian ini adalah yang sudah berlisensi yaitu dengan cara meminta lisensi menggunakan email kepada pembuat sehingga nantinya diberikan kode lisensi dari software ini, walaupun sistemnya memberlakukan lisensi namun software ini merupakan software tidak berbayar.
1. Pemilihan dan Preparasi Protein Target Penelitian ini menggunakan 3 jenis protein yang berperan didalam coronavirus yaitu spike protein, 3Clpro, dan Plpro. Spike protein yang digunakan adalahh dengan kode 6M0J yang didapatkan dari protein data bank, pemilihan protein ini dengan mempertimbangkan ikatan yang terbentuk yaitu SARS-CoV-2 spike receptor- binding domain bound with ACE2, pemilihan ini untuk mengetahui asam amino dari protein spike yang memiliki fungsi berikatan dengan reseptor ACE2 pada manusia, untuk protein ini tidak
terdapat ligan asli dikarenakan ikatan yang terbentuk adalah protein dengan protein (protein spike dengan protein ACE2). Metode untuk mengetahui binding site dari protein ini adalah dengan cara blind docking yang mirip dilakukan oleh [16]
Protein kedua yang digunakan adalah Plpro, merupakan protein yang bertanggung jawab untuk pembelahan polipeptida virus coronavirus (CoV), PLpro juga bertanggung jawab untuk menekan respons imun bawaan inang (Freitas et al.
2020). Kode Plpro yang digunakan ada 2 jenis yaitu 6WX4 Crystal structure of the SARS CoV-2 Papain-like protease in complex with peptide inhibitor VIR251 dan 7JIT The crystal structure of Papain-Like Protease of SARS CoV-2 , C111S mutant, in complex with PLP_Snyder495. Kedua protein ini dipilih karena memiliki kesamaan yaitu Plpro dan resolusinya yang berada dibawah 2,5Å, protein dengan kode 7JIT memiliki interaksi yang sama dengan 6WX4 pada asam amino penting yang harus dihambat dengan cara diikat dengan ligan.
Sementara untuk protein 3Clpro dipilih karena berperan sebagai pembelah dan pembuatan poli-protein di 11 situs berbeda untuk menghasilkan berbagai protein non-struktural yang penting untuk replikasi virus (Qamar dkk 2020), menggunakan protein dengan kode 6LU7 The crystal structure of COVID-19 main protease in complex with an inhibitor N3 dan 6XA4 Crystal structure of the SARS-CoV-2 (COVID-19) main protease in complex with UAW241. Faktor yang dipertimbangkan dalam memilih kedua protein ini adalah nilai resolusinya yang berada dibawah 2,5Å dan metode dengan X-Ray Difraction. Pemilihan kedua protein ini juga karena memiliki ligan asli yang tidak terlalu besar seperti spike protein, alasan lain dalam protein 3Clpro dan Plpro menggunakan 2 protein adalah untuk protein cadangan apabila ketika dilakukan validasi didapati nilai RMSD diatas 2 sehingga tidak valid untuk digunakan dengan metode docking yang digunakan [17]
Validasi Docking
Proses validasi docking kali ini menggunakan bantuan software Autodock, software ini meliputi Autodock tools 1.5.6, Autodock4, dan Autogrid4. Autodock tools 1.5.6 merupakan software yang digunakan untuk preparasi dalam proses docking molekuler.
Software Autodock tools ini dapat digunakan untuk mengidentifikasi ligan asli dan protein atau makromolekul sehingga dapat dilakukan pemisahan dan disimpan secara terpisah dalam format (.pdb). Protein apabila hanya ditemukan 1
7 kode saja dan tidak ada kode ligan aslinya, maka
dapat diidentifikasi dahulu pada protein data bank untuk mengetahui kode dari ligan asli tersebut.
Proses persiapan untuk validasi docking meliputi penghapusan molekul air dilanjutkan dengan pemisahan antara ligan dengan protein, lalu masing masing bagian dilakukan penambahan hidrogen karena pada sistem tidak diketahui dan muatan lalu disimpan dalam format tersendiri sebagai ligan dan protein.
Hasil dari proses sebelumnya dibuka menggunakan software ini namun dalam kolom grid. Grid merupakan batasan untuk ligan berinteraksi dengan protein target. Umumnya ukuran grid disesuaikan dengan ligan asli dan dengan binding site, dalam grid dapat untuk mengetahui koordinat secara xyz dan ukuran grid untuk membatasi aktivitas ligan. Grid box merupakan syarat wajib untuk mampu menjalankan docking karena dalam proses autogrid4 akan menghasilkan beberapa parameter yang nantinya digunakan untuk berjalannya proses docking.
Hasil tahap grid dapat digunakan untuk persiapan docking, menggunakan protein dan ligan sebelumnya dilakukan pemilihan pada kolom docking dan dilakukan preparasi seperti menghitung number of evaluation yang berhubungan dengan ukuran atau torsi ligan asli, dikarenakan ligan asli dari protein berukuran dibawah 15 maka untuk number of evaluation ditetapkan sebagai default system, sementara jumlah run dilakukan seting sebanyak 100 kali.
Hasil preparasi akan tersimpan dalan format (.dlg) yang nantinya dijalankan mengunakan CMD lagi namun perbedaannya dengan proses grid adalah awalannya yaitu diubah menjadi Autodock4.exe dengan contoh sebagai berikut : Autodock4 : autodock4.exe –p Validasi.dpf –l Validasi.dlg.
