sehingga hasil perhitungan kimia komputasi dapat dibandingkan secara langsung dengan hasil skala laboratorium, seperti reaksi pada kondisi tekanan yang sangat
tinggi atau melibatkan gas berbahaya Pranowo, 2004. Keunggulan dari studi kimia komputasi dalam menemukan obat baru
adalah kimia komputasi medisinal ini menawarkan metode
in silico
yang dapat menggambarkan senyawa obat secara tiga dimensi 3D dan melakukan
komparasi atas dasar kemiripan struktur dan energi dengan senyawa lain yang sudah diketahui memiliki aktivitas tinggi sehingga senyawa dengan aktivitas
rendah dapat langsung dieliminasi tanpa harus diujicobakan lebih lanjut Pranowo dan Hetadi, 2010.
F. Penapisan Virtual PV
PV secara umum dapat dibagi menjadi dua: Penapisan Virtual Berbasis Struktur PVBS dan Penapisan Virtual Berbasis Ligan PVBL Cramp
et al.
, 2010. PVBS memiliki fokus utama pada prediksi geometrik kompleks protein-
ligan dan afinitas ikatannya Schlosser, 2010
yang membutuhkan keberadaan struktur protein target De Graaf
et al.
, 2011. Sementara itu PVBL merupakan penapisan yang tidak membutuhkan struktur protein target dan metode ini dapat
dimulai dengan memprofilkan senyawa-senyawa yang sudah terbukti aktif Cramp
et al.
, 2010. Penapisan yang digunakan dalam penelitian ini adalah PVBS atau biasa dikenal dengan
Structure Based Virtual Screening
SBVS. Walaupun PVBS menggunakan waktu yang lebih lama daripada PVBL karena
harus memperhitungkan struktur protein, namun PVBS dapat menghasilkan pose
senyawa di dalam kantung ikatan yang membantu untuk optimasi selanjutnya Istyastono, 2013.
Protokol penapisan yang dikembangkan Anita
et al.
2012 divalidasi secara retrospektif dengan menggunakan antagonis RE
α dan
decoys
diambil dari
website
DUD http:dud.docking.orgr2 yang dinilai berdasarkan nilai
Enrichment Factor
1 EF
1
dengan cara membandingkan prosentase senyawa aktif
true positives
dan
decoys
yang diidentifikasi sebagai senyawa aktif
false positives
sejumlah 1 semakin besar nilainya berarti semakin baik protokol tersebut. Nilai EF
1
protokol yang dikembangkan oleh Anita
et al.
2012, mengalami peningkatan dari protokol sebelumnya dari 12.7 menjadi 15.9 dan
mengalami peningkatan lagi menjadi 21.2 setelah ditambahkan molekul air yang bersifat
conserved
Anita
et al.
, 2012. Protokol juga divalidasi secara internal dengan menggunakan cara yang
objektif yakni ukuran nilai
Root Mean Square Distance
RMSD dengan tujuan dapat mengetahui apakah simulasi penambatan yang dilakukan menghasilkan
pose ligan yang sesuai pose struktur kokristal Anita
et al.
, 2012. Nilai RMSD yang lebih besar dari 2
Ǻ
menunjukkan bahwa senyawa yang diteliti memiliki keakuratan pose ligan yang buruk dan tidak diikutsertakan dalam proses
selanjutnya, kemudian nilai RMSD antara 1.5-2
Ǻ
menunjukkan bahwa biasanya pose ligan sudah akurat walaupun masih terdapat perbedaan, sedangkan nilai
RMSD yang lebih kecil dari 1.5
Ǻ
menunjukkan bahwa pose ligan yang dihasilkan sudah baik. Kemudian jika nilai RMSD lebih kecil dari 1.0
Ǻ,
maka pose ligan
yang dihasilkan sangat memiliki kecocokan dengan pose struktur ligan kokristal Schlosser, 2010
. Hasil dari penambatan molekul dengan aplikasi PLANTS 1.2 Korb,
Stutzle, dan Exner, 2009 menghasilkan luaran berupa pose penambatan dan nilai ChemPLP yang akan digunakan sebagai masukkan untuk aplikasi PyPLIF
Radifar
et al.
, 2013. ChemPLP merupakan
scoring function
dari hasil penambatan molekular yang bekerja dengan menilai interaksi yang ada
berdasarkan gaya tarik-menarik dan tolak-menolak antara protein dan ligan Korb
et al.
, 2009. Nilai ini telah terbukti lebih efektif daripada
scoring function
lainnya untuk memprediksi pose dan penapisan virtual Liebeschuetz, Cole, dan Korb,
2012.
G. Sidik Jari Interaksi