Hasil Pencarian  ::  Simpan CSV :: Kembali

Abstrak :
PCSK9 atau Proprotein Convertase Subtilisin Kexin 9 merupakan protein manusia yang memiliki peran dalam regulasi lipid dengan meningkatkan konsentrasi LDL dalam tubuh. Terjadinya kenaikan lipid dalam tubuh melebihi kadar normal dapat menyebabkan penyakit dalam tubuh. Saat ini telah terdapat beberapa obat untuk mengobati penyakit karena kelebihan kadar lipid tetapi masih sangat terbatas obat yang bekerja untuk menghambat aktivitas dari PCSK9 sebagai salah satu cara pengobatan. Pencarian obat untuk menghambat PCSK9 dapat dilakukan melalui penggunaan kembali obat dengan menggunakan pemodelan farmakofor. Pada penelitian ini digunakan senyawa training set dan test set PCSK9 dari beberapa dokumen paten dan senyawa decoy set dari DUDE. Senyawa test set dan decoy set digunakan untuk memvalidasi model yang terbentuk. Senyawa training set digunakan untuk membentuk model farmakofor dengan menggunakan perangkat lunak LigandScout. Hasil dari pembentukan, validasi dan optimasi diperoleh model farmakofor terbaik hasil modifikasi feature weight +0.1, memiliki 1 fitur gugus aromatis, 1 fitur hidrofobik, 1 fitur gugus akseptor ikatan hidrogen, dan 1 fitur gugus donor ikatan hidrogen, dengan nilai AUC100% sebesar 0,93; nilai EF1% dan EF5% sebesar 34,0 dan 6,00; nilai sensitivitas sebesar 1; dan nilai spesifisitas sebesar 0,857. Model farmakofor terpilih dijadikan sebagai kueri penapisan virtual database obat FDA-approved dari BindingDB dengan hasil penapisan didapatkan 12 senyawa hasil pemeringkatan terbaik berdasarkan nilai pharmacophore fit score tertinggi yaitu gefitinib, clozapine, carbamazepine, phenylephrine hydrochloride, phenelzine sulfate, bupropion hydrobromide, guanfacine hydrochloride, zaleplon, dapagliflozine, methamphetamine hydrochloride, amoxicillin, lorcaserine hydrochloride. 12 senyawa hasil pemeringkatan dari penelitian adalah senyawa kandidat obat inhibitor PCSK9. ......PCSK9 or Proprotein Convertase Subtilisin Kexin 9 is a human protein that has a role in lipid regulation by increasing the concentration of LDL in the body. The occurrence of an increase in lipids in the body beyond normal levels can cause disease. Currently, there are several drugs to treat disease due to excess lipid levels, but there are still limited drugs that work to inhibit the activity of PCSK9 as a treatment method. The search for drugs to inhibit PCSK9 can be done through drug repurposing using pharmacophore modeling. In this research, the training and PCSK9 test set from several patent documents and the decoy set compound from DUDE used. A test and decoy set compound were used to validate the generated pharmacophore model. The training set compound was use to generated a pharmacophore model using the LigandScout. The results of generation, validation, and optimization of the pharmacophore model obtained the best pharmacophore model modified by feature weight +0.1, which has four feature (1AR, 1H, 1HBA, 1HBD). The value of AUC 100% 0,93; EF1% and EF5% value are 34,0 and 6,00; sensitivity and specificity values are 1 and 0,857. The selected pharmacophore model was used as a virtual screening query for the FDA-approved drug database from BindingDB. The result of the screening obtained 12 compounds with the best ranking based on the highest Pharmacophore fit score, that is gefitinib, clozapine, carbamazepine, phenylephrine hydrochloride, phenelzine sulfate, bupropion hydrobromide, guanfacine hydrochloride, zaleplon, dapagliflozin, methamphetamine hydrochloride, amoxicillin, lorcaserine hydrochloride.

Abstrak :
SIRT1 merupakan salah satu dari tujuh sirtuin manusia SIRT1-7 yang termasuk dalam HDAC kelas III. Sejumlah penelitian tentang SIRT1 telah banyak dibuktikan berperan dalam regulasi metabolisme seluler serta sering dihubungkan dengan pathogenesis penyakit seperti kanker dan penyakit nuerodegeneratif. Untuk menemukan kandidat obat yang baik beberapa menggunakan metode in silico sebagai tool yang cepat dalam menganalisis aktifitas biologis obat secara virtual. Metode in silico dalam penelitian ini dimulai dari penapisan virtual, penambatan molekul dan simulasi dinamika molekuler yang menggunakan database herbal Indonesia untuk menemukan senyawa kandidat yang berpotensi sebagai inhibitor SIRT1. Hasilnya diperoleh ada enam senyawa kandidat dari database Herbal Indonesia yang memiliki potensi sebagai inhibitor SIRT1 yaitu 5-oxocoronaridine, 3-oxocoronaridine, 5-hydroxy-6-oxocoronaridine, dregamine, isovoacristine dan tabernaemontanine. Hasil penambatan molekul senyawa kandidat terhadap dua makromolekul SIRT1 PDB ID: 4I5I dan 4ZZI menunjukkan nilai pengikatan energi bebas senyawa kandidat mendekati dan lebih tinggi dari senyawa ligand co-kristal. Dari analisis simulasi dinamika molekuler diperoleh energi bebas MMPBSA di atas -21 kkal/ mol sedangkan occupancy ikatan hidrogen residu Ile347 dan Asp348 diatas 80 .

