Hasil Pencarian  ::  Simpan CSV :: Kembali

"ABSTRAKDaun katuk (Sauropus androgynus (L) Merr) dan daun torbangun (Coleus amboinicus (Lour.)) merupakan tanaman yang umum digunakan sebagai laktagoga. Prolaktin memegang peranan utama dalam pembentukan ASI dan peningkatan prolaktin umumnya dilakukan dengan menghambat interaksi antara dopamin dengan reseptor dopamin D2. Oleh karena itu, pada studi ini, dilakukan penelitian untuk mendapatkan kandidat senyawa aktif sebagai laktagoga dari ekstrak air daun katuk dan daun torbangun. Kandungan senyawa ekstrak air daun katuk dan daun torbangun dianalisa dengan studi metabolomik menggunakan HPLC-MS/MS dan proses identifikasi dilakukan dengan menggunakan basis data Metlin. Validasi protokol virtual screening mekanisme inhibitor reseptor D2 dilakukan dengan menggunakan program PLANTS dan protokol terbaik menghasilkan nilai EF1% 7.18 dengan cutoff ChemPLP -121.6. Analisa virtual screening terhadap kandungan senyawa teridentifikasi menunjukkan tidak ada senyawa yang memiliki ChemPLP ≤-121.6. Senyawa yang paling mendekati nilai cutoff ChemPLP adalah cyanin dengan ChemPLP sebesar -104.7280.

---

ABSTRACTKatuk leaves (Sauropus androgynus (L) Merr) and torbangun leaves (Coleus amboinicus (Lour.)) are known as galactagogue. Prolactin is the main factor in milk production and prolactin increase can be achieved by inhibiting the interaction between dopamine and dopamine D2 receptor. Therefore, this research focused on finding the compounds which have dopamine galactagogue activity from katuk leaves and torbangun leaves via D2 inhibitor. Compound database were retrieved with metabolomic study by using HPLC-MS/MS and the identification was performed with Metlin database. Virtual screening protocol validation for dopamine D2 receptor inhibitor was performed with PLANTS and the best protocol produced EF1% 7.18 with ChemPLP cutoff -121.6. Virtual screening analysis of identified compounds shows that no compound has ChemPLP≤-121.6. The closest ChemPLP was produced with cyanin with -104.7280."

"Kota Muntok, Kabupaten Bangka Barat merupakan salah satu pusat pertambangan timah di Provinsi Bangka Belitung. Timbal (Pb) adalah salah satu logam berat yang terkandung dalam limbah pertambangan dan ditemukan sebagai logam berat yang paling dominan, dengan jumlah yang terus meningkat dan melebihi ambang batas di beberapa perairan Bangka Belitung. Mikroalga yang hidup pada lokasi pertambangan harus dapat beradaptasi dengan konsentrasi timbal yang tinggi. Penelitian ini bertujuan untuk mengukur efektivitas remediasi dan menganalisis profil metabolit isolat mikroalga yang diisolasi dari sekitar wilayah pertambangan timah Kota Muntok akibat berbagai konsentrasi timbal. Sampel dikumpulkan dari perairan tawar di sekitar wilayah pertambangan timah Kota Muntok. Isolat diisolasi dan dikultur menggunakan Bold Basal Medium (BBM). Konsentrasi pengujian timbal yaitu, 0, 10, 100, dan 200 ppm. Pengujian efektivitas remediasi timbal dihitung berdasarkan perbedaan konsentrasi timbal awal dan akhir pada medium uji menggunakan Inductively Coupled Mass Spectrometry (ICP-MS). Metabolit diidentifikasi menggunakan Liquid Chromatography Mass Spectrometry (LC- MS). Data metabolit dianalisis menggunakan analisis multivariat. Hasil penelitian efektivitas remediasi timbal menunjukkan isolat mikroalga mampu menyerap timbal mencapai 83%. Analisis profil metabolomik menunjukkan pemberian timbal berpengaruh terhadap komposisi seskuiterpenoid, lipid, dan karbohidrat.