Hasil dari validasi docking dilihat pada 2 faktor yaitu nilai cluster dan nilai RMSD yang merupakan simpangan dari interaksi ligan dengan protein sebelum dan sesudah dilakukan proses docking.
Validasi untuk protein 3Clpro dengan kode 6LU7 ditetapkan ukuran grid sebesar 60x60x60 dan koordinat grid pada -10,578, 11,071, 68,276.
Sementara pada protein 6XA4 dengan ukuran grid box 40x40x40 dan koordinat grid pada 9,249, 0,620, 20,891. Jumlah cluster atau potensi posisi ligan yang terbentuk pada protein kode 6LU7 adalah sebanyak 98 dari 100 kali sementara pada protein 6XA4 terdapat 25 dari 100 kali, nilai RMSD dari validasi protein kode 6LU7 adalah 3,10 sementara pada 6XA4 adalah 1,11. Nilai
RMSD ini dapat untuk menentukan hasil protein yang digunakan yaitu protein dengan kode 6XA4.
Protein yang telah terpilih beserta ligannya dilakukan pemisahan menggunakan bantuan Autodock tools 1.5.6 pada konformasi dengan energi ikatan terendah dan dengan cluster terbanyak karena merupakan potensi terbaiknya, hasil lalu disimpan dan dilakukan visualisasi, menggunakan bantuan software Dicsovery studio merupakan software untuk melihat hasil interaksi antara ligan dengan protein atau makromolekul, dengan format hasil penyimpanan Autodock tools 1.5.6 dalam format (.pdb). Software ini juga digunakan untuk melihat evaluasi jenis ikatan yang terbentuk antara ligan dengan makromolekul target, sementara untuk protein plus merupakan webtools milik Universität Hamburg, dimana memiliki kegunaan yang mirip dengan discovery namun berbasis web. Penggunaan dari kedua webtool ini untuk memastikan asam amino nomor berapa dan juga tipe interaksi yang terbentuk, pada protein plus menggunakan file berbasis format (.pdb) dari hasil penyimpanan Autodock tools 1.5.6. Interaksi yang terbentuk dari protein plus ini juga memiliki kemampuan untuk mengevaluasi ikatan yang terbentuk dengan ikatan hidrogen berupa garis putus-putus, ikatan hidrofobik dengan garis berwarna hijau. Hasil dari visualisasi proses validasi docking dibandingkan menggunakan kedua metode visualisasi ini, hasil interaksi antara ligan asli dengan asam amino dilakukan persamaan antara interaksi maupun urutan asam aminonya.
Hasil visualisasi dari validasi protein 3Clpro adalah sebagai berikut :
Gambar 1. interaksi ligan-makromolekul dengan protein sebelum validasi (kiri) dan sesudah (kanan) menggunakan Discovery Studio
8 Gambar 2. interaksi ligan-makromolekul
menggunakan poseview protein plus dengan protein sebelum validasi (kiri) dan sesudah (kanan)
Belum ada artikel yang menjelaskan secara rinci tentang protein 6XA4, sehingga digunakan artikel yang membahas tentang 6LU7. Menurut Jin et al (2020) asam amino yang memiliki kesamaan antara 6LU7 dan 6XA4 yang berperan dalam interaksi ini adalah Glu166A yang memiliki ikatan hidrogen dengan ligan dan asam amino His41A yang memiliki ikatan hidrofobik, hasil ini dibuktikan benar dengan hasil poseview dari proteinplus dimana asam glutamat166A berikatan hidrogen dengan ligan yang ditandai garis putus putus dan Histidin 41A berikatan hidrofobik dengan ligan yang ditandai dengan garis hijau, hasil yang sama juga pada Discovery Studio yang mendapati Glu166A berikatan secara hidrogen dengan ligan dan His41A yang berikatan dengan ligan. Nilai energi ikatan pada proses validasi antara ligan asli dengan makromolekul target didapatkan sebesar -6,58±0,18.
Protein target Plpro menggunakan protein dengan kode 6WX4 dan 7JIT, hasil validasi didapati pada protein 6WX4 menggunakan grid berukuran 50x50x50 dengan koordinat 7.748, - 27.233, -37.550, sementara pada protein 7JIT dengan grid berukuran 40x40x40 dan dengan koordinat 51,452, 33,056, -0,690. Jumlah cluster pada validasi 6WX4 didapati jumlah cluster sebanyak 58 dari 100 run, sementara pada protein 7JIT didapatkan cluster berkisar 1 hingga 2 cluster dari 100 run. Nilai RMSD dari protein 6WX4 sebesar 4,14 sedangkan pada 7JIT sebesar 1,68, energi ikatan terendah milik protein 7JIT dari validasi ini didapati sebesar 12,36±0,01, hasil dari validasi ini dipilih protein 7JIT untuk
digunakan.
