1-O-caffeoylglycerol sebesar 0.71. Suatu senyawa memiliki rantai C yang panjang akan sifat dari suatu senyawa tersebut akan bersifat sangat
non-polar dan kelarutan terjadi dilemak non-polar. Nilai log P yang kecil mengindikasikan bahwa kelarutan bersifat sangat polar dan
kelarutan terjadi di air polar. Hubungan antara hidrofobik terhadap aktifitas adalah terhadap
absorpsi dan penetrasi obat kedalam membran. Jika suatu senyawa tersebut memiliki sifat yang sangat polar maka absorpsi akan cenderung
pada fase air, sedangan suatu senyawa memilik sifat yang sangat non- polar makan kecenderungan absorpsi obat pada lemak.
B. Parameter Sterik
Deskriptor yang digunakan untuk mewakili parameter sterik adalah indeks Randic, indeks Harary dan molar refracitivity MR. MR
mengukur volume yang diisi oleh atom atau gugus atom, sedangkan indeks Randic dan indeks Harary merupakan bagian dari indeks
topologi, dimana pengukuran indeks topologi berdasarkan jumlah atom dan jumlah ikatan. Hasil perhitungan nilai indeks topologi dan MR dapat
dilihat pada tabel 4.4. Perhitungan nilai indeks Harary, indeks Randic, dan MR dengan menggunakan program Marvinskecth.
Calculations → GeometryOther → TopologyReactivity.
Nilai indeks Harary dan Randic menunjukan keruahanbentuk dari suatu senyawa, jika nilai suatu indeks besar maka keruahan suatu
senyawa besar dan jika nilai suatu indeks kecil maka keruahan suatu senyawa kecil. Nilai indeks Harary dan Randic terkecil yang ditunjukan
pada senyawa dengan kode A8
E-N-2-1H-Indol-3-ylethyl-3-3,4- dihydroxyphenylacrylamide
dan A14 Caffeic acid methyl ester masing-
masing sebesar 20.74 dan 10.95, sedangkan nilai terbesar ditunjukan
pada senyawa dengan kode A5
E-N-2-Benzo[d][1,3]dioxol-5-ylethyl- 3-3,4-dihydroxyphenylacrylamide
dan senyawa dengan kode A1
Caffeic Acid Octyl Ester
adalah 75.68 dan 19.70. Perbedaan harga antara indeks Harary dan Randic dari teknik perhitungan yang digunakan dalam
menentukan keruahan molekul sterik.
Nilai MR molar refraction terbesar ditunjukan pada senyawa dengan
kode
A8
E-N-2-1H-Indol-3-ylethyl-3-3,4- dihydroxyphenylacrylamide
sebesar 101.93 dan nilai terkecil ditunjukan
pada senyawa dengan kode A14 Caffeic acid methyl ester adalah
55.18. Besar dan kecilnya MR tergantung pada substituen yang memiliki pasangan elektron bebas sehingga memungkinkan mudah atau tidaknya
struktur tersebut berpolarisasi. Kaitan sterik pada hubungan struktur- aktifitas adalah terhadap interaksi pada bidding site lokasi tambat
antara struktur dengan molekul.
C. Parameter Elektronik
Deskriptor yang digunakan untuk mewakili parameter elektronik, pada penelitian ini deskriptor yang digunakan untuk
mewakili parameter tersebut adalah Polarisabilitas, E
Homo
, E
Lumo
, dan selisih ∆E
Homo
-
Lumo
. Perhitungan dengan E
homo,
E
lumo,
dan ∆E
Homo
-
Lumo
dengan cara menghitung energi pada setiap orbital molekul. Pengukuran deskriptor E
homo
dan E
lumo
dengan menghitung kekuatan orbital pada tiap ujung atom dan deskriptor ini berguna dalam
membantu menjelaskan interaksi obat dengan reseptor. E
humo
berhubungan dengan potensial ionisasi dan sifat kerentanan molekul dalam penyerangan terhadap elektrofil, E
lumo
berhubungan dengan dengan afinitas elektron dan celah atau selisih E
homo-lumo
berhubungan dalam penentuan ukuran stabilitas molekul. Jadi, semakin besar selisih
E
homo-lumo
maka memiliki reaktivitas yang rendah dalam reaksi-reaksi kimia.