---

Muntok Subdistrict, West Bangka Regency, is one of tin mining center in Bangka Belitung Province. Lead was discovered to be the most common heavy metal in the water around tin mining sites, with concentrations increasing year after year and eventually exceeding the threshold. Microalgae found in tin mining sites should be able to adapt to high concentrations of lead. The objectives of this research were to measure remediation effectivity and analyses the metabolite profile of microalgae isolated from tin mining sites in Muntok Subdistrict due to various lead concentrations. Samples were collected from freshwater around tin mining sites in Muntok Subdistrict. The isolate was isolated and cultured using Bold Basal Medium (BBM). Lead test concentrations were 0, 10, 100, and 200 ppm. The remediation effectivity was measured by the difference in lead concentrations between the initial and final in growth medium counted using Inductively Coupled Mass Spectrometry (ICP-MS). The metabolites were identified using Liquid Chromatography Mass Spectrometry (LC-MS). The metabolites data were analyzed using multivariate analysis. The result showed microalgae isolate can remove 83% of lead, and the metabolomic profile revealed that different lead concentrations affected the composition of sesquiterpenoid, lipid, and carbohydrate content."

"ABSTRAKLatar Belakang: Mendapatkan satu embrio dengan potensi implantasi yang tertinggi merupakan hal penting dari teknologi fertilisasi invitro. Metode yang banyak digunakan selama ini untuk seleksi embrio adalah melalui penilaian morfologi. Namun morfologi embrio belum dapat menggambarkan potensi embrio dengan baik. Teknologi metabolomik merupakan metode yang memiliki potensi yang cukup baik karena memiliki beberapa kelebihan yaitu pengukuran yang cepat dan tidak bersifat invasif. Viabilitas hasil konsepsi dipengaruhi oleh proses biologis intrasel yang menghasilkan metabolom. Embrio dengan morfologi yang baik ternyata memiliki gambaran metabolomik yangberbeda. Dari penelitian ini diharapkan dapat menghasilkan model prediksi dari pola metabolomik medium kultur embrio untuk memprediksi kemampuan pembentukan blastokista. Jika kita dapat memprediksi potensi keberhasilan pembentukan blastokista dengan cara yang nir invasif dan cepat, diharapkan dapat meningkatkan proses pemilihan embrio dengan potensi implantasi yang tinggi, tanpa memperpanjang masa kultur embrio hingga hari kelima.Tujuan: Mengembangkan metode nir invasive dalam memprediksi kemampuan embrio berkembang menjadi blastokista.Metode: Penelitian kohort terhadap data spektrum FTIR medium kultur embrio hari pertama dan hari ketiga dalam memprediksi keberhasilan pembentukan blastokista, dengan membuat model prediksi dari spektrum tersebut.Hasil: Didapatkan blastokista dengan kualitas baik sebanyak 16 dari 44 embrio yang diteliti. Didapatkan nilai AUC 0,752 pada model prediksi analisis FTIR medium kultur embrio hari pertama. dengan sensitifitas 0,727 dan akurasi 72,7%. Pada analisis spektrum hari ke 3 didapatkan model prediksi dengan AUC 0,674, dengan sensitifitas 0,614 dan akurasi 0,614.Kesimpulan: Pola metabolomik medium kultur embrio dapat membedakan antara embrio yang berhasil menjadi blastokista kualitas baik dan tidak menjadi blastokista kualitas baik. Perbedaan ini dapat dideteksi dengan menggunakan analisis dengan FTIR yang kemudian dibuat model prediksinya.

---

ABSTRACTBackground: To get an embryo with the highest implantation potential is an important aspect of in vitro fertilization. The most widely used method for embryo selection is morphological assessment. However, embryo morphology has not been able to describe the potential of an embryo properly. Metabolomic technology is a method that has goodpotential because it has several advantages, namely rapid measurement and not invasive. Viability of the results of conception is influenced by intracellular biological processes that produce the metabolome. Embryos with good morphology have a different metabolomic profilling. From this research it is expected to produce a predictive model of the metabolomic profilling of embryo culture medium to predict the successful of good quality blastocyst formation. If we can predict the potential success of blastocyst formation in a non-invasive and fast way, it is hoped that it can improve the process of selecting embryos with high implantation potential, without extending embryo culture tothe fifth day.Objective: To develop a non-invasive method for predicting the ability of an embryo to develop into a good quality blastocyst.Method: A cohort study of FTIR spectrum data of first and third day embryo culture medium in predicting the success of good quality blastocyst formation, by making a prediction model of the spectrum.Results: There were good quality blastocysts from 16 of the 44 embryos studied. AUC value of 0.752 was obtained from the FTIR analysis model prediction for the first day of embryo culture medium. with a sensitivity of 0.727 and an accuracy of 72.7%. In the spectrum analysis of day 3was obtained predictive models with AUC of 0.674, with a sensitivity of 0.614 and an accuracy of 0.614.Conclusion: The metabolomic profilling of embryo culture medium can distinguish between an embryo that succeeds in becoming a good quality blastocyst and not a good quality blastocyst. This difference can be detected by using analysis with FTIR."

