Hubungan Kuantitatif Struktur Aktivitas Senyawa Turunan Flavonoid Sebagai Inhibitor Human Epidermal Reseptor2 Tyrosine Kinase (Her2-Tk) Pada Penyakit Kanker Payudara Quantitatif Structur Activity Relationship Derivate Flavonoid As Inhibitor Human Epidermal Reseptor 2 Tyrosine Kinase (Her2-Tk) In Human Breast Cancer Lolindawaty Salzabillah Saleh 1, Dr. Teti S. Tuloli 2, Laode Aman,M.Si 3 1) Program Studi SI, Jurusan 2,3) Dosen Jurusan E-mail : lolinda.salzabillah@gmail.com ABSTRAK Lolindawaty Salzabillah H. Saleh 2014. 821 412 136. Hubungan kuantitatif Struktur Aktivitas Senyawa Turunan Flavonoid Sebagai Inhibitor Human Epidermal Reseptor 2 Tyrosine Kinase (HER2-TK) Pada Penyakit Kanker Payudara. Skripsi, Program Studi S1 Farmasi, Jurusan Farmasi, Fakultas Ilmu- Ilmu Kesehatan dan Keolahragaan, Universitas Negeri Gorontalo. Pembimbing 1 Dr. Teti S. Tuloli, S.Farm., M.Si., Apt dan Pembimbing II La Ode Aman, S.Pd., M.Si. Penelitian ini merupakan penelitian teoritis eksploratif dimana 50 turunan senyawa flavonoid dikembangkan sebagai inhibitor Human Epidermal Reseptor 2-Tyrosine Kinase (HER2-TK) pada kanker payudara. Penelitian ini menggunakan metode Hubungan Kuantitatif Struktur Aktivitas Senyawa (HKSA) yang merupakan metode kimia komputasi dalam proses desain obat. Optimasi geometri molekul menggunakan semiempiris PM3 (Parameterized Model 3) untuk menentukan persamaan HKSA terbaik berdasarkan analisis regresi multiliniear dengan I/C 50 sebagai variabel tergantung dan variabel bebas adalah kombinasi deskriptor yaitu koefisien partisi (Log P), TPSA, MR, globularitas, PM3_HF, PM_HOMO, PM3_LUMO, volume dan LogS. Persamaan HKSA terbaik dalam penelitian adalah : Log I/C 50 pred = 9.761*glob±6.079 0.430*mr±0.087 + 0.025*TPSA±0.004 + 0.830*LogP±0.122 + 2.737±0.761 dengan n = 33, r = 0.895, r 2 =0.801, F hit =28.272, SE= 0.25334, q 2 =1.9864. Modifikasi struktur senyawa penuntun menggunakan metode Skema Topliss dan dihasilkan senyawa baru yaitu FD01, FD07, FD09, FD10, FD11, dan FD12 dengan tiap nilai I/C 50 prediksi 2.687 µg/ml, 2.384 µg/ml, 2.583 µg/ml, 2.385 µg/ml, 2.664 µg/ml, dan 2.443 µg/ml. Hasil docking antara interaksi senyawa baru dengan reseptor adalah adalah ΔG FD01 (-7.94093 kcal/mol), ΔG FD07 (-7.68009 kcal/mol), ΔG FD09 (-7.94234 kcal/mol), ΔG FD10 (-8.06115 kcal/mol), ΔG FD11 (-8.49593 kcal/mol), dan ΔG FD12 (-7.09570 kcal/mol). Kata Kunci: HKSA, Flavonoid, HER2-TK, Kanker Payudara.
