Hasil Pencarian  ::  Simpan CSV :: Kembali

"Perancangan obat baru merupakan permasalahan penting dalam industri farmasi. Metode in silico dianggap lebih produktif dalam proses perancangan obat karena keefektifitasannya yang tinggi. Dalam proses perancangan obat secara in silico, dibutuhkan struktur tiga dimensi dari senyawa kimia. Struktur tiga dimensi dapat diperoleh secara eksperimental dan komputasional. Struktur tiga dimensi yang diperoleh secara komputasional seringkali mengalami ketidaksesuaian stuktur sehingga memengaruhi validitas perancangan obat secara in silico. Pada penelitian sebelumnya, dibuat basis data herbal dengan 1405 senyawa. Dalam basis data tersebut, ditemukan ketidaksesuaian struktur tiga dimensi dari senyawa. Penelitian ini bertujuan untuk mengidentifikasi dan memperbaiki ketidaksesuaian struktur tersebut. Penelitian ini juga bertujuan untuk menemukan metode terbaik dalam pembuatan struktur tiga dimensi. Identifikasi ketidaksesuaian dilakukan pada 1405 struktur tiga dimensi senyawa dari Laboratorium Komputasi Biomedik dan Rancangan Obat Fakultas Farmasi Universitas Indonesia dengan visualisasi menggunakan perangkat lunak PyMOL. Identifikasi menghasilkan 170 senyawa yang diperbaiki dengan beberapa parameter menggunakan perangkat lunak MarvinSketch dan Vega ZZ. Hasil visualisasi perbaikan menunjukan bahwa struktur tiga dimensi senyawa dengan format .mol dan .sdf yang dibuat menggunakan perangkat lunak MarvinSketch dengan force field dreiding memberikan hasil struktur tiga dimensi paling sesuai.

---

Development of novel drugs is an important issue in the pharmaceutical industry. The in silico method is considered to refine the process of drug design because it lowers the cost. In in silico drug discovery process, a three dimensional structure of the chemical compound is required. Computational three dimensional structures often experience structural mismatch affecting the validity of the in silico drug design process. In the previous study, a herbal database with 1405 compounds were made. In this database, structural mismatches were found in some of the three dimensional structures. This study is aimed to identify and fix the structural mismatch. This study also aims to find the best method in creating three dimensional structure of compounds. Identification of the structural mismatches were done on the herbal database by molecular visualization. The identification process yields 170 compounds with structural mismatch that were fixed with a few different parameters using MarvinSketch and VegaZZ software. The result of the final structure visualization shows that the three dimensional structure of the compound with the .mol and .sdf file format created using Dreiding force fields of MarvinSketch as the best result of three dimensional structures."

"Kanker merupakan penyebab kematian utama di seluruh dunia. Salah satu faktor terjadinya kanker adalah modifikasi epigenetik yang abnormal (hipermetilasi). Hipermetilasi yang terjadi pada gen diyakini bahwa yang berperan besar dalam proses karsinogenesis adalah enzim DNA metiltransferase (DNMT). Penelitian-penelitian yang dilakukan saat ini untuk menemukan senyawa inhibitor DNMT dari bahan alam. Salah satu metode yang mendukung untuk analisis ini adalah metode in silico. Dalam penelitian ini, diteliti beberapa senyawa pilihan dari basis data herbal Indonesia hasil penapisan virtual terhadap aktivitasnya sebagai inhibitor DNMT. Hasil penambatan molekuler senyawa Cassiamin C, Procyanidin B2, Ent-epicatechin-4alpha-8-ent-epicatechin, Epicatechin-4beta-8-epicatechin-3-O-gallate, Neorhusflavanone, 3-O-galloylepigallocatechin-4beta-6-epicatechin-3-O-gallate, Withanolide, 3-O-galloylepigallocatechin-4beta-6-epigallocatechin-3-O-gallate, Cyanidin-3-6''-caffeylsophoroside-5-glucoside, Epifriedelinol, Gallo-catechin-4alpha-8-epicatechin, Scutellarein-7-glucosyl-1-4-rhamnoside, Epigallo-catechin-3-gallate (EGCG) (kontrol positif), dan sinefungin (kokristal) didapatkan nilai ΔG secara berturut-turut, -9.34, -10.95, -7.95, -11.01, -8.78, -8.87, -11.49, -7.98, -5.92, -8.92, -9.17, -8.76, -9.70, dan -9.11 kkal/mol. Senyawa cassiamin C, procyanidin B2, epicatechin-4beta-8-epicatechin-3-O-gallate, withanolide, dan gallocatechin-4alpha-8-epicatechin memiliki ΔG lebih rendah dari senyawa sinefungin (kokristal) dan EGCG (kontrol positif). Sehingga, tahap selanjutnya akan dilakukan simulasi dinamika molekuler terhadap tujuh ligan tersebut. Hasil simulasi dinamika molekuler menunjukkan aktivitas terbaik secara keseluruhan yaitu pada senyawa procyanidin B2, epicatechin-4beta-8-epicatechin-3-O-gallate, dan gallocatechin-4alpha-8-epicatechin. Residu asam amino yang penting bagi aktivitas inhibitor DNMT1 adalah Phe1145, Glu1168, Met1169, Cys1191, Glu1266, Ala1579, dan Val1580.

