Aldo Agustian_11161002_3 Fa1.docx

RESUME JURNAL PEMODELAN QSAR TERHADAP AKTIVITAS ANTIBAKTERI BEBERAPA SENYAWA TURUNAN BENZOIMIDAZOLE Aldo Agustian Prodi S1 Farmasi, Sekolah Tinggi Farmasi Bandung Jl. Soekarno Hatta No. 754, Bandung

Abstrak Jurnal ini berisi tentang studi QSAR dari 12 senyawa turunan benzoimidazole. Studi ini dilakukan untuk mengkorelasikan dan memprediksi struktur dari senyawa yang diteliti dengan aktivitasnya sebagai antibakteri terhadap bakteri gram negative Pseudomonas aeruginosa. Untuk memilih deskriptor yang digunakan dalam studi QSAR, peneliti menggunakan model regresi linier berganda (MLR) agar dihasilkan model prediksi terbaik yang dapat menjelaskan hubungan struktur senyawa uji dengan aktivitasnya menghambat pertumbuhan bakteri. Digunakan cross validation dengan metode leave-one-out untuk memvalidasi model prediksi yang dihasilkan. Hasilnya, peneliti menyarankan agar model QSAR didasarkan pada deskriptor : Parameter lipofilitas (logP) dan energy hidrasi (HE). Proses validasi diperoleh adanya kesesuaian antara hasil eksperimental dengan prediksi dari nilai penghambatan bakteri, sehingga menunjukan dihasilkannya model QSAR dengan kualitas yang baik.

1. PENDAHULUAN Peneliti tertarik melakukan penelitian terhadap studi QSAR karena studi QSAR tidak diragukan lagi sangat membantu dalam dunia kimia medisinal modern. QSAR sendiri mempelajari tentang bagaimana struktur senyawa dapat mempengaruhi aktivitas senyawa tersebut. Untuk memperoleh korelasi yang signifikan antara struktur senyawa dengan aktivitasnya, perlu digunakan deskriptor yang tepat. Banyak deskriptor yang mencerminkan sifat dari suatu molekul sederhana, dengan demikian dapat meberikan wawasan tentang sifat fisikokimia apa saja yang perlu dipertimbangkan untuk mengoptimalkan aktivitas dari molekul tersebut. Aktivitas yang digunakan dalam QSAR meliputi aktivitas biologis yang dapat dinyatakan secara kuantitatif, seperti konsentrasi zat yang diperlukan untuk menghasilkan respon

biologis tertentu. Deskriptor yang digunakan pun diekspresikan dengan angka, sehingga memudahkan untuk menemukan korelasi antara kedua hal tersebut secara kuantitatif. Saat ini QSAR sedang banyak diterapkan dalam banyak disiplin ilmu, khususnya dalam design senyawa obat. Penilaian menggunakan QSAR diperoleh prediksi aktivitas suatu zat kimia dari struktur molekulnya. QSAR menawarkan kemungkinan melakukan skrining zat kimia dalam jumlah besar dengan waktu singkat dan biaya relatif rendah. Digunakan senyawa turunan benzoimidazole sebagai subjek karena inti benzimidazole telah banyak mendapat perhatian selama satu dekade terakhir dalam pengembangan senyawa obat baru. Aktivitasnya sebagai antimikroba membuat beberapa senyawa turunan benzimidazole telah banyak disintetis dan diaplikasikan dalam dunia medis. Posisi dan substituent yang tersubstitusi pada cinci benzoimidazole bertanggungjawab terhadap beragam aktivitasnya. Sintesis benzoimidazole yang disubsitusikan dengan cincin heterosiklik lain juga mendapat perhatian karena beragam aktivitas mereka antara lain sebagai antioksidan, antijamur, antituberkular, antikanker, dan antialergi. Berbagai benzoimidazole juga beraktivitas sebagai penghambat yang efektif bagi pertumbuhan virus HIV. Berbagai hal di atas yang menjadi berbagai pertimbangan bagi peneliti untuk melanjutkan studi tentang aktivitas benzoimidazole menghambat pertumbuhan bakteri, serta korelasi sifat-sifat molekul dengan aktivitasnya. Tujuan penelitian ini adalah untuk mempelajari kegunaan QSAR dalam memprediksi aktivitas antibakteri turunan benzimidazole terhadap bakteri gram-negatif Pseudomonas aeruginosa. 2. METODOLOGI a) Bahan dan metode Senyawa turunan benzoimidazole yang digunakan dalam penelitian ini telah disintesis dengan prosedur yang telah dijelaskan oleh peneliti.

