12 SMA/MA Sederajat E-ModulPembelajaran KELAS Ajeng Putri Widowati, S.Pd Bioinformatika (In Silico) Oleh:
ii Redaksi Dosen Pembimbing: Prof. Atok Miftachul Huda, M. Pd Prof. Lud Waluyo, M. Kes Ahli Media: Prof. Yuni Pantiwati, M.Pd Prof. RR. Eko Susetyorini, M.Si Ahli Materi: Endrik Nur Rohman, M.Pd Eko Cahyono, M.Pd Penulis: Ajeng Putri Widowati, S.Pd Penerbit: Universitas Muhammadiyah Malang Desainer: Sufriyati, S.Pd Iffany Nurhayatus Sa’adah, S. Pd Editor: Cahyo Adi Prasojo, S. Kom Ilustrator: Qorry Aulya Rohmana, M.Pd E-Modul Bioinformatika
iii Era teknologi mulai berkembang cukup pesat, dari berbagai bidang termasuk pendidikan. Kurikulum pendidikan pun telah disusun oleh pemerintah menyesuaikan perkembangan teknologi, perangkat pembelajaran seperti sumber belajar, media pembelajaran dan bahan ajar telah dilakukan pembaharuan dan pengembangan menjadi digital atau elektronik. Bagi guru, pengembangan perangkat pembelajaran membantu mengoptimalkan proses belajar mengajar dikelas. Sedangkan bagi siswa, kepraktisan dan menariknya bahan ajar dapat membantu pemahaman materi. Adapun acuan penyusunan bahan ajar saat ini, telah disesuaikan dengan kebutuhan peserta didik, guru dan kesesuaian kurikulum yang berlaku disekolah. Penyusunan e-modul ini, tidak terlepas dari rasa syukur penulis kepada Allah Subahanahu Wa Ta’ala serta sholawat dan salam kepada Nabi Muhammad Shalallaahu 'Alayhi Wasallam, karena atas segala rahmatNya, E-modul ini dapat diselesaikan dengan baik tanpa kendala yang berarti. Selain itu, secara khusus penulis mengucapkan terima kasih kepada Bapak Prof. Atok Miftachul Huda, M. Pd dan Bapak Prof. Lud Waluyo, M.Kes selaku dosen pembimbing, serta dosen-dosen penguji yang berkenan memberikan masukan setelah mencermati, meneliti dan menelaah e-modul ini. E- modul bioinformatika merupakan salah satu bahan ajar yang disusun untuk guru dan peserta didik dalam menunjang pembelajaran Biologi khusunya materi Bioteknologi. Harapan besar dari penulis, E-modul ini dapat menjadi salah satu media penunjang pembelajaran Biologi yang bermanfaat dalam menambah wawasan dan juga pemahaman bagi pembaca. E-modul ini, dilengkapi dengan materi bioinformatika, petunjuk praktik, gambar, teks, angka dan data-data penting yang bertujuan memudahkan peserta didik melakukan praktik mandiri. Kata Pengantar Malang, 18 Maret 2024 Ajeng Putri Widowati Penulis E-Modul Bioinformatika
iv Judul........................................................................................................... Redaksi......................................................................................................... Kata Pengantar............................................................................................. Daftar Isi...................................................................................................... Daftar Gambar.............................................................................................. Daftar Tabel................................................................................................. Petunjuk Penggunaan E-Modul....................................................................... Peta Konsep.................................................................................................. PENDAHULUAN................................................................................................ CAPAIAN PEMBELAJARAN................................................................................. A. BIOINFORMATIKA......................................................................................... 1........................................................................................................ 2......................................................................................................... BIOLOGI KOMPUTASI (IN SILICO)........................................................................ A. Tahapan Mencari Referensi Kandidat Obat.................................................... B. Uji Fisikokimia........................................................................................... C. Uji Farmakokinetik.................................................................................... D. Studi Molekuler Doking.............................................................................. LEMBAR KERJA PESERTA DIDIK (LKPD) 1............................................................. PROSEDUR UJI IN SILICO SENYAWA KANDIDAT OBAT............................................... 1. Prosedur uji fisikokimia.......................................................................... 2. Prosedur uji Farmakokinetik.................................................................... 3. Prosedur studi molekuler doking............................................................. LEMBAR KERJA PESERTA DIDIK (LKPD) 2............................................................. EVALUASI PEMBELAJARAN................................................................................ DAFTAR PUSTAKA............................................................................................ GLOSSARIUM................................................................................................... RANGKUMAN................................................................................................... BIOGRAFI PENULIS........................................................................................... Daftar Isi i ii iii iv v vi vii viii 1 4 5 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 E-Modul Bioinformatika
v Gambar 1...................................................................................................... Gambar 2...................................................................................................... Gambar 3...................................................................................................... Gambar 4...................................................................................................... Gambar 5...................................................................................................... Gambar 6...................................................................................................... Gambar 7...................................................................................................... Gambar 8...................................................................................................... Gambar 9...................................................................................................... Gambar 10..................................................................................................... Gambar 11..................................................................................................... Gambar 12..................................................................................................... Gambar 13..................................................................................................... Gambar 14..................................................................................................... Gambar 15..................................................................................................... Gambar 16..................................................................................................... Gambar 17..................................................................................................... Gambar 18..................................................................................................... Gambar 19..................................................................................................... Gambar 20.................................................................................................... Gambar 21..................................................................................................... Gambar 22..................................................................................................... Gambar 23.................................................................................................... Gambar 24..................................................................................................... Gambar 25..................................................................................................... Gambar 26..................................................................................................... Gambar 27..................................................................................................... Gambar 28..................................................................................................... Gambar 29..................................................................................................... Gambar 30.................................................................................................... Daftar Gambar i ii iii iv v vi vii viii ix 1 1 2 3 4 5 6 7 8 9 10 11 12 13 14 E-Modul Bioinformatika