Hasil visualisasi dengan bantuan software dan webtools maka dapat diambil beberapa protein penting yang berikatan diantaranya adalah :
Tabel 1. Asam amino pada protein PLpro
Posisi Ikatan hidrogen selain ikatan hidrogen Kristalografi Asp164A,
Tyr264A, Tyr 268A
Gly163A, Pro247A, pro248A Validasi
metode autodock
Asp164A, Tyr264A, Tyr 268A
Gly163A, Pro247A, pro248A
Validasi metode docking tidak dilakukan terhadap potein spike karena ukurannya yang terlalu besar, maka dilakukan proses berbeda pada protein spike. Metode blind docking dipilih karena protein ACE2 yang berikatan dengan protein spike sangat besar ukurannya, ditambah jarak antara satu asam amino penting dengan asam amino lain memiliki ukuran yang sangat jauh, sehingga dilakukan metode blind docking menggunakan
bantuan webtools Dockthor
(https://dockthor.lncc.br/v2/) metode ini dilakukan karena dalam menggunakan Autodock tools 1.5.6 pada spesifikasi laptop yang digunakan tidak mampu menjalankan grid dan terjadi error, Dockthor merupakan webtools untuk docking dengan menyediakan opsi blind docking, karena tidak terdapat ligan asli dari protein ini, maka digunakan ligan berupa hidroksiklorokuin untuk ligan pembanding (Amin dan Abbas 2020). Blind docking adalah metode untuk mengetahui potensi suatu senyawa terletak pada posisi tertentu, pada webtools DockThor menggunakan protein 6M0J karena sebelumnya telah diketahui merupakan protein spike yang berikatan dengan reseptor ACE2 pada protein data bank, pada metode blind docking ini menggunakna ligan hidroksiklorokuin dengan hasil ukuran grid box sebesar 40x40x40 dan dengan koordinat grid -31.1475, 30.188, 11.234, hasil ini dipilih karena grid box tersebut mencakup semua asam amino yang berperan didalam interaksi dengan ACE2.
Urutan asam amino pada DockThor sedikit berbeda dengan 6M0J dikarenakan pada DockThor urutan asam amino dimulai dengan angka 1, sementara pada protein 6M0J diawali dengan 333.
Perbedaan hasil ini menyebabkan untuk analisa asam amino ditambah 332 agar sesuai dengan 6M0J yang dibuktikan pada gambar 8 berikut ini.
9 Gambar 3. Perbandingan urutan asam amino 6M0J
DockThor dengan 6M0J pdb
Menurut [18] beberapa asam amino yang berperan di dalam interaksi antara spike dengan ACE2 adalah asam amino : Tyr449, Tyr453, Asn487, Tyr489, Gly496, Thr500, Gly502, Tyr505. Hasil blind docking menggunakan DockThor didapati adanya interaksi asam amino Tyr448(Tyr117) dan Tyr489(Tyr157) dengan metode visualisasi menggunakan discovery karena pada protein plus hasilnya tidak dapat dilakukan upload. Hasil dari Dockthor ini digabungkan menggunakan autodock 1.5.6 dan disimpan dalam format (.pdb) untuk selanjutnya divalidasi dengan autodock4 dengan grid hasil yang sama dengan posisi berinteraksi. Kegunaan DockThor disini adalah untuk mencari binding site atau tempat senyawa berikatan dengan protein dikarenakan sampai saat ini ligan untuk berinteraksi dengan protein spike yang berukuran kecil belum ada, kebanyakan ligan berupa protein seperti antibodi.
Proses blind docking ini membutuhkan komputer super dikarenakan prosesnya yang sangat kompleks dan berat.
Validasi menggunakan autodock4 diatur grid sebesar 50x50x50 dengan koordinat -43.554, 33.214, 3.223, hasil percobaan validasi dengan running sebanyak 10 kali didapati 7 cluster dimana energi ikatan terendahnya pada -5.00 namun dengan RMSD sebesar 4,28. Hasil validasi ini dilihat pola interaksinya dan dibandingkan menggunakan autodockvina untuk memastikan, pada autodockvina didapati dengan ukuran grid 20x20x20 yang sudah mencakup ukuran lokasi spike yang berikatan dengan ACE2.
Terdapat perbedaan residu asam amino yang terlibat dalam interaksi antara hidroksiklorokuin dengan protein, yang dihasilkan oleh DockThor, Autodock4, dan AutodockVina, pada Autodock4 hanya terdapat kesamaan 1 asam amino yaitu Tyr489 saja, sedangkan pada autodockvina terdapat kesamaan 1 protein yaitu Tyr449, namun ada protein lain yang berperan yaitu Tyr453, Gly496, dan Tyr505. Karena
penelitian ini lebih mengusung menggunakan metode autodock4 maka untuk protein spike tidak dilakukan dikarenakan hasil yang berbeda-beda, ditambah pada penelitian terkait spike protein belum ditemukan ligan yang berukuran kecil dan terbukti berpotensi, hasil yang berbeda-beda ini disebabkan karena ukuran spike protein yang sangat besar untuk dilakukan docking dengan ligan berupa zat aktif dari tanaman, penelitian yang telah muncul menyatakan untuk menghambat ikatan spike dengan ACE2 adalah dengan menggunakan antibodi maupun protein yang dibuat untuk menghambat spike berikatan, hal ini dipilih karena antibodi (protein) dan spike memiliki ukuran yang relatif besar sehingga memudahkan terjadinya interaksi dibandingkan dengan spike dengan senyawa dari tanaman yang ukurannya berbeda jauh
.
