Hasil Pencarian  ::  Simpan CSV :: Kembali

"

Penelitian ini bertujuan untuk melakukan pengelompokan varian virus SARS-CoV-2 melalui proses clustering menggunakan metode unsupervised learning. Data yang digunakan adalah sekuens protein SARS-CoV-2 yang diekstraksi fiturnya menggunakan paket Discere dalam bahasa pemrograman Python. Sebanyak 27 fitur dihasilkan dan diseleksi dengan metode seleksi fitur Least Absolute Shrinkage and Selection Operator (LASSO). Metode Elbow digunakan untuk menentukan jumlah cluster yang optimal. Dalam penelitian ini, digunakan metode clustering K-Means dan Balanced Iterative Reducing and Clustering using Hierarchies (BIRCH). Evaluasi hasil clustering dilakukan menggunakan metrik evaluasi Silhouette Score dan Davies-Bouldin Index, serta memperhatikan waktu runtime untuk setiap simulasi. Hasil evaluasi kemudian dibandingkan untuk melihat perbedaan performa antara kedua metode clustering yang digunakan, serta pengaruh seleksi fitur terhadap performa clustering. Hasil terbaik diperoleh pada simulasi dengan metode clustering BIRCH + LASSO, dengan nilai Silhouette Score 0,74186 untuk jumlah cluster k=4 dan 0,73207 untuk k=5. Nilai Davies-Bouldin Index terbaik juga diperoleh pada simulasi tersebut, yaitu 0,42697 untuk k=4 dan 0,37949 untuk k=5. Waktu runtime terbaik tercatat pada simulasi dengan metode K-Means + LASSO, yaitu 0,21551 detik untuk k=4 dan 0,17539 detik untuk k=5. Dapat disimpulkan bahwa metode BIRCH menghasilkan cluster yang lebih baik berdasarkan metrik evaluasi, namun K-Means memberikan proses clustering yang lebih cepat. Seleksi fitur dengan metode LASSO juga membantu meningkatkan performa clustering.

---

This study aims to perform clustering of SARS-CoV-2 virus variants using unsupervised learning methods. The data used consists of SARS-CoV-2 protein sequences whose features are extracted using the Discere package in the Python programming language. A total of 27 features are generated and selected using the Least Absolute Shrinkage and Selection Operator (LASSO) feature selection method. The Elbow method is employed to determine the optimal number of clusters for the clustering process. The clustering methods used in this research are K-Means clustering and Balanced Iterative Reducing and Clustering using Hierarchies (BIRCH). The clustering results are evaluated using the Silhouette Score and Davies-Bouldin Index metrics, while also considering the runtime for each simulation. The evaluation results are then compared to examine the performance differences between the two clustering methods and the impact of feature selection on clustering performance. The best Silhouette Score is obtained in the simulation using the BIRCH + LASSO clustering method, with a value of 0.74186 for k=4 and 0.73207 for k=5. The best Davies-Bouldin Index is also achieved in the same simulation, with values of 0.42697 for k=4 and 0.37949 for k=5. The fastest runtime is recorded in the simulation using the K-Means + LASSO method, with a time of 0.21551 seconds for k=4 and 0.17539 seconds for k=5. In conclusion, the BIRCH method yields better clustering results based on the evaluation metrics, while K-Means provides faster clustering processes. The LASSO feature selection method also aids in improving clustering performance.