vi E-Modul Bioinformatika Gambar 31..................................................................................................... Gambar 32.................................................................................................... Gambar 33.................................................................................................... Gambar 34.................................................................................................... Gambar 35.................................................................................................... Gambar 36.................................................................................................... Gambar 37.................................................................................................... Gambar 38.................................................................................................... Gambar 39.................................................................................................... Gambar 40.................................................................................................... Gambar 41..................................................................................................... Gambar 42..................................................................................................... Gambar 43.................................................................................................... Gambar 44..................................................................................................... Gambar 45..................................................................................................... Gambar 46..................................................................................................... Gambar 47..................................................................................................... Gambar 48..................................................................................................... Gambar 49..................................................................................................... Gambar 50.................................................................................................... Gambar 51..................................................................................................... Gambar 52..................................................................................................... Daftar Gambar 9
vii Petunjuk Penggunaan E-Modul E-Modul Bioinformatika
viii Peta Konsep Materi Bioteknologi Contoh Modern Konvensional Contoh Ciri-ciri Ciri-ciri Bidang Kesehatan Bidang Pangan Bidang Energi Bidang Pertanian In Silico (BIOINFORMATIKA) In Vitro In Vivo Uji Fisikokimia Uji Farmakokinetik Studi Moleculer Docking E-Modul Bioinformatika
1 Kurikulum 2013 telah mengalami perubahan menjadi Kurikulum Merdeka, dimana perubahan yang terjadi sebagai bentuk perbaikan dan penyesuaian dengan status pendidikan dan digitalisasi yang berkembang. perubahan tersebut meliputi pendekatan pembelajaran, strategi, metode, dan model pembelajaran. Selain itu, perubahan juga terjadi akibat permasalahan yang terjadi pada peserta didik dan guru. Peserta didik mengalami kendala dalam proses belajar seperti beban pelajaran yang ditanggung terlalu banyak, guru masih menjadi pusat konsentrasi dalam kegiatan belajar sehingga peserta didik kurang mandiri, dan kurikulum mengikat konsep belajar membuat pendidik kuang fleksibel, kreatif, dan inovatif dalam mengimplementasikan materi (Gusrianto, Revi. et.al. 2022). E-Modul Biologi dengan Kurikulum Merdeka yang ditujukan untuk peserta didik kelas XII SMA/MA dikembangkan dalam rangka pemulihan kurikulum sebelumnya yang memiliki permasalahan serta terdampak pandemi Covid-19. E-Modul yang telah disusun juga diharapkan menjadi dokumen penting yang mampu menyajikan materi dalam mengakomodasi peserta didik untuk lebih memahami, memotivasi, dan mandiri dalam belajar. Berdasarkan analisis hasil wawancara dan observasi di sekolah MA Unggulan Singa Putih, Prigen, Pasuruan, E-Modul ini memiliki tujuan khusus kepada pendidik dan peserta didik tentang materi Biologi. Tujuan untuk pendidik dan peserta didik yakni E-modul diharapkan dapat melengkapi kekurangan dan kebutuhan media/ bahan ajar guru, selain itu profil sekolah mandiri yang telah diimplementasikan sekolah serta disesuaikan dengan kurikulum merdeka membuat dokumen ini menjadi salah satu yang diharapkan untuk meningkatkan motivasi, kompetensi, dan perkembangan peserta didik dalam mengenal teknologi. PENDAHULUAN 1.Latar Belakang E-Modul Bioinformatika
2 Visi Pendidikan Indonesia Sumber: Kemenristekdikti. 2022. Mewujudkan Indonesia maju yang berdaulat, mandiri, dan berkepribadian melalui terciptanya pelajar Pancasila. “Pelajar Indonesia merupakan pelajar sepanjang hayat yang kompeten, berkarakter, dan berperilaku sesuai nilainilai Pancasila” Profil Pelajar Pancasila Menurut Kemenristekdikti (2022), Profil pelajar Pancasila adalah bentuk makna dari tujuan pendidikan nasional Indonesia. Dimana konsep tersebut sebagai referensi utama yang mampu diharapkan dapat mengarahkan kebijakan-kebijakan pendidikan termasuk acuan untuk para pendidik dalam membangun karakter dan kompetensi peserta didik. Sesuai dengan yang terdapat pada Lampiran Keputusan Kepala Badan Standar, Kurikulum, dan Asesmen Pendidikan Kementerian Pendidikan, Kebudayaan, Riset, dan Teknologi Nomor 009/H/KR/2022 Tentang Dimensi, Elemen, dan Subelemen Profil Pelajar Pancasila pada Kurikulum Merdeka, penyusunan e-modul senantiasa memerhatikan aspek penerapan dan penanaman Profil Pelajar Pancasila dalam setiap dimensinya. Profil pelajar Pancasila memiliki beragam kompetensi yang dirumuskan menjadi enam dimensi kunci. Enam dimensi itu saling menguatkan sehingga dalam usaha mengembangkannya dibutuhkan implementasinya secara bersamaan. Keenam dimensi tersebut adalah: 2. Profil Pelajar Pancasila a). Dimensi Beriman, Bertakwa Kepada Tuhan Yang Maha Esa, dan Berakhlak Mulia b). Dimensi Berkebhinekaan Global c). Dimensi Bergotong Royong d). Dimensi Mandiri e). Dimensi Bernalar Kritis f). Dimensi Kreatif E-Modul Bioinformatika
