Hasil Pencarian  ::  Simpan CSV :: Kembali

"ABSTRAKInhibitor Dipeptidyl Peptidase-4 (DPP-4) menjadi obat yang semakin penting dalam pengobatan diabetes melitus tipe-2, namun beberapa golongan obat ini memiliki efek samping seperti nyeri sendi yang bisa menjadi parah hingga pankreatitis, diperkirakan efek samping ini muncul terkait dengan penghambatannya terhadap enzim DPP-8 dan DPP-9. Untuk mengembangankan inhibitor DPP-4 baru yang memiliki aktivitas penghambatan yang tinggi terhadap DPP-4 dan penghambatan yang rendah terhadap DPP-8 dan DPP-9 maka dilakukan virtual screening pada lebih dari 10 juta molekul, dengan membangun workflow virtual screening menggunakan metode Quantitative Structure-Activity Relationship (QSAR) berbasis artificial intelligence (AI). Lima algoritma machine learning regresi dan empat algoritma machine learning klasifikasi digunakan untuk membangun workflow virtual screening. Algoritma yang memenuhi syarat untuk model QSAR regresi adalah Support Vector regression dengan R2pred 0,78 sedangkan model QSAR klasifikasi adalah Random Forest dengan akurasi 92,21%. Dari hasil virtual screening didapatkan senyawa hit dengan pIC50 diatas 7,5 sebanyak 2.716 senyawa. Hasil penambatan molekul beberapa senyawa hit ke enzim DPP-4, DPP-8 dan DPP-9, didapatkan senyawa hit potensial adalah senyawa CH0002. Senyawa hit ini dapat dikembangkan lebih lanjut sebagai inhibitor DPP-4 dan workflow virtual screening pada penelitian ini dapat diterapkan pada target lainnya.

---

ABSTRACTDipeptidyl peptidase-4 (DPP-4) inhibitors are becoming an important drugs in the treatment of type 2 diabetes mellitus, but some classes of these drugs have side effects such as joint pain that can become severe to pancreatitis, these side effects appear to related with their inhibition against other DPP enzymes. This study aims to find DPP-4 inhibitor hit compounds that are selective against DPP-8 and DPP-9 enzymes. virtual screening is carried out on more than 10 million molecules, by building a virtual screening workflow using Quantitative Structure-Activity Relationship (QSAR) method based on Artificial Intelligence (AI). Five regression algortihms and four classification algorithms machine learning were used to build virtual screening workflows. The algorithm that qualifies for the QSAR regression model was Support Vector regression with R2pred 0,78 while the classification QSAR model was Random Forest with an accuracy of 92,21%. Results of virtual screening obtained hit compounds with pIC50 above 7,5 were 2.716 compounds. Results of molecular docking from several hit compounds to the enzymes DPP-4, DPP-8 and DPP-9, potential hit compound was CH0002. This hit compound can be further developed as a DPP-4 inhibitor and virtual screening workflow in this study can be applied to other targets."

"Drug discovery is all about finding small molecules that interact in a desired way with larger molecules, namely proteins and other macromolecules in the human body. If the three-dimensional structures of both the small and large molecule are known, their interaction can be tested by computer simulation with a reasonable degree of accuracy. Alternatively, if active ligands are already available, molecular similarity searches can be used to find new molecules. This virtual screening can even be applied to compounds that have yet to be synthesized, as opposed to "real" screening that requires cost- and labor-intensive laboratory testing with previously synthesized drug compounds. Unique in its focus on the end user, this is a real "how to" book that does not presuppose prior experience in virtual screening or a background in computational chemistry. It is both a desktop reference and practical guide to virtual screening applications in drug discovery, offering a comprehensive and up-to-date overview. Clearly divided into four major sections, the first provides a detailed description of the methods required for and applied in virtual screening, while the second discusses the most important challenges in order to improve the impact and success of this technique. The third and fourth, practical parts contain practical guidelines and several case studies covering the most important scenarios for new drug discovery, accompanied by general guidelines for the entire workflow of virtual screening studies. Throughout the text, medicinal chemists from academia, as well as from large and small pharmaceutical companies report on their experience and pass on priceless practical advice on how to make best use of these powerful methods."

