Protein berfungsi sebagai penyimpan dan pengantar seperti hemoglobin yang memberikan warna merah pada sel darah merah kita, bertugas mengikat oksigen dan membawanya ke bagian tubuh yang memerlukan. Selain itu juga menjadi penyusun tubuh, misalnya keratin di rambut yang banyak mengandung asam amino Cysteine sehingga menyebabkan bau yang khas bila rambut terbakar karena banyaknya kandungan atom sulfur di dalamnya, sampai kepada protein-protein penyusun otot kita seperti actin, myosin, titin, dan sebagainya. Masih banyak lagi fungsi protein seperti hormon, antibodi dalam sistem kekebalan tubuh, dan lain-lain. Di antaranya, yang paling menonjol adalah enzim, yaitu protein yang berfungsi sebagai katalis dalam tubuh. Berkat enzim, kita dapat hidup dalam kondisi yang normal yaitu suhu tubuh rata-rata 37ºC dan tekanan udara 1 atmosfir (atm).
Proses pembuatan amonia dari gas Nitrogen dan Hidrogen yang ditemukan oleh penerima hadiah Nobel Kimia 1918, Fritz Haber dari Jerman, bekerja pada suhu 700ºC dan tekanan 300 atm, namun berkat enzim Nitrogenase, mikroba yang hidup di akar tumbuhan kacang-kacangan dapat melakukannya pada kondisi normal, sehingga menyuburkan tanah (Witarto, 2009). Pro Function server telah dikembangkan untuk mengidentifikasi fungsi-fungsi biokimia protein dari struktur tiga dimensinya. Hal tersebut menggunakan metode sekuen dan struktur dasar untuk menghasilkan petunjuk-petunjuk sebagai gambaran protein dan fungsinya (Ebi, 2009).
Oleh karena dengan mengetahui struktur 3 dimensi protein dengan menggunakan program komputer dapat memberikan banyak sekali manfaat yang dapat diperoleh, maka praktikum Biokomputasi dan Bioinformatik tentang Analysis Structur Protein 3D ini sangat penting untuk dilakukan.
Pencarian database umumnya berdasar hasil alignment (penyejajaran sekuen), baik sekuen DNA maupun protein. Metode ini digunakan berdasar kenyataan bahwa sekuen DNA/protein bisa berbeda sedikit tetapi memiliki fungsi yang sama. Kegunaan dari pencarian ini adalah ketika mendapatkan suatu sekuen DNA/protein yang belum diketahui fungsinya maka dengan membandingkannya dengan yang ada dalam database bisa diperkirakan fungsi dari padanya. Algoritma untuk pattern recognition seperti Neural Network dan Genetic Algorithm telah dipakai dengan sukses untuk pencarian database ini. Salah satu perangkat lunak pencari database yang paling berhasil dan bisa dikatakan menjadi standar sekarang adalah BLAST (Basic Local Alignment Search Tool). Perangkat lunak ini telah diadaptasi untuk melakukan alignment terhadap berbagai sekuen seperti DNA (blastn) dan protein (blastp). Baru-baru ini versi yang fleksibel untuk dapat beradaptasi dengan database yang lebih variatif telah dikembangkan dan disebut Gapped BLAST serta PSI (Position Specific Iterated)-BLAST (LIPI, 2009).
Data yang memerlukan analisa bioinformatika dan cukup mendapat banyak perhatian saat ini adalah data hasil chip DNA. Menggunakan perangkat ini dapat diketahui kuantitas maupun kualitas transkripsi satu gen sehingga bisa menunjukkan gen-gen apa saja yang aktif terhadap perlakuan tertentu, misalnyatimbulnya kanker. mRNA (messenger) yang diisolasi dari sampel dikembalikan dulu dalam bentuk DNA menggunakan reaksi reverse transcription. Selanjutnya melalui proses hibridisasi, hanya DNA yang komplementer saja yang akan berikatan dengan DNA di atas chip. DNA yang telah diberi label warna berbeda ini akan menunjukkan pattern yang unik. Berbagai algoritma pattern recognition telah digunakan untuk mengenali gen-gen yang aktif dari eksperimen DNA chip ini. Salah satunya yang paling ampuh adalah Support Vect or Machine (SVM) (LIPI, 2009).
Saat ini bioinformatika telah menjelma menjadi bisnis besar. Perusahaan bioteknologi yang menghasilkan data besar seperti perusahaan sekuen genom senantiasa memerlukan bagian analisa bioinformatika. Produk bioinformatika pun sudah dipatenkan baik di AS, Eropa, maupun Asia. Menurut Arief, berdasar jenisnya produk paten terdiri dari perangkat lunak bioinformatika. Termasuk di antaranya adalah perangkat lunak pencarian database. Paten selanjutnya, menurut Arief, adalah metode bioinformatika yang menganalogikan metode bisnis seperti pada kasus pematenan Amazon.com. Sedangkan yang terakhir adalah produk bioinformatika itu sendiri yaitu informasi biologis hasil analisisnya (LIPI, 2009).