Gambar 1. Rumus struktur senyawa 1-benzilbenzimidazole

Kode Senyawa R1 R2 R3 1 CH3 H CH3 2 Cl H CH3 3 F H CH3 4 OCH3 H CH3 5 CH3 NH2 H 6 Cl NH2 H 7 F NH2 H 8 OCH3 NH2 H 9 CH3 NH2 CH3 10 Cl NH2 CH3 11 F NH2 CH3 12 OCH3 NH2 CH3 Tabel 1. Subsitusi rantai samping pada senyawa uji

R4 CH3 CH3 CH3 CH3 H H H H CH3 CH3 CH3 CH3

b) Uji antibakteri secara eksperimental Aktivitas antibakteri semua senyawa turunan benzimidazole diinvestigasi guna melihat daya penghambatannya terhadap bakteri Pseudomonas aeruginosa secara in vitro. Aktivitas antibakteri senyawa diuji dengan metode difusi cakram menggunakan media agar MuellerHinton. Isolat bakteri uji dibiakan dalam tabung berisi Nutrient Broth. 1 ml dari tabung NB dihomogenisasi dalam tabung berisi 9 ml Nutrient agar cair. Suspensi yang telah dihomogenkan dituangkan ke dalam cawan petri steril. Cakram kertas dengan diameter 5 mm ditempatkan pada permukaan media agar yang telah memadat, kemudian 20 μl senyawa uji diteteskan pada cakram kertas menggunakan mikropipet. Setelah diinkubasi selama 24 jam dalam suhu 25-27 ° C, diameter zona inhibisi diukur dalam satuan mm. Diameter zona inhibisi lebih dari 8 mm menunjukan senyawa uji aktif melawan mikroorganisme. Setiap tes dilakukan dalam 3 ulangan. Uji konsentrasi hambat minimum (MIC) dilakukan dengan metode pengenceran agar. MIC didefinisikan sebagai konsentrasi terendah senyawa turunan benzimidazole yang mampu menghambat pertumbuhan bakteri P. aeruginosa. Larutan senyawa uji disiapkan dalam dimetilformamida (DMF), sementara untuk pengenceran digunakan air suling. Konsentrasi senyawa yang diuji berkisar antara 6,25 – 125 μg/μl. Inokulasi kemudian diinkubasi pada suhu 35° C selam 16-20 jam. Kontrol menggunakan bakteri dalam DMF tanpa senyawa uji. Nilai MIC senyawa turunan benzimidazol yang diperoleh dinyatakan sebagai μg/μl. Untuk mengukur

kekuatan antibakteri, peneliti membuat perbandingan dengan agen antibakteri yang digunakan dalam terapi pengobatan, yaitu Ampicillin dan Gentamicin sebagai pembanding. c) Pemodelan molekul Peneliti melakukan semua studi pemodelan molekul menggunakan perangkat lunak HyperChem versi 7.5 dengan prosesor P-III. HyperChem menyertakan pembangun model yang merubah sketsa kasar 2D menjadi molekul 3D. Model 3D yang dibuat selanjutnya dibersihkan dan mengalami minimalisasi energi menggunakan mekanika molekul medan gaya MM2 yang terdapat dalam perangkat HyperChem. Minimalisasi dijalankan hingga nilai gradient Root Mean Square (RMS) mencapai nilai yang lebih kecil dari 0,1 kkal / mol⋅A. Optimasi ulang menggunakan metode Austin Model-1 (AM-1) sampai nilai gradient RMS mencapai nilai yang lebih kecil dari 0,0001 kkal / mol⋅A, optimasi ulang ini menggunakan program MOPAC. Energi struktur terendah digunakan pada setiap molekul untuk menghitung deskriptor. d) Deskriptor Deskriptor dikategorikan menjadi parameter elektronik, geometrik, hidrofobik, dan topologi. Peneliti menghitung deskriptor untuk setiap senyawa menggunakan perangkat lunak HyperChem, Dragon, dan CS Chem Office Software versi 7.0. Karena untuk setiap senyawa ada banyak deskriptor, maka peneliti menggunakan matriks korelasi Pearson sebagai model kualitatif untuk memilih deskriptor yang cocok untuk analisis MLR. Delapan deskriptor yang menunjukan korelasi maksimum terhadap aktivitas senyawa dipilih untuk dievaluasi lebih lanjut. Delapan deskriptor tersebut diantaranya : refraktivitas molar (MR), polarisabilitas (P), volume molar (MV), energi hidrasi (HE), energi total (TE), grid area permukaan (SAG), dan koefisien partisi (logP). Nilai deskriptor untuk setiap senyawa disajikan pada table berikut :

