percobaan 3 dan 4

16
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

Upload: desi-riza-pratiwi

Post on 22-Oct-2015

64 views

Category:

Documents


19 download

TRANSCRIPT

Page 1: 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

Page 2: Percobaan 3 Dan 4

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.

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.

Page 3: Percobaan 3 Dan 4

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

Page 4: Percobaan 3 Dan 4

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

Page 5: Percobaan 3 Dan 4

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

Page 6: Percobaan 3 Dan 4

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

Page 7: Percobaan 3 Dan 4

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 : Pharmacophore Query

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

Page 8: Percobaan 3 Dan 4

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,

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

Page 9: Percobaan 3 Dan 4

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

Page 10: Percobaan 3 Dan 4

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 adalah suatu protein yang biasa

ditemukan pada yeast.

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 protein dari

molekul referensi dengan memberi batasan fitur-fitur apa yang akan ditumpangtindihkan.

Dari hasil flexible allignment dipilih konformasi ligan yang paling mirip dengan molekul

Page 11: Percobaan 3 Dan 4

referensi. Pemilihan konformasi yang sesuai dilihat dari harga dS yang menyatakan 0,0000.

dS menunjukkan score allignment menghasilkan score terkecil seperti pada senyawa kiral.

Konformasi senyawa yang dipilih kemudian dilakukan pemetaan fitur-fitur farmakofornya.

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. Kemudian dilakukan generate untuk

dimasukkan ke dalam farmakofor query

6. Kesimpulan

7. Daftar pustaka

8. Lampiran