Docking Ligan Uji Protein Target 3Clpro
Metode docking dengan pengaturan parameter yang sudah dinyatakan valid pada tahap sebelumnya digunan untuk docking ligan uji. Data validasi sebelumnya digunakan untuk menentukan letak grid dari posisi ligan untuk berinteraksi, maka dalam proses docking menggunakan senyawa uji kali ini grid dari proses validasi, apabila senyawa berada diluar grid disaat preparasi diabaikan, karena pada dasarnya grid merupakan batasan dimana senyawa untuk berinteraksi. Sebanyak 17 senyawa yang terdapat dalam jahe dan 16 senyawa sambiloto yang telah dibuat dalam proses sebelumnya dilakukan preparasi untuk dapat digunakan menjadi ligan menggunakan Autodock tools 1.5.6, setiap senyawa dilakukan proses docking sebanyak 100 kali run dengan replikasi sebanyak 3 kali, parameter lain yaitu number of evaluation ditetapkan dalam medium karena torsi senyawa yang terkait dengan struktur senyawa yang tidak terlalu kompleks karena rata rata torsi berkisar dalam rentang 10-15. Hasil dari proses docking senyawa ini dianalisis energi ikatan terendah dengan mempertimbangkan faktor num in clus yang merupakan potensi kembalinya posisi senyawa dalam cluster tersebut, apabila energi ikatan yang rendah namun num in clus juga rendah maka tidak diambil karena potensinya untuk terjadi lagi yang rendah, hasil dari evaluasi ini diambil sebanyak 5 senyawa tiap masing masing yang memiliki energi ikatan terendah.
6-Gingerol.
10 Senyawa 6-gingerol sering digunakan
dalam proses skrining potensi suatu tanaman, karena 6-gingerol merupakan salah satu kandungan yang menjadi ciri khas jahe selain 6- shogaol, senyawa 6-gingerol ini termasuk pada lima senyawa terbaik dan berada pada peringkat ke lima karena energi ikatan sebesar -6,79±0,15 pada potensi num in clus 35, nilai energi ikatan ini mirip dengan penelitian docking lainnya seperti milik Lakmiani et al. (2020) dengan nilai energi ikatan untuk 6-gingerol pada protein 3Clpro sebesar - 6,32. Interaksi yang terbentuk mirip dengan ligan asli yaitu ikatan pada asam amino Glu166 ikatan hidrogen dan pada His41 ikatan hidrofobik yang serupa dengan ligan aslinya.
Protein Target Plpro
Data dari proses validasi sebelumnya mendapati nilai koordinat grid sesuai dengan ligan asli sehingga dalam proses docking menggunakan senyawa uji nilai grid ditetapkan sama dengan proses hasil validasi dengan mempertimbangkan nilai RMSD terbaiknya. Senyawa uji masih sama menggunakan 17 senyawa dari jahe dan 16 senyawa dari sambiloto, semua senyawa dipreparasi sebelumnya dengan menghilangkan air dan menambahkan hidrogen. Prosedur yang dilakukan sama dengan protein target sebelumnya yaitu dengan 3 kali pengulangan dan tiap kali run sebanyak 100 kali run. Hasil dari docking dengan senyawa ini dievaluasi nilai energi bebas ikatannya dengan mempertimbangkan faktor num in clus dari nilai energi bebas ikatan terbaik dan diambil masing-masing 5 senyawa tiap tanaman, senyawa terbaik yang memiliki energi bebas ikatan yaitu : 5-Acetoxy1,7-bis(4-hydroxy-3-
methoxyphenyl)heptan-3-one.
Merupakan
senyawa dari jahe pertama dengan nilai energi bebas ikatan terbaik nomor dua dari kelima senyawa dengan energi bebas ikatan terbaik, memiliki nilai energi bebas ikatan sebesar -7,8±0,14, namun senyawa ini memiliki potensi kembali yang kurang baik dari semua senyawa uji yaitu dengan nilai num in clus hanya sebesar 12 dari 100 kali run. Pola interaksi yang terbentuk sedikit berbeda dengan ligan asli yaitu ikatan hidrogen pada Asp164A, Tyr264A, Tyr 268A dan ikatan hidrofobik Gly163A, Pro247A, pro248A. Hasil docking didapati ikatan yang terbentuk menjadi ikatan hidrofobik semua dengan asam amino yang terlibat adalah Tyr164A, Tyr264A, Tyr 268A, Gly163A,
Pro247A, Pro248A. Hasil perbedaan terletak pada asam amino Tyr164A, Tyr264A, Tyr 268A dimana pada ligan asli seharusnya memiliki ikatan hidrogen namun pada ligan uji didapati ikatan hidrofobik. Nilai energi bebas ikatan yang dihasilkan cukup rendah dikarenakan banyaknya ikatan hidrofobik
yang terdeteksi.