Senyaw

MR

P

MV

HE

TE

DM

SAG

logP

a 1 2 3 4

87,25 87,69 83,10 89,34

30,78 30,87 28,85 31,42

811,60 804,81 777,39 841,79

-1,00 -1,86 -2,23 -3,68

27,17 26,87 27,02 28,92

3,98 3,974 3,976 3,978

490,32 429,54 477,14 507,17

4,24 4,31 3,91 3,63

5 6 7 8 9 10 11 12

81,56 28,46 744,54 -6,39 26,35 4,464 458,41 81,99 28,55 736,31 -7,16 26,03 4,427 450,08 77,40 26,53 704,51 -7,31 26,07 4,428 433,17 83,65 29,1 771,05 -8,95 27,94 4,429 470,97 90,12 32,13 844,29 -4,26 27,67 4,428 503,71 89,24 32,22 833,57 -5,38 27,18 4,409 498,16 85,97 30,2 802,16 -5,21 27,46 4,410 480,77 92,27 32,77 871,99 -6,83 29,38 4,406 517,74 Tabel 2. Nilai deskriptor molekul yang digunakan dalam analisis regresi

3,44 3,52 3,12 2,83 4,42 4,49 4,09 3,80

e) Metode statistic Peneliti melakukan analisis regresi secara lengkap menggunakan perangkat lunak statistika PASS 2005, GESS 2006, dan NCSS. 3. HASIL DAN PEMBAHASAN Evaluasi pertama yang dilakukan peneliti pada senyawa turunan benzoimidazole ialah pengujian aktivitas antibakteri secara in vitro terhadap bakteri gram (-) Pseudomonas aeruginosa. Hasil skrining mengungkapkan bahwa semua senyawa uji menunjukan aktivitas penghambatan terhadap P. aeruginosa dengan nilai MIC masing-masing sebagai berikut : Senyawa Log (1/CMIC) 1 4,602 2 4,637 3 4,609 4 4,328 5 4,278 6 4,314 7 3,981 8 3,704 9 4,627 10 4,659 11 4,333 12 4,352 Ampicillin 4,446 Gentamicin 5,787 Tabel 3. Hasil skrining antibakteri secara eksperimental

Untuk upaya menentukan peran struktur senyawa terhadap aktivitasnya, peneliti melakukan studi QSAR. Satu set senyawa turunan benzoimidazole yang terdiri dari 12 senyawa digunakan untuk generasi model regresi linier. Senyawa pembanding (Ampicillin dan Gentamicin) tidak termasuk karena mereka memiliki struktur yang berbeda. Parameter fisikokimia, elektronik, sterik, dan deskriptor molekul lainnya digunakan sebagai variabel independen yang berkorelasi dengan aktivitas antibakteri. Untuk mengembangkan model MLR membutuhkan beragam set data yang diperoleh dengan mempertimbangkan sejumlah deskriptor. Deskriptor berupa nilai numerik yang melambangkan perbedaan bentuk struktur dari setiap molekul. Pemilihan beberapa deskriptor yang sesuai dari sejumlah deskriptor yang tersedia membutuhkan suatu metode yang mampu membedakan antar parameter. Oleh karenanya, peneliti melakukan matriks korelasi Pearson pada semua deskriptor yang tersedia menggunakan perangkat lunak statistika NCSS. Analisis matriks menghasilkan 8 deskriptor yang digunakan untuk pengembangan model MLR. Delapan deskriptor tersebut tersaji dalam tabel (2). Untuk melihat kontribusi deskriptor terpilih terhadap aktivitas antibakteri senyawa turunan benzoimidazole, peneliti mengimplementasikan metode penambahan bertahap pada perangkat lunak NCSS. Hasilnya, deskriptor yang cenderung berkorelasi secara ekslusif dengan aktivitas antibakteri senyawa turunan benzoimidazole adalah koefisien partisi (logP). Model parametrik terbaik ditemukan dalam persamaan berikut : log1/CMIC = 0.518log P + 2.391 n = 12; r = 0.932; s = 0.085; F = 66.43