3 Pada era teknologi yang semakin berkembang ini, kebutuhan akan informasi semakin dibutuhkan oleh masyarakat secara luas. Selain itu, masalah yang berhubungan dengan dunia biologis atau lebih dikenal dengan bioinformatics, menjadi topik yang diminati pada masa kini (Yunita, Irma et al. 2016). Berdasarkan beberapa penelitian terdahulu, e-modul yang dirancang dapat dimaksimalkan dengan lebih baik melalui pendekatan saintifik. Pendekatan saintifik merupakan ciri khusus dan merupakan keunggulan dari kurikulum 2013 serta kurikulum terbaru yakni kurikulum merdeka. Langkah-langkah penerapannya menggunakan cara ilmiah dengan pendekatan pembelajaran yang mampu memberikan ketegasan pada peserta didik melalui proses menalar, menanya, mengamati, membuat, serta mencoba pada proses belajar mengajar yang dilakukan di sekolah (Asmiyunda, A. 2018). Pada tingkat SMA/MA pembelajaran biologi bertujuan memberikan keterampilan dan pemahaman berdaya guna dalam lingkup yang luas untuk keberlanjutan proses pembelajaran diperguruan tinggi dan/atau karirnya. Capaian Pembelajaran (CP) mata pelajaran Biologi masuk dalam fase F, dimana peserta didik memiliki kemampuan mendeskripsikan bioproses yang terjadi dalam sel, dan menganalisis keterkaitan struktur organ pada sistem organ dengan fungsinya serta kelainan atau gangguan yang muncul pada sistem organ tersebut. Konsep-konsep yang dipelajari diterapkan untuk memecahkan masalah kehidupan yang diselesaikan dengan keterampilan proses secara mandiri hingga menciptakan ide atau produk untuk mengatasi permasalah tersebut. Melalui keterampilan proses juga dibangun sikap ilmiah dan profil pelajar pancasila (Pendidikan et al. 2022). 3. Karakteristik Pembelajaran Biologi pada Tingkat SMA/MA E-Modul Bioinformatika
4 Elemen Capaian Pembelajaran (CP) Pemahaman Biologi Pada akhir fase F, peserta didik memiliki kemampuan mendeskripsikan struktur sel serta bioproses yang terjadi seperti transpor membran dan pembelahan sel; menganalisis keterkaitan struktur organ pada sistem organ dengan fungsinya serta kelainan atau gangguan yang muncul pada sistem organ tersebut; memahami fungsi enzim dan mengenal proses metabolisme yang terjadi dalam tubuh; serta memiliki kemampuan menerapkan konsep pewarisan sifat, pertumbuhan dan perkembangan, mengevaluasi gagasan baru mengenai evolusi, dan inpeseovasi teknologi biologi. Pemahaman Biologi Keterampilan Proses 1. Mengamati Mampu memilih alat bantu yang tepat untuk melakukan pengukuran dan pengamatan. Memperhatikan detail yang relevan dari objek yang diamati. 2. Mempertanyakan dan memprediksi Merumuskan pertanyaan ilmiah dan hipotesis yang dapat diselidiki secara ilmiah. 3.Merencanakan dan melakukan penyelidikan Peserta didik merencanakan dan memilih metode yang sesuai berdasarkan referensi untuk mengumpulkan data yang dapat dipercaya, mempertimbangkan resiko serta isuisu etik dalam penggunaan metode tersebut. Peserta didik memilih dan menggunakan alat dan bahan, termasuk penggunaan teknologi digital yang sesuai untuk mengumpulkan serta mencatat data secara sistematis dan akurat. 4.Memproses, menganalisis data dan informasi Menafsirkan informasi yang didapatkan dengan jujur dan bertanggung jawab. Menggunakan berbagai metode untuk menganalisa pola dan kecenderungan pada data. Mendeskripsikan hubungan antar variabel serta mengidentifkasi inkonsistensi yang terjadi. Menggunakan pengetahuan ilmiah untuk menarik kesimpulan yang konsisten dengan hasil penyelidikan. 5.Mengevaluasi dan refleksi Mengevaluasi kesimpulan melalui perbandingan dengan teori yang ada. Menunjukkan kelebihan dan kekurangan proses penyelidikan dan efeknya pada data. Menunjukkan permasalahan pada metodologi dan mengusulkan saran perbaikan untuk proses penyelidikan selanjutnya Capaian Pembelajaran adalah kompetensi minimum yang harus dicapai siswa pada setiap mata pelajaran yang diterima di setiap fase perkembangan. Untuk kelas 10 SMA/MA/SMK masuk pada Fase E, dan fase F untuk kelas 11-12 SMA/MA/SMK (Juniardi 2023). Pada E-modul ini, termasuk kedalam fase F pada kelas XII mata pelajaran Biologi materi Bioinformatika yang masuk bab Bioteknologi. Berdasarkan Elemen dalam Capaian Pembelajaran Kurikulum Merdeka, dapat dilihat pada Tabel 1: CAPAIANPEMBELAJARAN(CP) 1. Capaian Pembelajaran Fase F E-Modul Bioinformatika Tabel 1. Capaian Pembelajaran Fase F
5 Materi Alur Tujuan Pembelajaran Bioinformatika Peserta didik memahami pengertian Bioinformatika (In Silico), macam-macamnya, tujuan, dan manfaatnya 1. Peserta didik mengetahui fungsi tiga uji dalam in silico, yakni uji fisikokimia, fitofarmaka, dan studi moleculer docking suatu senyawa kandidat obat 2. Peserta didik mengetahui fungsi alat dan bahan yang akan digunakan dalam uji praktik in silico suatu senyawa kandidat obat. 3. Peserta didik mempelajari, menganalisis dan diskusi tentang langkah- langkah dalam mengoperasikan uji fisikokimia, uji farmakokinetik dan studi moleculer docking 4. Peserta didik dapat mengidentifikasi, mengumpulkan informasi berdasarkan referensi yang tepat, dan menentukan tanaman herbal potensial sebagai obat atau amunizer berdasarkan informasi yang dapat dipercaya. 5. Peserta didik mengkaji, menganalisis dan mengambil gambar, teks, angka, diagram, dan simbol yang penting dari hasil setiap uji yang telah dilakukan 6. Peserta didik dapat mendeskripsikan hasil uji berupa gambar, teks, atau video serta menarik kesimpulan yang konsisten dan ilmiah tentang hasil uji in silico senyawa herbal potensial obat atau amunizer 7. 2. Alur Tujuan Pembelajaran Tujuan pembelajaran materi Bioinformatika disusun berdasarkan runtutan materi dan praktikum dengan cakupan serta batasan yang berpedoman pada capaian pembelajaran Kurikulum Merdeka. Sedangkan Alur Tujuan Pembelajaran dirumuskan untuk Pendidik sebagai alat untuk mengawal proses belajar mengajar. Pendidik juga dapat menyusun Tujuan Pembelajaran lain yang sesuai dengan karakteristik tujuan pembelajaran yang akan diajarkan. Berikut adalah Alur Tujuan Pembelajaran materi Bioinformatika untuk kelas XII, dapat dilihat pada Tabel 2: E-Modul Bioinformatika Tabel 2. Alur Tujuan Pembelajaran
6 BIOINFORMATIKA E-Modul Bioinformatika
7 PEMBELAJARAN1 Tujuan Pembelajaran Peserta didik diharapkan memahami pengertian Bioinformatika Peserta didik diharapkan dapat membedakan macammacam Bioinformatika Peserta didik diharapkan menerangkan tujuan, alat dan bahan pada setiap uji in silico Paulien Hogeweg Ilmu Komputer Biologi Bioinformatika Statistika Bioinformatika pertama kali ditemukan oleh seorang ilmuwan bernama Paulien Hogeweg pada tahun 1979. Bioinformatika adalah ilmu yang mempelajari tentang informasi pada sistem biotik (R. Khalid). A. BIOINFORMATIKA Menurut Dimmock, et.al (2007), bioinformatika merupakan suatu disiplin ilmu yang melibatkan ilmu biologi, ilmu komputer, statistika, dan teknologi informasi didalamnya. Contoh data yang dikelola meliputi penyejajaran sekuen (sequence alignment), prediksi struktur untuk meramalkan bentuk struktur protein maupun struktur sekunder RNA, analisis filogenetik, dan eksprsi gen (Wink. 2006). E-Modul Bioinformatika Gambar 1. Penemu Bioinformatika Gambar 2. Hubungan Statistika, Biologi, Ilmu Komputer dan Bioinformatika
8 Biofisika merupakan bidang interdisipliner yang mengaplikasikan tekniktekni dari ilmu fisika untuk memahami struktur dan fungsi biologi. 1.Macam- macam bioinformatika berdasarkan bidang: a). Biophysics (Biofisika) b). Biologi Komputasi (Computational Biology) Biologi komputasi merupakan bagian dari bioinformatika yang paling dekat dengan Biologi umum klasik. Fokusnya adalah gerak evoluasi, populasi, dan biologi teoritis daripada biomedis dalam molekul dan sel. Contoh pengolahan molekuler doking. c). Medical Informatics Biologi komputasi merupakan bagian dari bioinformatika yang paling dekat dengan Biologi umum klasik. Fokusnya adalah gerak evoluasi, populasi, dan biologi teoritis daripada biomedis dalam molekul dan sel. Contoh pengolahan molekuler doking. d). Cheminformatics Cheminformatics merupakan kombinasi sintesis kimia, penyaringan biologis, dan pendekatan data-mining yang digunakan untuk penemuan dan pengembangan obat. e). Genomics Genomics adalah bidang lmu yang ada sebelum selesainya sekuen genom, kecuali dalam bentuk yang paling kasar. Genomics juga disebut setiap usaha untuk menganalisa atau membandingkan seluruh komplemen genetik dari satu spesies atau lebih. f). Mathematical Biology Mathematical Biology adalah ilmu yang mengolah masalah- masalah biologi, namun dalam penyelesaian masalah biologi tersebut tidak perlu secara numerik dan tidak di implementasikan menggunakan software atau hardware. E-Modul Bioinformatika g). Proteomics Proteomics adalah kajian secara molekuler terhadap semua protein yang dihasilkan dari ekspresi gen di dalam sel, terutama mengenai struktur dan fungsi.