"

"Coronavirus disease (COVID-19) adalah penyakit pernapasan menular yang disebabkan oleh jenis coronavirus baru. Penyakit ini sebelumnya disebut dengan 2019-nCoV atau 2019 novel coronavirus. Virus penyebab COVID-19 ini adalah SARS-CoV-2. Terdapat varian SARS-CoV-2 lain yang memiliki potensi berdampak besar bagi kesehatan masyarakat seperti Lambda dan Mu. Ada pula kelompok varian SARS-CoV-2 under monitoring yang belum diketahui dampak dan bentuk penyebarannya di tingkat masyarakat. Kappa, Iota, dan Epsilon merupakan beberapa contoh varian yang termasuk ke dalam kelompok tersebut. World Health Organization (WHO) terus melakukan pengawasan kemunculan varian SARS-CoV-2 yang baru. Varian SARS-CoV-2 yang telah diketahui penularan dan dampaknya cukup signifikan pada masyarakat hingga saat ini adalah Alpha, Beta, Delta, Gamma, dan Omicron. Penelitian ini menggunakan data dari kelima varian SARS-CoV-2 tersebut. Penelitian ini mengimplementasikan program unsupervised dari machine learning yaitu simulasi proses clustering untuk mengelompokkan varian SARS-CoV-2. Dilakukan ekstraksi fitur terhadap data sekuens protein SARS-CoV-2 menggunakan package discere dalam bahasa pemrograman Python. Melalui proses ekstraksi fitur dihasilkan 27 fitur data sekuens protein SARS-CoV-2 yang siap digunakan. Elbow method kemudian diimplementasikan terhadap data untuk mengetahui jumlah pembentukan cluster yang optimal untuk digunakan pada clustering. Berdasarkan elbow method didapatkan jumlah cluster optimal untuk simulasi clustering sebanyak  dan dilakukan juga simulasi dengan  untuk memberi kesempatan kepada seluruh varian untuk membentuk clusternya sendiri.  Metode clustering yang digunakan pada penelitian ini adalah spectral clustering. Cluster yang dihasilkan kemudian dievaluasi menggunakan metrik evaluasi silhouette score serta melihat runtime pada setiap simulasi yang dilakukan. Hasil silhouette score untuk simulasi dengan  bernilai 0,614 dan untuk simulasi dengan  yang bernilai 0,631. Durasi rata-rata runtime mencatat bahwa simulasi dengan  dengan 6,566 detik lebih baik dibanding simulasi dengan  dengan 7,529 detik. Berdasarkan hasil tersebut, spectral clustering dapat dilakukan terhadap varian SARS-CoV-2 dengan pemilihan jumlah cluster  menggunakan elbow method.

---

Coronavirus disease (COVID-19) is an infectious respiratory disease caused by a new type of coronavirus. This disease was previously called 2019-nCoV or 2019 novel coronavirus. The virus that causes COVID-19 is the SARS-CoV-2. There are several variants of SARS-CoV-2 that have the potential to have a major impact on public health, such as Lambda and Mu. There is also a group of variants of SARS-CoV-2 under monitoring whose impact and form of spread are unknown at the community level. Kappa, Iota, and Epsilon are some examples of variants that belong to this group. The World Health Organization (WHO) continues to monitor the emergence of a new variant of SARS-CoV-2. The variants of SARS-CoV-2 that are known to transmit and have a significant impact on society so far are Alpha, Beta, Delta, Gamma and Omicron. This study uses data from that five variants of SARS-CoV-2. This study implements an unsupervised program from machine learning, which is a simulation of the clustering process to group variants of SARS-CoV-2 . Feature extraction was carried out on the SARS-CoV-2 protein sequence data using discere package in the Python programming language. Through the feature extraction process, 27 features of the SARS-CoV-2 protein sequence data were produced which were ready for use. The elbow method is then implemented on the data to find out the optimal number of cluster formations for use in clustering. Based on the elbow method, the optimal number of clusters for the clustering simulation is  and a simulation with  is also carried out to provide an opportunity for all variants to form their own clusters. The clustering method used in this study is spectral clustering. The resulting clusters are then evaluated using the silhouette score evaluation metric and looking at the runtime in each simulation that is performed. The results of the silhouette score for the simulation with  is worth 0.614 and for the simulation with  it is worth 0.631. The average duration of the runtime noted that the simulation with  with 6.566 seconds was better than the simulation with  with 7.529 seconds. Based on these results, spectral clustering can be carried out on the SARS-CoV-2 variant by selecting the number of  clusters using the elbow method."