Pemanfaatan Pembuatan Protein 3 Dimensi
Tawaran yang menarik akhir-akhir ini adalah pemanfaatan komputer sebagai alat bantu dalam penemuan obat. Kemampuan komputasi yang meningkat eksponensial merupakan peluang untuk mengembangkan simulasi dan kalkulasi dalam merancang obat. Komputer menawarkan metode in silico sebagai komplemen metode in vitro dan in vivo yang lazim digunakan dalam proses penemuan obat. Terminologi in silico, analog dengan in vitro dan in vivo, merujuk pada pemanfaatan komputer dalam studi penemuan obat (Istyantono, 2007).
Sebagai ilustrasi akan disampaikan perbandingan penemuan obat secara konvensional dan dengan bantuan komputer ketika ditemukan suatu senyawa A dalam tanaman Z yang diduga aktif sebagai senyawa antikanker dengan menghambat enzim X, suatu enzim yang sudah diketahui strukturnya secara kristalografi (DiMasi, 2003):
- Konvensional
Secara konvensional yang bisa dilakukan adalah mensintesis turunan dan analog senyawa A dan diujikan dalam enzim X sampai ditemukan benerapa senyawa yang sangat potensial untuk dikembangkan. Pada senyawa-senyawa potensial tersebut dilakukan uji lanjutan dan secara alami senyawa-senyawa tersebut dapat berguguran dan tidak sampai ke pasar karena terbentur beberapa masalah pada uji lanjutan, misal didapati toksis. Kemudian dilakukan skrining lagi dari tanaman yang secara empiris dilaporkan mengobati kanker. - Melalui bantuan komputer (Computer-aided drug discovery; CADD)
Di lain pihak, keberadaan sebuah komputer pribadi dilengkapi dengan aplikasi kimia komputasi yang memadai ditangan ahli kimia komputasi medisinal yang berpengalaman dapat menayangkan senyawa A secara tiga dimensi (3D) dan melakukan komparasi dengan senyawa lain yang sudah diketahui memiliki aktivitas tinggi, misal senyawa B. Berdasarkan komparasi 3D dilengkapi dengan perhitungan similaritas dan energi, memberikan gambaran bagian-bagian dan gugus-gugus potensial yang dapat dikembangkan dari senyawa A (pharmacophore query). Kemudian berbagai senyawa turunan dan analog disintesis secara in silico alias digambar sesuai persyaratan aplikasi komputer yang digunakan (Untuk selanjutnya disebut senyawa hipotetik). Hal ini jelas jauh lebih murah daripada sintesis yang sebenarnya. Keberadaan data struktur 3D enzim X akan sangat membantu. Aplikasi komputer dapat melakukan studi interaksi antara senyawa-senyawa hipotetik dengan enzim X secara in silico pula. Dari studi ini dapat diprediksi aktivitas senyawa-senyawa hipotetik dan dapat dilakukan eliminasi senyawa-senyawa yang memiliki aktivitas rendah. Sebelum diusulkan untuk disintesis, senyawa-senyawa hipotetik tersebut dengan diprediksi toksisitasnya secara in silico dengan cara melihat interaksinya dengan enzim-enzim yang bertanggung jawab pada metabolisme obat. Dari beberapa langkah in silico tersebut, dapat diusulkan beberapa senyawa analog dan turunan senyawa A yang memang potensial untuk disintesis dan dikembangkan, atau mengusulkan untuk mengembangkan seri baru. Jumlah senyawa yang diusulkan biasanya jauh lebih sedikit dibandingkan penemuan obat secara konvensional.
Berdasarkan ilustrasi di atas dapat disarikan dua metode yang saling melengkapi dalam penggunaan komputer sebagai alat bantu penemuan obat, yaitu: (i) berdasarkan senyawa yang diketahui berikatan dengan target atau biasa disebut ligand, (rancangan obat berdasarkan ligand; ligand-based drug designi(LBDD)) dan (ii) berdasarkan struktur target baik berupa enzim maupun reseptor yang bertanggung jawab atas toksisitas dan aktivitas suatu senyawa di dalam tubuh (rancangan obat berdasarkan struktur target; structure-based drug design(SBDD)). LBDD memanfaatkan informasi sifat fisikokimia senyawa-senyawa aktif sebagai landasan mendesain senyawa baru. Tiga metode LBDD yang lazim digunakan adalah pharmacophore discovery dan hubungan kuantitatif struktur-aktivitas/quantative structure-activity relationship (HKSA/QSAR), dan docking studies. Pharmacophore discovery yaitu metode mencari kesamaan sifat fisikokimia antara lain sifat elektronik, hidrofobik dan sterik dari senyawa-senyawa yang dilaporkan aktif kemudian dibangun suatu bagian 3D yang menggabungkan sifat gugus-gugus maupun bagian senyawa yang diduga bertangung jawab terhadap aktivitasnya (pharmacophore). Adapun QSAR memadukan statistika dengan sifat fisikokimia senyawa yang dapat dikalkulasi dengan bantuan komputer guna menurunkan suatu persamaan yang dapat digunakan memprediksi aktivitas suatu senyawa (DiMasi, 2003).