Gambar 4. Perbandingan interaksi 5-Acetoxy1,7- bis(4-hydroxy-3-methoxyphenyl)heptan-3-one dengan ligan asli
Prediksi Farmakokinetik
Proses prediksi farmakokinetik menggunakan bantuan ADMETlab yang merupakan webtools atau web platform yang memiliki kegunaan untuk mengevaluasi nilai farmakokinetik dari suatu senyawa, pada webtools ini memiliki referensi pembanding untuk hasil setiap nilai parameter. Senyawa yang terpilih dari hasi proses docking sebelumnya dilakukan evaluasi, proses evaluasi berupa mengubah struktur senyawa awal menjadi format (.SMILES) dengan menggunakan bantuan software Marvinsketch lalu dibuka menggunakan bantuan notepad agar muncul format dasarnya lalu digunakan untuk membuat file berformat (.sdf) menggunakan bantuan webtools dari referensi
ADMETLab yaitu
http://www.scbdd.com/convert/convert/. Hasil perubahan format (.SMILES) menjadi (.sdf) lalu digabungkan dari setiap senyawa menjadi 1 file yang sama menggunakan bantuan notepad dan disimpan dalam format yang sama [19]. Prediksi profil farmakokinetik pada webtool ADMETLab dilakukan pada masing masing parameter dimana hasil dari pembacaan dapat langsung muncul dari semua senyawa yang terpilih, beberapa hasil pembacaan prediksi farmakokinetik sebagai berikut :
11 Parameter Fisikokimia
Parameter ini menyangkut terkait kemampuan suatu senyawa untuk terlarut, digunakan dalam formulasi suatu sediaan agar dapat melarutkan seluruh senyawa. Parameter yang diprediksi untuk fisikokimia disini adalah LogS tentang kelarutan, LogD koefisien distribusi, dan LogP koefisien partisi. Hasil dari prediksi profil farmakokinetik berupa LogS adalah : Tabel 2. Hasil prediksi Fisikokimia
No Senyawa logS logD logP
1
5-Acetoxy1,7-bis(4- hydroxy-3- methoxyphenyl)heptan-
3-one
-4,945 1,043 3,571
2 6-Gingerdiol -3,462 1,11 3,026
3 6-Gingerol -3,72 1,134 3,234
4 5-Acetoxy 6-gingerdiol -4,522 1,034 3,596 5 Methyl-5-acetoxy-6-
gingerdiol -4,731 1,118 3,987
6 6-Shogaol -4,287 1,357 4,039
7 1-Dehydro-6-
gingerdione -4,371 1,141 4,005
8 1-Dehydro-8-
gingerdione -4,409 1,351 4,303 9 Deoxyandrographolide -3,98 2,947 3,136 10 Andrographolide -3,453 2,007 1,963 11 Neoandrographolide -3,593 2,42 1,845 12 5-Hydroxy-7,2',6'-
Trimethoxyflavone -3,927 1,039 3,191
13 5,7,2',3'-
Tetramethoxyflavanone -4,504 1,355 3,428 14 Bisandrographolide C -5,104 3,864 5,528 15 5,8,2’-Trihydroxy-7-
Methoxyflavone -3,539 0,675 2,585 16 Skullcapflavone I -3,504 0,954 2,888
Hasil dari prediksi nilai LogS dari semua senyawa terpilih dengan menggunakan bantuan webtools ADMETLab, hasil ini diberikan syarat yang baik yaitu memiliki nilai LogS lebih rendah dari -4, maka dari hasil tersebut beberapa senyawa bersifat susah larut seperti 6-gingerol, Andrographolide, Neoandrographolide, 5,8,2’- Trihydroxy-7-Methoxyflavone, Skullcapflavone I karena nilai LogS lebih rendah dari -4 sementara senyawa lain diprediksi memiliki kelarutan yang baik.
Prediksi nilai LogD dibandingkan dengan parameter dari ADMETLab maka nilai <1 berupa kelarutan tinggi, permeabilitas rendah dan proses metabolisme yang lama, 1-3 kelarutan dan
permeabilitas menengah sementara metabolisme rendah, 3-5 kelarutan yang rendah namun permeabilitas dan metabolisme yang tinggi, kelarutan yang dimaksud dalam distribusi pada pH 7,4. Senyawa yang terpilih termasuk kedalam golongan kelarutan dan permeabilitas menengah namun metabolisme yang rendah, berbeda kasus dengan senyawa Bisandrographolide C yang tergolong pada senyawa dengan kelarutan rendah namun permeabilitas dan metabolisme yang tinggi sementara senyawa 5,8,2’-Trihydroxy-7- Methoxyflavone, Skullcapflavone I merupakan senyawa yang memiliki kelarutan yang tinggi namun permeabilitas dan proses metabolisme yang rendah.
Prediksi LogP dari senyawa terpilih rata- rata senyawa tersebut tergolong ke senyawa yang bersifat kelarutan air yang buruk karena nilainya berada diatas 3, namun berbeda kasusnya untuk senyawa Andrographolide, Neoandrographolide, 5,8,2’-Trihydroxy-7-Methoxyflavone, dan Skullcapflavone I karena keempat senyawa ini tergolong pada senyawa yang optimal yaitu mampu memiliki kelarutan yang baik pada lipid bilayer maupun air karena nilai LogP berada pada 0<LogP<3, namun nilai dari LogP ini sudah sesuai dengan lipinsky rule of 5 dimana salah satunya adalah nilai LogP sebaiknya berada dibawah 5.
Absorbsi
Parameter yang diamati di absorbsi berupa P-gp substrat dan HIA. P-glikoprotein (P-gp) secara fungsinya diekspresikan dalam epitel usus, bersama dengan metabolisme usus, merupakan bagian penting dari fungsi penghalang biokimia dari mukosa usus, bertanggung jawab untuk membatasi ketersediaan hayati beberapa obat setelah asupan oral. Apabila suatu senyawa berpotensi sebagai substrat maka berpotensi untuk mengaktifkan enzim atau protein tersebut, begitu pula pada P-gp substrat, apabila suatu senyawa memiliki potensi sebagai substrat hasil yang terjadi adalah senyawa tersebut berpotensi untuk menghambat proses absorbsi dari obat maupun senyawa senyawa yang lain. Prediksi menggunakan ADMETLab dari senyawa terpilih dikategorikan sebagai senyawa yang tidak berpotensi sebagai P-gp substrat karena hasilnya berada mendekati 0, sementara senyawa yang berpotensi sebagai P-gp substrat adalah senyawa dengan nilai probabilitynya mendekati 1, hasil tersebut dapat dilihat pada tabel berikut ini.