"SARS-COV-2 merupakan jenis virus yang menyebabkan pandemi COVID-19. Pandemi COVID-19 pertama kali terdeteksi di Wuhan, Cina. Berdasarkan data World Health Organization (WHO), jumlah orang yang telah terpapar COVID-19 adalah 123.216.178 orang dan 2.714.517 orang meninggal akibat COVID-19 berdasarkan data www.who.int pada tanggal 23 Maret 2021. Pada skripsi ini, dilakukan klasifikasi untuk SARS-COV-2 dengan menggunakan sekuens protein dari SARS-COV-2. Sekuens protein SARS-COV- 2 di ekstraksi fitur dengan menggunakan package discere dari Python. Package discere akan menghasilkan 27 fitur, dimana fitur-fitur diseleksi dengan menggunakan metode LASSO (Least Absolute Shrinkage and Selection Operator). Setelah dilakukan seleksi fitur, dilakukan klasifikasi dengan menggunakan dua metode, yaitu metode Absolute Correlation Weighted Naïve Bayes dan metode Naïve Bayes. Rata-rata akurasi, sensitifitas, dan spesifisitas tertinggi untuk metode Absolute Correlation Weighted Naïve Bayes berturut-turut adalah 81,85%, 74,81%, dan 89,19%, sedangkan rata-rata akurasi, sensitifitas, dan spesifisitas tertinggi untuk metode Naïve Bayes berturut-turut adalah 81,44%, 74,58%, dan 88,24%. Terlihat bahwa metode Absolute Correlation Weighted Naïve Bayes mempunyai rata-rata akurasi, sensitifitas, dan spesifisitas yang lebih tinggi dibandingkan dengan metode Naïve Bayes.

---

SARS-COV-2 is the type of virus that causes the COVID-19 pandemic. The COVID-19 pandemic was first detected in Wuhan, China. Based on data from the World Health Organization (WHO), the number of people who have been exposed to COVID-19 is 123,216,178 people and 2,714,517 people died from COVID-19 based on data from www.who.int on March 23, 2021. In this paper, the SARS-COV-2 classification is done by using the protein sequence of SARS-COV-2. The SARS-COV-2 protein sequence will be feature extraction using the discere package from Python. The discere package will produce 27 features, where the features are selected using the LASSO (Least Absolute Shrinkage and Selection Operator) method. After feature selection, classification is carried out using two methods, namely the Absolute Correlation Weighted Naïve Bayes method and the Naïve Bayes method. The highest average accuracy, sensitivity, and specificity for the Absolute Correlation Weighted Naïve Bayes method are 81.85%, 74.81%, and 89.19%, respectively, whereas the highest average accuracy, sensitivity, and specificity for the Naïve Bayes method are 81.44%, 74.58%, and 88.24%, respectively. It can be seen that the Absolute Correlation Weighted Naïve Bayes method has a higher average accuracy, sensitivity, and specificity than the Naïve Bayes method."

"Latar BelakangSejak awal pandemi, dinamika mutasi pada domain RBD pada protein S-glycoprotein SARS-CoV-2 telah mengubah patogenisitas varian yang beredar di Indonesia. Penelitian ini akan menganalisis tren mutasi pada berbagai sampel domain RBD di Indonesia yang telah dipublikasikan di Genomic Database dengan menggunakan genomic profilling MetodePasien yang terinfeksi COVID-19 di Indonesia yang sampelnya telah dipublikasikan di database genomik dipilih untuk penelitian. Data berikut akan menjalani beberapa protokol bioinformatika, divisualisasikan ke dalam pohon filogenetik, rendering 3D, dan penilaian dampak mutasi untuk dianalisis.HasilTerdapat 25 clade unik dan 318 RBD unik di Indonesia, mulai dari sampel paling awal hingga tahun 2022. T478K merupakan mutasi RBD yang paling sering, sedangkan 22B merupakan clade yang paling banyak diamati di Indonesia. Varian omicron menunjukkan skor docking yang lebih rendah dan destabilisasi protein yang lebih tinggi serta Kd yang lebih tinggi daripada galur tipe delta dan liar.KesimpulanHasil dari penelitian tersebut menunjukkan tren penurunan patogenisitas virus kemungkinan sebagai pertukaran untuk peningkatan penularan karena mutasi pada RBD selama bertahun-tahun.

