Analisis Gerombol Simultan dan Jejaring Farmakologi antara Senyawa dengan Protein Target pada Penentuan Senyawa Aktif Jamu Anti Diabetes Tipe 2
Article Sidebar
-
Diabetes tipe 2, Jamu, Jejaring farmakologi, DrugCHIPER, Analisis Gerombol Simultan
Abstract
Selama ini pembuatan obat untuk menyembuhkan suatu penyakit masih menargetkan hanya satu protein khusus yang menjadi penyebab penyakit tersebut, yang tentu hanya menggunakan satu senyawa aktif. Padahal selain menimbulkan efek samping, penanganan suatu penyakit perlu menyasar banyak protein sekaligus. Sehingga, baru-baru ini terjadi perubahan paradigma dari “one drug, one target” menjadi “multi-components, network target”. Paradigma baru ini telah melahirkan beberapa penelitian untuk menghasilkan formulasi jamu, hal ini dikarenakan konsep formulasi jamu memerlukan beberapa senyawa aktif yang terlibat. Formula jamu yang diteliti sebagai upaya menyembuhkan penyakit Diabetes Melitus (DM) tipe 2 terdiri dari 4 tanaman yaitu Pare (Momordica charantia), Sembung (Blumea balsamifera), bratawali (Tinospora crispa), dan jahe (Zingiber officinale) berdasarkan hasil penelitian Nurishmaya tahun 2014 serta berdasarkan ramuan jamu yang sedang dikembangkan di Pusat Studi Biofarmaka, Bogor. Evaluasi senyawa yang berkaitan dengan DM tipe 2 dilakukan dengan terlebih dahulu menambahkan 19 obat sintetis yang ditujukan untuk DM tipe 2 dari basis data Drug Bank. Sehingga terdapat total sebanyak 74 senyawa aktif yang terdiri dari 55 senyawa alami dari tanaman dan 19 senyawa sintetis obat. Sebanyak 100 protein yang berkaitan erat dengan masing-masing senyawa diperoleh melalui hasil skor konkordan DrugCHIPER. Skor konkordan tersebut kemudian digunakan dalam analisis gerombol simultan antara senyawa dan protein target. Plot komponen utama dan submatrix penggerombolan simultan menunjukkan 2 dari 3 senyawa dari bratawali sangat dekat dengan kelompok sintetis. Selain itu, ada 11 dari 44 senyawa dari Jahe terkumpul bersama dengan senyawa sintetis tetapi dalam jarak yang jauh. Sedangkan berdasarkan jejaring kemiripan, lebih spesifik lagi terdapat 17 dari 19 senyawa obat sintetis yang memiliki kemiripan berdasarkan protein target dengan 2 senyawa tanaman Bratawali dan 5 senyawa tanaman Jahe.
Full text article
References
Afendi et al. 2010. Modelling ingredient of jamu to predict its efficacy. Forum Statistika dan Komputasi. 5(2).1-9.
Afendi F M, Darusman L K, Fukuyama M, Md. Altaf-UI-Amin, Kanaya S. 2012. A Bootstrapping approach for investigating the consistency of assignment of plants to jamu efficacy by PLS-DA model. Malaysian Journal of Mathematical Sciences. 6(2):147-164.
Afendi FM, Okada T, Yamazaki M, Hirai-Morita A, Nakamura Y , Nakamura K , Ikeda S , Takahashi H , Altaf-Ul-Amin M, Darusman LK , Saito K, Kanaya S. 2012. KNApSAcK Family databases: Integrated metabolite–plant species databases for multifaceted plant research. Plant and Cell Physiology. 53(2). 1-12. doi:10.1093/pcp/pcr165
Calinski T, Harabasz J. 1974. A Dendrite Method for Cluster Analysis, Communication in Statistics. Taylor & Francis. 3, 1-27.
Getz G, Levine E, Domany E. 2000. Coupled Two-Way Clustering Analysis of Gene Microarray Data. Proceedings of the National Academy of Sciences. Vol 97, no.22, 12079-12084.
Goel R, Harsha HC, Pandey A, et al. 2012. Human Protein Reference Database and Human Proteinpedia as resources for phosphoproteome analysis. Molecular BioSystems. 8(2). 453-463.
Govaert Gerard. 1995. Simultaneous clustering of rows and columns. Control and Cybernetics. vol.24 No.4.
Johnson RA, Wichern DW. 2002. Applied Multivariate Statistical Analysis, Fifth Edition. Englewood Cliffs, New Jersey: Prentice Hall.
Klekota Justin, Roth Frederick P. 2008. Chemical Substructures that Enrich for Biological Activity. Bioinformatics, 24:2518-2525.
Li Huiying et al. 2014. A Network Pharmacology Approach to Determne Active Compounds and Action Mechanisms of Ge-Gen-Qin-Lian Decoction for Treatment of Type 2 Diabetes. Hindawi Publisging Corporation. doi:10.1155/2014/495840.
Mudunuri U, Che A, Yi M, Stephens RM. 2009. bioDBnet: the biological database network. Bioinformatics. 25(4). 555–556.doi:10.1093/bioinformatics/btn654.
Nurishmaya MRN. 2014. Pendekatan Bioinformatika Formulasi Jamu Baru Berkhasiat Antidiabetes dengan Ikan Zebra (danio rerio) Sebagai Hewan Model [Skripsi]. Bogor(ID): Institut Pertanian Bogor.
Parsons AB, Brost RL, Ding H, Li Z, Zhang C, Sheikh B, Brown GW, Kane PM, Hughe TR, Boone B. 2004. Integration of chemical-genetic and genetic interaction data links bioactive compounds to cellular target pathways. Nature Biotechnology. 22, 62 – 69.
Sharma A, Pranit S Lal. 2011. Tanimoto based similarity measure for intrusion detection system. Journal of Information Security. 2, 195-201.
Wang Y, Xiao J, Suzek TO, Zhang J, Wang J, Bryant SH. 2009. PubChem: a public information system for analyzing bioactivities of small molecules. Nucleic Acids Res. 2(8).1-11. doi:10.1093/nar/gkp456.
Wishart DS, Knox C, Guo AC, Cheng D, Shrivastava S, Tzur D, Gautam B, Hassanali M. 2008. DrugBank: a knowledgebase for drugs, drug actions and drug targets. Nucleic Acids Res. 2008 Jan;36(Database issue):D901-6.
Zhao S, Li S. 2010. Network-based relating pharmacological and genomic spaces for drug target identification. PLoS ONE. 5(7): e11764. doi:10.1371/journal.pone.0011764
Authors
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License. Copyright @2017. This is an open-access article distributed under the terms of the Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License (http://creativecommons.org/licenses/by-nc-sa/4.0/) which permits unrestricted non-commercial used, distribution and reproduction in any medium