9 E-Modul Bioinformatika in vitro in vivo in silico Gambar 3. Citra Perbedaan analisis gen dan protein secara in silico, in vitro, dan in vivo Bioinformatika akhir- akhir ini sering dijumpai ketika dalam pembahasan in silico pada media- media akademik, jurnal kesehatan, dan jurnal biologi. Menurut Luxon (2003), In Silico di ambil dari kata silicon chips yang merupakan komponen utama mikroprosesor. Istilah "in silico" mengacu pada penggunaan eksperimen berbasis komputer untuk mempelajari dan menganalisis sistem biologis. Desain obat in silico, yang juga dikenal sebagai computer-aided drug design (CADD), melibatkan penggunaan teknik dan model komputasi untuk mengidentifikasi molekul yang mirip dengan obat dengan menggunakan alat bioinformatika. Metode in silico menganalisis dan memprediksi aktivitas biologis kandidat obat potensial, dan juga memprediksi sifat fisikokimianya. Pada analisis gen maupun protein yang merupakan hasil ekspresi gen dapat dilakukan penelitian in silico, in vitro, dan in vivo. In silico adalah studi melalui program komputer, in vitro merupakan studi tentang komponen kandungan organisme yang diisolasi untuk mengetahui kandungan alaminya, sedangkan in vivo adalah studi yang dilakukan menggunakan organisme hidup secara langsung (Rita, Endah, et.al. 2021). h). Pharmacogenomics Farmakogenomik merupakan sebuah studi yang menghubungkan beberapa ilmu diantaranya, ilmu genetik, ilmu farmasi, ilmu kedokteran, biologi, dan bioinformatik. Integrasi banyak ilmu menjadikan farmakogenomik sebagai studi yang kompleks karena menyatukan semua teknologi dan sistem dari masing-masing ilmu menjadi satu kesatuan (Holtzman dan Marteau, 2000) i). Pharmacogenetics Farmakogenetik merupakan cabang ilmu dari farmakologi yang dapat menjelaskan bahwa adanya perbedaan respon dari setiap individu terhadap obat yang diberikan sangat erat kaitannya dengan perbedaan genetik dari masing- masing individu tersebut (Sudjarwo, Sri Agus. 2008) 2. Cakupan Bioinformatika dan In Silico
10 Bioinformatika memiliki kegunaan sebagai sarana visualisasi molekuler dalam bidang analisis metabolisme, proyek genom, analisis senyawa alam (herbal) sebagai kandidat obat, bertujuan menyelesaikan masalah pada kajian pengujian kandidat obat, dimana bioinformatika menjadi salah satu disiplin ilmu yang dalam penerapannya membutuhkan biaya yang relatif murah, mengurangi kerja berat peneliti saat pengujian, dan dapat menghasilkan hasil visualisasi dan prakiraan secara cepat. Namun, bioinformatika juga memiliki kekurangan, dimana dalam pengujian suatu senyawa kandidat obat. Bioinformatika tetap tidak terlepas dari penngujian klinis yang memakan biaya mahal dan waktu yang relatif lama. Selain itu, tantangan lainnya yang dapat bersifat kekurangan contohnya komplektisitas sumber daya komputasi diperlukan dalam skala besar, penggunaan database dan software yang banyak, pengimplementasian teknik ini di Indonesia masih tergolong asing bagi sebagian orang. 3. Kelebihan dan Kekurangan Bioinformatika B. IN SILICO In silico adalah ungkapan yang berarti “dilakukan di komputer atau melalui simulasi komputer. Istilah in silico pertama kali digunakan oleh Pedro Meramontes, seorang ahli matematika dari National Autonomous University of Mexico untuk mengkarakterisasi eksperimen biologis yang dilakukan sepenuhnya di komputer. Pedro Meramontes Semakin banyak struktur target protein yang tersedia melalui metode kristolografi, NMR, dan bioinformatika (Kumar, et. al. 2011). E-modul ini, akan membahas tentang metode dalam in silico pada proses penemuan obat baru yakni metode komputasi. Metode komputasi digunakan dalam memprediksi pengikatan suatu molekul calon obat dengan target proteinnya, memprediksi afinitas dan aktivitas dari suatu molekul calon obat serta melihat geometri tiga dimensi dari senyawa yang terikat pada sisi aktif protein yaitu doking molekul. Oleh sebab itu doking (penambatan) senyawa sangat penting dalam hal desain ibat rasional (Young, et. al. 2011; Pratama, Andri, et. al. 2017). In silico bukan satu- satunya cara menguji suatu calon obat, namun sebagai hipotesis awal sebelum dilakukan analisa percobaan di laboratorium. E-Modul Bioinformatika Gambar 4. Penemu Istilah In SIlico
11 E-Modul Bioinformatika Prediksi kandidat obat pada senyawa tanaman herbal dapat didasarkan pada hukum lima Lipinski (Lipinski Rules of Five), prediksi tersebut adalah uji sifat fisikokimia. Sifat fisikokimia memiliki beberapa parameter dalam mengevakuasi kesamaan senyawa dengan karakter obat oral yang memiliki aktivitas biologis pada manusia (Fikri et al. 2022). Sebelum dilakukan uji ini, umumnya peneliti akan melakukan uji aktivitas antivirus menggunakan website pada PASS (Prediction of Activity Spectra for Subtances) atau hubungan antara struktur dari senyawa pilihan yang akan digunakan sebagai ligan uji dengan aktivitas biologisnya (Sadym, A. 2003). Setelah itu, dilakukan uji kemiripan obat menggunakan webserver lipinski of Rules Five, dimana parameter yang akan didokumentasikan sebagai hasil ujinya antara lain, berat molekul (<500 dalton), log P(<5), jumlah atom OH dan NH (<5), jumlah ikatan hidrogen (<10), dan refraktivitas molar. 1. Uji Fisikokimia Pada E-modul ini, akan dilakukan penelitian dengan memprediksi kandidat obat dari beberapa senyawa- senyawa alam dari tumbuhan herbal sebagai ligan dengan protein target penyebab Covid-19 sebagai resptor. Sebelum dilakukan uji In Silico yakni penambatan molekuler (moleculer docking), penelitian akan di awali dengan analisis sifat mirip obat (druglikeness) yang diikuti dengan prediksi sifat farmakokinetikfarmakodinamika dan setelah itu akan dilakukan studi doking molekuler. Berikut adalah berbagai uji yang akan dilakukan dalam memprediksi kandidat obat dari suatu senyawa alam dengan protein target: Gambar 5. Halaman Depan Website Lipinski Rule of Five
12 E-Modul Bioinformatika Gambar 6. Aplikasi Toxtree dan Website PreAdmet 3. Studi Moleculer Docking (Penambatan Senyawa) Molecular docking merupakan proses metode yang dilakukan dengan tujuan memprediksi interaksi antara ligan uji dan reseptor protein target yang memiliki afinitas (daya ikat) terbaik (Muttaqin 2019). Dalam penelitian ini, molecular docking dilakukan tiga persiapan yakni preparasi ligan, preparasi protein reseptor dan penambatan (molecular docking). Parameter yang terdapat dalam studi penambatan yakni binding affinity (ikatan antara reseptor dengan ligan) dan Root Mean Square Deviation (RMSD). Selain menggunakan hasil parameter uji, pada proses penambatan juga akan ditampilkan struktur konformasi hasil visualisasi moleculer docking secara 2D, 3D, dan resido asam amino. Teknik uji farmakokinetik adalah teknik penting pada proses pengembangan dan penemuan dalam memprediksi obat baru. Beberapa parameter seperti kemampuan absorbsi, distribusi, metabolisme, ekskresi, dan toksisitas sebelum dilakukan uji klinis (Maria Angelina Genere Koban, Sri Rahayu Lestari, and Frida Kunti Setiowati 2022). Parameter sifat farmakokinetik terdiri dari absorbansi HIA (Human Intestinal Absorption), Human Colon Adenocarcinoma (Caco-2) dan distribusi (Plasma Protein Binding/ PPB), sedangkan untuk toksisitas melalui prediksi sifat mutagenic dan karsinogenik (Kelutur, F. J, R. Mustarichie 2020). Analisis beberapa sifat obat yang dimilikioleh struktur kimia suatu senyawa dapat diprediksidengan menggunakan software yang yaitu Pre-ADMET, SwissADME, dan Toxtree (Pratama, Kurniawati, and Erikania 2023). 2. Uji Farmakokinetik Gambar 7. Hasil Moleculer Docking Struktur 2D Gambar 8. Hasil Moleculer Docking Struktur 3D
13 E-Modul Bioinformatika LEMBARKERJAPESERTADIDIK 1 A. Petunjuk Belajar Menyiapkan buku, jurnal, artikel, sumber yang relefan dengan materi Bioinformatika dan In Silico Mendiskusikan dengan kelompok belajar mengenai: a) Bioinformatika dan macam- macamnya b) Kaitan antara In Silico dan bioinformatika c) Macam- macam uji untuk memprediksi suatu senyawa kandidat obat Menuliskan hasil diskusi dengan kelompok sesuai dengan latihan soal Mengerjakan dengan waktu 40 menit B. Alat dan Bahan Buku Jurnal Artikel Laptop/ komputer/ gadget Alat tulis Internet C. Latihan 1) Jelaskan tentang Bionformatika! Jawab:...................................................................................................... ............................................................................................................... ............................................................................................................... ............................................................................................................... 2) Sebutkan macam-macam bioinformatika menurut bidangnya! Jawab:...................................................................................................... ............................................................................................................... ............................................................................................................... ...............................................................................................................