(1)

Kemudian peneliti menemukan bahwa penambahan HE sebagai parameter tambahan bagi logP meningkatkan nilai koefisien korelasi (r) dari 0,932 menjadi 0,951. Berikut persamaan yang diperoleh : log1/CMIC = 0.415log P + 0.031HE + 2.940 n = 12; r = 0.951; s = 0.010; F = 42.21

(2)

Peneliti menegaskan bahwa penambahan parameter lain sebagai parameter tambahan bagi logP dan HE tidak secara signifikan meningkatkan koefisien korelasi.

Dari kedua persamaan yang diperoleh di atas, peneliti dapat menyimpulkan bahwa lipofilitas (logP) berpengaruh kuat terhadap aktivitas antibakteri senyawa turunan benzimidazole. Lipofilitas juga berperan penting dalam aktivitas farmakologi lainnya. Hal ini sesuai dengan teori yang dikemukakan oleh Meyer dan Overton. Teori ini mengatakan bahwa logP merupakan parameter hidrofobik yang tidak hanya penting untuk penetrasi dan distribusi obat, melainkan penting juga untuk interaksi obat dengan reseptor. Karenanya, peneliti menyarankan bahwa logP adalah parameter yang harus sangat diperhatikan dalam perancangan agen antibakteri, karena logP merupakan faktor penentu bagi aktivitas agen antibakteri tersebut. Untuk pengujian validitas kekuatan model MLR terpilih (persamaan 2), peneliti menggunakan metode Leave-One-Out (LOO). Model MLR tersebut divalidasi oleh beberapa perhitungan parameter statistik sebagai berikut : jumlah residu prediksi kuadrat (PRESS), jumlah total deviasi kuadrat (SSY), koefisien korelasi yang divalidasi silang (r2CV), dan koefisien korelasi yang disesuaikan (r2adj). Hasil validasi menggunakan metode LOO disajikan pada table berikut : Model 2

PRESS 0,1644

SSY

PRESS/SS

SPRESS

r2CV

Y 0,9417 0,1746 0,1170 0,8254 Tabel 4. Parameter-parameter validasi silang

r2adj 0,8822

Peneliti mengatakan bahwa PRESS merupakan parameter validasi yang penting karena merupakan perkiraan yang baik dari kesalahan prediksi nyata pada model MLR. Nilai PRESS yang lebih kecil dari nilai SSY menunjukan bahwa model MLR memprediksi dengan baik dan secara statistik dianggap signifikan. Selanjutnya, model QSAR yang rasional harus memiliki rasio PRESS/SSY yang lebih rendah dari 0,4. Rasio PRESS/SSY yang tersaji pada table (4) menunjukan angka 0,1746 yang artinya model QSAR yang terpilih adalah rasional. Sedangkan nilai r2CV dan r2adj adalah parameter penting untuk kualifikasi model QSAR (2) sebagai model yang terbaik. Namun cara satu-satunya untuk mengukur keuatan prediksi sebenarnya dari model menurut peneliti adalah dengan cara menghitung nilai log1/CMIC eksperimental dengan nilai log1/CMIC prediksi menggunakan model / persamaan (2). Hasil perhitungan tersebut disajikan pada table berikut :