Nilai deskriptor dari masing-masing deskriptor tersaji pada tabel 4.5. Perhitungan deskriptor elektronik dilakukan dengan menggunakan
program Hyperchem 7. Struktur yang telah dioptimasi selanjutnya dihitung nilai secara mekanika kuantum. Mekanika kuantum
menggunakan kuantum fisik untuk menghitung sifat molekul yang mempertimbangkan interaksi antara elektron dan molekul nukleat
Patrick, 2000. Mekanika kuantum yang dipilih adalah semi-empirik AM1, dengan batas konvergensi 0.001 kkalȦ dengan algoritma Polak-
Riberiero. Keadaan struktur yang paling stabil ditandai dengan didapatkan energi total terendah Husna et al, 2013.
Tabel 4.5 . Data deskriptor elektronik dari 15 senyawa turunan asam sinamat
Rekapitulasi Deskriptor Sterik Sinamat
E
HOMO
E
LUMO
∆E
homo
-
lumo
Polarisabilitas Caffeic Acid Octyl Ester A1
-8.938 -0.789 8.149 33.59
E-3-3,4-Dihydroxyphenyl-N-
4-fluorophenylacrylamide A2
-9.010 -0.756 8.254 31.80
E-N-3,5-Difluorophenyl-3-3,4- dihydroxyphenylacrylamide
A3
-9.076 -0.875 8.201 29.77
Caffeic acid phenetyl ester
A4
-8.950 -0.811 8.139 33.28
E-N-2-Benzo[d][1,3]dioxol-5- ylethyl-3-3,4-
dihydroxyphenylacrylamide
A5
-8.887 -0.477 8.410 34.77
E-3-3,4-Dihydroxyphenyl-N-4- methoxyphenylacrylamide
A6
-8.370 -0.529 7.841 33.58
E-N,N-Dibutyl-3-3,4- dihydroxyphenylacrylamide
A7
-8.849 -0.575 8.274 26.98
E-N-2-1H-Indol-3-ylethyl-3- 3,4-dihydroxyphenylacrylamide
A8
-8.378 -0.554 7.824 37.88
E-3-3,4-Dihydroxyphenyl-N-3- trifluoromethylphenylacrylamid
e
A9
-9.094 -0.854 8.240 31.75
Caffeic acid butil ester
A10
-8.935 -0.795 8.140 26.24
Caffeic acid benzyl ester
A11
-9.001 -0.704 8.682 28.95
Caffeic acid ethyl ester
A12
-8.935 -0.799 8.136 25.57
1-O-caffeoylglycerol
A13
-9.098 -1.015 8.082 21.93
Caffeic acid methyl ester
A14
-8.951 -0.823 8.128 20.73
Caffeoylglycolic acid methyl ester
A15
-9.123 -0.857 8.266 25.57
Pada penelitian ini, selisih ΔE
homo-lumo
menunjukan kestabilan suatu molekul dan kereaktifan molekul tersebut. Jika selisih ΔE
homo-lumo
besar maka molekul tersebut memiliki stabilitas yang tinggi, sehingga memiliki reaktivitas yang rendah dalam reaksi-reaksi kimia. Reaktivitas
yang rendah memungkinkan mudah untuk berinteraksi dengan molekul. Sedangkan, jika selisih
ΔE
homo-lumo
kecil maka molekul akan tereksitasi ke elektron yang lebih tinggi Tahir et al, 2012.
Hasil reka pitulasi selisih ΔE
homo-lumo
pada tabel 4.2, selisih ΔE
homo-lumo
pada setiap struktur memiliki nilai yang hampir sama dengan rentang dari 7.821 sampai 8.682 sehingga struktur memiliki sifat yang
stabil dan memiliki kereaktifan yang rendah. Nilai polarisabilitas tertinggi adalah 35.84 dan terkecil adalah
19.58. Polarisabilitas memiliki hubungan yang dekat dengan molar refraksi MR untuk dapat berpolarisasi, semakin banyak jumlah
elektron maka akan mudah terpolarisasi.