Analisis Hubungan Kuantitatif Struktur-Aktivitas (HKSA) merupakan salah satu aplikasi dari kimia komputasi dan juga bagian yang dipelajari dalam bidang kimia medisinal. Dengan metoda analisis HKSA, senyawa yang akan disintesis dapat didesain terlebih dahulu berdasarkan hubungan antara sifat-sifat kimia serta fisik molekul dengan aktivitas biologisnya, dengan menggunakan hubungan tersebut, aktivitas teoritik suatu senyawa baru dapat diprediksi, dan dengan demikian fokus riset dapat dipersempit, biaya dan waktu pun dapat dihemat. Saat ini telah dikenal tiga metoda analisis HKSA yakni metoda HKSA Free-Wilson, metoda Hansch dan metoda HKSA tiga dimensi (Kubinyi, 1993). Penelitian kimia komputasi dalam bidang terapan ini dilakukan dengan mempelajari korelasi antara struktur aktivitas atau struktur sifat terhadap data percobaan yang telah diperoleh dari penelitian sebelumnya. Konsep terapan ini juga digunakan dalam pengembangan bidang farmakologi molekul dan kimia medisinal. Seperti diketahui bahwa antaraksi obat - reseptor ditentukan oleh fisikokimia obat itu, atau oleh struktur kimianya. Parameter fisikokimia ini dapat dinyatakan secara kualitatif, dan fungsi struktur mestinya juga memiliki nilai angka. Jika kerja hayati (aktivitas) obat yang termasuk dalam satu seri dapat diukur dengan cara kerja serupa, maka hubungan kuantitatif struktur - aktivitas (Quantitative Structure-Activity Relationship/QSAR ) dapat pula dihitung. Eksperimen ini menggunakan pendekatan dan penalaran yang rasional, sehingga dapat menghemat tenaga, waktu dan biaya (Kier, 1989 dalam Azra, 2002). Salah satu penyakit yang terus dikembangkan untuk penemuan obat baru adalah kanker. Kanker merupakan penyakit dengan karakteristik adanya gangguan atau kegagalan mekanisme pengaturan multiplikasi pada organisme multiseluler sehingga terjadi perubahan perilaku sel yang tidak terkontrol. Kanker merupakan salah satu penyakit dengan angka kematian yang tinggi. Data Global action against canser (2005) dari WHO (World Health Organization) menyatakan bahwa kematian akibat kanker dapat mencapai angka 45% dari tahun 2007 hingga 2030, yaitu sekitar 7,9 juta jiwa menjadi 11,5 juta jiwa kematian. Penelitian lima tahun terakhir ini, senyawa dari bahan alam turunan estradiol (fitoestrogen) seperti flavonolol, flavon, isoflavon, daidzein, genistein, (de Lemos dalam muchtaridin, 2011) dan yang terbaru glabridin (Tamir et al., 2000) menjadi senyawa yang dapat mencegah perkembangan sel kanker (antiproliferative), karena ikatan senyawa-senyawa tersebut dengan reseptor estrogen lebih kuat dibandingkan estradiol. Banyak studi yang memfokuskan pada isoflavones, terutama daidzein dan genistein, dan kemungkinan senyawa ini memiliki efek antikarsinogenic. Senyawa ini sudah dilakukan dalam percobaan in vitro dan in vivo dalam estrogen. Namun, senyawa-senyawa ini belum mampu membunuh sel kanker yang telah berkembang di dalam jaringan mamae (Fujita et al.,2003). Hal ini dikarenakan bahwa senyawa-senyawa aktif dari bahan alam hasil isolasi bukanlah suatu langkah akhir dalam penemuan obat baru (Sager and Lengauer, 2003). Berdasarkan kenyataan diatas maka dilakukan penelitian tentang Hubungan Kuantitatif Struktur Aktivitas Senyawa Turunan Flavonoid Sebagai Inhibitor Human Epidermal Reseptor2 Tyrosine Kinase (Her2-Tk) Pada Penyakit Kanker Payudara.
