FARMASAINS Vol. xx. No.

xx, bulan tahun

MOLECULAR DOCKING DAN MOLECULAR DYNAMIC SENYAWA DAUN GALOBA

MERAH (Alpinia zerumbet) TERHADAP RESEPTOR SIKLOOKSIGENASE 2 SEBAGAI
ANTI INFLAMASI

MOLECULAR DOCKING AND MOLECULAR DYNAMIC COMPOUNDS OF RED GALOBA LEAF

(Alpinia zerumbet) ON CYCLOOXIGENASE 2 RECEPTOR AS ANTI-INFLAMMATORY

Dinda Permata Santi, Rizky Arcinthya Rachmania,M.Si.2, apt. Hariyanti, M.Si.3

1,2,3 Program Studi Farmasi,Fakultas Farmasi dan Sains,Universitas Muhammadiyah Prof. Dr.
HAMKA, Islamic Center, Jl. Delima II/IV Perumnas Klender, Jakarta Timur, 13460, Indonesia.

Email : [email protected] dan No. Telp : 085716569483

Submitted : ………… Reviewed : ………… Accepted : …………

ABSTRACT
Red Galoba leaves are one of the plants that have anti-inflammatory properties. Galoba
Merah leaf methanol extract showed anti-inflammatory effect by inhibiting COX-2. The aim of the study
was to determine candidate compounds in Galoba Merah leaves that have potential as anti-
inflammatory by molecular docking and molecular dynamics. Molecular docking is done using
Autodock4.2 software, while molecular dynamics is using GROMACS software. The molecular docking
results showed that the compound with the best binding energy was Diosmetin with a binding energy
of -7.53 kcal/mol, Ki 1.41 M, and cluster 35, while the compound with the best cluster was Chrysoeriol
with a binding energy of 7.53 kcal/mol, KI 3 .01 M, and cluster 48. The results of the study showed that
the molecular dynamic ligand assay has stability comparable to that of selective comparison Celecoxib
based on molecular dynamic analysis parameters such as RMSF, RMSD, radius of gyration, and
potential energy, while based on parameters MM-PBSA, Celecoxib as a comparison has a better affinity
than the test ligand. The conclusion of this study is that the comparison compound Celecoxib has more
potential as a COX-2 inhibitor when compared to the test compounds Diosmetin and Chrysoeriol.

Keywords: Inflammatory, COX-2, Alpinia zerumbet, Molecular Docking, Molecular Dynamic

ABSTRAK
Daun Galoba Merah merupakan salah satu tanaman yang berkhasiat sebagai antiinflamasi.
Ekstrak metanol daun Galoba Merah menunjukkan efek antiinflamasi menghambat COX-2. Penelitian
bertujuan untuk mengetahui kandidat senyawa pada daun Galoba Merah yang memiliki potensi sebagai
antiinflamasi secara molecular docking dan molecular dynamics. Molecular docking dilakukan dengan
menggunakan software Autodock4.2 sedangkan molecular dynamic menggunakan software
GROMACS. Hasil molecular docking menunjukkan senyawa dengan binding energy terbaik adalah
Diosmetin dengan binding energy -7,53 kkal/mol, Ki 1,41 µM, dan cluster 35 sedangkan senyawa
dengan cluster terbaik adalah Chrysoeriol dengan binding energy 7,53 kcal/mol, KI 3,01 µM, dan cluster
48. Hasil penelitian molecular dynamic ligan uji memiliki kestabilan sebanding dengan pembanding
selektif Celecoxib berdasarkan parameter analisis molecular dynamic seperti RMSF, RMSD, jari-jari
girasi, dan energi potensial, sedangkan berdasarkan parameter MM-PBSA, Celecoxib sebagai
pembanding memiliki afinitas yang lebih baik dibandingkan ligan uji. Kesimpulan dari penelitian ini
senyawa pembanding Celecoxib lebih berpotensi sebagai inhibitor COX-2 jika dibandingkan dengan
senyawa uji Diosmetin dan Chrysoeriol.

Kata kunci: Inflamasi, COX-2, Hemigraphis alternata, Docking, Molecular dynamic.