4.1.3. Analisa Korelasi Deskriptor dengan Aktivitas Biologis
Analisa korelasi pada penelitian ini berfungsi untuk melihat suatu hubungan atau pengaruh dari suatu deskriptor terhadap nilai aktivitas
biologis. Paramater-parameter yang digunakan pada analisa korelasi antara
nilai aktivitas dengan deskriptor adalah nilai r koefisien korelasi, nilai ini
menunjukan tingkat hubungan antara variabel tergantung nilai aktivitas dengan variabel bebas deskriptor dan nilai koefisien korelasi berjarak -1
sampai +1. Nilai korelasi -1 menunjukan hubungan negatif sempurna yang dimana antara variabel bebas dan tergantung memiliki hubungan yang
berlawanan, sedangkan nilai korelasi +1 berarti menunjukan hubungan positif sempurna yang berarti antara variabel bebas dan tergantung memiliki
hubungan yang erat. Jika suatu nilai korelasi ±1 maka menunjukan hubungan yang kuat antara variabel tergantung dengan variabel bebas dan
jika suatu nilai korelasi bernilai 0 maka antara variabel bebas dengan tergantung tidak memiliki hubungan.
Analisa korelasi dilakukan dengan menggunakan program SPSS 16.0 dengan metode bivariate, dimana variabel dependent adalah log 1IC
50
dan variabel independent berupa deskriptor dari 15 senyawa turunan asam
sinamat, yakni: Log P, Polarizabilitas, E
HOMO,
E
LUMO,
∆E
HOMO-LUMO
Refraksi molar MR, Indeks Randic, dan Indeks Hararay.
Tabel 4.6
. Nilai Korelasi antara deskriptor dengan nilai aktivitas
Deskriptor Korelasi terhadap Log 1IC
50
Log P 0.866
E
HOMO
0.259 E
LUMO
0.471 ∆E
HOMO-LUMO
0.166 Polarisabilitas
0.883 Molar Refraksi MR
0.881 Indeks Harary
0.680 Indeks Randic
0.936 Ket :
. korelasi signifikan pada tingkat 0.05 . korelasi signifikan pada tingkat 0.01
Pada tabel 4.6, korelasi antara log 1C dengan deskriptor MR dan Indeks Harary memiliki hubungan yang sangat kuat pengaruhnya terhadap
aktivitas sebesar 0.881 dan 0.680 dengan tingkat signifikasi mendekati 1. Kemudian nilai korelasi pada deskriptor Log P, Polarisabilitas, Indeks
Randic memiliki nilai korelasi yang besar, namun tingkat korelasi pada tingkat 0.01 sehingga tidak dapat dijadikan acuan.
Untuk variabel lain tidak memperlihatkan pengaruh yang signifikan terhadap aktivitas log 1C sehingga perlu pengujian dan peninjauan lebih
lanjut. Pengaruh variabel terhadap aktivitas akan dilanjutkan dengan analisa multiregresi linier dengan melibatkan semua variabel untuk mendapatkan
suatu bentuk model persamaan.
4.1.4. Pemodelan Persamaan HKSA dengan metode MLR
Pemodelan dilakukan dengan menggunakan analisis multi regresi linier dengan menggunakan paket program SPSS dengan cara
Analyze → Regression → Linier dan pilih metode backward. Penggunaan MLR dalam
membangun persamaan karena variabel yang digunakan lebih dari dua
varibel yang melibatkan aktivitas biologis dan nilai deskriptor.
Pemodelan persamaan HKSA dilakukan dengan membagi dua kelompok, yakni training set dan test set. Training set digunakan untuk
membangun model persamaan HKSA yang dipilih berdasarkan aktivitas tertinggi, sedang, dan rendah. Kemudian, test set digunakan untuk
memvalidasi persamaan yang dibangun dari training set. Untuk training set dipilih sebanyak 11 senyawa dapat dilihat pada tabel 4.2 dari 15 senyawa
turunan asam sinamat, kemudian 4 senyawa dapat dilihat pada tabel 4.3 digunakan untuk test set untuk memvalidasi persamaan yang telah
dibangun. Senyawa dipilih sebagai training set, yakni: A1, A2, A4, A5, A6, A7, A9, A10, A12, A13, dan A14, kemudian test set yang digunakan untuk
memvalidasi adalah A3, A8, A11, dan A15. Nilai dari setiap deskriptor dan aktivitas log 1C dari training set
dimasukan kedalam program SPSS 16.0. Setelah itu dilakukan analisis multiregressi linier dengan variabel bebas yaitu deskriptor dan variabel
terikat adalah log 1IC
50
dengan metode backward untuk memilah deskriptor mana yang berpengaruh terhadap Log 1IC
50.