14 E-Modul Bioinformatika 3) Jelaskan cakupan antara bioinformatika dan in silico! Jawab:...................................................................................................... ............................................................................................................... ............................................................................................................... ............................................................................................................... 4) Sebutkan kelebihan dan kekurangan dari bioinformatika! Jawab:...................................................................................................... ............................................................................................................... ............................................................................................................... ............................................................................................................... 5) Jelaskan tentang uji In Silico! Jawab:...................................................................................................... ............................................................................................................... ............................................................................................................... ............................................................................................................... 6) Sebutkan dan jelaskan macam- macam uji untuk memprediksi kandidat obat suatu senyawa! Jawab:...................................................................................................... ............................................................................................................... ............................................................................................................... ...............................................................................................................
15 E-Modul Bioinformatika PEMBELAJARAN 2 Peserta didik menjabarkan database dan sofware apa saja yang akan digunakan dalam pengoperasian uji kandidat obat Peserta didik menganalisis langkah- langkah dalam mengoperasikan uji kandidat obat Peserta didik mengidentifikasi, mengumpulkan informasi berdasarkan referensi yang tepat, dan menentukan tanaman herbal potensial sebagai obat. Tujuan Pembelajaran A. Petunjuk Belajar Menyiapkan buku, jurnal, artikel, sumber yang relefan dengan materi Bioinformatika dan In Silico Mendiskusikan dengan kelompok belajar mengenai: a) Menganalisis jurnal ilmiah tentang potensi tanaman herbal Indonesia yang diduga sebagai senyawa kandidat obat b) Menentukan senyawa- senyawa yang akan digunakan sebagai ligan uji untuk prediksi senyawa kandidat obat c) Merinci alat, bahan (database, webserver & software) dan langkahlangkah dalam pengujian prediksi obat Menuliskan hasil diskusi dengan kelompok dengan format seperti pada contoh Mengerjakan dengan waktu 40 menit B. Alat dan Bahan Buku Jurnal Artikel Langkah Kerja Pengujian Prediksi obat Laptop/ komputer/ gadget Alat tulis Internet
16 E-Modul Bioinformatika Menentukan Senyawa Kandidat Obat Melalui Referensi Ilmiah 1 2 3 Sebelum memulai pengujian senyawa kandidat obat, praktikan atau siswa disarankan untuk mencari, menemukan, dan menganalisis jurnal, artikel ataupun referensi berdasarkan tema yang akan dilakukan pengujian. Ada beberapa platform digital yang dapat digunakan untuk menemukan jurnal terkait, seperti: Google Scholar, Situs Puspernas, Academia.edu, Research Gate, Jurnal.lipi.go.id, Doaj.org/directory, Id.portalgaruda.org, Pubmed Central, Open Knowladge Maps, dan masih banyak lainnya. Adapaun langkahlangkah dalam menemukan referensi ilmiah adalah sebagai berikut: Menentukan keyword (kata kunci) Trial and error dapat digunakan apabila keyword yang diketik belum didapatkan, maka dapat dilakukan pencarian ulang dengan keyword yang lebih spesifik Menambahkan filetype (tipe file), umumnya jurnal ilmiah berbentuk PDF. Pengetikan pada server, keyword diikuti filetype dan diikuti PDF. Contohnya: senyawa antivirus pada jahe merah filetype: PDF. Begitupun dengan tipe file lainnya, seperti ppt, doc, txt, dan lain- lainnya Gambar 9. Jurnal Ilmiah Nasional
17 E-Modul Bioinformatika Gambar 10. Jurnal Ilmiah Nasional dan Internasional 4 5 Selain itu, umumnya jurnal yang terpercaya dan ilmiah, perlu diperhatikan susunan jurnalnya. Apabila dalam skala nasional, umumnya akan berstansar ISSN begitu pun dengan jurnal internasional (Ananymous.2011). Setelah melakukan tips di atas, namun belum juga mendapatkan, maka dapat menggunakan kata kunci bahasa inggris. Karena jurnal biologi atau ilmiah terkadang ada pula yang tidak tersedia dalam bentuk bahasa Indonesia sehingga menggunakan referensi dalam bentuk bahasa Inggris, Prediksi Aktivitas Senyawa Antivirus Tahap awal sebelum uji fisikokimia, uji farmakokinetik, dan studi analisis penambatan (docking) molekuler adalah dengan prediksi aktivitas antivirus melalui webserver PASS (Prediction of Activity Spectra for Substance) Online atau uji hubungan antara struktur senyawa dengan aktivitas biologisnya (Sadyn, A. 2003). Langkah- langkah memprediksi antivirus pada senyawa kandidat dapat dilakukan sebagai berikut:
18 E-Modul Bioinformatika 1 2 3 4 5 Pilih ‘Canonical SMILES’ Membuka laman PubChem Mengunduh file SMILES dengan membuka laman PubChem, dengan cara: sorot ‘Contents’ ---> sorot ‘Names and Identifiers’ Meng-copy kode canocinal dengan cara: klik kanan ---> copy bagian yang telah di sorot Copy paste di Ms.Word dan simpan Gambar 11. Pencarian Canonical SMILES 12 Mengunduh struktur 2D dan 3D dari senyawa ligan Perhatikan deskripsi ligan pada bagian ‘Contents’ 6 Pilih ‘Structures’ 7 Pilih ‘3D Structures’ 8 Klik ‘Download Coordinates’ 9 Pilih format ‘SDF’ 10 Pilih ‘Save’ 11