---

Introduction

Since the beginning of the outbreak, the dynamic mutations on the RBD domain in the SARS-CoV-2 spike protein have altered the pathogenicity of variants circulating in Indonesia. This research analyzed the mutation trend on the various sample RBD domains in Indonesia published in Genomic Databases using genomic profiling.

Method

Patients infected with COVID-19 in Indonesia with samples published in genomic databases are selected for the research. The following data underwent several bioinformatics protocols, visualized into phylogenetic trees, 3D rendering, and assessment of mutational impact for analysis.

Results

There are 25 unique clades and 318 unique RBD in Indonesia, ranging from the earliest sample to 2022. T478K was the most frequent RBD mutation, while 22B was the most abundant clade observed in Indonesia. The omicron variant showed a lower docking score, higher protein destabilization, and higher Kd than the delta and wild-type strains. Conclusion

The results from the study suggested a decreasing trend in the virus pathogenicity as a potential trade-off to increased transmissibility due to the mutations in RBD throughout the years."

"Berdasarkan data WHO pada pertengahan Juli 2021 lebih dari 185,2 juta orang di seluruh dunia terinfeksi virus corona atau Severe Acute Respiratory Syndrome Coronavirus 2 (SARS-CoV-2). Virus ini menyerang penapasan manusia yang dapat mengakibatkan infeksi paru-paru pada manusia dan bahkan dapat menyebabkan kematian. Tercatat bahwa lebih dari 4 juta orang di seluruh dunia meninggal akibat terinfeksi virus corona. Di Indonesia sendiri pada pertengahan Juli 2021 tercatat lebih dari 2,4 juta orang ternfeksi virus corona dan lebih dari 65,4 ribu orang meninggal akibat terinfeksi virus corona. Berdasarkan data tersebut, perlu dilakukan analisis kekerabatan virus SARS-CoV-2 untuk mengurangi penyebaran dan memberikan batasan sosial dari negara satu dengan negara lainnya. Identifikasi kekerabatan dari virus covid-19 dan penyebarannya dapat dilakukan dengan cara pembentukan pohon filogenetik dan clustering. Pada penelitian ini pohon filogenetik akan dibangun berdasarkan metode Hierarchical Clustering dengan menggunakan metode Multiple Encoding Vector dan K-Mer berdasarkan translasi DNA kodon menjadi asam amino. Jarak Euclidean akan digunakan untuk menentukan matriks jarak. Penelitian ini selanjutnya menggunakan metode K- Means Clustering untuk melihat penyebarannya, dimana nilai k ditentukan dari jumlah centroid yang dihasilkan dari metode Hierarchical Clustering. Penelitian ini mengambil sampel barisan DNA SARS-CoV-2 dari beberapa negara yang tertular. Dari hasil simulasi, nenek moyang SARS-CoV-2 berasal dari China. Hasil analisis juga menunjukkan bahwa leluhur covid-19 yang paling dekat dengan Indonesia berasal dari India, Australia dan Spanyol. Selain itu dari hasil simulasi dihasilkan bahwa barisan DNA SARS-CoV-2 terdiri dari 9 cluster dan cluster keenam adalah kelompok yang memiliki anggota paling banyak. Hasil analisis juga menunjukkan bahwa metode ini sangat opitimal dalam pengelompokan data dengan nilai 97.4%.