---

SIRT1 is one of seven human sirtuins SIRT1 7 are included in class III of HDAC. A number studies of SIRT1 has been widely demonstrated a role in the regulation of cellular metabolism and linked to pathogenesis of diseases such as cancer and neurodegeneratif diseases. To find a good drug candidates could using in silico methods as a quick tool in analyzing the biological activity of drugs virtually. In silico methods in this research started from a virtual screening, docking and molecular dynamics simulations that use Indonesian herbal database to find potential candidate compounds as SIRT1 inhibitor. The result was obtained there are six candidates compound of Indonesian Herbal database that has potential as SIRT1 inhibitor that is 5 oxocoronaridine, 3 oxocoronaridine, 5 hydroxy 6 oxocoronaridine, dregamine, isovoacristine and tabernaemontanine. Docking results shown that molecule candidate compounds against two of macromolecules SIRT1 PDB ID 4I5I and 4ZZI have value of the candidate compound binding free energy approach and higher than the co crystal ligands. From the analysis of molecular dynamics simulations obtained free energy MMPBSA about 21 kcal mol while occupancy hydrogen bonding of residues Ile347 and Asp348 about 80 .

Abstrak :
Inhibitor Dipeptidil peptidase 4 (DPP-4) merupakan salah satu golongan obat anti diabetes oral yang bekerja menghambat DPP-4 dalam menginaktivasi GLP-1 yang umumnya terjadi secara cepat. Namun, karena masih sedikit variasi obat antidiabetes golongan inhibitor DPP-4, membuka peluang untuk ditemukannya senyawa lain yang berfungsi sebagai inhibitor DPP-4. Studi ini bertujuan untuk mempelajari analisis penambatan molekul senyawa turunan arilmetilamin dengan DPP-4 dan menemukan parameter farmakofor yang optimum untuk proses selanjutnya yaitu, menemukan senyawa kandidat dari turunan arilmetilamin sebagai inhibitor DPP-4. Proses penambatan molekul dilakukan menggunakan software Autodock terhadap senyawa turunan arilmetilamin pada salah satu makromolekul kokristal DPP-4. Parameter farmakofor yang optimum didapatkan dari software LigandScout. Fitur farmakofor yang dihasilkan dari 33 senyawa turunan arilmetilamin divalidasi menggunakan test set yang terdiri dari senyawa actives dan decoy yang didapatkan dari DUD-E. Sebanyak 33 senyawa turunan arilmetilamin yang diuji dengan metode penambatan molekul menunjukan interaksi dengan triad katalitik (Glu 205, Glu 206, Ser 630) dari DPP-4 dan memiliki energi ikatan yang baik (G) yaitu dibawah-8,00 kkal/mol. Model farmakofor terbaik dengan nilai model farmakofor 0,9666 yang divalidasi dengan 1.079 active dan 41.373 decoy menghasilkan nilai parameter EF1% = 3,1, EF5% = 3,1, dan AUC100% = 0,50. Nilai tersebut di bawah parameter yang terdapat DUD-E. Oleh karena itu, dapat disimpulkan bahwa senyawa turunan arilmetilamin memiliki potensi sebagai inhibitor DPP-4 terbukti dari analisis interaksi yang terjadi dalam penambatan molekul, namun belum didapatkan fitur farmakofor yang optimum untuk proses penemuan senyawa kandidat senyawa turunan arilmetilamin sebagai DPP-4 inhibitor.

---

Dipeptydil Peptidase 4 (DPP-4) inhibitor is a class of oral antidiabetic drugs that works to inhibit activity of DPP-4 in process of inactivating GLP-1 which occurs quickly. However, there are few variations of antidiabetic drugs in that class, it opens up opportunities for other compounds to be developed as DPP-4 inhibitors. This study aims to learn about molecular docking analysis of arylmethylamine derivatives with DPP-4 and to find the optimum pharmacophore parameter for the next process. Therefore, this study can found lead compound from arylmethylamine derivatives as DPP-4 inhibitors. The molecular docking process was carried out using Autodock software. Meanwhile, the optimum pharmacophore parameters were obtained from LigandScout software. The pharmacophore features produced from arylmethylamine derivative compounds were validated using test set, consisting of actives and decoy compounds obtained from DUD-E. Molecular docking of 33 arylmethylamine derivative compounds show interactions with the catalytic triad (Glu 205, Glu 206, Ser 630) from DPP-4 and have good value of energy bond(G) which is below -8.00 kcal/mol. The best pharmacophore model with a value of scoring model pharmacophore 0.9666 was validated with 1,079 active and 41,373 decoys. This validation produced parameter values EF1% = 3.1, EF5% = 3.1, and AUC100% = 0.50 which are still below with parameters shown at DUD-E site. These results conclude that arylmethylamine derivatives have potential as DPP-4 inhibitors as showed by the interaction analysis that occurs in molecular docking, but the optimum pharmacophore feature has not been obtained for the process of finding arylmethylamine derivative lead compounds as DPP-4 inhibitors.

