Parameter Sterik Parameter Elektronik

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