METODE PENELITIAN Alat Dan Bahan Pengumpulan dan perhitungan data dalam penelitian ini dilakukan dengan metode kimia komputasi dengan Perangkat keras berupa Personal Computer (PC) dengan prosesor Intel (R) Core (TM) i3-2310m CPU @2,10 GHz yang mampu melakukan perhitungan kimia komputasi. Perangkat lunak berupa Operating System (OS) Microsoft Windows 7 Ultimate 64-bit, HyperChem Release 8.0, MOE (moleculer operating environment) 2007.09, SPSS for Windows version 19.0; Arguslab 4.0.1, dan Microsoft Office Excel 2007. Optimasi geometri molekul menggunakan semiempiris PM3 (Parameterized Model 3) untuk menentukan persamaan HKSA terbaik berdasarkan analisis regresi multiliniear dengan I/C 50 flavonoid sebagai variabel tergantung dan variabel bebas adalah kombinasi deskriptor yaitu koefisien partisi (Log P), TPSA, MR, globularitas, PM3_HF, PM_HOMO, PM3_LUMO, volume dan LogS. Bahan penelitian berupa data set aktivitas antikanker sejumlah 50 senyawa turunan flavonoid (Afshin F dan Razieh, 2011). Permodelan Struktur Molekul dan Optimasi Geometri Molekul Tujuan untuk mendapatkan struktur molekul yang stabil dilakukan dengan menggunakan HyperChem Release 8.0 dengan tahapan kerja sebagai berikut : Dibuat struktur dua dimensi, setelah itu dilakukan penambahan atom H dan pembentukan model molekul dengan menggunakan perintah Add H & Model Build. Optimasi struktur molekul yang dilakukan secara mekanik molekuler dengan metode MM+ dengan gradient 0,01 kkal/a ; dan semi empirical dengan PM3 dan seluruh model molekul disimpan dalam format *.mol Perhitungan Deskriptor Perhitungan prediktor dengan menggunakan aplikasi Molecular Operating Environment (MOE 2007.09). Deskriptor yang digunakan koefisien partisi (Log P), logaritma kelarutan (Solubility), Topologi Daerah Permukaan Polar, Energi HOMO dan LUMO, refraktifitas molekul, panas pembentukan dan volume van der waals. Analisis Statistik Dilakukan analisis regresi multilinier dengan bantuan SPSS 19.00 for windows dengan variabel tergantung (Y) adalah nilai aktivitas antikanker 50 senyawa dan variabel bebas (X) adalah kombinasi 2, 3 da 4 nilai prediktor. Validasi dan Pemilihan Persamaan Terbaik Pemilihan model persamaan terbaik dilakukan dengan mempertimbangkan parameter statistic r, r 2, F, SE, dan RMSE dan validasi model persamaan terbaik dilakukan dengan metode validasi silang (cross validation) yaitu dengan nilai q 2 (Guha, 2005). Modifikasi Struktur Molekul Modifikasi struktur didasarkan pada Model pendekatan Topliss. Substituent yang digunakan sebanyak 12 substituen. Dapat dilihat pada tabel 4 daftar subtituen hasil modifikasi.
Tabel 4. Substituen Senyawa Baru dan Kode Molekul No Subtituent Nama Molekul 1 -H FD01 2 -Cl FD02 3 -CF 3 FD03 4 -Br FD04 5 -I FD05 6 -CH 3 FD06 7 -OCH 3 FD07 8 -OC 6 H 5 FD08 9 -COCH 3 FD09 10 -NO 2 FD10 11 -NH 2 FD11 12 -CN FD12 HASIL DAN PEMBAHASAN Setiap 50 senyawa turunan flavonoid dibuat struktur 2D dengan menggunakan HyperChem Release 8.0 dan dianalisis sudut torsinya dengan metode semiempiris PM3. Deskriptor dihitung dengan MOE.2007 software. Selanjutnya akan dilakukan analisis statistik untuk menemukan persamaan HKSA. Dalam penelitian ini digunakan metode regresi linier (MLR) untuk mengetahui hubungan linier antara 9 buah deskriptor terhadap aktivitas antikanker senyawa turunan flavonoid. Sebagai variabel bebas adalah kombinasi 2,3, dan 4 buah deskriptor dari 9 deskriptor yang terdiri dari Koefisien Partisi (LogP), kelarutan (logs), panas pembentukan (HF), energi HOMO (E HOMO ), energi LUMO (E LUMO ), refraktivitas molar (mr), topologi daerah permukaan polar (TPSA), globularitas (glob), dan volume van der Waals (Vw) sedangkan variabel tergantung adalah nilai aktivitas antikanker 50 senyawa turunan flavonoid. Untuk mengetahui hubungan antara variabel tersebut dihitung nilai koefisen korelasi masing-masing model kombinasi. Dari hasil perhitungan kombinasi didapatkan 246 kombinasi deksriptor, sehingga nilai r yang diambil adalah nilai r yang mendekati +1. Dalam hal ini seluruh model kombinasi deksriptor memiliki nilai r dari 0.057 sampai 0.640, sehingga diambil nilai terbesar yaitu r>0.5. Nilai r terbesar terdapat pada model 122, yaitu kombinasi antara logp, TPSA, glob, mr dengan nilai r = 0.640. Langkah selanjutnya untuk mendapatkan deskriptor terbaik yang berpengaruh adalah penyaringan dengan nilai Anova (F hit ). Nilai F hit Diambil nilai F hitung yang paling besar yaitu > 7 dan didapat 28 model kombinasi deskriptor dapat dilihat pada tabel 7. Tabel 7. Kombinasi Deskriptor dengan nilai F hit > 7 Std. No KOMBINASI DESKRIPTOR R r 2 Error of df F the hit Estimate 122 mr, TPSA, glob, logp(o/w) 0.640 0.410 0,50462 4 7,803 154 PM3_HF, PM3_LUMO, mr, vol 0,639 0,408 0,50514 4 7,764
125 TPSA, glob, vol, logp(o/w) 0,638 0,407 0,50577 4 7,716 159 PM3_HF, PM3_LUMO, glob, vol 0,628 0,395 0,51081 4 7,344 153 PM3_HF, PM3_LUMO, mr, glob 0,621 0,385 0,51486 4 7,053 48 PM3_HF, PM3_LUMO, vol 0,606 0,367 0,51691 3 8,877 45 PM3_HF, PM3_LUMO, mr 0,599 0,358 0,52028 3 8,565 67 PM3_HOMO, PM3_LUMO, TPSA 0,589 0,346 0,52509 3 8,129 65 PM3_HOMO, PM3_LUMO, logs 0,588 0,346 0,52547 3 8,095 37 PM3_HF, PM3_HOMO, PM3_LUMO 0,583 0,340 0,52752 3 7,913 47 PM3_HF, PM3_LUMO, glob 0,583 0,339 0,52795 3 7,876 90 PM3_LUMO, logs, logp(o/w) 0,583 0,340 0,52758 3 7,908 113 mr, TPSA, logp(o/w) 0,581 0,337 0,52876 3 7,804 44 PM3_HF, PM3_LUMO, logs 0,580 0,337 0,52898 3 7,785 119 TPSA, vol, logp(o/w) 0,577 0,333 0,53037 3 7,664 70 PM3_HOMO, PM3_LUMO, logp(o/w) 0,570 0,325 0,53369 3 7,378 69 PM3_HOMO, PM3_LUMO, vol 0,568 0,322 0,53474 3 7,289 66 PM3_HOMO, PM3_LUMO, mr 0,567 0,322 0,53489 3 7,277 9 PM3_HOMO, PM3_LUMO 0,566 0,320 0,52984 2 11,065 68 PM3_HOMO, PM3_LUMO, glob 0,566 0,321 0,53535 3 7,238 42 PM3_HF, PM3_HOMO, vol 0,565 0,319 0,53596 3 7,187 46 PM3_HF, PM3_LUMO, TPSA 0,565 0,319 0,53587 3 7,195 49 PM3_HF, PM3_LUMO, logp(o/w) 0,564 0,318 0,53650 3 7,142 39 PM3_HF, PM3_HOMO, mr 0,561 0,315 0,53755 3 7,054 2 PM3_HF, PM3_LUMO 0,559 0,313 0,53261 2 10,707 16 PM3_LUMO, logs 0,538 0,290 0,54148 2 9,595 18 PM3_LUMO, TPSA 0,507 0,257 0,55403 2 8,112 4 PM3_HF, mr 0,504 0,254 0,55503 2 7,999 Kriteria selanjutnya adalah penentuan nilai RMSE (Root Mean Squared Error). Model terbaik adalah model yang memiliki RMSE rendah dan r tinggi dan didapatkan 3 model kombinasi deskriptor yang memiliki nilai RMSE < 0.5, yaitu model 122 (logp, TPSA, glob, mr), model 125 (TPSA, vol, glob, logp) dan model 154 (PM3_HF, PM3_LUMO, mr, vol) tahapan terakhir dilakukan validasi yaitu menentukan nilai q 2. Kuadrat validasi silang LOO (q 2 ) menjadi indikator perfomance dan stabilitas model (JinCan, C. dalam Aman, 2010), dan dihitung menurut rumus berikut: Data hasil q 2 yang diperoleh menerangkan bahwa model 122 merupakan model kombinasi terbaik karena memiliki nilai q 2 lebih besar dibanding model 125 dan model 154 yang hasilnya dapat dilihat pada tabel 9, sehingga model ini merupakan model persamaan HKSA terbaik sebagai inhibitor EGFR-TK dengan model persamaan terbaik setelah 17 senyawa outlier dihilangkan: IC 50-pred = 9.761*glob±6.079 0.430*mr±0.087 + 0.025*TPSA±0.004 + 0.830*LogP±0.122 + 2.737±0.761.. (persamaan 18)