12 Tabel 3. Hasil prediksi Absorbsi
No Senyawa Category
(pgp subs)
Category (HIA)
1
5-Acetoxy1,7-bis(4- hydroxy-3- methoxyphenyl)heptan-
3-one
0 1
2 6-Gingerdiol 1 1
3 6-Gingerol 0 1
4 5-Acetoxy 6-gingerdiol 0 1
5 Methyl-5-acetoxy-6-
gingerdiol 0 1
6 6-Shogaol 0 1
7 1-Dehydro-6-
gingerdione 0 1
8 1-Dehydro-8-
gingerdione 0 1
9 Deoxyandrographolide 0 0
10 Andrographolide 0 0
11 Neoandrographolide 0 0
12 5-Hydroxy-7,2',6'-
Trimethoxyflavone 0 1
13 5,7,2',3'-
Tetramethoxyflavanone 0 1
14 Bisandrographolide C 0 0
15 5,8,2’-Trihydroxy-7-
Methoxyflavone 0 1
16 Skullcapflavone I 0 1
Paramter yang diprediksi selanjutnya adalah kemampuan absorbsi obat tersebut didalam saluran cerna atau dalam ADMETLab dikenal sebagai parameter HIA (Human Intestinal Absorption), parameter ini dinilai penting apabila senyawa ini akan diformulasikan sebagai obat oral karena proses absorbsinya banyak terjadi di saluran cerna. Hasil prediksi akan tergolongkan menjadi 2 yaitu HIA 0 yaitu tidak berpotensi diabsorbsi pada saluran cerna atau HIA 1 yaitu berpotensi diabsorbsi pada saluran cerna manusia, hasil dari prediksi senyawa terpilih beragam, banyak senyawa yang berpotensi diabsorbsi pada saluran cerna, namun untuk senyawa andrographolide dan sejenisnya seperti Deoxyandrographolide, Neoandrographolide, dan bisandrographolide C tidak bisa dikarenakan nilai HIA 0 sehingga memiliki potensi rendah absorbsi didalam saluran cerna. Penelitian milik Panossian et al (2000) mengungkap kemungkinan absorbsi dari senyawa Andrographolide dalam pemberian oral maupun intravena dimana pada pemberian oral sebanyak 91% dari senyawa mampu tersebar kedalam aliran darah, maka kemungkinan potensi absorbsinya yang baik. Prediksi farmakokinetik hanyalah
sebatas prediksi kemampuan senyawa tersebut sehingga memerlukan uji langsung untuk membuktiannya.
Distribusi
Prediksi profil distribusi dari obat tersebut meliputi PPB (Plasma Protein Binding) dengan tujuan mengetahui potensi keterikatan senyawa terhadap protein, tujuannya mengetahui berapa persen senyawa yang berikatan dengan protein plasma, apabila dalam jumlah yang besar akan sebanding dengan penurunan efek dikarenakan obat yang aktif adalah obat yang bebas dan tidak terikat dengan protein plasma. Hasil dari prediksi profil PPB dari senyawa terpilih rata rata berada diangka 70-80%, hanya senyawa Deoxyandrographolide dan 6-shogaol saja yang memiliki nilai terikat dengan protein plasma sebesar 90%. Hasil prediksi ini menyatakan bahwa senyawa terpilih berikatan dalam jumlah normal dengan protein plasma sehingga masih berpotensi terjadinya senyawa yang bebas dan dapat menimbulkan efek terapetik.
Tabel 4. Hasil prediksi Distribusi
No Senyawa PPB VD Category
(BBB)
1
5-Acetoxy1,7-bis(4- hydroxy-3- methoxyphenyl)heptan-
3-one
88.322 -
0.501 1
2 6-Gingerdiol 84.101 0.301 1
3 6-Gingerol 88.122 0.175 1
4 5-Acetoxy 6-gingerdiol 84.158 0.031 1 5 Methyl-5-acetoxy-6-
gingerdiol 86.108 0.052 1
6 6-Shogaol 90.024 0.281 1
7 1-Dehydro-6-
gingerdione 89.674 -
0.042 1
8 1-Dehydro-8-
gingerdione 89.482 -
0.055 1 9 Deoxyandrographolide 90.886 -
0.155 1
10 Andrographolide 80.363 -
0.253 1 11 Neoandrographolide 72.039 -
0.452 0 12 5-Hydroxy-7,2',6'-
Trimethoxyflavone 82.476 - 0.153
1
13 Metabolisme
Prediksi nilai metabolisme dari senyawa terpilih adalah menggunakan parameter CYP1A2 inhibitor, CYP2C19 inhibitor, CYP2C9 inhibitor, CYP2D6 inhibitor, CYP3A4 inhibitor. Pemilihan paramter ini dirasa penting karena merupakan bagian dari kelompok enzim pemetabolisme obat sitokrom P450 (CYP) (Thorn et al. 2012). Apabila suatu senyawa berpotensi menghambat proses metabolisme maka senyawa tersebut akan memperlambat metabolisme dari obat atau senyawa lain apabila digunakan secara bersamaan sehingga dapat mempengaruhi efek apabila pemberian senyawa ini dilakukan bersamaan dengan penggunaan obat lain [20]. Hasil dari prediksi metabolisme dapat dilihat pada tabel berikut, dengan hasil apabila termasuk kategori 1 maka senyawa tersebut berpotensi menghambat sitokrom P450, sementara bila nilainya 0 maka senyawa tersebut tidak berpotensi menghambat enzim untuk metabolisme obat. Hasil tersebut bernilai baik untuk senyawa Andrographolide karena tidak memiliki potensi menghambat enzim P450, sementara untuk senyawa 6-gingerol yang menjadi marker jahe sedikit berpotensi menghambat dikarenakan memiliki dua hasil yang berpotensi menghambat, perlu diperhahtikan juga seperti senyawa Methoxyflavone karena memiliki potensi menghambat yang cukup besar dikarenakan hampir keseluruhan hasilnya bernilai 1 atau berpotensi.