---

Cancer is the leading cause of death worldwide. Factors of cancer is an abnormal epigenetic modifications (hypermethylation). Hypermethylation that occur in genes believed that played a major role in process of carcinogenesis is DNA methyltransferase (DNMT) enzyme. Recent studies is conducted to find DNMT inhibitor compounds from natural materials. Method that support for this analysis is in silico studies. In this study, several selected compounds from herbal database Indonesia results of virtual screening will be studying for the activity as an inhibitor DNMT. Results molecular docking of Cassiamin C, Procyanidin B2, Epicatechin-4alphaent-8-ent-epicatechin, Epicatechin-4beta-8-epicatechin-3-O-gallate, Neorhusflavanone, 3-O-galloylepigallocatechin-4beta-6-epicatechin-3-O-gallate, Withanolide, 3-O-galloylepigallocatechin-4beta-6-epigallocatechin-3-O-gallate, Cyanidin-3-6''-caffeylsophoroside-5-glucoside, Epifriedelinol, Gallocatechin-4alpha-8-epicatechin, Scutellarein-7-glucosyl-1-4-rhamnoside, Epigallocatechin-3-gallate (EGCG) (positive control), and Sinefungin (co-crystal) compounds, ΔG values obtained -9.34, -10.95, -7.95, -11.01, -8.78, -8.87, -11.49, -7.98, -5.92, -8.92, -9.17, -8.76, -9.70, and -9.11 kcal/mol, respectively. Cassiamin C, Procyanidin B2, Epicatechin-4beta-8-epicatechin-3-O-gallate, Withanolide, and Gallocatechin-4alpha-8-epicatechin compounds had lower ΔG than Sinefungin (co-crystal) and EGCG (positive control) compounds. Therefore, molecular dynamic simulation of seven selected compounds will be performed. The results of molecular dynamic simulation shows the best overall activity is Procyanidin B2, Epicatechin-4beta-8-epicatechin-3-O-gallate, and Gallocatechin-4alpha-8-epi-catechin compounds. Amino acid residues which are important for the activity of DNMT1 inhibitor is Phe1145, Glu1168, Met1169, Cys1191, Glu1266, Ala1579, and Val1580."

"Histon Deasetilase 2 (HDAC2) merupakan salah satu enzim dari suatu superfamily 18 enzim zinc-dependent yang kini tengah banyak diteliti sebagai target terapeutik. HDAC2 merupakan bagian dari HDAC kelas 1 yang diketahui memiliki aktivitas kuat sebagai katalis, dan umumnya merupakan target bagi inhibitor HDAC (HDACi). HDAC2 berperan pada gejala komplikasi akhir diabetes seperti nefropati diabetes. Sehingga penelitian lebih lanjut terkait inhibitor enzim-enzim HDAC khususnya HDAC2 perlu dikembangkan.Dalam penelitian ini, diteliti senyawa-senyawa dari basis data herbal Indonesia terhadap aktivitasnya sebagai inhibitor HDAC2, dengan melakukan penapisan virtual, untuk mendapatkan senyawa-senyawa pilihan, kemudian dilakukan simulasi dinamika molekuler untuk mengetahui interaksi senyawa sebagai inhibitor enzim. Didapatkan sepuluh besar peringkat senyawa penapisan virtual, kemudian diambil lima diantaranya dengan kriteria terbaik untuk dilakukan simulasi dinamika molekuler yaitu senyawa Boesenbergin B, Pongachalcone I, 6,8-Diprenylgenistein, Marmin, Mangostin, dengan kristal ligan N-(2-aminophenyl)benzamide sebagai kontrol positif, dengan nilai ΔG secara berturut-turut -8.28; -9.15; -7.05; -9.07; -7.15 dan ΔG kontrol positif -10.27. Dari simulasi dinamika molekuler diketahui aktivitas inhibitor HDAC2 berinteraksi pada residu asam amino penting yaitu His145C, Tyr308C, Zn379C, Leu276C, Phe155C, Phe210C, Leu144C, Met35C.