"Penggunaan lisat mikroba untuk perawatan kulit telah tumbuh secara substansial di pasaran. Lisat merupakan sel yang membran luarnya telah rusak karena bahan kimia atau proses fisik yang dikategorikan sebagai postbiotik. Posbiotik adalah produk inaktif atau metabolit dari mikroorganisme yang memiliki aktivitas biologis. Eksplorasi mikroba komensal kulit dalam pengembangan bahan aktif perawatan kulit telah dilakukan oleh peneliti terdahulu, empat galur bakteri dari sampel kulit suku Jawa, Staphylococcus hominis MBF12–19J, Staphylococcus warneri MBF02–19J, Bacillus subtilis MBF10–19J, Micrococcus luteus MBF05–19J. Penggabungan ke-empat galur bakteri dalam bentuk koktail telah dilakukan pada penelitian ini dengan tujuan untuk mendapatkan metode perolehan rendemen (Yield) lisat koktail bakteri yang optimum dengan mengoptimalkan pertumbuhan masing-masing bakteri dalam media produksi dilanjutkan dengan proses koktail skala Batch fermentation menggunakan biofermentor 2L. Perolehan lisat optimum berupa debris sel dan fraksi lisat diproses melalui enkapsulasi dengan inulin dan maltodekstrin metode spray drying kemudian diuji aktivitas penangkalan radikal bebas dan analisis metabolomik untuk mengetahui profil metabolitnya. Hasil menunjukkan waktu inkubasi pertumbuhan optimum kultur bakteri individu skala biofermentor 2L untuk Micrococcus luteus MBF05-19J, Bacillus subtilis MBF10-19J, Staphylococcus warneri MBF02-19J, Staphylococcus hominis MBF12-19 adalah 21, 17, 7, dan 15 jam. Waktu inkubasi fermentasi 3 jam pada suhu 37 ℃, agitasi 50 RPM, aerasi 5% oksigen terlarut. Rendemen lisat koktail kering semprot sebesar 16,5325% dengan karakteristik serbuk putih, halus, homogen, higroskopis, beraroma khas lisat. Kandungan lembab 8,93%, ukuran partikel 1150-1470 nm, aktivitas antiradikal bebas (IC50) 755,258 μg/mL. Profil metabolit lisat koktail dan serbuk lisat kering semprot menunjukkan kandungan metabolit yang masih sama.

---

The use of microbial lysates for skincare has substantially grown in the market. Lysates are cells with damaged outer membrane due to chemical or physical processes and categorized as postbiotics. Postbiotics are inactive product or metabolites of microorganisms with biological activities. Exploration of skin commensal microbes in the development of skincare active ingredients was carried out by previous study, four bacterial strains from Javanese skin samples, Staphylococcus hominis MBF12–19J, Staphylococcus warneri MBF02–19J, Bacillus subtilis MBF10–19J, Micrococcus luteus MBF05–19J. The combination of bacterial strains in cocktail form was completed in this study to obtain the optimum bacterial cocktail lysate yield method by optimizing each bacterium’s growth in production medium followed by Batch fermentation cocktail process using 2L biofermentor. Optimum lysate recovery of cell debris and lysate fraction was processed through encapsulation with inulin and maltodextrin by spray drying method, followed by radical scavenging assay and metabolomic analysis to determine the metabolite profile. The result showed the optimum growth culture incubation time of 2L biofermentor scale for Micrococcus luteus MBF05-19J, Bacillus subtilis MBF10-19J, Staphylococcus warneri MBF02-19J, Staphylococcus hominis MBF12-19 were 21, 17, 7, 15 hours respectively. Fermentation incubation time was 3 hours at 37 ℃, agitation 50 RPM, aeration 5% dissolved oxygen. The yield of spray dried cocktail lysate was 16,5325% with the characteristic of white, smooth, homogenous, hygroscopic, distinctive lysate aroma. Moisture content was 8,93%, particle size 1150-1470 nm, radical scavenging activity (IC50) 755,258 μg/mL. Metabolite profile of cocktail lysate and spray dried cocktail lysate remained the same."