"ABSTRAK

Penelitian senyawa baru sebagai penghambat DPP-IV untuk agen antidiabetes banyak dilakukan, seperti senyawa turunan asam sinamat. Namun afinitas ikatan senyawa tersebut belum optimal. Pemodifikasian struktur dengan metode in silico berbasis fragmen diperlukan untuk memperbaiki hal tersebut. Tujuan penelitian ini, untuk mendapatkan senyawa baru sebagai penghambat DPP-IV dengan pemodifikasian menggunakan fragmen dan senyawa alternatif yang berpotensi sebagai penghambat DPP-IV berdasarkan kemiripan dengan senyawa hasil modifikasi; menganalisis interaksinya pada makromolekul DPP-IV; memprediksi ADME, toksisitas dan kemudahan sintesis senyawa modifikasi dan senyawa kemiripannya berdasarkan nilai energi ikatan dan konstanta inhibisi. Struktur modifikasi berasal dari fragmentasi  senyawa turunan asam sinamat dan fragmen basis data Zinc yang terlebih dahulu ditapiskan terhadap parameter Rule of Three dan Heavy Atom menggunakan program Knime serta penambatan pada masing-masing situs aktif DPP-IV. Hasil modifikasi ditambatkan ulang dengan program PyRx dan dianalisis lebih lanjut berdasarkan ADME, toksisitas, dan interaksi menggunakan SwissADME dan ProTox-II. Struktur rancangan dicari kemiripannya dengan senyawa-senyawa pada basis data PubChem berdasarkan Tanimoto. Hasil modifikasi diperoleh 133 struktur rancangan. Tiga belas struktur memiliki nilai afinitas yang mendekati penghambat DPP-IV. Berdasarkan hasil penambatan dan analisis, struktur38 serta senyawa 15471581 diprediksikan berpotensi sebagai penghambat DPP-IV

---

ABSTRACT

---

Research on new compounds as DPP-IV inhibitors for antidiabetic agent have been carried out, such as cinnamic acid derivates. However, their binding affinity have not optimum. Structure modification using in silico fragment-based method is needed to fix it. The aims of this research are to obtain new compound as DPP-IV inhibitor with modification using fragment  and alternative compound that potential as DPP-IV inhibitor based on similarity with the modified compounds; and analyze their interaction in DPP-IV; predict ADME, toxicity, and ease of synthesis based on binding affinity and inhibition constant. Modified structures come from the fragmentation of structure from cinnamic acid derivates and fragments from Zinc database which previously screened against Rule of Three and Heavy Atom using Knime and docked in each DPP-IV active site. The results are docked again with PyRx and analyzed further based on ADME, toxicity, and interactions using SwissADME and ProTox-II. The structures are searched for similarities with compounds in PubChem database based on Tanimoto parameters. The modification result obtained by 133 design structure. Thirteen structures have binding affinity that approach DPP-IV inhibitor. Based on docking and analyze result, structure38 and 15471581 compound are predicted to be potential as DPP-IV inhibitor.

"

"Iradiasi gamma dapat mengeliminasi jamur berfilamen tanpa hilangnya senyawa fitokimia yang terkandung dalam bahan alam. Resveratrol adalah senyawa yang terkandung dalam biji Melinjo Gnetum gnemon Linn. , dilaporkan memiliki menguntungkan terhadap diabetes melitus.Penelitian ini dilakukan untuk mengetahui efek iradiasi gamma terhadap biji melinjo yang dilaporkan berkhasiat untuk pengobatan diabetes melitus tipe 2 DMT2 terkait dengan penghambatan DPP-4. Biji melinjo diiradiasi pada dosis 0.0; 2.5; 5.0; 7.5; dan 10.0 kGy, kemudian ditentukan angka kapang-khamir AKK dengan menggunakan 3M trade; Petrifilm Rapid Yeast and Mold Count Plates. Penetapan kadar air dilakukan dengan metode oven kering, serbuk biji melinjo dipanaskan pada suhu 105 C hingga perbedaan antar penimbangan kurang dari 2.5 . Biji melinjo kemudian diekstraksi menggunakan refluks dengan pelarut etanol, ekstrak yang diperoleh diuji aktivitas penghambatan DPP-4 menggunakan Biovision trade; DPP-4 Inhibitor Screening Assay Kit.Diperoleh hasil bahwa pada dosis iradiasi 2.5 kGy hingga 10.0 kGy tidak terjadi pertumbuhan kapang dan khamir. Diperoleh data bahwa biji melinjo memiliki kadar air sejumlah 13.48 . Iradiasi gamma tidak memberikan efek yang signifikan terhadap aktivitas DPP-4, namun demikian dosis iradiasi gamma mulai dari 2.5 kGy memberikan peningkatan profil persen penghambatan DPP-4 jika dibandingkan dengan dosis 0.0; 2.5; 5.0; dan 10.0 kGy.