IC50-pred dengan n = 33, r = 0.895, r 2 =0.801, F hit =28.272, SE= 0.25334, Sig = 0.000, q 2 =1.9864 Tabel 9. Kombinasi deskriptor dengan nilai q 2 No KOMBINASI DESKRIPTOR r r 2 of the RMSE q 2 Std. Error Estimate 122 mr, TPSA, glob, logp(o/w) 0.640 0.410 0,50462 0,487159 0.1684 154 PM3_HF, PM3_LUMO, mr, vol 0,639 0,408 0,50514 0,496408-1.7943 125 TPSA, glob, vol, logp(o/w) 0,638 0,407 0,50577 0,495765-0.6833 14 12 10 8 6 4 2 0 R² = 0.801 0 2 4 6 8 10 12 14 IC50-eksp Gambar 5. Scatter plot IC 50 eksperimen versus IC 50 prediksi model 122 Langkah yang dilakukan selanjutnya adalah memodifikasi senyawa baru. Dari persamaan HKSA yang didapat (persamaan 18) akan dimodifikasi senyawa baru dengan model pendekatan Topliss terdiri dari 12 sustituen yaitu H, -Cl, -CF 3, -Br, -I, -CH 3, -OCH 3, -OC 6 H 5, -COCH 3, -NO 2, -NH 2, dan CN dengan Senyawa penuntun yang digunakan adalah senyawa F50 dengan penggantian gugus OH. Dari hasil perhitungan nilai aktivitas, diperoleh 6 (enam) senyawa yang memiliki aktivitas lebih baik dari aktivitas senyawa penuntun (F50) yaitu 2.73. Keenam senyawa tersebut adalah FD01, FD07, FD09, FD10, FD11, dan FD12 dengan subtituen dan nilai aktivitas masing-masing dapat dilihat pada tabel 28. Tabel 28. Nilai deskriptor dan nilai IC50 pred Senyawa Hasil Modifikasi Molekul Mr TPSA glob logp(o/w) IC50 FD01 7.798905 113.7000 0.0001 0.5560 2.68745 FD02 8.294971 113.7000 0.0001 1.1460 2.9638 FD03 8.375176 113.7000 0.0001 1.4888 3.26072 FD04 8.544706 113.7000 0.0001 1.3520 3.02743 FD05 9.133752 113.7000 0.0001 1.7440 3.09948 FD06 8.260711 113.7000 0.0032 0.8520 2.73778 FD07 8.434893 122.9300 0.0029 0.5100 2.38484 FD08 10.81752 122.9300 0.0040 2.7910 3.26429
FD09 8.919754 122.9300 0.0076 0.6440 2.58343 FD10 8.448211 159.800 0.0001-0.8600 2.38547 FD11 8.069786 139.7200 0.0003-0.1180 2.66497 FD12 8.562901 139.7200 0.0055-0.1900 2.44393 Perhitungan deskriptor yang berpengaruh menggunakan persamaan 18, dilakukan seperti pada tahap awal pada 50 senyawa turunan flavonoid. Keenam senyawa baru yang berhasil dirancang dan memiliki aktifitas lebih baik dari senyawa penututun dapat dilihat pada tabel 29. Tabel 29. 6 senyawa baru yang memiliki aktifitas lebih baik dari senyawa penuntun. Kode Rumus struktur Nilai kontribusi Π Σ FD01 0.00 0.00 FD07-0.02-0.27 FD09-0.55 0.50
FD10-0.28 0.78 FD11-1.23-0.66 FD12-0.57 0.66 Langkah selanjutnya adalah melakukan kajian dengan menggunakan pendekatan docking dengan bantuan Arguslab software untuk mempelajari lebih lanjut mengenai interaksi antara 6 senyawa baru dengan reseptor target yaitu HER2-TK. Dari hasil perhitungan (tabel 30) dapat dilihat nilai ΔG keenam senyawa bertanda negatif (-).Hal ini berarti bahwa senyawa-senyawa tersebut memiliki kemampuan berikatan dan berinteraksi secara spontan dengan reseptor HER2-TK. Tabel 30. Hasil Docking Senyawa dan nilai ΔG Nama Ligan IC 50-pred ΔG Jumlah Ikatan Hidrogen Atom Pengikatan Ligan Reseptor Panjang Ikatan FD01 2.68745-7.94093 1 N N 2.46758 N N 2.969248 FD07 2.38484-7.68009 2 O N 2.665899 FD09 2.58343-7.94234 2 N N 2.472573
FD10 2.38547-8.06115 2 FD11 2.66497-8.49593 4 FD12 2.44393-7.09570 2 O O 2.999543 O O 2.874096 O N 2.47371 N N 2.856218 O 2.137455 O C 2.959192 N 2.699132 O O 2.493732 N N 2.367184 Pada reseptor (HER-2)Tyrosine Kinase terdapat 1 native ligand dengan kode 1551-DEF. Native ligand ini kemudian menjadi acuan untuk menentukan binding site dari reseptor HER2-TK. (a) (b) (a) Human Epidermal Reseptor-2 (HER-2)Tyrosine Kinase dan (b) Native ligan yang berikatan dengan reseptor HER2-TK Pada gambar 10 dibawah ini, terjadi interaksi antara senyawa FD01 dengan reseptor pada binding site HER2-TK dengan nilai Best Ligand Pose Energy (ΔG) sebesar -7.94093 kcal/mol dengan jumlah 1 ikatan hidrogen yang memiliki nilai 2.46758.