"Penyakit Ginjal Diabetes (PGD) merupakan salah satu komplikasi mikrovaskular dari penyakit Diabetes Melitus Tipe 2 (DMT2) yang cenderung tidak terdeteksi secara dini sehingga diperlukan biomarker yang lebih efektif untuk mendeteksi penyakit ini. Tingginya HbA1c diketahui berpengaruh pada progresivitas PGD karena berkaitan dengan penurunan laju filtrasi glomerulus (eGFR) dan peningkatan rasio albumin kreatinin urin (UACR). Penelitian ini merupakan studi metabolomik tidak tertarget dan bertujuan untuk membandingkan metabolit urin pasien DMT2 risiko PGD rendah dengan HbA1c terkontrol dan tidak terkontrol pada pasien yang mengonsumsi terapi metformin-glimepirid. Penelitian dilakukan dengan desain potong lintang dengan teknik pengambilan sampel non-probabilitas di Puskesmas Kecamatan Pasar Minggu. Sebanyak 32 sampel dibagi menjadi dua kelompok, yakni kelompok HbA1c terkontrol (n=16) dan kelompok HbA1c tidak terkontrol (n=16). Sampel darah diambil untuk pengukuran HbA1c dan eGFR sedangkan sampel urin diambil untuk pengukuran UACR dan dianalisis metabolitnya. Analisis metabolit dilakukan menggunakan LC/MS-QTOF dan diolah datanya menggunakan MetaboAnalyst 6.0 serta berbagai database. Signifikansi metabolit antarkelompok diseleksi dengan parameter VIP>1, log2(FC)>1,2, dan p-value<0,05. Tiga metabolit yang berpotensi menjadi biomarker (AUC>0,65), yaitu oxaloacetate, 5'-phosphoribosyl-N-formylglycinamidine, dan (S)-dihydroorotate. Berdasarkan ketiga metabolit tersebut, jalur metabolisme yang terlibat meliputi (1) alanin, aspartat, dan glutamat, (2) asam sitrat (siklus Krebs), (3) glukoneogenesis, (4) piruvat, (5) pirimidin, dan (6) purin.

---

Diabetic Kidney Disease (DKD) is one of the microvascular complications of Type 2 Diabetes Mellitus (T2DM) which tended not to be detected early, necessitating more effective biomarkers for its detection. Uncontrolled HbA1c was significantly associated with the progression of DKD because it is associated with a decrease in glomerular filtration rate (eGFR) and an increase in the urine albumin creatinine ratio (UACR). This study was an untargeted metabolomics study and aimed to compare urine metabolites in low-risk DKD T2DM patients with controlled and uncontrolled HbA1c undergoing metformin-glimepiride therapy. Conducted with a cross-sectional design and non-probability sampling at Pasar Minggu District Health Center, 32 samples were split into controlled (n=16) and uncontrolled HbA1c groups (n=16). Blood samples were taken for measurement of HbA1c and eGFR, while urine samples were taken for measurement of UACR and analyzed for metabolites. Metabolite analysis was carried out using LC/MS-QTOF and the data were processed using MetaboAnalyst 6.0 and various databases. Significant metabolites were identified with VIP>1, log2(FC)>1.2, and p-value<0.05. Three metabolites, namely oxaloacetate, 5'-phosphoribosyl-N-formylglycinamidine, and (S)-dihydroorotate, emerged as potential biomarkers (AUC>0.65). The involved metabolic pathways included (1) alanine, aspartate, and glutamate, (2) citric acid (Krebs cycle), (3) gluconeogenesis, (4) pyruvate, (5) pyrimidine, and (6) purine."