Tabel 5 . Hasil prediksi Metabolisme
Senyawa
Category (CYP1A2 Inhibitor)
Category (CYP3A4)
Category (CYP2C9)
Category (CYP2C19)
Category (CYP2D6
) 5-Acetoxy1,7-bis(4-
hydroxy-3- methoxyphenyl)heptan-3-
one
0 0 0 0 0
6-Gingerdiol 0 0 0 0 1
6-Gingerol 0 1 1 0 0
5-Acetoxy 6-gingerdiol 0 1 0 0 0
Methyl-5-acetoxy-6-
gingerdiol 0 0 1 0 1
6-Shogaol 1 1 1 1 0
1-Dehydro-6-gingerdione 1 0 1 0 0
1-Dehydro-8-gingerdione 1 0 1 1 0
Deoxyandrographolide 0 0 0 0 0
Andrographolide 0 0 0 0 0
Neoandrographolide 0 0 0 0 0
Ekskresi
Parameter terakhir yang ditinjau adalah
ekskresi, parameter yang menentukan untuk pengeluaran obat dari dalam tubuh, paramteter ekskresi disini hanya sebatas T ½ yaitu untuk mengetahui konsentrasi obat agar tersisa setengah dari dosis awal, hal ini dieprlukan untuk mengetahui lama efektivitas suatu senyawa bekerja didalam tubuh agar tercapai mekanisme kerja yang optimal. Hasil prediksi T ½ dari senyawa terpilih sangat rendah dikarenakan satuan dari hasil prediksi tersebut berupa jam dengan hasil sebagai berikut:
Tabel 6. Hasil prediksi T ½
No Senyawa T ½
1 5-Acetoxy1,7-bis(4-hydroxy-3-
methoxyphenyl)heptan-3-one 1,557
2 6-Gingerdiol 1,479
3 6-Gingerol 1,374
4 5-Acetoxy 6-gingerdiol 1,398 5 Methyl-5-acetoxy-6-gingerdiol 1,403
6 6-Shogaol 1,417
7 1-Dehydro-6-gingerdione 1,32 8 1-Dehydro-8-gingerdione 1,547 9 Deoxyandrographolide 1,776
10 Andrographolide 1,263
11 Neoandrographolide 1,532
12 5-Hydroxy-7,2',6'-
Trimethoxyflavone 1,865
13 5,7,2',3'-
Tetramethoxyflavanone 1,645 14 Bisandrographolide C 2,469 15 5,8,2’-Trihydroxy-7-
Methoxyflavone 0,974
16 Skullcapflavone I 1,707
14 D. Simpulan
Hasil dari penelitian ini yang telah dijelaskan pada sebelumnya, maka dapat ditarik beberapa kesimpulan yang sejalan dengan tujuan penelitian ini diantaranya yaitu :
1. Senyawa dari jahe dan sambiloto yang berpotensi memiliki interaksi dengan protein 3Clpro adalah 6-Gingerol, 5-Acetoxy 6- gingerdiol, Methyl-5-acetoxy-6-gingerdiol, 6- Shogaol, 1-Dehydro-8-gingerdione, Andrographolide, Neoandrographolide, 5,7,2',3'-Tetramethoxyflavanone, 5-Hydroxy- 7,2',6'-Trimethoxyflavone,
Bisandrographolide C. Senyawa yang mampu berikatan pada protein Plpro adalah 5- Acetoxy1,7-bis(4-hydroxy-3-
methoxyphenyl)heptan-3-one, 6-Gingerdiol, 6-Gingerol, 1-Dehydro-6-gingerdione, 1- Dehydro-8-gingerdione,
Deoxyandrographolide, Andrographolide, 5,7,2',3'-Tetramethoxyflavanone, 5,8,2’- Trihydroxy-7-Methoxyflavone,
Skullcapflavone I.
2. Tipe interaksi yang terbentuk dari masing- masing senyawa mengikat pada asam amino penting yang serupa dengan ligan aslinya, pada protein 3Clpro dari senyawa jahe dan sambiloto berikatan dengan asam amino yang sama pada ligan asli, sementara pada protein Plpro senyawa terbaik adalah 5,8,2’- Trihydroxy-7-Methoxyflavone dari sambiloto karena tipe interaksinya yang serupa dengan ligan asli.
3. Prediksi profil farmakokinetik dari senyawa terpilih memiliki hasil yang beragam, namun dari setiap senyawa yang terpilih memiliki nilai yang beragam, senyawa yang memiliki profil farmakokinetik terbaik dari jahe adalah 6-gingerol dan sambiloto adalah Andrographolide karena hasil prediksi farmakokinetik yang terbaik dan apabila menimbulkan efek inhibitor eliminasinya cepat sehingga tidak akan terlalu berpengaruh.