19 E-Modul Bioinformatika Gambar 12. Tutorial Menyimpan Struktur 3D Ligan 19 Membuka website ‘PASS Online’ Klik ‘Go for Predicition’ 13 Login menggunakan akun email aktif 14 Pilih ‘Predict New Compound’ 15 Memasukkan Canonical SMILES yang telah di copy 16 Klik ‘Get Prediction’ 17 Menunggu beberapa saat untuk mendapatkan hasilnya 18 Gambar 13. Memprediksi Aktivitas Antivirus Menggunakan PASS Onlline
20 E-Modul Bioinformatika 20 21 22 23 24 25 Hasil PASS Online akan muncul dibagian bawah seperti pada Gambar 15 Untuk mencari prediksi dengan cepat, tentukan kata kunci (keyword) Klik CTRL F, kemudian muncul kotak dialog Ketik Keyword yang telah ditentukan. Umumnya keyword yang ditulis akan muncul dengan warna berbeda Mencatat/ menandai prediksi aktivitas biologisnya Mencatat/ menandai nilai Pa dan Pi pada kolom sebelah kiri Gambar 14. Hasil PASS online Hasil uji PASS online menunjukkan nilai Pa (Potential Activity) dan Pi (Potential Inhibitory), kemudian dilakukan analisis. Nilai Pa > 0,7 menunjukkan senyawa memiliki potensi yang tinggi untuk menjadi senyawa bioaktif di uji eksperimen in vitro dan atau in vivo dan sekaligus memiliki tingkat kemiripan yang tinggi dengan senyawa obat dengan bioaktivitas yang sama. Nilai 0,5 < Pa < 0,7 menunjukkan bahwa senyawa memiliki potensi yang tinggi untuk menjadi senyawa bioaktif. Sedangkan nilai Pa < 0,5 menunjukkan bahwa senyawa memiliki potensi yang rendah untuk menjadi senyawa bioaktif di uji eksperimen in vitro dan atau in vivo dan sekaligus memiliki potensi yang rendah untuk dikembangkan menjadi senyawa obat (Chellia 2008; Susanti, Biologi, and Negeri Semarang Jl Raya Sekaran 2021). NOTE:
21 E-Modul Bioinformatika Uji Fisikokimia Prediksi kandidat obat pada senyawa tanaman herbal dapat didasarkan pada hukum lima Lipinski (Lipinski Rules of Five), prediksi tersebut adalah uji sifat fisikokimia. Sifat fisikokimia memiliki beberapa parameter dalam mengevakuasi kesamaan senyawa dengan karakter obat oral yang memiliki aktivitas biologis pada manusia (Fikri et al. 2022). Hukum lima Lipinski memiliki parameter yang harus dipenuhi sebelum dilanjutkan pada simulasi docking dari molekul kandidat obat. Langkah- langkah dalam uji fisikokimia sebagai berikut: 1 2 3 4 Menyiapkan alat yakni pymol dan website Lipinski Rule of Five Menyiapkan bahan yakni struktur 3D senyawa kristal dalam format SDF Mengubah struktur format SDF ke format PDB menggunakan aplikasi Pymol Membuka aplikasi ‘Pymol’ 5 6 7 8 Pada bagian ‘File Save’ pastikan format menjadi PDB File (* .pdb) Menyimpan dengan nama file sesuai senyawa Memasukkan struktur 3D ligan dengan cara: klik ‘File’ ---> klik ‘Open’ Menyimpan struktur 3D ligan dengan cara: klik ‘File’ ---> klik ‘Save Molecule’ 9 Klik ‘Save’ Gambar 15. Struktur Senyawa bentuk 3D format SDF yang akan di simpan dengan format PDB pada aplikasi Pymol
22 E-Modul Bioinformatika 10 11 12 Membuka website Lipinski Rule of Five Memasukkan struktur 3D yang telah di ubah dalam format PDB, dengan cara: klik ‘Choose File’ ---> klik Submit Hasil akan muncul pada bagian bawah, pada kolom ‘Result’ Gambar 16. Lipinski Rule of Five Berikut ini adalah aturan yang harus dimiliki pada uji Lipinski Rule of Five: (a) Tidak lebih dari 5 donor ikatan hidrogen, (b) Tidak lebih dari 10 akseptor ikatan hydrogen karena jumlah ikatan hidrogen yang tinggi dapat mengurangi partisi molekul dari fase larut air ke dalam membrane lipid bilayer untuk permeasi dengan difusi pasif, (c) Massa molekul kurang dari 500 Dalton karena massa molekul yang tinggi mengurangi konsentrasi senyawa pada permukaan epitel usus yang mengurangi penyerapan, (d) Log P (koefisien partisi air oktan), karena nilai log P yang tinggi dapat menyebabkan penyerapan yang buruk, dan (e) Refraktivitas molar harus di antara 40-130 (Yasin, SA, Azzahra, NE Ramadhan 2020). NOTE:
23 E-Modul Bioinformatika Uji Farmakokinetik 1 2 3 4 Menyiapkan alat yakni website PreAdmet Menyiapkan bahan yakni struktur senyawa 2D Membuka website ‘Pre Admet’ Klik ‘ADME Prediction’ Teknik uji farmakokinetik adalah teknik penting pada proses pengembangan dan penemuan dalam memprediksi obat baru. Beberapa parameter seperti kemampuan absorbsi, distribusi, metabolisme, ekskresi, dan toksisitas sebelum dilakukan uji klinis (Maria Angelina Genere Koban, Sri Rahayu Lestari, and Frida Kunti Setiowati 2022). Parameter sifat farmakokinetik terdiri dari absorbansi HIA (Human Intestinal Absorption), Human Colon Adenocarcinoma (Caco-2) dan distribusi (Plasma Protein Binding/ PPB), sedangkan untuk toksisitas melalui prediksi sifat mutagenic dan karsinogenik (Kelutur, F. J, R. Mustarichie 2020). Analisis beberapa sifat obatyang dimiliki olehstruktur kimia suatu senyawadapat diprediksi dengan menggunakan software yang yaitu PreADMETatau dapat disebut juga SwissADME (Pratama, Kurniawati, and Erikania 2023). Berikut adalah langkah- langkah dalam uji farmakokinetik: Gambar 18. Halaman Utama Pre Admet Gambar 17. Website PreAdmet
24 E-Modul Bioinformatika 5 6 Kemudian muncul papan gambar, untuk menggambar struktur 2D dari senyawa yang dipilih Menampilkan struktur 2D yang telah di unduh melalui Pubchem, dengan cara di minimize untuk mempermudah mencontoh Gambar 18. (a) foto struktur senyawa 2D yang didonload di PubChem, (b) Papan Gambar struktur pada laman PreAdmet (a) (b) 7 8 Hasil akan muncul seperti pada Gambar 20 Klik ‘Submit’ untuk memulai prediksi 9 Mencatat dan menyimpan hasil prediksi dalam bentuk PDF Gambar 19. Hasil Prediksi Pre Admet dalam format PDF