---

Gamma irradiation capable to eliminate filamentous fungi without of increasing temperature, moreover certain doses of gamma irradiation prevented the loss of phytochemical compounds in irradiated materials. Resveratrol is a polyphenol compound that can be found in Melinjo Gnetum gnemon Linn. seeds.This study investigated effect of gamma irradiation on Melinjo which have beneficial effects for diabetes mellitus type 2 DMT2 related to inhibition of dipeptidyl peptidase 4 DPP 4 activity. The seeds irradiated at doses of 0.0 2.5 5.0 7.5 and 10.0 kGy, then enumerate total yeast and mold count test by using 3M trade Petrifilm Rapid Yeast and Mold Count Plates. Seeds were extracted using reflux with ethanol as solvent, the the extract was tested for its inhibitory activity to DPP 4 using Biovision trade DPP 4 Inhibitor Screening Assay Kit.The results reveal that Melinjo seeds treated with at irradiation doses of 2.5 kGy to 10.0 kGy there is no yeast and mold growth. It was found that melinjo seeds had a moisture content of 13.48 . We conclude that gamma irradiation has no significant effect on the inhibitory activity of DPP 4, however irradiation dose of 2.5 kGy show an increase in percent inhibition profile of DPP 4 compared with treatment at doses 0.0 2.5 5.0 7.5 and 10.0 kGy."

"ABSTRAKKayu secang dan kayu manis yang dilaporkan memiliki efek menguntungkan terhadap diabetes melitus dapat ditemukan dalam bentuk kombinasi pada sejumlah minuman tradisional khas Indonesia seperti wedang uwuh dan bir plethok. Natural deep eutectic solvents (NADES) berbasis kolin klorida-gliserol merupakan pelarut hijau dengan memiliki daya solvatasi tinggi dan sangat prospektif digunakan sebagai pelarut ramah lingkungan pada ekstraksi bahan alam. Penelitian ini bertujuan untuk memperoleh parameter-parameter ekstraksi untuk mengekstraksi senyawa marker yang terkandung dalam kombinasi kayu secang dan kayu manis dengan pelarut NADES berbasis kolin klorida-gliserol secara optimal. Box-Behnken design digunakan untuk optimasi dengan menggunakan response surface methodology. Ekstrak yang diperoleh dilakukan uji aktivitas penghambatan DPP-4 pada λem/eks= 360/450 nm dan molecular docking dilakukan menggunakan aplikasi LigPlot+. Penetapan kadar dilakukan dengan Kromatografi Cair Kinerja Tinggi (KCKT) pada panjang gelombang 280 nm. NADES berbasis kolin klorida-gliserol berhasil mengekstraksi senyawa marker yang terkandung dalam kombinasi kayu secang dan kayu manis secara simultan, secara signifikan (p > 0,001) lebih efektif dibandingkan dengan pelarut konvensional. Ekstrak yang dihasilkan memiliki aktivitas penghambatan DPP-4 dengan nilai IC50 sebesar 36,49 dan 360,79 µg/ml, secara berurutan untuk ekstrak yang diperoleh dengan metode ekstraksi kayu secang dan kayu manis. Molecular docking yang dilakukan menunjukkan bahwa mekanisme aktivitas penghambatan diperantarai oleh senyawa brazilin yang berikatan pada subsite S1, S1', S2, dan S2' dari DPP-4. NADES berbasis kolin klorida-gliserol cocok digunakan untuk mengekstrak senyawa marker yang terkandung dalam kombinasi kayu secang dan kayu manis, senyawa brazilin yang merupakan senyawa marker kayu secang terbukti memiliki aktivitas penghambatan DPP-4 secara in vitro dan in silico.