"Penyakit Ginjal Diabetes (PGD) dapat menyebabkan albuminuria, yang berkembang menjadi insufisiensi ginjal. Namun, sekitar 20-40% kasus PGD merupakan PGD normoalbuminuria, yaitu gangguan fungsi ginjal dengan kadar albumin normal. Penelitian ini untuk membandingkan metabolit urin pada pasien penyakit ginjal diabetes dengan normoalbuminuria dan albuminuria yang mengonsumsi metformin-glimepirid. Desain penelitian potong lintang dengan metode consecutive sampling di Puskesmas Kecamatan Pasar Minggu dan RSUD Jati Padang. Sampel urin dan darah dikumpulkan untuk pengukuran HbA1c, UACR, dan analisis metabolit urin. Sebanyak masing-masing 16 pasien dibagi menjadi kelompok PGD normoalbuminuria dan PGD albuminuria, serta dianalisis metabolit urinnya menggunakan metabolomik tidak tertarget dengan Quadruple Time of Flight Liquid Chromatography-Mass Spectrometry. Metabolit yang berbeda signifikan divisualisasi dengan Projections to Latent Structures Discriminant Analysis (PLS-DA). Lalu, dianalisis nilai Variable Importance for the Projection (VIP) > 1.0; Fold Change (FC) >1,2 (p<0,05); dan Area Under the Receiver Operating Characteristic Curve (AUROC). Metabolit dengan nilai Area Under Curve (AUC) > 0,65 dinilai sebagai biomarker potensial. Tidak ada perbedaan bermakna pada karakteristik dasar dan klinis pada kedua kelompok, kecuali HbA1c (p<0,001). Terdapat 20 metabolit urin yang berbeda signifikan pada kelompok PGD normoalbuminuria dan albuminuria. Dari analisis jalur metabolisme pada metabolit tersebut ditemukan empat jalur metabolisme, yaitu metabolisme gliserofosfolipid, eter lipid, fenilalanin, dan triptofan. Dari keempat jalur metabolisme tersebut, ditemukan tiga metabolit biomarker potensial, yaitu glycerophosphocholine, hippuric acid, dan 2-aminobenzoic acid. Ketiga metabolit tersebut berkurang secara signifikan dari kondisi normoalbuminuria ke albuminuria. Oleh karena itu, diperlukan studi lanjut mengenai ketiga metabolit tersebut pada perkembangan PGD normoalbuminuria dan albuminuria.

---

Diabetic Kidney Disease (DKD) leads to albuminuria and gradually progresses to renal insufficiency. However, about 20-40% of DKD are normoalbuminuric DKD, which has impaired kidney function with normal albumin levels. This study compared urine metabolites in patients consuming metformin-glimepiride with normoalbuminuric and albuminuria DKD. The research design was cross-sectional with consecutive sampling method at Pasar Minggu District Public Health Centre and Jati Padang Hospital. Urine and blood samples were collected for measurement of HbA1c, UACR, and metabolite analysis. There were each 16 samples divided into normoalbuminuric DKD group and albuminuria DKD group. All subjects were analysed using non-targeted metabolomics with Quadruple Time of Flight Liquid Chromatography-Mass Spectrometry. The signature metabolites were determined by Projections to Latent Structures Discriminant Analysis (PLS-DA) with Variable Importance for the Projection (VIP) > 1.0; Fold Change (FC) >1.2 (p<0.05); and Area Under the Receiver Operating Characteristic Curve (AUROC). Metabolites with an Area Under Curve (AUC) value > 0.65 are considered potential biomarkers. There were no significant differences in baseline and clinical characteristics of two groups, except for HbA1c (p<0.001). There were 20 metabolites identified between two groups. The metabolic pathway analysis of these metabolites found that four metabolic pathways were glycerophospholipid, ether lipid, phenylalanine, and tryptophan metabolism. There were three potential biomarkers, glycerophosphocholine, hippuric acid, and 2-aminobenzoic acid, enriched in these four metabolic pathways. Compared between normoalbuminuric and albuminuria groups these three metabolites were significantly reduced. Therefore, further studies are needed regarding these three metabolites in the development of normoalbuminuric and albuminuria DKD."