---

Histone Deacetylase 2 (HDAC2) is one of a superfamily of 18 zinc-dependent enzymes, which now being widely investigated as therapeutic targets. HDAC2 is part of class I HDAC enzymes which knownly active as a strong catalys, and generally is the target for HDAC inhibitors (HDACi). HDAC2 play a role in the symptoms of late complications of diabetes such as diabetic nephropathy. So further research related to HDAC inhibitors, particularly HDAC2 need to be developed.In this study, research will be performed using virtual screening method to obtain several herbal compounds against their activities as HDAC2 inhibitors from the Indonesian herbal database, molecular dynamics simulations are then conducted to understand the interaction of compounds as inhibitors of the enzyme. The results of virtual screening process managed to obtained ten compounds with the highest Pharmacophore fit score rating, and would selected five compounds with the best criteria for molecular dynamics simulations, which are Boesenbergin B, Pongachalcone I, 6,8-Diprenylgenistein, Marmin, Mangostin, and active crytal ligand N-(2-aminophenyl)benzamide as a positive control, with respectively ΔG values obtained -8.28; -9.15; -7.05; -9.07; -7.15 and -10.27 as the ΔG value of active crystal ligand. From moleculer dynamics simulation of the activity of HDAC2 inhibitors are known to interact in two important amino acid residue that is His145C, Tyr308C, Zn379C, Leu276C, Phe155C, Phe210C, Leu144C, Met35C."

"Beberapa penelitian menunjukkan bahwa antagonis Adenosin A2A mengurangi fluktuasi motorik, diskinesia, melindungi dari kelainan neurodegeneratif pada penyakit Parkinson di dalam otak manusia yang bersifat progresif kronis dengan hilangnya neuron dopaminergik. Tujuan dari penelitian ini adalah menemukan senyawa herbal Indonesia sebagai inhibitor Adenosin A2A dengan menggunakan metode penapisan virtual.Pada penelitian ini, dilakukan penapisan virtual senyawa dari basis data tanaman herbal Indonesia sebagai antagonis Adenosin A2A menggunakan AutoDock dan AutoDock Vina yang divalidasi menggunakan basis data Directory of Useful Decoys: Enhanced DUD-E. Metode ini divalidasi dengan menggunakan parameter Enrichment Factor EF dan Area Under Curve AUC dengan kurva Receiver Operating Characteristics ROC.Berdasarkan hasil validasi, grid box yang digunakan untuk penapisan menggunakan AutoDock adalah grid box 60 x 60 x 60 dengan nilai EF1 sebesar 16,5869 dan AUC 0,8406. Terdapat dua senyawa Chitranone dan 3-O-Methylcalopocarpin dengan energi ikatan ndash;10,19 dan -9,55 kkal/mol, masing-masing menunjukkan interaksi dengan situs aktif Adenosin A2A pada residu ALA63, ILE66, ALA81, LEU85, PHE168, GLU169, MET177, TRP246, LEU249, ASN253, dan ILE274. Penelitian ini menyimpulkan bahwa Chitranone dan 3-O-Methylcalopocarpin dapat diusulkan untuk dikembangkan sebagai antagonis Adenosin A2A.

---

Previous research found that Adenosine A2A antagonist allows to reduce motor fluctuations, dyskinesia, protect from neurodegenerative disorder in Parkinsons disease in the human brain which is chronic progressive of losing dopaminergic neurons. The aim of this study is to explore Indonesian herbal compounds as Adenosine A2A inhibitor using virtual screening method.