---

ABSTRACTSappan wood and Indonesian cassia was reported have beneficial effects to diabetes mellitus, this ingredient commonly found as combination in various number of traditional Indonesian herb drinks such as wedang uwuh and bir plethok. Choline chloride-glycerol based Natural deep eutectics solvents (NADES) is a green solvent with high solvation power that very prospective as solvent for ecofriendly natural products extraction process. The aim of this study was to optimize extraction parameters process that involved to marker compounds level extracted using choline chloride-glycerol based NADES, all parameters were designed using the Box-Behnken design of response surface methodology. The extract obtained then was determined dipeptitidil peptidase-4 (DDP-4) inhibitory assay fluorometricaly at λem/ex= 360/450 nm and molecular docking was performed using LigPlot+. Determination of marker compounds content performed using High Performance Liquid Chromatography (HPLC) at 280 nm. The results revealed that Choline chloride-glycerol based NADES applicable to extract marker compounds contained in the combination of sappan wood and Indonesian cassia simultaneously. This solvent significantly (p > 0,001) more effective than conventional solvent, resulting extract with DPP-4 IC50 values 36,49 and 360,79 µg/ml, respectively for sappan wood and Indonesian cassia extraction method. Molecular docking revealed that inhibitory activity due to brazilin interaction on subsites S1, S1', S2, and S2 ext from DPP-4. Choline chloride-glycerol based NADES was suitable for extracting marker compounds from Indonesian cassia and sappan wood, moreover Brazilin as sappan wood marker compound was proven in vitro and in silico have inhibitory activity against DPP-4."

"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."

"Diabetes merupakan gangguan metabolisme serius yang ditandai dengan hiperglikemia kronis karena produksi insulin yang tidak mencukupi (Tipe 1) atau resistensi insulin (Tipe 2).Akumulasi studi menunjukkan bahwa komposisi mikrobiota usus dapat mempengaruhi diabetes tipe 2. Salah satu strategi untuk pengobatan diabetes tipe 2 (T2DM) adalah inhibitor Dipeptidyl Peptidase-IV (DPP-IV). Bifidobacterium adolescentis dan Prevotella pallens adalah dua bakteri yang banyak terdapat di usus dan memiliki conserved sequence yang sama dengan DPP-IV. Penelitian dilakukan secara in-silicoterhadap bakteriBifidobacterium adolescentis danPrevotella pallens untuk mengetahui selektivitas obat pada DPP-IV pada manusia dan bakteri. Penambatan molekuler dilakukan menggunakan AutoDock melalui program PyRx, selanjutnya dilakukan visualisasi interaksi hasil penambatan molekuler menggunakan PyMOL. Hasil homologi modeling didapatkan dari pemodelan dengan perangkat lunak SWISS- MODEL. Parameter optimasi yang didapatkan untuk penambatan molekuler DPP-IV adalah menggunakan gridbox 50x50x50 unit dengan energi evaluasi 5.000.000. Senyawa inhibitor DPP-IV yang menunjukkan indeks selektivitas terendah terhadap bakteri Bifidobacterium adolescentis adalah Vildagliptin, sementara terhadap Prevotella pallens adalah Sitagliptin.

---

Diabetes is a serious disease characterized by hyperglycemia due to insufficient insulin production (Type 1) or insulin resistance (Type 2). One strategy for the treatment of type 2 diabetes (T2DM) is a Dipeptidyl Peptidase-IV (DPP-IV) inhibitor. Bifidobacterium adolescentis and Prevotella pallens are two bacteria that are mostly found in human’s gut and have similar conserved sequences to DPP-IV. This study tested selectivity of DPP-IV inhibitors against Bifidobacterium adolescentis and Prevotella pallens in in-silico to determine the selectivity of drugs against DPP-IV in humans and bacteria. Docking was done using AutoDock through the PyRx program, then visualizing the interaction of molecular results using PyMOL. Homology modeling results obtained from modeling with SWISS-MODEL software. The optimization parameters obtained for molecular belaying of DPP-IV using a 50x50x50 unit box with 5.000.000 evaluation energy. DPP-IV inhibiting compound which shows the lowest selectivity index against Bifidobacterium adolescentis is vildagliptin, while Prevotella pallens is sitagliptin. "