25 E-Modul Bioinformatika Uji Estimasi Bahaya Toksik dengan Pendekatan Decision Tree (Toxtree) Uji estimasi bahaya toksik dilakukan dengan menggunakan aplikasi Toxtree, dimana prediksi toksisitas dilakukan berdasarkan penerapan decision tree yaitu untuk memperkirakan mutagenisitas dan karsinogenisitas. Toxtree adalah aplikasi open source ramah pengguna yang berfitur lengkap dan fleksibel, yang mampu memperkirakan bahaya toksi selain itu dapat diterapkan kedalam kumpulan data dari berbagai jenis file yang kompatibel. Struktur molekul yang ditentukan juga didukung dengan memasukkan SMILES, atau dengan editor diagram struktur 2D bawaan (Fikri et al. 2022; Patlewicz G, Jeliazkova N 2008). Parameter yang di amati pada prediksi toksisitas yaitu menggunakan parameter Chammer Rules, Kroes TTC Decision Tree, Carcinogenecity (Genotox And Nongenotox) And Mutagenecity Rules base by ISS (Ames test) (Rizky Resvita 2020). Langkah- langkah uji toksisitas menggunakan ToxTree dengan prosedur sebagai berikut: 1 2 3 4 Menyiapkan bahan berupa notasi Canonical SMILES yang telah di copy melalui PubChem Menyiapkan alat berupa aplikasi Toxtree Pada kolom ‘Chemichal id’ tulis notasi SMILES Klik ‘Go!’ atau ‘Enter’ , kemudian muncul gambar struktur senyawa Gambar 20. Aplikasi Toxtree
26 E-Modul Bioinformatika 5 6 Memilih salah satu uji, misalnya uji ‘Cramer Rules’ Melakukan uji dengan cara: klik ‘Method’ ---> klik ‘Select Decision Tree’ , kemudian muncul kotak ‘Select a Tree’ 7 Klik ‘Ok’ Gambar 21. Tools Parameter Uji Decision Tree Apabila melakukan uji lainnya, seperti uji Kroes TTC decision Tree, uji Carcinogenecity and Mutagenecity, dan Amest test, maka lakukan langkah yang sama seperti sebelumnya. Sebelum diklik ‘Ok’ , refresh terlebih dahulu dengan klik ‘Estimate’ Mencatat hasil uji atau prediksi yang telah dilakukan 8 9 10 11 Menganalisa hasil uji dengan memperhatikan parameter uji melalui referensi ilmiah
27 E-Modul Bioinformatika Hasil Uji Parameter Chammer Rules Hasil Uji Parameter Kroes TTC Decision Tree Hasil Uji Parameter Carcinogenicity (genotox & nongenotox) & mutagenecity rulebase by ISS Hasil Uji Parameter In Vitro Mutagenecity (Ames Test) alerts by ISS Gambar 22. Hasil Uji Toxtree Parameter chammer rules memiliki tiga kelas, dimana kelas I pada hasil uji Toxtree menunjukkan low class yang memiliki makna toksisitas rendah, kelas II menunjukkan intermediate class yang memiliki makna toksisitas sedang, dan kelas III menunjukkan high class yang memiliki makna toksisitas tinggi (Lara 2022). Parameter Kroes TTC decision tree dilakukan untuk memperkirakan ambang batas paparan senyawa-senyawa obat pada manusia (Muhammad Fillah, Diar Herawati, and Taufik Muhammad Fakih 2022). Parameter Benigni (Bossa Rulebase) atau Carcinogenecity (Genotox And Nongenotox) adalah uji yang digunakan untuk memperkirakan senyawa-senyawa yang di uji dapat menyebabkan karsinogenik dan mutagenisitas atau tidak. Sedangkan uji ames terhadap mutagenisitas In Vitro menggunakan bakteri Salmonella thypimurium menunjukkan adanya peringatan terhadap mutagenisitas terhadap bakteri S. thypumurium (Wandi et al. 2022). NOTE:
28 E-Modul Bioinformatika Gambar 23. Website RCSB Preparasi Reseptor dan Ligan 1 2 3 4 5 Membuka website Protein Data Bank Menyiapkan alat yaitu website Protein Data Bank Menyiapkan bahan yakni struktur kristal 3D reseptor protein yang telah di unduh melalui website RCSB Setelah menentukan nama protein yang dipilih melalui referensi seperti jurnal, artikel atau buku. Kemudian ketik nama protein reseptor pada kolom 3D Structure, misalkan ‘Angiotensin Converting Enzym 2 (ACE2)’ Klik ‘Search Engine’ atau gambar kaca pembesar, lalu tunggu beberapa saat Preparasi Reseptor Berikut adalah kriteria yang dapat digunakan dalam menentukan kode protein reseptor: (a) memiliki struktur 3D hasil X-Ray Diffraction karena dapat diaplikasikan untuk struktur makromolekul yang besar (>100 Kda) serta lebih presisi dan terkompleks dengan ligan asli yang memiliki aktivitas yang mirip dengan ligan uji, (b) Organisme yang digunakan adalah makromolekul pada Homo sapiens (manusia) atau hewan yang mendekati makromolekul manusia (Pratama, Alfian, et. al. 2021), (c) tidak bermutasi (No Mutation), dan (d) Resolusinya <3 amstrong (A) NOTE:
29 E-Modul Bioinformatika 7 8 Setelah menentukan kode protein reseptor, kemudian membuka kode struktur yang dipilih, dengan cara: ketik kode reseptor pada kolom 3D Structures ---> klik ‘Search Engine’ Memeriksa data pada reseptor protein untuk menyesuaikan dengan empat kriteria makromolekul (reseptor protein) yang sesuai. Preparasi Ligan dan Reseptor 9 Mengunduh struktur kristal 3D reseptor protein dengan format PDB, dengan cara: klik ‘Download files’ ---> pilih PDB Format, maka secara otomatis akan ter unduh Gambar 24. Cara Mengunduh Protein Kristal 3D 1 2 3 4 5 Membuka aplikasi Biova Discovery Studio Menyiapkan alat yaitu aplikasi Biova Discovery Studio Menyiapkan bahan (struktur kristal 3D reseptor protein) yang telah di unduh melalui website RCSB Memasukkan struktur kristal 3D reseptor protein, dengan cara: klik ‘File’ ---> klik ‘Open’ ---> memilih struktur yang telah di unduh melalui RCSB Untuk mempermudah tampilan, ganti latar belakang dari warna hitam menjadi putih, dengan cara: sorot ‘Scripts’ ---> sorot ‘Visualization’ ---> klik ‘Publication Quality’
30 E-Modul Bioinformatika Gambar 25. Mengganti Latar Belakang (Baground) layar 10 Menghilangkan molekul air, dengan cara: sorot ‘Scripts’ ---> sorot ‘Selection’ ---> klik ‘Select Water Molecules’ sampai molekul titik-titik berwarna kuning semua ---> klik ‘delete’ atau klik tanda silang warna merah Gambar 26. Menghilangkan molekul air
31 E-Modul Bioinformatika 11 Menghilangkan molekul ligan, dengan cara: sorot ‘Scripts’ ---> sorot ‘Selection’ ---> klik ‘Select Water Molecules’ sampai molekul titik-titik berwarna kuning semua ---> klik ‘delete’ atau klik tanda silang warna merah Gambar 27. Menghilangkan Ligan Apabila akan menyimpan ligan, lakukan langkah yang sama. Namun jika sebelumnya yang dihilangkan adalah ligan, maka yang dihilangkan adalah reseptornya Menyimpan reseptor protein atau ligan yang telah dilakukan preparasi dengan cara: klik ‘file’ ---> klik ‘Save as’ Memberi nama hasil preparasi reseptor protein atau ligan pada kolom ‘File name’ ---> Pilih ‘Protein Data Bank Files’ pada kolom ‘Save as type’ ---> Klik ‘Save’ 12 13 14 Gambar 28. Menyimpan Hasil Preparasi