Senyawa Log(1/CMIC) eksperimental Log(1/CMIC) prediksi Selisih / Residu 1 4,602 4,669 -0,067 2 4,637 4,672 -0,035 3 4,609 4,949 0,115 4 4,328 4,332 -0,004 5 4,278 4,169 0,109 6 4,314 4,179 0,135 7 3,981 4,008 -0,027 8 3,704 3,837 -0,133 9 4,627 4,643 -0,016 10 4,659 4,637 0,022 11 4,333 4,476 -0,143 12 4,352 4,305 0,047 Ampicillin 4,446 Gentamicin 5,787 Tabel 5. Perbandingan nilai log(1/CMIC) eksperimental dengan log(1/CMIC) prediksi

Data di atas menunjukan bahwa hasil eksperimental dengan hasil prediksi menggunakan model (2) memiliki kedekatan satu sama lain, ditandai dengan nilai residu yang kecil. Hal ini menunjukan bahwa model (2) memiliki prediktabilitas yang baik. Gambar di bawah ini menunjukan plot regresi linier dari nilai aktivitas antibakteri senyawa turunan benzoimidazole yang diperoleh dari hasil eksperimental dengan hasil prediksi menggunakan model QSAR (2) :

Gambar 2. Plot nilai aktivitas antibakteri senyawa benzoimidazole secara prediksi menggunakan model (2) terhadap nilai eksperimental

Untuk menyelidiki adanya kesalahan sistematis dalam pengembangan model QSAR, peneliti memplotkan residu dari nilai prediksi aktivitas antibakteri terhadap nilai-nilai eksperimental, seperti yang ditunjukan pada gambar berikut :

Gambar 3. Plot nilai residu terhadap nilai log(1/CMIC) eksperimental Dari gambar di atas terlihat bahwa perambatan residu di kedua sisi adalah nol, menunjukan bahwa tidak ada kesalahan sistemik. Hal ini menunjukan bahwa model QSAR ini dapat diterapkan untuk meprediksi aktivitas antibakteri dari senyawa dalam kelas turunan benzoimidazole. 4. KESIMPULAN DAN SARAN a) Kesimpulan Dari hasil penelitian yang tertuang dalam jurnal, kami menyimpulkan bahwa senyawa turunan 1-benzilbenzimidazole efektif menghambat pertumbuhan bakteri gram (-) Pseudomonas aeruginosa secara in vitro. Pemodelan molekul dan analisis QSAR dilakukan untuk menemukan efek kuantitatif dari struktur molekul senyawa terhadap aktivitas antibakterinya. Model matematika yang akurat dikembangkan untuk memprediksi aktivitas antbakteri beberapa senyawa turunan benzoimidazole. Validasi model telah dilakukan oleh penentuan parameter statistik yang sesuai. Terdapat kesesuian antara nilai aktivitas antibakteri senyawa turunan

benzimidazole secara eksperimental dengan prediksi yang diperoleh melalui model QSAR yang dikembangkan. Residu yang rendah dan nilai r2CV yang tinggi menunjukan kemampuan prediksi yang baik dari model QSAR yag dikembangkan. Aktivitas antibakteri dari serangkaian senyawa turunan 1-benzilbenzimidazole berhasil dimodelkan menggunakan berbagai deskriptor molekuler. Pemodelan tersebut menyimpulkan bahwa pengaruh kuat lipofilitas (logP) sangat penting untuk aktivitas antibakteri dan parameter tersebut biasanya berkaitan dengan aktivitas penghambatan. b) Komentar dan Saran Penulisan jurnal yang kami resume terkesan sederhana namun sangat jelas sehingga mudah difahami. Mulai dari latar belakang penelitian hingga kesimpulan akhir tertulis dengan sangat jelas. Penulis menuangkan hasil penelitian melalui penyajian data yang apik. Diskusi hasil penelitian pun tidak terkesan rumit walaupun penulis mengupas semua hasil penelitian hingga pada intinya. Saran dari kami agar penulis tetap mempertahankan gaya penulisan jurnalnya dan harapan kami agar penulis tidak berhenti melakukan berbagai penelitian lebih lanjut mengenai pemanfaatan komputasi di bidang pengembangan obat. 5. PUSTAKA Podunavac, O Sanja et al., 2011. QSAR Modeling Of Antibacterial Activity Of Some Benzimidazole Derivatives. Chemical Industry & Chemical Engineering Quarterly Volume 17 (1) 33−38.