Gambar 10. Interaksi senyawa FD01 dengan reseptor pada binding site HER2-TK Gambar 11. Interaksi senyawa FD07 dengan reseptor pada binding site HER2-TK Dilihat pada tampilan gambar 11, terjadi interaksi antara senyawa FD07 dengan reseptor pada binding site HER2-TK dengan nilai Best Ligand Pose Energy (ΔG) sebesar -7.68009 kcal/mol dengan jumlah 2 ikatan hidrogen yang memiliki nilai 2.969248 dan 2.665899. Ikatan hidrogen pertama terjadi antara atom N (ligan) dan atom N (reseptor), sedangkan ikatan hidrogen kedua terjadi interaksi atom pengikatan antara atom O (ligan) dan N (reseptor). Gambar 13. Interaksi senyawa FD10 dengan reseptor pada binding site HER2-TK
Gambar 14. Interaksi senyawa FD11 dengan reseptor pada binding site HER2-TK Gambar 15. Interaksi senyawa FD12 dengan reseptor pada binding site HER2-TK Dilihat pada tampilan gambar 13,14, dan 15, terjadi interaksi antara senyawa reseptor pada binding site HER2-TK dengan nilai Best Ligand Pose Energy (ΔG) sebesar sebesar -8.06115 kcal/mol dengan jumlah 2 ikatan hidrogen yang memiliki nilai 2.874096 dan 2.47371, -8.49593 kcal/mol dengan jumlah 4 ikatan hidrogen yang memiliki nilai 2.856218 pada atom N (ligan) dan N (reseptor), nilai 2.137455 pada atom O (ligan) dan atom O (reseptor), nilai 2.95912 pada atom O (ligan) dan atom C (reseptor) dan nilai 2.699132 pada atom O (ligan) dan atom N (reseptor) dan gambar 15 nilai (ΔG) -7.09570 kcal/mol dengan jumlah 2 ikatan hidrogen yang memiliki nilai 2.493732 dan 2.367184. Ikatan hidrogen pertama terjadi antara atom O (ligan) dan atom O (reseptor), sedangkan ikatan hidrogen kedua terjadi interaksi atom pengikatan antara atom N (ligan) dan N (reseptor). KESIMPULAN Deskriptor yang paling berpengaruh dari 9 (sembilan) prediktor yang digunakan yaitu, koefisien partisi (logp) dan topologi permukaan polar (TPSA) yang
termasuk dalam parameter hidrofobik; refraktivitas molar (mr) dan globularitas (glob) yang termasuk dalam parameter sterik dengan persamaan berikut : IC 50-pred = 9.761*glob±6.079 0.430*mr±0.087 + 0.025*TPSA±0.004 + 0.830*LogP±0.122 + 2.737±0.761.. (persamaan 18) dengan n = 33, r = 0.895, r 2 =0.801, F hit =28.272, SE= 0.25334, Sig = 0.000, q 2 =1.9864 Senyawa-senyawa yang memiliki aktivitas lebih baik dari senyawa penuntun (F50=2.73 µg/ml) adalah senyawa dengan substituen H(FD01), -OCH 3 (FD07), - COCH 3 (FD09), -NO 2 (FD10), -NH 2 (FD11) dan CN(FD12) dengan nilai aktivitas teoritis berturut-turut 2.687 µg/ml, 2.384 µg/ml, 2.583 µg/ml, 2.385 µg/ml, 2.664 µg/ml, dan 2.443 µg/ml. dengan nilai Interaksi senyawa baru dengan reseptor HER2-TK adalah FD01 (senyawa 8,4 -Natrium dioksida) adalah -7.94093 kcal/mol, FD07 (senyawa 7-Methyloksid, 8,4 -Natrium dioksida) adalah -7.68009 kcal/mol, FD09 (senyawa 7-COCH 3,8,4 -Natrium dioksida) adalah -7.94234 kcal/mol, FD10 (senyawa 7,8,4 -Natrium dioksida) adalah -8.06115 kcal/mol, FD11 (senyawa 7-Natrium hidroksida,8,4 -Natrium dioksida) adalah -8.49593 kcal/mol, dan FD12 (senyawa 7-Sianida,8,4 -Natrium dioksida) adalah -7.09570 kcal/mol. Dari hasil penelitian semua turunan senyawa baru memiliki interaksi ikatan hidrogen. Gugus N dan O dari ligan menunjukkan ikatan terjadi antara ligan dengan gugus asam amino pada reseptor. SARAN 1. Sebaiknya perlu dilakukan in-silico screening lebih lanjut menggunakan senyawa turunan flavonoid dengan model pendekatan modifikasi senyawa yang berbeda sehingga akan didapatkan lebih banyak lagi senyawa dengan aktivitas yang lebih baik sebagai inhibitor HER-2 TK pada sel kanker payudara. 