Abstrak :
Severe Acute Respiratory Syndrome Coronavirus 2 (SARS-CoV-2) merupakan agen penyebab Coronavirus Disease 2019 (COVID-19) yang telah menginfeksi hampir dua ratus juta orang dan menyebabkan hampir empat juta kematian di dunia. Saat ini, belum ada obat yang spesifik ditemukan untuk virus ini. Drug repurposing merupakan salah satu alternatif strategi pengembangan obat di masa pandemi. Pada penelitian ini, non-structural protein 3 (NSP3) dan non-structural protein 13 (NSP13) SARS-CoV-2, yang mengkode papain-like protease dan helikase, terpilih sebagai target potensial yang berperan penting dalam replikasi virus. Drug repurposing berbasis pemodelan farmakofor dilakukan menggunakan program LigandScout. Ligan kokristal NSP3 dan NSP13 SARS-CoV-2 dari Protein Data Bank dipilih sebagai training set. Sebelumnya, sekuens protein disejajarkan dengan Clustal Omega dan interaksi protein-ligan diidentifikasi dengan Protein-Ligand Interaction Profiler. Model farmakofor divalidasi menggunakan test set yang terdiri dari ligan terpilih sebagai senyawa aktif dan decoy dari A Database of Useful Decoys-Enhanced sebagai senyawa inaktif. Model farmakofor NSP3 pada akhirnya tidak terbentuk karena sedikitnya ligan yang tersedia. Model farmakofor NSP13 yang memiliki satu cincin aromatik (AR), satu daerah hidrofobik (H), satu akseptor ikatan hidrogen (HBA), dan satu donor ikatan hidrogen (HBD) dengan penambahan feature tolerance sebesar 0,15 Å dan feature weight sebesar 0,1 pada fitur AR, H, dan HBA menghasilkan nilai AUC100%, EF1%, EF5%, sensitivitas, dan spesifisitas sebesar 0,83; 21,2; 8,8; 0,792; dan 0,790. Model ini digunakan sebagai kueri penapisan terhadap obat yang telah disetujui FDA dari The Binding Database. Ticarcillin, sulfisoxazole, lacosamide, sulfathiazole, cefaclor, penicillin G, cephalexin, carbenicillin, atenolol, dan tolazoline diperoleh sebagai senyawa kandidat dengan pharmacophore-fit score tertinggi. ......Severe Acute Respiratory Syndrome Coronavirus 2 (SARS-CoV-2), causal agent of Coronavirus Disease 2019 (COVID-19), has infected almost two hundred millions of people and caused nearly four millions of deaths worldwide. Currently, no treatment has been identified to be effective against the virus. In the outbreak, drug repurposing emerges as a promising strategy to develop efficient therapeutics. This study selected SARS-CoV-2 non-structural protein 3 (NSP3) and non-structural protein 13 (NSP13), that encodes papain-like protease and helicase, respectively, as potential targets based on their crucial role in virus replication. Drug repurposing was carried out by LigandScout pharmacophore modeling using SARS-CoV-2 NSP3 and NSP13 co-crystallized ligands from Protein Data Bank as training set. Prior to that, crystal structures were aligned by Clustal Omega and analyzed by Protein-Ligand Interaction Profiler for interaction profiling. Generated pharmacophore model was validated by a test set consisting of above-mentioned ligands as actives and A Database of Useful Decoys-Enhanced decoys as inactives. Unfortunately, NSP3 model cannot be generated due to insufficient ligands. NSP13 model that has one aromatic ring (AR), one hydrophobic area (H), one hydrogen bond acceptor (HBA), and one hydrogen bond donor (HBD) features with 0,15 Å feature tolerance and 0,1 feature weight additions on AR, H, and HBA resulted AUC100%, EF1%, EF5%, sensitivity, and specificity of 0,83; 21,2; 8,8; 0,792; and 0,790. This model was chosen for screening against FDA-approved drugs from The Binding Database. Ticarcillin, sulfisoxazole, lacosamide, sulfathiazole, cefaclor, penicillin G, cephalexin, carbenicillin, atenolol, and tolazoline were obtained as hits with the highest pharmacophore-fit score.

Abstrak :
Pemodelan farmakofor merupakan suatu metode perancangan obat dengan pendekatan komputasi (in silico) yang berperan penting untuk mengetahui aksi spesifik antara ligan dengan target makromolekul. Pemodelan farmakofor memiliki beberapa keterbatasan, seperti sering dihasilkannya senyawa positif palsu dan negatif palsu dalam rasio yang tinggi. Oleh sebab itu, pengembangan perlu dilakukan untuk memperoleh model farmakofor yang lebih prediktif. Pada penelitian ini, dilakukan pengembangan model farmakofor yang diaplikasikan pada senyawa antagonis reseptor adenosin A2A menggunakan perangkat lunak LigandScout. Senyawa antagonis reseptor adenosin A2A diperoleh dari ChEMBL dengan nilai Ki ≤ 10 nM sebanyak 94 ligan digunakan sebagai training set dan nilai Ki > 10 nM sebanyak 3.556 ligan digunakan sebagai decoy set. Pembentukan model farmakofor dan optimasi dilakukan menggunakan training set dan divalidasi menggunakan test set yang merupakan gabungan dari training set dan decoy set. Kemudian, dilakukan analisis statistik melalui perhitungan beberapa parameter analisis berdasarkan kelompok klasifikasi biner. Dari penelitian ini, diperoleh empat fitur farmakofor dari model antagonis reseptor adenosin A2A yang mencakup 1 H (Hydrophobic Interaction), 2 HBA (Hydrogen Bond Acceptor), dan 1 HBD (Hydrogen Bond Donor). Selain itu, diperoleh nilai parameter validasi model yaitu AUC100% sebesar 0,65; EF1% sebesar 4,3; dan EF5% sebesar 3,6 serta nilai ketujuh parameter analisis statistik yaitu akurasi sebesar 0,3789; error rate sebesar 0,6211; sensitivitas sebesar 0,9894; spesifisitas sebesar 0,3684; presisi sebesar 0,0326; nilai prediksi negatif sebesar 0,9974; dan false discovery rate sebesar 0,9674. Nilai dari parameter-parameter tersebut diperoleh dari hasil optimasi model farmakofor yang berbeda-beda sehingga belum ditemukan satu model yang memiliki nilai terbaik untuk semua parameter. ......Pharmacophore modeling is a drug design method with a computational approach (in silico) that represents the important role of ligand's specific actions with macromolecular targets. Pharmacophore modeling has several limitations, such as frequent false positives and false negatives in high ratios. Therefore, model development is needed to obtain a more predictive pharmacophore model. In this study, the development of a pharmacophore model was applied to the adenosine A2A receptor antagonist compound using LigandScout. The adenosine A2A receptor antagonist compound obtained from ChEMBL with Ki value ≤ 10 nM (94 ligands) was used as a training set and a Ki value > 10 nM (3,556 ligands) was used as a decoy set. The pharmacophore model and its optimization were formed from a training set, validated using a test set which is a combination of a training set and a decoy set. Then, statistical analysis is carried out by calculating several parameters based on the analysis of binary classification groups. From this study, four pharmacophore features of the adenosine A2A receptor antagonist model were obtained, consisting of 1 H (Hydrophobic Interaction), 2 HBA (Hydrogen Bond Acceptor), and 1 HBD (Hydrogen Bond Donor). In addition, the values of AUC100% (0.65); EF1% (4.3); and EF5% (3.6) were obtained from model validation parameters and the values of accuracy (0.3789); error rate (0.6211); sensitivity (0.9894); specificity (0.3684); precision (0.0326); negative predictive value (0.9974); and a false discovery rate (0.9674) were obtained from the seven statistical analysis parameters. The value of these parameters were obtained from the optimization results of different pharmacophore models. Accordingly, the model that has the best values for all parameters has not been determined.