32 E-Modul Bioinformatika Gambar 29. Pencarian Senyawa Ligan Menggunakan PubChem 20 17 18 19 Menyiapkan alat yaitu website PubChem Membuka website PubChem Preparasi Ligan Setelah menentukan senyawa apa yang dipilih melalui referensi ilmiah, buku, artikel/ jurnal. Kemudian, ketik nama ligan yang ditentukan pada kotak ‘Search PubChem’ Pilih deskripsi ligan yang paling atas atau ‘Best Match’ karena umumnya paling direkomendasikan. Kemudian klik deskripsi ligan tersebut 21 Perhatikan deskripsi ligan pada bagian ‘Contents’ 22 Pilih ‘Structures’ 23 Pilih ‘3D Structures’ 24 Klik ‘Download Coordinates’ 25 Pilih format ‘SDF’ 26 Pilih ‘Save’
33 E-Modul Bioinformatika Catatan: Selain dapat mempelajari melalui langkah- langkah dalam modul. Peserta didik juga dapat mempelajari melalui video YouTube berikut ini: Gambar 30. Mengunduh Struktur Ligan Melalui PubChem
34 E-Modul Bioinformatika Moleculer Docking Gambar 31. Memasukkan Senyawa Ligan 1 2 3 4 5 6 Membuka aplikasi Pyryx Menyiapkan alat yaitu aplikasi Pyryx Menyiapkan bahan yaitu struktur kristal 3D reseptor protein (makromolekul) yang telah di sterilkan dan struktur ligan yang telah di unduh melalui laman PubChem Melakukan minimasi struktur ligan, sebelum mulai memasukkan protein target Klik ‘File’ ---> pilih ‘Open Babel’ ---> klik ‘Insert New Item’ yang bergambar tabel Memasukkan senyawa ligan yang dipilih 7 Klik ‘Minimize All’ Kemudian struktur ligan 3D akan muncul pada kotak ‘View’ , sedangkan Nama senyawa akan muncul di kotak ‘Controls’ 8 9 Untuk melakukan minimasi, klik kanan nama senyawa pada kotak ‘Controls’
35 E-Modul Bioinformatika Gambar 32. Melakukan Minimasi pada Senyawa Ligan Gambar 33. Menyimpan Hasil Minimasi Setelah itu, klik Kanan lagi pada kotak ‘Controls’ 10 Klik ‘Save as’ 11 12 Muncul kotak ‘Save File as’ , simpan dengan nama yang diinginkan Simpan dengan format ‘Protein Data Bank Format (*pdb) 13 14 Pilih folder tempat penyimpnan yang diinginkan 15 Klik Save
36 E-Modul Bioinformatika Melakukan penambatan senyawa (Moleculer Docking) 16 Klik ‘Vina Wizard’ 17 Perhatikan tombol ‘Add Ligan’ yang berarti senyawa, sedangkan ‘Add Macromolekul’ yang berarti reseptor protein 18 Klik ‘Add Ligand’ untuk memasukkan senyawa 19 20 Pilih ligan yang telah di minimasi 21 Klik ‘Open’ Klik ‘Start’ pada tombol kanan bawah 22 Gambar 34. Menambahkan Ligan yang telah di Minimasi 23 Klik ‘Add Macromolecule’ untuk memasukkan reseptor protein yang telah disterilisasi 24 Klik ‘Vina Wizard’ 25 26 Pilih makromolekul (protein) yang telah disterilisasi Klik ‘Open’
37 E-Modul Bioinformatika Gambar 34. Memasukkan Makromolekul/ Reseptor Protein 27 Pilih ‘Select Molecule’ 28 Klik ‘Vina Wizard’ 29 30 Klik ‘ligan dan macromolecule’ secara bersamaan Klik ‘Fordward’ 31 32 Struktur ligan dan macromolecule muncul pada layar ‘View’ Pilih ‘Maximize’ agar kotak membesar sesuai dengan ukuran macromolecule Gambar 35. Membesarkan Area Pengikatan Ligan oleh Reseptor Protein
38 E-Modul Bioinformatika Gambar 36. Melakukan Docking (Penambatan) Ligan dan Reseptor 33 34 Menunggu beberapa saat untuk mendapatkan hasil docking Klik ‘Run Vina’ 35 36 Hasil docking akan muncul pada kotak ‘Analyze Result’ Mencatat hasil RMSD dan Binding Affinity Gambar 37. Mencatat Hasil Docking
39 E-Modul Bioinformatika Gambar 38. Menyimpan Hasil Docking Gambar 39. Memberi Nama Senyawa yang di akan Simpan 37 38 Pilih senyawa hasil docking yang terdapat pada kolom ‘Molecules’ Klik kanan ---> pilih ‘Save as PDB’ 38 39 Tulis nama senyawa yang telah di docking, misal dengan format ‘nama senyawa_dock’ pada kolom ‘File name’ Pilih ‘All files(*)’ pada save as type 40 Klik ‘Save’
40 E-Modul Bioinformatika Gambar 40. Melakukan Visualisasi Menggunakan Pymol Visualisasi Hasil Moleculer Docking 1 2 3 Membuka aplikasi Pymol Menyiapkan alat yaitu aplikasi Pymol, Biova Discovery, dan weserver Protein plus Menyiapkan bahan yaitu struktur senyawa (ligand) dalam format PDB yang telah di docking dan strutur protein kristal 3D (makromolekul) yang telah di sterilkan 4 Klik ‘Open Molecule’ 5 Memasukkan senyawa ligand dan protein secara bersamaan, dengan cara: klik ligand hasil docking dan makromolekul yang telah disteril 6 Klik ‘Open’ Protein dan ligand muncul secara bersamaan pada layar aplikasi Pymol Klik ‘A’ ---> pilih ‘preset’ ---> pilih ‘ligand sites’ ---> pilih ‘cartoon’ 7 8
41 E-Modul Bioinformatika Gambar 41. Tutorial Memvisualisasikan Hasil Moleculer Docking 9 10 11 Tampilan struktur ligan dan protein reseptor akan muncul pada layar aplikasi. Tampilan dapat diputar- putar, diperbesar- diperkecil menyesuaikan letak ligan dan reseptor Menyimpan struktur 3D dengan cara: klik ‘File’ ---> klik ‘Save’ ---> pilih reseptor dan ligan hasil docking ---> pilih ‘one file’ ---> pilih ‘Ok’ Klik ‘Save molecule’ ---> beri nama hasil visualisasi pada kolom ‘File name’ ---> pilih format PDB File (*pdb) ---> klik ‘Save’ Gambar 42. Menyimpan Hasil Visualisasi 3D Ligan dan Reseptor Menggunakan Pymol
42 E-Modul Bioinformatika Visualisasi hasil docking struktur 2D maupun 3D dapat menggunakan aplikasi Biova Discovery atau website Protein Plus NOTE: 12 13 14 Membuka laman website Protein Plus: https://proteins.plus/ Klik ‘Choose file’ ---> pilih ligan dan reseptor yang telah didoking Tampilan ligan dan reseptor muncul pada layar. Klik struktur ligands struktur ligan 15 Memvisualisasikan struktur 2D dengan cara: klik ‘PoseView 2D Interaction Diagrams’ ---> klik ‘PoseView’ ---> klik struktur ligan (tunggu hingga tulisan LIG_1 keluar pada kotak) ---> Klik ‘Calculate’ dan tunggu beberapa saat Gambar 43. Melakukan Visualisasi Struktur 2D dan 3D Menggunakan ProteinPlus Visualisasi Melalui 2D Website Protein Plus 16 17 Gambar struktur 2D akan muncul pada layar laman sebelah kanan Menyimpan hasil 2D dengan cara: pilih format penyimpanan ‘png’ ---> klik ‘Download PoseView Image’ ---> pilih folder penyimpanan struktur 2D