2. Perlu dilakukan uji lebih lanjut tentang aktivitas senyawa sebagai inhibitor HER-2 TK pada sel kanker payudara. DAFTAR PUSTAKA Allred et al, 2004. The origins of estrogen receptor alpha-positive and estrogen receptor alpha-negative human breast cancer. Baylor College of Medicine, Houston, Texas, USA. Aman, La Ode. 2010. Hubungan Kuantitatif Struktur Dan Aktivitas Senyawa Turunan 2-Aminothieno[2,3-D]Pyrimidine Sebagai Inhibitor Hsp90. Tesis. Bandung : ITB Afshin F, Razieh S. 2011. QSAR study of p56 tyrosine kinase Inhibitory Activity of Flavonoid Derivat Using MLR and GA-PLS. Int J Mol Sci. American Cancer Society. Breast Cancer Facts and Figures 2011-2012. Atlanta, Ga:American Cancer Society; 2011. American Cancer Society. Cancer Facts and Figures 2014. Atlanta, Ga: American Cancer Society; 2014.
Anonim, 2010. Kimia Komputasi : online (http://www.wikipedia.org, diakses 29 April 2014) Arie, 2010. Quantitative Structure Activities Relationships (slide). Yokyakarta. Universitas Gajah Mada. Azra, Fajriah., 2002, Analisis Hubungan Kuantitatif Struktur Elektronik dan Aktivitas Antiplasmodium dari Seri Senyawa Turunan 1,10-Fenantrolin, Tesis S2 FMIPA UGM, Yogayakarta. Bracke, Marc E, Eric A. Bruyneel, Stefan J. Vermeulen, Krist l Vennekens, Veerle Van Marck, and Marc M. Mareel. (1994). Citrus Flavonoid Effect on Tumor Invasion and Metastasis. Food Tech Cook, N. C. and S. Samman. (1996). Review Flavonoids-Chemistry, Metabolism, Cardioprotective Effect, And Dietary Sources, J. Nutr. Biochem. Chrestella, J. 2009. Neoplasma. Medan, Sumtera Utara; Fakultas Universitas Sumatera Utara, Departemen Patologi Anatomi. Kedokteran, Cuppett, S., M. Schrepf and C. Hall III. (1954). Natural Antioxidant Are They Reality. Dalam Foreidoon Shahidi: Natural Antioxidants, Chemistry, Health Effect and Applications, AOCS Press, Champaign. Dey.B, Saumik, 2010. Synthesis And Pharmacological Evaluation Of Flavonoids. Desertasi. India : Department of Pharmaceutical Chemistry. Fareid, A. 2007. Bagaimana mereka sel kanker berkembang. Departement of General Surgical Science, Graduate School of Medicin,Gunma University, Japan. Fatimah, Nur. 2008. Hubungan Kuantitatif Struktur- Aktivitas. Yokyakarta. Fujita, T., Kobayashi, Y., Wada, O., Tateshi, Y., Kitada, L., and Yanagisawa, J. 2003. Full Activation Of Esterogen Receptor Alpha Activation Function-1 Induces Proliferation Of Breast Cancer Cells. J. biol Chem Graham, P. L. (ed.) 2005. Introductional to Medicinal Chemistry, New York: Oxford University Press. Guha, Rajarshi. 2005. Methods To Improve The Reliability, Validity And Interpretability Of Qsar Models. Thesis. Hidayanto, A., N., Hapsari, I., C., Jiwanggi, M., A., Fitria, D. 2010. Perbandingan Algoritma Klasifikasi dalam Pendeteksian Penyakit Kanker. Fakultas Ilmu Komputer, Universitas Indonesia, Depok, Jawa Barat.