Abstrak :

Pada overtraining, adaptasi fisiologis menjadi tertunda atau bahkan menghasilkan suatu adaptasi yang patologis, salah satunya efek pada sistem kardiovaskuler. Penelitian ini bertujuan menilai pengaruh overtraining dan efek pemberian H. Sabdariffa L (HSL) pada kondisi overtraining terhadap indeks hipertrofi, kadar BNP dan PGC-1α jantung tikus. Penelitian ini menggunakan 25 ekor tikus jantan dewasa strain Wistar (Rattus-norvegicus), yang dibagi secara acak menjadi lima kelompok, yaitu kelompok kontrol yang diberi perlakuan placebo (K), kelompok kontrol yang diberi HSL 500mg/kgBB/hari (K-Hib), kelompok tikus dengan latihan aerobik (A), kelompok tikus dengan latihan fisik dengan kondisi overtraining (OT), serta kelompok tikus dengan latihan fisik dengan kondisi overtraining dan HSL 500mg/kgBB/hari (OT-Hib). Perlakuan dilakukan lima kali seminggu, selama 11 minggu. Indeks hipertrofi ditentukan dengan menghitung rasio berat jantung/berat badan, berat ventrikel/berat badan, dan berat ventrikel kiri/berat badan. Kadar BNP dan PGC-1α diukur menggunakan metode ELISA. Hasil penelitian didapatkan kelompok overtraining memiliki indeks hipertrofi dan kadar BNP jantung yang lebih tinggi, serta kadar PGC-1α jantung yang lebih rendah dibandingkan kelompok kontrol dan aerobik. Pemberian HSL pada kondisi overtraining cenderung mencegah penurunan indeks hipertrofi dan kadar BNP jantung tikus, meskipun tidak meningkatkan kadar PGC-1α jantung. Kondisi overtraining mengarahkan adaptasi jantung ke arah patologis dan tidak tertutup kemungkinan bahwa HSL memiliki potensi untuk mencegah terjadinya hipertrofi patologis.

 

Kata kunci: overtraining, H. Sabdariffa L, indeks hipertrofi, BNP, PGC-1α

---

Overtraining causes physiological adaptation becomes delayed or even produces a pathological adaptation, one of which is the effect on the cardiovascular system. The aims of this study are to elucidate the effect of overtraining and administration of H. Sabdariffa L (HSL) in overtraining condition on the hypertrophy index, levels of BNP and PGC-1α in the rats' hearts. This study used 25 Wistar (Rattus norvegicus) adult male rats, which were divided randomly into five groups, namely the control group given placebo treatment (K), the control group given HSL 500mg/kgBW/day (K -Hib), groups of rats with aerobic exercise (A), groups of rats with overtraining physical exercise (OT), and groups of rats with physical exercise overtraining and HSL 500mg/kgBB/day (OT-Hib). Treatment is done five times a week, for 11 weeks. Hypertrophy index is determined by calculated the ratio of heart weight/body-weight, ventricular weigh/body-weight, left ventricular weight/body-weight). BNP and PGC-1α levels were measured using the ELISA method. The results of this study showed that overtraining increased the hypertrophy index and heart BNP levels while reducing the levels of PGC-1α of rats compared to the control and aerobic groups. HSL administration tended to decrease the hypertrophy index and BNP levels although not increase the levels of PGC-1α in overtraining condition. Overtraining condition tend to the heart adaptation to the pathological direction and it is possible that HSL has potency to prevent pathological hypertrophy.

