Hasil Pencarian  ::  Simpan CSV :: Kembali

"Latar Belakang: Kanker kolorektal merupakan salah satu kanker dengan prevalensi yang cukup tinggi dan penanganan yang tersedia dapat menyebabkan efek samping buruk. Oleh karena itu, pengobatan alternatif untuk kanker kolorektal perlu dikembangkan. Asam galat telah menunjukkan aksi menghambatan proliferasi sel di berbagai tipe sel kanker termasuk HCT 15 colon cancer cells. Penambahan grup hidrofobik ke asam galat diduga dapat meningkatkan efek anti kanker asam galat. Riset ini dilakukan untuk mengobservasi efek antikanker derivat asam galat, (enam senyawa alkil amida galat hasil sintesis) terhadap sel kolon karsinoma HCT 116. Metode: Menggunakan MTT, enam (6) senyawa alkil amida galat, yaitu: -metil, -etil, -butil, -sek-butil, -ters-butil dan heksil amida galat diuji efek antikankernya terhadap sel HCT 116. Penentuan nilai IC50 dilakukan dengan menggunakan metoda regresi linear untuk analisis data. Hasil uji efek antikanker senyawa turunan alkil amida galat dibandingkan dengan hasil uji efek antikanker asam galat sebagai senyawa awal dan doxorubicin sebagai kontrol positif. Jika dibandingkan dengan asam galat (IC50: 0.05 μg/mL) dan doxorubicin (IC50: 0.001 μg/mL), keenam senyawa turunan alkil amida galat memiliki aktivitas antikanker yang lebih rendah terhadap sel kanker kolon HCT 116. Diantara ke-enam senyawa alkil amida galat hasil sintesis, heksil amida galat dengan IC50 0,07 μg/mL memiliki aktivitas antikanker terbaik. Kesimpulan: Dari hasil studi yang telah dilakukan ini, dapat disimpulkan bahwa heksil amida galat memiliki potensi untuk dikembangkan menjadi agen antikanker kolon.

---

Background: Colorectal cancer is one of the most prevalent cancers and its common managements still evoke undesirable side effects. Therefore, there needs to be a development of a safer alternative. Gallic acid has exhibited significant cell proliferation inhibition in a variety of cancer cell lines including HCT 15 colon cancer cells. Addition of hydrophobic groups to gallic acid has been postulated to increase the anti-cancer effects of gallic acid and henceforth this research is conducted to observe the derivatives of gallic acid (six derivative compounds of alkyl amide gallate) on HCT 116 cells. Methods: With the utilization of MTT assay, six synthesized compounds of alkyl amide gallate, namely methyl-, ethyl-, butyl-, sec-butyl-, tert-butyl-, and hexyl amide gallate were measured for their anticancer effect on HCT 116 cells. Determination of IC50 values was carried out by the linear regression method for data analysis. Lastly, results were compared with gallic acid as an original compound and doxorubicin as a positive control. Results: In comparison to gallic acid (IC50: 0.05 μg/mL) and doxorubicin (IC50: 0.001 μg/mL), a lower anticancer effect on colon HCT 116 cells was displayed by all the six- synthesized alkyl amide gallates. Hexyl amide gallate with IC50 value of 0.07 μg/mL shows the strongest anticancer and inhibitory effect on HCT 116 cells. Conclusion: Result of the study indicates that hexyl amide gallate has the potential to undergo further development as a promising anti- colon cancer agent."

"Asam risinoleat merupakan salah satu asam lemak tak jenuh yang memiliki gugus hidroksil pada atom karbon ke-12 yang membuatnya memiliki keunikan dibanding asam lemak tak jenuh lainnya. Bioaktivitas turunan asam risinoleat sudah banyak diteliti, salah satunya sebagai antimikroba. Penelitian ini diawali dengan reaksi esterifikasi menggunakan metanol untuk memebentuk metil risinoleat. Selanjutnya, dilakukan reaksi reduksi untuk menghasilkan metil risinoleat tereduksi. Reaksi reduksi dilakukan menggunakan etanol dengan bantuan katalis Pd/C yang disertai dengan pengadukan kuat. Setelah itu, dilakukan reaksi amidasi untuk menghasilkan turunan amida dengan menggunakan dietanolamina. Produk yang dihasilkan dari setiap reaksi dimurnikan menggunakan kromatografi kolom dan dikarakterisasi menggunakan FTIR. Produk hasil sintesis juga diuji aktivitas antimikrobanya dengan metode difusi cakram dan diuji toksisitasnya. Bakteri uji yang digunakan adalah S. aureus dan E. coli, sedangkan pada uji toksisitas digunakan Daphnia magna. Hasil penelitian menunjukkan bahwa produk turunan amida yang terbentuk memiliki sifat toksik paling tinggi diantara prekursor lainnya dengan nilai LC50 sebesar 5,09 ppm. Nilai tersebut mengindikasikan bahwa produk amida yang dihasilkan termasuk ke dalam golongan toksik sedang. Sementara itu, untuk uji antimikroba, semua sampel uji tidak menunjukkan aktivitas antimikroba pada konsentrasi yang digunakan.