In this study, virtual screening of Indonesian herbal database as Adenosine A2A inhibitor was done by AutoDock and AutoDock Vina and was validated by database from A Directory of Useful Decoys Enhanced DUD E. The method was validated by Enrichment Factor EF and Area Under Curve AUC of Receiver Operating Characteristics ROC curve. Based on the validation results, grid box that was used in virtual screening using AutoDock is 60 x 60 x 60 with EF1 16.5869 and AUC 0.8406.

The two compounds Chitranone and 3 O Methylcalopocarpin with binding energy 10.19 and 9.55 kcal mol, respectively showing interaction with Adenosine A2A active site at residues ALA63, ILE66, ALA81, LEU85, PHE168, GLU169, MET177, TRP246, LEU249, ASN253, and ILE274. This study conclude that Chitranone and 3.O Methylcalopocarpin could be proposed to be developed as Adenosine A2A antagonist."

"Penyakit Parkinson merupakan penyakit neurodegeneratif dan kronik yang bersifat progresif. Karakterisasi penyakit Parkinson yaitu adanya penurunan fungsi motorik akibat penurunan produksi dopamin pada basal ganglia. Terapi farmakologis utama dan efektif untuk mengembalikan kadar dopamin yaitu dengan prekursor dopamin (L-dopa). Namun, penggunaan L dopa pada jangka waktu yang panjang dapat menimbulkan efek samping yang kronik seperti fluktuasi motorik dan diskinesia. Salah satu strategi baru terapi Parkinson yaitu dengan antagonis reseptor adenosin A2A. Pada penelitian ini dilakukan penapisan virtual berbasis farmakofor terhadap senyawa antagonis reseptor adenosin A2Ayaitu, Xantin dan Non-Xantin (Trisiklik, Bisiklik, dan Monosiklik) sebagai training set dengan tujuan mendapatkan senyawa-senyawa dari pangkalan data herbal Indonesia yang berpotensi menjadi antagonis reseptor adenosin A2A. Optimasi dan penapisan virtual berbasis farmakofor dilakukan menggunakan Ligandscout dan divalidasi dengan databaseyang didapatkan dari A Directory of Useful Decoys:Enhanced(DUD-E). Metode ini divalidasi dengan nilai Enrichment Factors(EF) dan Area Under Curves (AUC) dari kurva Receiver Operation Charateristics(ROC). Hasil optimasi yang didapatkan untuk penapisan virtual adalah dengan menggunakan kelompok training set monosiklik dengan farmakofor yaitu Aromatic Ring (AR),Hydrophobic Interaction(H) Hidrogen Bond Receptor(HBA), Hidrogen Bond Donor (HBD) danpenambahan Feature Tolarence sebesar 0,45 Å pada masing-masing farmakofor. Didapatkan senyawa kandidat (hits) yang memiliki kecocokan pada fitur farmakofor dengan senyawa aktif antagonis adenosin A2Ayaitu, lumichrome, mirabijaloneB, dan boeravinoneF.

---

Parkinson's disease is a chronic and neurodegenerative disorder that occur progressively. Parkinson's disease is characterized by deterioration of motor function due to loss production of dopamine in basal nuclei. The main and effective treatment for restoring dopaminergic neurotransmitter on patients with Parkinson's disease has been the dopamine precursor (L-dopa). However, after prolonged use of levodopa many patients start to experience chronic side effects such as motor fluctuations and dyskinesia. Adenosine A2a antagonist receptor is one of new strategies to treat Parkinson's disease that has been established as a promising target in Parkinson's disease. The aim of this study is to obtain adenosine A2a antagonist receptor's new compounds from Indonesia herbal database with pharmacophore-based virtual screening approach againts Xanthine and Non-Xanthine (Tricylic, Bicylic, Monocylic) as training sets. Pharmacophore-based virtual screening and optimization were done using Ligandscout and was validated by database from A Directory of Useful DecoyslEnhanced (DUD-E). Monocylic group that has 4 pharmacophores, namely Aromatic Ring (AR), Hydrophobic Interaction (H) Hidrogen Bond Receptor (HBA), Hidrogen Bond Donor (HBD) with addition 0,45 A of feature tolerance was used for virtual screening based on optimization result. Obtained hits compound that have a match on pharmacophore with active compound of adenosine A2a antagonist receptor are lumichorme, mirabijalone B, and boeravinone F."