 

Keywords: overtraining, H. Sabdariffa L, hypertrophy index, BNP, PGC-1α

;

Diabetes mellitus merupakan penyakit yang belum dapat disembuhkan secara total, sehingga pengidap penyakit diabetes diharuskan menjalani pengobatan seumur hidup. Hal tersebut tentu akan menimbulkan efek samping bagi pasien yang menjalani pengobatan diabetes. Salah satu golongan obat antidiabetes adalah inhibitor dipeptidil peptidase-4 (DPP-4) yang bekerja dengan cara menghambat inaktivasi glucose like peptide (GLP-1). Golongan obat penghambat DPP-4 memiliki kemajuan yang pesat dalam perannya sebagai obat anti diabetes, namun variasi dari obat penghambat DPP-4 masih sedikit. Hal tersebut merupakan peluang untuk menemukan senyawa yang dapat berfungsi sebagai obat antidiabetes dengan golongan penghambat DPP-4. Pada penelitian ini dilakukan analisis interaksi senyawa turunan tetralin sulfonamida dengan makromolekul DPP-4 menggunakan program AutoDock. Selanjutnya dilakukan pencarian fitur farmakofor menggunakan program LigandScout untuk dijadikan training set yang digunakan untuk penapisan virtual berbasis farmakofor. Penapisan virtual ini divalidasi menggunakan test set yang disediakan oleh situs basis data DUD-E dengan 1.075 senyawa aktif 41.317 senyawa pengecoh. Hasil yang didapatkan adalah empat (4) dari delapan belas (18) senyawa turunan tetralin sulfonamida yang diuji, memiliki interaksi dengan triad katalitik dari makromolekul DPP-4 yaitu Ser630, Glu205, dan Glu206. Selain interaksi senyawa turunan tetralin sulfonamida dengan DPP-4, diperoleh sepuluh (10) model farmakofor dengan nilai tertinggi adalah 0,9692. Validasi tersebut menghasilkan nilai EF1% = 0,4 ; EF5% = 0,5 ; dan AUC100% = 0,45. Dapat disimpulkan bahwa beberapa senyawa turunan tetralin sulfonamida memiliki potensi sebagai inhibitor DPP-4 dilihat dari interaksi yang dihasilkan, akan tetapi belum didapatkan fitur farmakofor untuk penapisan virtual berbasis farmakofor.

---

Diabetes mellitus is a disease that cannot be completely cured, people with diabetes are required to have lifelong treatment. This will cause some side effects for patients undergoing diabetes treatment. One class of anti-diabetes drugs is a dipeptidyl peptidase-4 (DPP-4) inhibitor that works by inhibiting inactivation of glucose like peptide (GLP-1). DPP-4 inhibitor group has a rapid progress in its role as an anti-diabetic drug, but there is only a few variation of DPP-4 inhibitor drugs. This is an opportunity to find compounds that can function as antidiabetic drugs with DPP-4 inhibitors.This study aims to determine the interaction of tetralin sulfonamide derivative compounds with the DPP-4 macromolecule and find candidate compounds that are expected to have potential as anti-diabetic drugs with DPP-4 inhibitors. The process of analyzing the interaction of tetralin sulfonamide derivative compounds begins with docking of these compounds into the DPP-4 macromolecule using AutoDock. Furthermore, the discovery of pharmacophore feature was carried out using the LigandScout. This feature then was used for training set in ligand based virtual screening. This virtual screening was validated using a test set provided by the DUD-E database with 1,075 active compounds 41,317 decoys compounds. The results obtained four (4) of eighteen (18) tetraline sulfonamide derivative compounds, having interactions with catalytic triads of DPP-4 macromolecules namely Ser630, Glu205, and Glu206. In addition to the interaction of tetralin sulfonamide derivative compounds with DPP-4, ten (10) pharmacophore models were obtained with the best value being 0.9692. The validation produces an EF1% value = 0.4; EF5% = 0.5; and AUC100% = 0.45. It can be concluded that some tetralin sulfonamide derivative compounds have potential as DPP-4 inhibitors seen from the interactions produced, but the pharmacophore feature for ligand based virtual screening have not been obtained.

;

Diabetes mellitus merupakan penyakit yang belum dapat disembuhkan secara total, sehingga pengidap penyakit diabetes diharuskan menjalani pengobatan seumur hidup. Hal tersebut tentu akan menimbulkan efek samping bagi pasien yang menjalani pengobatan diabetes. Salah satu golongan obat antidiabetes adalah inhibitor dipeptidil peptidase-4 (DPP-4) yang bekerja dengan cara menghambat inaktivasi glucose like peptide (GLP-1). Golongan obat penghambat DPP-4 memiliki kemajuan yang pesat dalam perannya sebagai obat anti diabetes, namun variasi dari obat penghambat DPP-4 masih sedikit. Hal tersebut merupakan peluang untuk menemukan senyawa yang dapat berfungsi sebagai obat antidiabetes dengan golongan penghambat DPP-4. Pada penelitian ini dilakukan analisis interaksi senyawa turunan tetralin sulfonamida dengan makromolekul DPP-4 menggunakan program AutoDock. Selanjutnya dilakukan pencarian fitur farmakofor menggunakan program LigandScout untuk dijadikan training set yang digunakan untuk penapisan virtual berbasis farmakofor. Penapisan virtual ini divalidasi menggunakan test set yang disediakan oleh situs basis data DUD-E dengan 1.075 senyawa aktif 41.317 senyawa pengecoh. Hasil yang didapatkan adalah empat (4) dari delapan belas (18) senyawa turunan tetralin sulfonamida yang diuji, memiliki interaksi dengan triad katalitik dari makromolekul DPP-4 yaitu Ser630, Glu205, dan Glu206. Selain interaksi senyawa turunan tetralin sulfonamida dengan DPP-4, diperoleh sepuluh (10) model farmakofor dengan nilai tertinggi adalah 0,9692. Validasi tersebut menghasilkan nilai EF1% = 0,4 ; EF5% = 0,5 ; dan AUC100% = 0,45. Dapat disimpulkan bahwa beberapa senyawa turunan tetralin sulfonamida memiliki potensi sebagai inhibitor DPP-4 dilihat dari interaksi yang dihasilkan, akan tetapi belum didapatkan fitur farmakofor untuk penapisan virtual berbasis farmakofor.