Hinchliffe, Alan. 2008. Moleculer modelling for beginners. United Kingdom : The Atrium Southern Gate Hondermark, Hubert. 2003. Journal International Molecular and Cellular Proteomics Breast Cancer Hou Tingjun, Junmei Wang, Wei Zhang, and Xiaojie Xu, 2007. ADME Evaluation in Drug Discovery. 7. Prediction of Oral Absorption by Correlation and Classification Peking University, Beijing 100871, P. R. China J. Chem. Inf. Model Istyastono dan Martono, S. 2005. Hubungan kuantitatif struktur-aktivitas kurkumin dan turunannya sebagai inhibitor GST kelas μ. Majalah Farmasi Indonesia 16(4), 204 213. Istyastono, E.P. 2007. Peran Komputer dalam Penemuan Obat. Online (http://www.chem-is-try.com, diakses 29 April 2014) Kubinyi, 1993. QSAR. Hansch analysis and related approache, VCH Verlagsgesellschaft, winheim. Lee A, Park WC, Yim HW, Lee MA, Park G, Lee KY. 2007. Expression of c- erbb2, cyclin D1 and Estrogen Receptor and their Clinical Implications in the Invasive Ductal Carcinoma of the Breast. Japan Journal of Clinical Oncology. Lumongga, F. 2008. Invasi Sel Kanker. Medan, Sumatera Utara; Fakultas Kedokteran, Universitas Sumatera Utara, Departemen Patologi Anatomi. Manthey, John A. and Najla Guthrie. (2002). Antiproliferatif Activities of Citrus Flavonoids against Six Human Cell Cancer Line. J. Agric. Food. Chem. Maslarova, N.V. Yanishlieva. (2001). Inhibiting oxidation dalam Jan Pokorny, Nedyalka Yanislieva dan Michael Gordon: Antioxidants in food, Practical applications. Woodhead Publishing Limited, Cambridge Muchtaridi,S. 2011. Prediksi Aktivitas Antikanker Payudara Senyawa Fevicordin dari Biji Phaleria macrocarpa (Scheff) Boerl. pada ER Melalui Metode Hubungan Kuantitatif Struktur dan Aktivitas. Tesis. Bandung : Universitas Padjajaran Payne SJL, Bowen RL, Jones JL & Wells CA. 2008. Predictive markers in breast cancer-the present. Histopathology Rajalakshmi, D dan S. Narasimhan. (1985). Food Antioxidants: Sources and Methods of Evaluation dalam D.L. Madhavi: Food Antioxidant,
Technological, Toxilogical and Health Perspectives. Marcel Dekker Inc., Hongkong Ratna, dkk. 2009. Panas Pembentukan Eksoterm dan Endoterm. (online) (http://www.chem-is-try.org, diakses 04 Juli 2011) Sager, J. and Lengauer, C. 2003. New Paradigms For Cancer Drug Discovery. J Biol Ther. Selassie, 2003. History of Quantitative Structure-Activity Relationships Chemistry Department Pomona College Claremont, California, Burger BurgerÕs Medicinal Chemistry and Drug Discovery. Sherwood, L., 2011. Fisiologi Manusia dari Sel ke Sistem. EGC: Jakarta. Siswandono dan Soekardjo, B. 2000. Kimia Medisinal. Surabaya : Airlangga University Press. Tamir, S, 2000. Estrogenic and antiproliferative properties of glabridin from licorice in human breast cancer cells. Zava D T and Duwe G, 1997. Estrogenic and anti-proliferative properties of genistein and other flavonoids in human breast cancer cell in vitro. Cambridge University.