---

Based on WHO data in middle of July 2021, Coronavirus or Severe Acute Respiratory Syndrome Coronavirus 2 (SARS-CoV-2) is infecting more than 185.2 million people worldwide. The virus attacks human breathing, which can cause lung infections and can even cause death. More than 4 million people worldwide have died due to being infected with the coronavirus. In Indonesia alone, in mid-July 2021, there were more than 2.4 million people infected with the corona virus and more than 65.4 thousand people died from being infected with the corona virus. Based on those covid-19 survivor data, it is necessary to carry out a kinship analysis of the coronavirus to reduce its spreading. Identification of the kinship of the covid- 19 virus and its spread can be done by forming a phylogenetic tree and clustering. This study uses the Multiple Encoding Vector method and K-mer based on translation DNA codon to amino acid in analyzing sequences and Euclidean Distance to determine the distance matrix. This research will then use the Hierarchical Clustering method to determine the number of initial centroids and cluster, which will be used later by the K-Means Clustering method kinship in SARS-CoV-2 DNA sequence. This study took samples of DNA sequences of SARS-CoV-2 from several infected countries. From the simulation results, the ancestors of SARS-CoV-2 came from China. The results of the analysis also show that the closest ancestors of covid-19 to Indonesia came from India, Australia and Spain. In addition, the ancestors of SARS-CoV-2 came from China. The SARS- CoV-2 DNA sequence is also consisted of 9 clusters, and the sixth cluster is the group that has the most members. The results also show that this method is very optimal in a grouping of data with a value of 97.4%."

"Salah satu terapi COVID-19 adalah plasma konvalesen yang disiapkan Unit Transfusi Darah dari donor yang telah sembuh dari COVID-19. Plasma konvalesen mengandung antibodi netralisasi yang menghambat interaksi antara protein S dengan reseptor ACE2 dengan persyaratan minimal titer 1:160 sehingga diperlukan sistem deteksi antibodi netralisasi seperti tes serologi berbasis ELISA kompetitif yang mudah, murah, cepat dan tidak membutuhkan BSL 3 atau 2. Uji ini membutuhkan protein rekombinan spike S1 yang dapat diekspresikan pada sistem ekspresi mamalia. Penelitian ini bertujuan untuk mendeteksi antibodi spesifik SARS-CoV-2 pada plasma konvalesen COVID-19 menggunakan protein rekombinan Spike S1.Penelitian ini menggunakan plasmid pD609 sebagai vektor ekspresi yang terdapat gen spike S1. DNA ditransfeksi secara transien ke sel CHO. Immunostaining dilakukan setelah transfeksi untuk melihat ekspresi protein rekombinan spike S1 pada sel CHO. Supernatan media sel CHO post transfeksi dianalisis dengan western blot dan ELISA untuk melihat reaktifitas terhadap serum konvalesen COVID-19. Hasil immunostaining menunjukkan plasmid pD609 S1 Spike Foldon-His dapat mengekspresikan protein rekombinan spike S1 SARS-CoV-2 pada sel CHO. Hasil Western Blot dan ELISA menunjukkan supernatan media sel kultur CHO post transfeksi reaktif terhadap serum konvalesen COVID-19. Protein rekombinan spike S1 memiliki potensi untuk dikembangkan dan digunakan dalam uji antibodi spesifik namun hasil ekspresi protein masih rendah.

---

One of the therapies for COVID-19 is convalescent plasma prepared by the Blood Transfusion Unit from donors who have recovered from COVID-19. Convalescent plasma contains neutralizing antibodies that inhibit the interaction between S protein and ACE2 receptors with a minimum requirement of a titer of 1:160 so that a neutalizing antibody detection system is needed such as a competitive ELISA-based serological test that is easy, inexpensive, fast, and does not require BSL 3 or 2. S1 spike recombinant protein that can be expressed in mammalian expression systems. This study aims to detect SARS-CoV-2 specific antibodies in COVID-19 convalescent plasma using recombinant Spike S1 protein. This study used the pD609 plasmid as an expression vector containing the spike S1 gene. DNA was transiently transfected into CHO cells. Immunostaining was performed after transfection to see the expression of the S1 spike recombinant protein in CHO cells. The post-transfected CHO cell media supernatans were analyzed by western blot and ELISA to see the reactivity to COVID19 convalescent serum. Immunostaining results showed that the plasmid pD609 S1 Spike Foldon-His could express the SARS-CoV-2 spike S1 recombinant protein in CHO cells. The results of Western blot and ELISA showed that the post-transfection CHO cell culture media supernatant was reactive to COVID-19 convalescent serum. S1 spike recombinant protein has the potential to be developed and used in specific antibody assays, but the results of protein expression is still low."