---

Diabetes mellitus is a disease that cannot be completely cured, people with diabetes are required to have lifelong treatment. This will cause some side effects for patients undergoing diabetes treatment. One class of anti-diabetes drugs is a dipeptidyl peptidase-4 (DPP-4) inhibitor that works by inhibiting inactivation of glucose like peptide (GLP-1). DPP-4 inhibitor group has a rapid progress in its role as an anti-diabetic drug, but there is only a few variation of DPP-4 inhibitor drugs. This is an opportunity to find compounds that can function as antidiabetic drugs with DPP-4 inhibitors.This study aims to determine the interaction of tetralin sulfonamide derivative compounds with the DPP-4 macromolecule and find candidate compounds that are expected to have potential as anti-diabetic drugs with DPP-4 inhibitors. The process of analyzing the interaction of tetralin sulfonamide derivative compounds begins with docking of these compounds into the DPP-4 macromolecule using AutoDock. Furthermore, the discovery of pharmacophore feature was carried out using the LigandScout. This feature then was used for training set in ligand based virtual screening. This virtual screening was validated using a test set provided by the DUD-E database with 1,075 active compounds 41,317 decoys compounds. The results obtained four (4) of eighteen (18) tetraline sulfonamide derivative compounds, having interactions with catalytic triads of DPP-4 macromolecules namely Ser630, Glu205, and Glu206. In addition to the interaction of tetralin sulfonamide derivative compounds with DPP-4, ten (10) pharmacophore models were obtained with the best value being 0.9692. The validation produces an EF1% value = 0.4; EF5% = 0.5; and AUC100% = 0.45. It can be concluded that some tetralin sulfonamide derivative compounds have potential as DPP-4 inhibitors seen from the interactions produced, but the pharmacophore feature for ligand based virtual screening have not been obtained.

Abstrak :

Sirtuin 1 (SIRT1) adalah famili  kelas III dari protein histon deasetilasi (HDAC) dan reaksinya bergantung  dengan  NAD⁺. Aktivator SIRT1 menyerupai pembatasan kalori merupakan pendekatan terapi untuk diabetes mellitus tipe 2. Pencarian obat dapat dilakukan dengan metode  in silico untuk mempercepat dan memfasilitasi identifikasi kandidat senyawa terbaik dan karakteristik fisikokimia dan pemilihan hit-to-lead.

Penelitian ini bertujuan untuk mengeksplorasi dan mengidentifikasi senyawa tanaman obat yang menyerupai CR (calorie restriction mimetic) dari Basis Data Herbal Indonesia (HerbalDB) http://herbaldb.farmasi.ui.ac.id yang berpotensi sebagai kandidat untuk aktivator SIRT1  melalui kombinasi metode in silico dan in vitro. Pemodelan farmakofor diperoleh dengan dua cara yaitu  menggunakan ko-kristal yang terikat pada daerah allosterik SIRT1 dan senyawa-senyawa yang digunakan sebagai aktivator SIRT1. Kemudian, model ini digunakan untuk penapisan virtual dengan HerbalDB. Senyawa yang diperoleh diidentifikasi menggunakan penambatan molekul dengan program AutoDock4Zn dan simulasi dinamika molekul 50-ns menggunakan program Amber. Simulasi dinamika molekuler dianalisis menggunakan metode MM-GB(PB) SA. Senyawa yang terpilih diuji secara in vitro menggunakan uji luminesensi SIRT-Glo^TM.

Analisis interaksi ikatan antara ligan dan reseptor SIRT1 (PDB ID 4zzj dan 5btr) menunjukkan selektivitas ligan adanya interaksi hidrofobik pada Leu206, Ile223, Ile227. Interaksi ikatan hidrogen antara [Glu230 dengan Arg446] dan Arg234 (daerah allosterik) dengan Arg446, Val459, His473, Asp475 (daerah katalitik), karena adanya interaksi ini menjadi dekat ke arah daerah substrat. Hasil penapisan virtual menggunakan model farmakofor berbasis struktur adalah mulberrin dan model farmakofor berbasis ligan adalah gartanin, kuinidin dan kuinina sebagai prediksi terbaik aktivator SIRT1. Analisis In silico, perhitungan MM-GB(PB)SA mengkonfirmasi bahwa mulberrin, gartanin, kuinidin, kuinina menunjukkan interaksi ikatan pada daerah allosterik dan uji in vitro nilai EC₅₀ masing-masing adalah 2,10; 1,79; 1,71; 1,14μM. Jadi, dari studi in silico dan in vitro senyawa mulberrin, gartanin. kuinidin, dan kuinina, menjadi kandidat potensial untuk aktivator SIRT1.

 

---

Sirtuin 1 (SIRT1) is a class III family of protein histone deacetylases involved in NAD⁺-dependent deacetylation reactions. It has been suggested that SIRT1 activators, in a therapeutic approach for type 2 diabetes mellitus. Drug design can be performed in silico using molecular dynamic approaches to accelerate and facilitate identification of the best compound candidates and their physicochemical characteristics and hit-to-lead selection.