Tabel 4.7
. Model Persamaan HKSA dengan metode MLR
No Deskriptor
R R
2
F
hit
F
hit
F
tab
SE
1 Log P, ∆E
HOMO-LUMO,
E
LUMO,
∆E, MR, Polar, Randic, Harary
0.983 0.966 12.064 1.357 0.097
2 Log P, ∆E
HOMO-LUMO
, E
LUMO
, MR, Polar, Harary
0.982 0.965 18.281 2.967 0.085
3 ∆E
HOMO-LUMO
, E
LUMO,
∆E, MR, Polar, Harary
0.982 0.964 26.826 5.312 0.775
4 ∆E
HOMO-LUMO
, E
LUMO,
∆E, MR, Harary 0.980 0.961 37.331 8.240
0.073
Setelah dilakukan analisa multiregresi linier, didapatkan empat model persamaan seperti yang terlihat pada tabel 4.7. Analisa statistik dari
kedua model tersebut mempunyai nilai r, r
2
, F dan SE yang mirip sehingga
perlu dilakukan validasi untuk menentukan persamaan terbaik dari empat model persamaan. Validasi yang dilakukan pada penelitian ini adalah
PRESS Prediction Residual Sum of Square
dan RMSD Root Mean Square Deviation
. 4.1.5.
Validasi Persamaan HKSA
Validasi dilakukan untuk menentukan persamaan tersebut dapat digunakan untuk menjelaskan secara teoritik dan untuk menentukan
persamaan yang terbaik. Validasi yang dilakukan adalah mencari nilai
PRESS dan RMSD, dengan membandingkan log 1IC
50
prediksi dengan log 1C aktivitas.
Validasi PRESS menggunakan data training set yang digunakan untuk mengetahui kualitas dan kemampuan memprediksi dari setiap model
persamaan Husna, 2013. Nilai PRESS didapatkan dari persamaan:
Persamaan yang memiliki PRESS terkecil dipilih sebagai persamaan yang terbaik untuk memprediksikan nilai aktivitas anti-inflammasi -log
1IC
50
. Berikut perbandingan nilai aktivitas eksperimen training set dengan nilai aktivitas prediksi empat model persamaan dan nilai PRESS dari tiap
model dapat dilihat pada tabel 4.8.
Tabel 4.8
. Perbandingan aktivitas eksperimen dan prediksi training set
Kode Log 1IC
50
eksperimen µM Log 1IC
50
Prediksi µM Model 1
Model 2 Model 3
Model 4
A1 -0.380
-0.346 -0.387
-0.404 0.423
A2 -0.568
-0.603 -0.676
0.680 0.704
A4 -0.681
-0.553 -0.613
0.616 0.656
A5 -0.699
-0.594 -0.647
0.647 0.681
A6 -0.716
-0.687 -0.741
0.750 0.773
A7 -0.785
-0.808 -0.853
0.861 0.871
A9 -0.898
-0.876 -0.929
0.946 0.982
A10 -0.924
-0.849 -0.896
0.910 0.920
A12 -1.076
-1.067 -1.108
1.116 1.172
A13 -1.267
-1.252 -1.288
1.276 1.285
A14 -1.330
-1.225 -1.277
1.289 1.291
PRESS 0.048
0.030 0.032
0.050
Kemudian dilakukan validasi RMSD untuk memvalidasi kemampuan persamaan tersebut dapat digunakan untuk memprediksikan
aktifitas. RMSD dihitungan dengan cara membandingkan nilai aktivitas eksperimen dengan nilai aktivitas prediksi dan nilai RMSD terbaik 2.
Perhitugan RMSD mengikuti persamaan :
Validasi RMSD menggunakan test set yang berjumlah lima dengan kode A3, A8, A11 dan A15. Rekapitulasi RMSD dapat dilihat pada tabel
4.8.
Tabel 4.9.
Nilai RMSD test set
Kode Log 1IC
50
Eksperimen µM Log 1IC50 Prediksi µM
Model 1 Model 2
Model 3 Model 4
A3 0.613
-0.866 -0.929
-0.939 -0.966
A8 0.826
1.036 0.867
0.932 0.957
A11 1.029
-0.386 -0.486
-0.499 -0.511
A15 1.462
-0.851 -0.910
-0.902 -0.912
RMSD 1.314
1.194 1.231
1.244
Dari data tabel yang disajikan pada tabel, nilai RMSD pada setiap model 2 sehingga perlu untuk menentukan persamaan yang terbaik, maka
nilai PRESS dibutuhkan untuk dapat menggambarkan suatu persamaan untuk dapat memprediksi aktivitas. Persamaan terbaik memiliki nilai
terkecil dari empat persamaan HKSA, maka dipilihlah persamaan kedua dengan nilai PRESS 0.030 yang menjadi persamaan terbaik HKSA.