"Diabetes melitus tipe 2 (DMT2) merupakan salah satu tipe diabetes yang telah menjadi permasalahan besar dalam dunia kesehatan. Salah satu pengobatan DMT2 yang mendegrasi enzim glukagon dan meningkatkan sekresi insulin adalah inhibitor Dipeptidil Peptidase-IV (DPP-IV).  Inhibitor DPP-IV yang sudah digunakan memiliki efek samping yang bahaya, seperti pankreatitis akut, arthalagia, dan gagal jantung. Pada penelitian ini, dilakukan pengembangan model Virtual Screening (VS) menggunakan teknologi Artificial Intelligence (AI) untuk identifikasi inhibitor DPP-IV yang berpotensi. Pengembangan model VS dilakukan menggunakan konsep machine learning (ML) dan deep learning (DL). Pada penelitian ini, dilakukan 18 pengembangan model ML dan 8 model DL. Model VS DPP-IV yang optimal merupakan DNN dengan fitur Fingerprint dengan nilai parameter statistik lebih tinggi dari threshold VS optimal yaitu 0,85, dengan akurasi 0,91554, presisi 0,90815, sensitivitas 0,92319, selektivitas 0,90801, dan nilai F1 0,9156. Hyperparameter optimal model VS adalah tiga layer dengan jumlah neuron 2.000, 1.000, 100; nilai dropout 0; ukuran batch size 256; jumlah epoch 100; kecepatan learning rate 0,0001; dan tipe activation function merupakan RELU. Model VS DPP-IV dilakukan ujicoba terhadap database bindingDB dan didapat 24 ligan potensi. Berdasarkan perbandingan nilai binding affinity 24 ligan potensi terhadap ligan inhibitor DPP-IV menggunakan penambatan molekular, didapat satu ligan potensi berinteraksi dengan situs aktif S2 dan tujuh ligan potensi berinteraksi dengan situs aktif S3. Ligan tersebut memiliki nilai binding affinity lebih rendah dari ligan inhibitor DPP-IV yang FDA-approved dan lebih rendah dari -8 kcal/mol. Hasil ini menunjukkan bahwa model VS DPP-IV menggunakan AI dapat menjadi metode virtual screening dalam identifikasi inhibitor DPP-IV yang baru.

---

Diabetes mellitus type 2 (DMT2) is one of diabetes type that has been causing problems in the health sector. One of the DMT2 medications that can degrade glucagon enzyme and increase insulin secretion is a Dipeptydil Peptidase-IV (DPP-IV) inhibitor. However, DPP-IV inhibitor drugs result in unexpected side effects such as acute pancreatitis, arthralgia, and heart failure. This research developed a virtual screening (VS) model using Artificial Intelligence (AI) to identify potential DPP-IV inhibitors. VS models that were developed were 18 ML models and 8 DL models. DNN with fingerprint features was the VS model best optimal with statistical parameters that exceeds the optimum VS threshold value, which is 0,85, with accuracy 0,91554, precision 0,90815, sensitivity 0,92319, selectivity 0,90801, and F1 score 0,9156. Optimum VS model hyperparameter used a three-layered neuron with the neuron amount of each layer were 2000, 1000, and 100; zero dropout, 256 batch size, 100 epochs, learning rate 0,0001 with RELU as activation function. DPP-IV VS model was used to predict potential ligands using bindingDB and showed 24 ligands with an AI confidence level above 0.98. Based on the binding affinity comparison with DPP-IV inhibitors by molecular docking, it resulted one ligand interacting with active site S2 and seven ligands interacting with active site S3. These ligands had lower binding affinity value compared to FDA-approved DPP-IV inhibitor by docking. The result of this research showed that the DPP-IV VS model using AI could be a new VS model in identifying new DPP-IV inhibitors."

"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."

"

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.

"