This study aimed to explore and identify medicinal plant compounds calorie restriction mimetic from Indonesian Herbal Database (HerbalDB) that might potentially become a candidate for SIRT1 activators through a combination of in silico and in vitro methods. Two pharmacophore models were developed using co-crystalized ligands that allosterically bind with SIRT1 similar to the putative ligands used by SIRT1 activators. Then, these were used for the virtual screening of HerbalDB. The identified compounds were subjected to molecular docking with the AutoDock4Zn program and 50-ns molecular dynamics simulation using the Amber program. Molecular dynamics simulation was analyzed using MM-GB(PB)SA methods.  The compounds identified by these methods were tested in an in vitro study using a SIRT-Glo^TM luminescence assay. Interaction analysis between activator ligand and the SIRT1 receptor (PDB IDs 4zzj and 5btr) revealed the ligand’s selectivity for hydrophobic interaction at Leu206, Ile223, Ile227. Hydrogen bond interactions between [Glu230 with Arg446] and Arg234 (allosteric region) with Val459, His473, and Asp475 (catalytic region) brought them close to the bounding substrate area. Virtual screening using structure-based pharmacophores predicted that mulberrin as the best candidate SIRT1 activator. Virtual screening using ligand-based pharmacophores predicted that gartanin, quinidine and quinine to be the best candidates as SIRT1 activators. The molecular docking studies showed the important residues involved were Ile223 and Ile227 at the allosteric region. The MM-GB(PB)SA calculations confirmed that mulberrin, gartanin, quinidine, quinine showed activity at allosteric region and their EC₅₀ in vitro values are 2.10; 1.79; 1.71; 1.14µM, respectively. Thus, mulberrin, gartanin, quinidine, and quinine, to be a potential candidate for SIRT1 activators.

 

Abstrak :
ABSTRACT
Inhibitor sodium glucose co-transporter 2 (SGLT2) telah dievaluasi dalam uji klinis sebagai dasar strategi penanganan hiperglikemia pada diabetes. Namun, karena tergolong kelas obat baru antidiabetik oral, inhibitor SGLT-2 masih jarang ditemukan di Indonesia dan harga beli yang masih tinggi untuk dijangkau. Studi ini bertujuan untuk menemukan senyawa kandidat yang berpotensi mempunyai aktivitas sebagai inhibitor SGLT2 dari pangkalan data herbal Indonesia melalui pendekatan penapisan virtual berbasis farmakofor. Model farmakofor inhibitor SGLT2 dibuat dari 10 training set ligan inhibitor SGLT2 menggunakan LigandScout 4.1.5. Sepuluh model farmakofor yang terbentuk kemudian divalidasi menggunakan metode test set dan decoy set. Farmakofor model-1 merupakan model farmakofor terbaik dengan nilai 0,9080, EF1 =56,5 , EF5 = 56,5 dan AUC100 = 0,87 yang akan dijadikan model untuk penapisan virtual. Model-1 terdiri dari 1 interaksi hidrofobik, 1 cincin aromatis, 4 donor ikatan hidrogen dan 5 akseptor ikatan hidrogen. Penapisan virtual menghasilkan tiga senyawa kandidat Hits yang memiliki pharmacophore fit score terbaik terhadap model 1, yakni vitexin = 113,62; cucumerin A = 112,62; dan cucumerin B = 113,51. Sehingga dapat disimpulkan bahwa Vitexin, Cucumerin A, dan Cucumerin B berpotensi sebagai kandidat senyawa yang mempunyai aktivitas sebagai inhibitor SGLT2.

---

ABSTRACT
Sodium glucose co transporter 2 SGLT2 inhibitor has been evaluated in clinical trials as the basic strategy of hyperglycemia handling in diabetes. However, because of SGLT 2 inhibitor was the new class of oral antidiabetic, it still rare in Indonesia and because of the high price. This study was intended to find compounds that capable of having activity as SGLT2 inhibitors from Indonesian herbal database through a pharmacophore based virtual screening approach. The SGLT2 inhibitor pharmacophore models was made from 10 training sets of SGLT2 ligand inhibitors using the LigandScout 4.1.5. Ten pharmacophore models which has been made were validated using test set and decoy set methods. The model 1 pharmacophore was the best model, with values of 0.9080, EF1 56.5 , EF5 56.5 and AUC100 0.87 which will serve as models for virtual screening. Model 1 consists of 1 hydrophobic interaction, 1 aromatic ring, 4 hydrogen bond donors and 5 hydrogen bond acceptors. Virtual screening showed three compounds Hits which have best pharmacophore fit scores according to model 1, they were Vitexin 113.62 Cucumerin A 112,62 and Cucumerin B 113,51. These results conclude that Vitexin, Cucumerin A, and Cucumerin B potentially have an activity as a SGLT2 inhibitor.

Abstrak :
ABSTRAK
Leukemia merupakan salah satu jenis kanker dengan jumlah kematian yang cukup tinggi. Salah satu jenis dari leukemia adalah chronic myeloid leukemia CML . Penyakit ini dapat dideteksi dengan kehadiran gen BCR-ABL. Protein ini yang menyebabkan fosforilasi beberapa molekul sehingga dapat mengakibatkan CML. Oleh sebab itu, protein ini dapat dijadikan sebagai target penting dalam penemuan obat utuk leukemia, khususnya jenis CML. Metode yang digunakan pada penelitian secara in silicoini adalah metode penapisan virtual berbasis farmakofor pharmacophore-basedvirtual screening dan Protein-Ligan Interaction Fingerprint PLIF . Senyawa inhibitor yang digunakan adalah senyawa in vitroyang diunduh dari pangkalan data ZINC15. Penelitian ini akan melakukan penambatan molekul molecular docking terhadap inhibitor pada sisi aktif protein target. Selanjutnya, senyawa inhibitor terbaik akan dilakukan uji farmakologi dan uji efek kesehatan untuk dapat dijadikan sebagai kandidat obat. Hasil dari penelitian ini didapatkan 3 ligan senyawa in vitro yang dapat dijadikan kandidat obat terbaik untuk menginhibisi gen BCR-ABL pada protein ABL1 Kinase.