"Penerapan antibodi monoklonal (mAb) anti-spike untuk digunakan dalam diagnosis SARS-CoV-2 memerlukan suatu proses purifikasi untuk mendapatkan suatu antibodi yang murni dan homogen sehingga dapat mendeteksi suatu patogen spesifik secara optimal. Penelitian ini bertujuan untuk memurnikan mAb terhadap protein spike SARS-CoV-2 dan membandingkan hasil purifikasi terbaik dari metode kromatografi afinitas dengan protein G dan kromatografi penukar ion sehingga diperoleh metode yang paling optimal dalam purifikasi mAb terhadap protein spike SARS-CoV-2. Purifikasi mAb anti-spike SARS-CoV-2 dilakukan menggunakan kromatografi afinitas dengan protein G dan kromatografi penukar ion. Hasil purifikasi dari kedua metode kromatografi dikarakterisasi dan diuji fungsionalitasnya menggunakan SDS-PAGE, pengukuran konsentrasi protein, ELISA indirect, dan western blot (WB). Hasil profil SDS-PAGE menunjukkan mAb hasil purifikasi menggunakan protein G pada fraksi 19GD dan 20GD memiliki profil pita protein dengan dua pita, yaitu heavy chain ~50 kDa dan light chain ~25 kDa dengan tingkat kemurnian mencapai 96%. Uji fungsionalitas dengan ELISA indirect menunjukkan fraksi 19GD dan 20GD memiliki nilai absorbansi sebesar 1,015 dan 1,021. Uji fungsionalitas dengan WB menunjukkan adanya pengikatan mAb fraksi 19GD terhadap protein RBD pada ukuran ~38 kDa. Hasil karakterisasi dan uji fungsionalitas mAb fraksi hasil purifikasi dengan resin penukar ion menunjukkan profil pita protein kontaminan, nilai absorbansi dari 0,49—0,82 , dan tidak terbentuk pita protein pada uji WB. Berdasarkan hasil tersebut, mAb anti-spike SARS-CoV-2 berhasil dimurnikan menggunakan kromatografi afinitas dengan protein G secara optimal.

---

The application of anti-spike monoclonal antibody (mAb) for use in the diagnosis of SARS-CoV-2 requires a purification process to obtain a pure and homogeneous antibody so that it can detect a specific pathogen optimally. This research aims to purify anti-spike SARS-CoV-2 mAb and compare the best purification results from affinity chromatography with protein G and ion-exchange chromatography methods in order to obtain the most optimal method of purification of anti-spike SARS-CoV-2 mAb. Purification of anti-spike SARS-CoV-2 mAb was carried out using affinity chromatography with protein G and ion exchange chromatography. The purification results from both chromatographic methods were characterized and tested for functionality using SDS-PAGE, measurement of protein concentration, indirect ELISA, and western blot (WB). The results of SDS-PAGE profile showed that mAb purified using protein G in the 19GD and 20GD fractions had a protein band profile with two bands, namely heavy chain ~50 kDa and light chain ~25 kDa with a purity level of 96%. The functionality test with indirect ELISA showed that 19GD and 20GD fractions had OD values ​​of 1.015 and 1.021. Functionality test with WB showed the binding of mAb fraction 19GD to RBD protein at ~38 kDa. The results of characterization and functionality test of purified mAb fraction with ion exchange resin showed a contaminant protein band profile, absorbance values ​​from 0.49—0.82, and no protein band was formed in the WB test. Based on these results, anti-spike SARS-CoV-2 mAb was successfully purified using affinity chromatography with protein G optimally."