Struktur protein target dapat dimodelkan dari data yang diperoleh struktur kristalnya maupun hasil analisis nuclear magnetic resonance NMR) maupun data genomic (bioinformatics). Struktur protein hasil kristalografi dapat diakses di www.rscb.org. SBDD memanfaatkan informasi dari struktur protein target guna mencari sisi aktif protein yang berikatan dengan senyawa. Berdasarkan prediksi sisi aktif dapat dirancang senyawa yang diharapkan berikatan dengan protein target tersebut dan memiliki aktivitas biologis. Dengan memanfaatan informasi dari struktur target maupun sifat fisikokimia ligand dapat dilakukan skrining uji interaksi senyawa-senyawa yang diketahui aktif (ligand) pada prediksi sisi aktif protein. Berdasarkan informasi yang diperoleh dirancang senyawa baru yang diharapkan lebih poten dari senyawa-senyawa yang ada. Hal ini juga digunakan untuk studi interaksi ligand dengan protein targetnya. Salah satu kelemahan docking studies dalam untuk studi interaksi adalah asumsi struktur protein yang kaku, yang tidak memfasilitasi efek induced-fit dari interaksi protein dengan ligand-nya. Fleksibilitas protein dan interaksinya dengan suatu senyawa dapat dianalisis dengan mengaplikasikan Molecular Dynamics (MD), simulasi yang melihat perubahan struktur suatu senyawa terhadap waktu berdasarkan parameter-parameter tertentu (Istyantono, 2007).
Sowtware Sumber Aplikasi
Permasalahan utama untuk pemanfaatan komputer adalah keberadaan aplikasi kimia komputasi yang memadai dan lengkap. Salah satu aplikasi kimia komputasi yang cukup memadai untuk penemuan obat adalah Molecular Operating Environment (MOE) yang dikembangkan Chemical Computing Group. MOE selain menawarkan fasilitas yang cukup lengkap juga user-friendly sehingga cocok digunakan dalam pembelajaran. Hanya saja aplikasi kimia komputasi yang user-friendly biasanya mahal sehingga alasan efisiensi biaya tidak lagi relevan. Sebagai informasi, biaya lisensi untuk penggunaan akademis (non komersial) sekitar 2000 US dollar pertahun. Namun demikian di era open source ini semakin banyak aplikasi-aplikasi kimia komputasi berbasis open source maupun yang menawarkan free academic license. Hanya saja aplikasi-aplikasi tersebut seringkali tidak user-friendly dan untuk memanfaatkannya membutuhkan kemampuan komputer yang lebih dalam, seperti menguasai LINUX-based operating system dan command line editor bawaan masing-masing aplikasi. Selain tidak user-friendly, aplikasi-aplikasi tersebut seringkali fokus pada satu topik sehingga tidak cukup lengkap digunakan secara komprehensif.
Beberapa contoh aplikasi-aplikasi yang tersedia secara gratis untuk tujuan nonkomersial: NAMD (http://www.ks.uiuc.edu/Research/namd/) , sebuah aplikasi untuk Molecular Dynamics; Visual molecular dynamics (VMD; http://www.ks.uiuc.edu/Research/vmd/) untuk visualisasi molekul baik tunggal maupun trajectory hasil studi Molecular Dynamics; ArgusDock (www.arguslab.com) untuk docking analisis; GAMESS (www.uiowa.edu/~ghemical/gtk-gamess.shtml) untuk minimisasi energi; dan ACD/labs ChemSkecth (www.acdlabs.com) untuk menggambar struktur kimia (Geldenhuys , 2006).
Pustaka
LIPI. 2009. Komputasi. http://www.komputasi.lipi.go.id/utama.cgi?artikel&1109828785&9. Tanggal akses 28 Maret 2009.
Geldenhuys, W,J. 2006. Optimizing the use of open-source software applications in drug discovery. DDT. http://www.chemcomp.com. Tanggal akses 28 Maret 2009.
DiMasi, J.A. 2003. The Price Of Innovation: New Estimates Of Drug Development Costs. J. Health. Econ. http://www.chemcomp.com. Tanggal akses 28 Maret 2009.
Ebi. 2009. Protein Function. http://www.ebi.ac.uk/thornton-srv/databases/ProFunc/. Tanggal akses 28 Maret 2009.
Istyantono, E. P. 2007. Peran Komputer dalam Penemuan Obat. http://www.chemcomp.com. Tanggal akses 28 Maret 2009.
Witarto, A. 2009. Makalah Protein Engineering. http://www.mail-archive.com/zoa-biotek@sinergy-forum.net/msg00140.html. Tanggal akses 28 Maret 2009.
0 comments:
Post a Comment