---

ABSTRACT
Leukemia is one type of cancer with high number of deaths. Chronic myeloid leukemia CML is one type of leukemia. BCR ABL is a gene that can be a biomarker for this disease. This protein causes the phosphorylation of some molecules that cause CML. Therefore, this protein can be an important target in the discovery of drugs for leukemia, especially CML. Pharmacophore based virtual screening and Protein Ligand Interaction Fingerprint PLIF is the method that we used in this research. We downloaded the inhibitor from ZINC15 database and then we do a molecular docking simulation to know the protein ligand interaction. In the last step, we do a pharmacological properties test and health effects get to be used as drug candidates. The results of this study obtained 3 ligand of in vitrocompounds that can be used as the best drug candidate to inhibit the BCR ABL gene in the ABL1 Kinase protein.

Abstrak :
Diabetes melitus telah menjadi masalah yang terjadi pada masyarakat perkotaan saat ini. Menurut International Diabetes Federation (IDF), prevalensi global diabetes mellitus pada tahun 2017 pada rentang usia 18-99 tahun adalah 451 juta orang dan akan terus meningkat sehingga terapi diabetes mellitus saat ini membutuhkan obat-obatan yang dapat memberikan efek farmakologis yang baik, namun tidak menimbulkan efek samping yang berlebihan. Salah satu jenis golongan obat yang digunakan dalam pengobatan diabetes mellitus adalah inhibitor DPP-4. Terdapat penelitian yang mengembangkan obat golongan inhibitor DPP-4 menggunakan senyawa turunan pirolidin amida dengan nilai IC50, namun tidak terdapat interaksi antara turunan pirolidin amida dengan fitur DPP-4 dan farmakofor untuk skrining virtual dalam pemilihan kandidat obat. Pada penelitian ini dilakukan analisis penambatan molekul senyawa turunan pirolidin amida yang merupakan kandidat inhibitor diabetes melitus tipe DPP-4 dengan aplikasi AutoDock, kemudian senyawa hasil tethering tersebut digunakan sebagai training set untuk optimasi optimasi berbasis farmakofor. penyaringan virtual menggunakan database dari situs Database of Useful Decoys: Enhanced (DUD-E) pada aplikasi Ligand Scout. Hasil tethering turunan pirolidin amida pada makromolekul 5T4B menggunakan 248 senyawa diperoleh 86 senyawa yang berpotensi sebagai inhibitor DPP-4. Senyawa ini memiliki energi ikatan lebih rendah dari -8.00 kkal/mol dan berinteraksi dengan situs triad katalitik yang terdiri dari S1 (Ser630, Asn710 dan His740), S2 (Glu205 dan Glu206) dan beberapa senyawa yang berinteraksi dengan S3 (Val207, Ser209). , Phe357 dan Arg358). Hasil optimasi virtual screening menghasilkan nilai AUC kurva ROC sebesar 51% dan EF sebesar 5,7. Hasil penelitian ini menunjukkan bahwa senyawa turunan pirolidin amida berpotensi sebagai inhibitor DPP-4, namun belum ditemukan fitur farmakofor yang dapat digunakan untuk mencari kandidat senyawa inhibitor DPP-4. ......Diabetes mellitus has become a problem that occurs in urban communities today. According to the International Diabetes Federation (IDF), the global prevalence of diabetes mellitus in 2017 in the age range of 18-99 years was 451 million people and will continue to increase so that current diabetes mellitus therapy requires drugs that can provide good pharmacological effects. , but does not cause excessive side effects. One type of drug class used in the treatment of diabetes mellitus is a DPP-4 inhibitor. There are studies that develop DPP-4 inhibitor class drugs using pyrrolidin amide derivative compounds with IC50 values, but there is no interaction between pyrrolidin amide derivatives with DPP-4 features and pharmacophores for virtual screening in the selection of drug candidates. In this study, an analysis of the molecular tethering of pyrrolidin amide derivative compounds which is a candidate for DPP-4 type diabetes mellitus inhibitor candidate was carried out with the AutoDock application, then the tethered compound was used as a training set for pharmacophore-based optimization. virtual screening using a database from the Database of Useful Decoys: Enhanced (DUD-E) website on the Ligand Scout application. The results of tethering of pyrrolidin amide derivatives on 5T4B macromolecules using 248 compounds obtained 86 compounds that have the potential as DPP-4 inhibitors. This compound has a bond energy lower than -8.00 kcal/mol and interacts with a catalytic triad site consisting of S1 (Ser630, Asn710 and His740), S2 (Glu205 and Glu206) and several compounds that interact with S3 (Val207, Ser209). , Phe357 and Arg358). The results of the virtual screening optimization resulted in the AUC value of the ROC curve of 51% and the EF of 5.7. The results of this study indicate that pyrrolidin amide derivatives have the potential as DPP-4 inhibitors, but pharmacophore features have not been found that can be used to search for candidates for DPP-4 inhibitor compounds.