"Pandemi yang disebabkan oleh SARS-CoV-2 telah memicu situasi darurat kesehatan di seluruh dunia. Varian Omicron yang menyebar dengan cepat semakin mendesak pencarian terapi yang tepat untuk menghindari infeksi yang lebih berat. TMPRSS2 manusia dan protein spike SARS-CoV-2 varian Omicron diidentifikasi sebagai protein target melalui penapisan secara komputasi. Metode yang digunakan adalah penapisan virtual berbasis struktural; analisis prediksi absorption, distribution, metabolism, excretion, dan toxicity (ADMET); dan simulasi dinamika molekuler. Ligan uji yang digunakan adalah senyawa metabolit sekunder invertebrata laut Indonesia. Camostat dan nafamostat (ko-kristal) digunakan sebagai ligan pembanding terhadap penghambatan TMPRSS2 sedangkan mefloquine ligan pembanding terhadap Protein Spike. Berdasarkan hasil penambatan molekul, acanthomanzamine C (-9,75 kkal/mol) dan cortistatin G (-9,39 kkal/mol) memiliki aktivitas yang lebih baik terhadap penghambatan TMPRSS2 dibandingkan dengan camostat (-8,25 kkal/mol) dan nafamostat (-6,52 kkal/mol). Sebagai inhibitor protein spike SARS-CoV-2 varian Omicron, acanthomanzamine C (-9,19 kkal/mol) dan cortistatin J (-8,89 kkal/mol) juga menunjukkan penghambatan yang lebih baik dibandingkan dengan mefloquine (-6,34 kkal/mol). Ligan uji tersebut juga telah memenuhi seluruh kriteria ADMET yang ditetapkan. Dari hasil analisis simulasi dinamika molekuler menunjukkan pengikatan yang stabil senyawa ligan uji terhadap protein target setelah simulasi berjalan 60 nanodetik dan memiliki energi ikatan bebas MMGBSA dan MMPBSA yang lebih baik dibandingkan ligan pembanding diantaranya TMPRSS2–acanthomanzamine C (-28,2067; -24,6639 kkal/mol), TMPRSS2–cortistatin G (-29,9908; -24,8869 kkal/mol), protein spike–acanthomanzamine C (-45,1414; -27,8749 kkal/mol), dan protein spike–cortistatin J (-37,8537; -35,6439 kkal/mol). Hasil penelitian ini menunjukkan bahwa acanthomanzamine C, cortistatin G, dan cortistatin J merupakan senyawa hits sebagai kandidat terapi untuk infeksi SARS-CoV-2.

---

The pandemic caused by SARS-CoV-2 has triggered a global health emergency. The rapid spread of the Omicron variant has further intensified the urgency to search for appropriate therapies to prevent severe infections. The human TMPRSS2 and spike protein of the SARS-CoV-2 Omicron variant were identified as the target proteins through computational screening. The methods used are structure-based virtual screening; absorption, distribution, metabolism, excretion, and toxicity (ADMET) analysis; and molecular dynamics simulation. Bioactive marine invertebrates from Indonesia were employed as test ligands. Camostat and nafamostat (co-crystal) were utilized as reference ligands against TMPRSS2, whereas mefloquine was used as a reference ligand against spike protein. Following a molecular docking, acanthomanzamine C (-9,75 kcal/mol) and cortistatin G (-9,39 kcal/mol) had better activity against TMPRSS2 inhibition compared to camostat (-8,25 kcal/mol) and nafamostat (-6,52 kcal/mol). As inhibitors of spike protein of SARS-CoV-2 Omicron variant, acanthomanzamine C (-9,19 kcal/mol) and cortistatin J (-8,89 kcal/mol) also showed better inhibition compared to mefloquine (-6,34 kcal/mol). The test ligands have also met all the established ADMET criteria. The results of the molecular dynamics analysis showed stable binding of the test ligands to the target proteins after the initial 60 nanoseconds and had free binding energies of MMGBSA/MMPBSA that were better than the comparison ligands, including TMPRSS2–acanthomanzamine C (-28,2067; -24,6639 kcal/mol), TMPRSS2–cortistatin G (-29,9908; -24,8869 kcal/mol), spike protein–acanthomanzamine C (-45,1414; -27,8749 kcal/mol), and spike protein–cortistatin J (-37,8537; -35,6439 kcal/mol).  These results indicate that acanthomanzamine C, cortistatin G, and cortistatin J are hits compounds as candidate therapies for SARS-CoV-2 infection."