---

Ricinoleic acid is one of the unsaturated fatty acids which has a hydroxyl group on the 12th carbon atom which makes it unique compared to other unsaturated fatty acids. The bioactivity of ricinoleic acid derivatives has been widely studied, one of which is as an antimicrobial. This research begins with an esterification reaction using methanol to form methyl ricinoleate. Next, a reduction reaction was carried out to produce reduced methyl ricinoleate. The reduction reaction was carried out using ethanol with the help of a Pd/C catalyst accompanied by strong stirring. After that, an amidation reaction was carried out to produce amide derivatives using diethanolamine. The products resulting from each reaction were purified using column chromatography and characterized using FTIR. The synthesized product was also tested for antimicrobial activity by disc diffusion method and tested for toxicity. The test bacteria used were S. aureus and E. coli, while the toxicity test used Daphnia magna. The results showed that the amide derivative product formed had the highest toxic properties among other precursors with an LC50 value of 5.09 ppm. This value indicates that the resulting amide product belongs to the moderately toxic group. Meanwhile, for the antimicrobial test, all test samples did not show antimicrobial activity at the concentrations used."

"Malaria merupakan penyakit fatal yang disebabkan oleh parasit Plasmodium dan ditularkan melalui gigitan nyamuk Anopheles, dengan setengah populasi dunia berisiko terinfeksi. Pada tahun 2021, terdapat 247 juta kasus dan 619.000 kematian akibat malaria, meningkat selama puncak pandemi COVID-19. Komplikasi malaria yang mematikan termasuk malaria serebral, masalah pernapasan, dan kegagalan organ. Penelitian obat anti malaria tradisional menggunakan metode in-vitro yang memakan waktu dan biaya tinggi, sedangkan metode in-silico menawarkan alternatif lebih cepat dan ekonomis, meskipun memiliki keterbatasan. Penelitian ini mengevaluasi interaksi senyawa turunan kuinolon dengan protein target Plasmodium falciparum menggunakan pembelajaran mesin untuk meningkatkan efisiensi prediksi nilai penambatan dengan berbagai model, yaitu K-Nearest Neighbor, Xtra Trees, Xtreme Gradient Boosting, dan Artificial Neural Network. Model menggunakan dua jenis masukan, yaitu SMILES dan deskriptor Alvadesc, yang memberikan informasi struktural dan sifat fisik serta kimia senyawa. Hasil yang didapatkan dari model ini adalah akurasi serta waktu pelatihan model dan kemudian dilakukan perbandingan antara model beserta deskriptornya. Hasil penelitian memperlihatkan AlvaDesc sebagai deskriptor dan model terbaik yaitu Xtreme Gradient Boosting memiliki akurasi yang baik sebesar 83,6% dan waktu 2 menit 05 detik. Hasil rata-rata perbedaan nilai prediksi dengan nilai aktual sebesar 0,23030.

---

Malaria is a fatal disease caused by the Plasmodium parasite and transmitted through the bite of Anopheles mosquitoes, with half of the world's population at risk of infection. In 2021, there were 247 million cases and 619,000 deaths due to malaria, an increase observed during the peak of the COVID-19 pandemic. The deadly complications of malaria include cerebral malaria, respiratory issues, and organ failure. Traditional antimalarial drug research using in-vitro methods is time-consuming and costly, while in-silico methods offer a faster and more economical alternative, despite their limitations. This study evaluates the interaction of kuinolon derivative compounds with the target protein of Plasmodium falciparum using machine learning to enhance the efficiency of docking score predictions with various models, namely K-Nearest Neighbor, Extra Trees, Extreme Gradient Boosting, and Artificial Neural Network. The models use two types of inputs: SMILES and AlvaDesc descriptors, which provide structural and physical-chemical properties of the compounds. The results obtained from these models include accuracy and model training time, and a comparison is made between the models and their descriptors. The study results indicate that AlvaDesc as a descriptor and the Extreme Gradient Boosting model performed the best, achieving good accuracy of 83.6% with a training time of 2 minutes and 05 seconds. The average difference between the predicted and actual values was 0.23030."

"marine environment is a rich source of both chemical compounds and biological diversities. In recent years, many bioactive compounds have been isolated from various marine organism, like sponges, coelenterates, microorganisms, algae,echinoderms,tunicates,bryozoans and molluscs. This paper wil be explained several bioactive compounds that have been isolated from marine sponges."