"Penyakit ginjal diabetes (PGD) merupakan komplikasi jangka panjang yang terjadi pada penderita diabetes melitus tipe 2 (DMT2). Parameter laju filtrasi glomerulus (LFG) dan albuminuria untuk diagnosis PGD memiliki keterbatasan sehingga cenderung tidak terdeteksi secara dini. Oleh karena itu, diperlukan biomarker yang lebih efektif untuk mendeteksi penyakit ini. Penelitian ini bertujuan untuk mengetahui profil metabolit serum pasien DMT2 risiko rendah PGD yang mengonsumsi metformin-glimepirid dengan nilai HbA1c terkontrol dan nilai HbA1c tidak terkontrol. Teknik pengambilan sampel menggunakan teknik consecutive sampling sesuai dengan kriteria inklusi yang dilakukan di Puskesmas Kecamatan Pasar Minggu. Total sebanyak 32 sampel penelitian yang terbagi menjadi dua kelompok, yakni kelompok risiko HbA1c terkontrol (n=16) dan kelompok risiko HbA1c tidak terkontrol (n=16). Berdasarkan analisis karakteristik dasar dan klinis, tidak terdapat perbedaan yang bermakna pada seluruh karakteristik dasar dan klinis. Analisis metabolomik tidak tertarget dilakukan dengan menggunakan liquid chromatography-mass spectrometry quadrupole time-of-flight (LC/MS-QTOF) dan pengolahan data menggunakan MetaboAnalyst 6.0 serta identifikasi metabolit menggunakan beberapa database, seperti HMDB, Metlin, Pubchem, dan KEGG. Hasil analisis statistik ditampilkan dalam grafik Principal Component Analysis (PCA), Partial Least Squares-Discriminant Analysis (PLS-DA), dan heatmap. Beberapa parameter untuk menentukan metabolit yang signifikan dalam penelitian ini, yaitu nilai (log2(FC)>1,2), variable importance in projection (VIP>1), p value (p<0,05), dan nilai area under the curve (AUC>0,65). Hasil analisis metabolomik menunjukkan bahwa terdapat 10 metabolit yang signifikan berbeda antara 2 kelompok subjek penelitian dan 1 metabolit potensial dijadikan sebagai biomarker PGD, yaitu lysoPC(18:1(9Z)/0:0 yang terlibat dalam jalur metabolisme gliserofosfolipid dengan tren naik terhadap HbA1c tidak terkontrol.

---

Diabetic kidney disease (DKD) is a long-term complication that occurs in patients with type 2 diabetes mellitus (T2DM). The parameters of glomerular filtration rate (GFR) and albuminuria for the diagnosis of DKD have limitations and tend not to be detected early. Therefore, more effective biomarkers are needed to detect this disease.  This study aimed to determine the serum metabolite profile of low risk T2DM patients with PGD who take metformin-glimepirid with controlled HbA1c and uncontrolled HbA1c values. The research was conducted using a cross-sectional design with nonprobability sampling techniques at Pasar Minggu District Health Center. A total of 32 research samples were divided into two groups, namely the controlled HbA1c risk group (n = 16) and the uncontrolled HbA1c risk group (n = 16). Untargeted metabolomic analysis was performed using LC/MS-QTOF and the data was processed using MetaboAnalyst 6.0 and various databases including the HMDB, METLIN, PubChem, and KEGG. The signature metabolites determined by Projections to Latent Structures Discriminant Analysis with Variable Importance for the Projection > 1.0, fold change >1.2, p-value <0.05, and Area Under the Receiver Operating Characteristic Curve > 0.65. The results showed 10 metabolites that were significantly different between the 2 groups of study subjects. The metabolic pathway analysis of these metabolites found that likely the three metabolic pathways were glycerophospholipids, porphyrin, and sphingolipid metabolism. Only one metabolite is qualified as DKD  potential biomarker between the two groups, namely lysoPC(18:1(9Z)/0:0 which is involved in the glycerophospholipid metabolic pathway with an upward trend towards uncontrolled HbA1c groups."