"SARS-CoV-2 sebagai virus penyebab COVID-19 yang berikatan dengan reseptor ACE-2 untuk masuk ke dalam sel inang melalui protein spike-1. Protein spike-1 dapat menjadi target pencegahan COVID-19 melalui pengembangan vaksin. Vaksin berbasis DNA merupakan kandidat vaksin yang menjanjikan untuk dikembangkan. Spesimen naso-oro faring pasien COVID-19 yang telah dikonfirmasi dengan RT-PCR, diekstraksi dan diamplifikasi dengan menggunakan primer kloning terhadap plasmid pUMVC4a. Hasil sekuensing dianalisis dengan SeqScape 3.0 dan MEGA 11. Analisis epitop sel B dilakukan dengan berbagai piranti lunak berbasis web. Konstruksi DNA vaksin dilakukan melalui analisis in silico menggunakan SnapGene 6.0 serta in vitro melalui teknik DNA Rekombinan. Gen spike-1 teramplifikasi dengan ukuran 2.265 bp, namun ligasi ke pUMVC4a dan transformasi ke E.coli strain DH5α belum berhasil. Berdasarkan analisis, seluruh sekuen memiliki mutasi D614G dengan isolat A dan B memiliki PNI yang dekat dengan varian Wuhan wt sementara 5 isolat (C-G) termasuk dalam varian Omicron. Berdasarkan sifat antigenisitas, toksisitas, alergenisitas, topologi dan hidrofobisitas, empat belas sekuen asam amino (pada posisi 68-678 protein S-1) diajukan sebagai epitop terpilih. Terdapat 14 sekuens asam amino pada protein spike-1 SARS-CoV-2 yang dapat diajukan sebagai domain epitop sel B dalam pengembangan vaksin COVID-19 berbasis DNA.

---

SARS-CoV-2 as the virus that causes COVID-19 binds to the ACE-2 receptor to enter host cells via the spike-1 protein. Spike-1 protein can be a target for preventing COVID-19 through vaccine development. DNA-based vaccines are promising vaccine candidates to be developed. Naso-oropharyngeal specimens of COVID-19 patients confirmed by RT-PCR were extracted and amplified using clone primers against the plasmid pUMVC4a. The sequencing results were analyzed with SeqScape 3.0 and MEGA 11. B cell epitope analysis was performed with various web-based software. Vaccine DNA construction was carried out through in silico analysis using SnapGene 6.0 and in vitro using Recombinant DNA techniques. The spike-1 gene was amplified with a size of 2,265 bp, but ligation to pUMVC4a and transformation to E.coli strain DH5α were not successful. Based on the analysis, all sequences have the D614G mutation with isolate A and B having a PNI that is close to the Wuhan wt variant while 5 isolates (C-G) belong to the Omicron variant. Based on antigenicity, toxicity, allergenicity, topology and hydrophobicity, fourteen amino acid sequences (at positions 68 - 678 of protein S-1) were proposed as selected epitopes. There are 14 amino acid sequences in the SARS-CoV-2 spike-1 protein that can be proposed as B cell epitope domains in the development of a DNA-based COVID-19 vaccine."