Berikut model persamaan 2 yang diperoleh dari perhitungan, dapat dituliskan sebagai berikut:
Log 1IC
50
= -6.559 + 0.017Log P – 0.025Indeks Harary + 0.039
MR + 0.016Polarisabilitas - 0.396E
LUMO
+ 0.427∆E
HOMO-LUMO
N= 10; r= 0.982; r
2
= 0.965; F
hittab
= 2.967; SE = 0.085; RMSD = 1.1945; PRESS = 0.03029
Dari persamaan HKSA, terlihat deskriptor yang paling berpengaruh adalah E
LUMO
dan selisih HOMO-LUMO, hal tersebut bisa terlihat dari nilai koefisien yang besar. Menurut Tahir et al 2012, selisih HOMO-LUMO
penting dalam penentuan indeks stabilitas molekul dan E
LUMO
berperan dalam afinitas molekul. Bila senyawa antiinflamasi sama dengan obat, maka
kemudahan ikatan suatu obat pada sisi aktif dapat dipengaruhi dari substituent, jika suatu molekul dengan substiuen yang bersifat donor
elektron maka kereaktifan suatu senyawa akan tinggi tetapi kestabilan akan berkurang dan afinitas molekul akan semakin besar. Namun, jika senyawa
dengan substituent yang bersifat penarik elektron maka kereaktifan senyawa menjadi lemah dan memiliki kestabilan yang tinggi dan afinitas molekul
akan semakin kecil sehingga akan lebih mudah obat akan berikat dengan sisi aktif.
Gambar 4.2
, Grafik korelasi antara aktivitas Log 1IC
50
prediksi dan eksperimen dari 10 senyawa turunan asam sinamat.
Berikut prediksi aktivitas antiinflamasi dari modifikasi amidasi dari etil p-metoksisinamat dengan model persamaan 2 :
-1.400 -1.200
-1.000 -0.800
-0.600 -0.400
-0.200 0.000
-1.500 -1.000
-0.500 0.000
Akt iv
ita s
p re
d iks
i
Aktivitas eksperimen
Tabel 4.10
. Hasil prediksi aktivitas antiinflamasi dengan HKSA
Kode Senyawa
Log 1IC
50
Prediksi IC
50
µM
1B
2E-3-4-methoxyphenyl-N-phenylprop-2-enamide
-0.677 4.750
2B
2E-N-acetyl-3-4-methoxyphenylprop-2-enamide
-1.004 10.902
3B
Z-2-[2-hydroxyethyl[3E-4-4- methoxyphenylbuta-1,3-dien-2-yl]amino]ethen-1-ol
-0.739 5.479
4B
2E-N-2-hydroxyethyl-3-4-methoxyphenylprop-2- enamide
-0.963 9.180
5B
2E-3-4-methoxyphenylprop-2-enamide
-1.199 15.807
Tabel 4.8
. Nilai deskriptor senyawa amidasi EPMS sample set
Kode Log P Indeks
Randic Indeks
Harary MR
E
homo
E
lumo
ΔE
homo-lumo
Polaris abilitas
1B 3.24
56.75 15.43
78.03 -8.724 -0.552 8.172
30.93 2B
1.23 43.44
12.91 61.74 -8.997 -0.670
8.327 24.47
3B 1.69
56.08 17.08
78.40 -8.549 -0.380 8.169
31.08 4B
0.82 42.95
13.81 63.24 -8.908 -0.495
8.413 25.07
5B 1.20
32.30 10.79
52.38 -8.869 -0.478 8.391
20.76
Dari prediksi amidasi EPMS yang ditampilkan pada tabel 4.7 dengan model persamaan 2, bahwa senyawa yang mempunyai potensi
aktivitas antiinflamasi terbaik adalah senyawa 1B, 3B, dan 4B dengan nilai prediksi aktivitas sebesar 4.750
µM, 5.479 µM, dan 9.180 µM.
4.2. Penambatan Molekul Molecular Docking