Pustaka
[1] Adnan Shereen, M., Khan, S., Kazmi, A., Bashir, N., & Siddique, R. 2020. COVID-19 infection: origin, transmission, and characteristics of human coronaviruses.
Journal of Advanced Research
[2] Wang, D. et al. 2020. Clinical Characteristics of 138 ospitalized Patients With 2019 Novel Coronavirus-Infected
Pneumonia in Wuhan, China.
https://jamanetwork.com/ on 02/15/2020 [3] Zhu, N., Zhang, D., Wang, W., Li, X., Yang,
B., Song, J. Niu, P. 2020. A novel coronavirus from patients with pneumonia in China, 2019. New England Journal of Medicine.
[4] Beigel, J. H., Tomashek, K. M., Dodd, L. E., Mehta, A. K., Zingman, B. S., Kalil, A. C., ... & Lopez de Castilla, D. (2020).
Remdesivir for the treatment of Covid-19—
preliminary report. New England Journal of Medicine.
[5] Yamamoto, N., Yang, R., Yoshinaka, Y., Amari, S., Nakano, T., Cinatl, J., &
Tamamura, H. (2004). HIV protease inhibitor nelfinavir inhibits replication of SARS-associated coronavirus. Biochemical and biophysical research communications, 318(3), 719-725.
[6] Zahedipour, F., Hosseini, S. A., Sathyapalan, T., Majeed, M., Jamialahmadi, T., Al‐Rasadi, K., & Sahebkar, A. (2020).
Potential effects of curcumin in the treatment of COVID‐19 infection.
Phytotherapy Research.
[7] Yang, K. Y., Lin, L. C., Tseng, T. Y., Wang, S. C., & Tsai, T. H. (2007). Oral bioavailability of curcumin in rat and the herbal analysis from Curcuma longa by LC- MS/MS. Journal of Chromatography. B, Analytical Technologies in the Biomedical and Life Sciences, 853(1-2), 183–189 [8] Kunnumakkara, A. B., Harsha, C., Banik,
K., Vikkurthi, R., Sailo, B. L., Bordoloi, D., Aggarwal, B. B. (2019). Is curcumin bioavailability a problem in humans:
Lessons from clinical trials. Expert Opinion on Drug Metabolism & Toxicology, 15(9), 705–733
[9] Mathew, D., & Hsu, W.-L. 2018. Antiviral potential of curcumin. Journal of Functional Foods, 40, 692–699
[10] Daina, A., Michielin, O., & Zoete, V.
(2017). SwissADME: a free web tool to evaluate pharmacokinetics, drug-likeness and medicinal chemistry friendliness of small molecules. Scientific reports, 7, 42717.
[11] Chen JX, Xue HJ, Ye WC, et al. Activity of andrographolide and its derivatives against influenza virus in vivo and in vitro. Biol Pharm Bull. 2009;32(8):1385-1391.
[12] Forli, W., Halliday, S., Belew, R., & Olson, A. J. (2012). AutoDock Version 4.2.
15 [13] Murugan, N. A., Pandian, C. J., &
Jeyakanthan, J. (2020). Computational investigation on Andrographis paniculata phytochemicals to evaluate their potency against SARS-CoV-2 in comparison to known antiviral compounds in drug trials.
Journal of Biomolecular Structure and Dynamics, 1-12.
[14] Csizmadia, P. (1999). MarvinSketch and MarvinView: molecule applets for the World Wide Web.
[15] Asamenew, G., Kim, H. W., Lee, M. K., Lee, S. H., Kim, Y. J., Cha, Y. S., & Kim, J.
B. (2019). Characterization of phenolic compounds from normal ginger (Zingiber officinale Rosc.) and black ginger (Kaempferia parviflora Wall.) using UPLC–
DAD–QToF–MS. European Food Research and Technology, 245(3), 653-665.
[16] Kumar, S., Singh, A., Bajpai, V., Sharma, K. R., & Kumar, B. (2018). Identification and Characterization of Terpenoid Lactones and Flavonoids from Ethanolic Extract of Andrographis Paniculata (Burm. f.) Nees Using Liquid Chromatography/Tandem Mass Spectrometry. Separation Science Plus, 1(12), 762-770.
[17] Tallei, T. E., Tumilaar, S. G., Niode, N. J., Fatimawali, F., Kepel, B. J., Idroes, R., &
Effendi, Y. (2020). Potential of Plant Bioactive Compounds as SARS-CoV-2 Main Protease (Mpro) and Spike (S) Glycoprotein Inhibitors: A Molecular Docking Study.
[18] Hevener, K. E., Zhao, W., Ball, D. M., Babaoglu, K., Qi, J., White, S. W., & Lee, R. E. (2009). Validation of molecular docking programs for virtual screening against dihydropteroate synthase. Journal of chemical information and modeling, 49(2), 444-460.
[19] Lan, J., Ge, J., Yu, J., Shan, S., Zhou, H., Fan, S., ... & Wang, X. (2020). Structure of the SARS-CoV-2 spike receptor-binding domain bound to the ACE2 receptor.
Nature, 581(7807), 215-220.
[20] Awaluddin, R.; Muhtadi, W.K.; Chabib, L.;
Ikawati, Z.; Martien, R.; Ismail, H.
Molecular Docking and ADME-Toxicity Studies of Potential Compounds of Medicinal Plants Grown in Indonesia as an Anti-Rheumatoid Arthritis. AIP Conf. Proc.
2017, 1823, 020033,
doi:10.1063/1.4978106.