1
 FARMASAINS Vol. xx. No. xx, bulan tahun

PENDAHULUAN 0,078 µg/mL dibandingkan dengan

Inflamasi merupakan suatu respon Diklofenak IC50 0,76 µg/mL dan Celecoxib
jaringan terhadap rangsangan fisik atau 0,046 µg/mL. Senyawa-senyawa yang
kimiawi yang merusak. Rangsangan ini terkandung dalam daun galoba merah
menyebabkan lepasnya mediator inflamasi dalam galoba merah adalah senyawa
seperti histamin, serotonin, bradikinin, dan polifenol. Jenis senyawa polifenol yang
prostaglandin yang menimbulkan reaksi terkandung dalam daun galoba merah
radang berupa panas, nyeri, merah, antara lain quinic acid, malic acid, gallic
bengkak, dan disertai gangguan fungsi. acid, cinnamic acid, eucomic acid, 3-
Kerusakan sel yang terkait dengan inflamasi dehydroquinic acid, 5- hydroxyferulic acid,
berpengaruh pada selaput membran sel protocatechuic, vanillic acid 4-β-D-
yang menyebabkan leukosit mengeluarkan glucoside, caffeic acid, salicylic acid, vanillic
enzim-enzim lisosomal dan asam acid, syringic acid, p-coumaric acid, sinapic
arakhidonat. Metabolisme asam arakhidonat acid 3-O-glucoside, epicatechin 3-O-gallate,
yang dikatalis oleh enzim siklooksigenase sinapic acid, isoferulic acid 3-O-β-
(COX) menghasilkan prostaglandin- glucopyranoside, isoferulic acid, isovitexin,
prostaglandin mempunyai efek pada quercetin 3-O-glucoside, ferulic acid acyl-
pembuluh darah, ujung saraf, dan pada sel- glucoside, isorhamnetin 3- O-rutinoside,
sel yang terlibat dalam inflamasi (Katzung, kaempferol 3-O-rutinoside, isorhamnetin 3-
2004). O-glucoside, quersetin 3-O- pentoside,
Diklofenak merupakan salah satu isorhamnetin-3-O-β-D-glucuronide,
AINS non selektif yang dapat menghambat kaemferol-3-O-β-D-glucuronide, ferulic acid
COX-1 dan COX-2 sehingga dapat propionyl-glucoside, ferulyl O-glyceryl
menimbulkan iritasi lambung hingga glucuronic acid, apigenin, chrysoeriol,
pendarahan, gangguan ginjal, anemia, serta diosmetin, pinocembrin, genistein (Ghareeb
pada lansia pengunaannya harus et al., 2018).
diperhatikan. Celecoxib merupakan salah Penelitian yang dilakukan yaitu
satu AINS selektif yang hanya mengikat metode terbantukan computer (Computer
COX-2 sehingga tidak mengiritasi lambung Assisted Drug Design, CADD) atau desain
karena tidak melindungi mukosa lambung molekuler terbentukan komputer
(Priyanto, 2008). Namun berbagai penelitian (Computer-Assisted Molecular Design,
penggunaan OAINS menunjukkan adanya CAMD) atau in silico dari daun galoba
peningkatan risiko penyakit kardiovaksular, merah untuk mencari senyawa yang efektif
sehingga penggunaan OAINS perlu dari daun galoba merah sebagai
perhatian terutama bagi pasien yang sejak antiinflamasi pada penghambat COX-2.
awal sudah memiliki penyakit Metode in silico, yaitu suatu metode yang
kardiovaskular. Selain itu, penghambatan menggunakan kemampuan komputer
COX-2 juga menyebabkan remodelling dalam perancangan obat sebagai
ventrikel jantung, hipertensi, serta komplemen dari in vitro dan in vivo.
eksaserbasi gagal jantung (Marsico et al., Perancangan in silico digunakan untuk
2017). mempercepat dan memudahkan identifikasi
Di Indonesia terdapat banyak hit atau senyawa yang diduga memiliki
tumbuhan obat yang menguntungkan jika aktivitas (Kapetanovic, 2008).
digunakan dengan maksimal (Purnomo,
2013). Saat ini belum ada penelitian Berdasarkan data yang telah
senyawa pada galoba merah yang memiliki diuraikan, maka pada penelitian ini
aktivitas terhadap COX-2. Ekstrak metanol dilakukan pengujian secara in silico untuk
daun galoba merah menunjukkan efek mempelajari interaksi antara senyawa yang
inflamasi yang signifikan dan memiliki terkandung dalam daun galoba merah
dengan reseptor COX-2. Untuk mengetahui
aktifitas inhibitor COX-2 yang memiliki IC50

2
 FARMASAINS Vol. xx. No. xx, bulan tahun

besarnya interaksi senyawa bioaktif dengan format .sdf. Setelah prosedur tersebut,
target, dilakukan dengan molecular docking dilakukan pencarian konformasi serta
menggunakan software AutoDock. Untuk pengubahan format file menjadi .mol2 untuk
mengetahui interaksi yang terjadi antara dilanjutkan ke tahap simulasi docking.
ligan dengan reseptor serta kestabilan yang 3. Preparasi Reseptor untuk Docking
dimiliki kompleks ligan-reseptor dalam pengunduhan struktur protein
keadaan terhidrasi digunakan metode dilakukan melalui Protein Data Bank pada
simulasi molecular dynamics dengan situs RCSB PDB (www.rcsb.org/pdb).
software GROMACS. Kemudian dilkukan persiapan struktur
Prosedur ini dilakukan dengan
METODE PENELITIAN menggunakan software Chimera. Pada
Alat prosedur ini juga didapatkan pocket cavity
dan merupakan reseptor yang murni.
Perangkat keras yang digunakan
Reseptor dengan pocket cavity ini bertujuan
seperangkat laptop dengan spesifikasi
untuk mencari binding site pada prosedur
processor Intel® Core™ i5-2430M CPU @
simulasi docking dan berasal dari koordinat
3.40GHz, memory 4 GB dan super
ligan 3D asli. Prosedur ini menghasilkan
komputer dengan spesifikasi processor
beberapa file berupa protein.pdb yang
AMD Ryzen 7 Pinnacle Ridge 2700X 3.7
merupakan file dari protein murni dan
GHz memory 8 GiB. Semua perangkat
ligan.mol2 yang merupakan ligan asli dari
keras memakai operating system windows 7
hasil pemisahan dengan protein.
Home 64-bit dan operating system Linux
4. Validasi Metode Dengan Re-Docking
Ubuntu 16.04 LTS 64-bit yang terhubung
Validasi metode dilakukan melalui
dengan koneksi internet.
tahapan re-docking dengan melakukan
Bahan simulasi docking menggunakan reseptor
murni dan ligan aslinya. Setelah tahapan
Struktur tiga dimensi (3D) reseptor COX-2 tersebut dilakukan validasi menggunakan
(PDB kode 5IKQ) diunduh dari Protein Data Pymol untuk mengetahui nilai RMSD
Bank. Struktur 3D dari 37 ligan, Diklofenak sebagai penentu dalam tahapan validasi.
dan Celecoxib telah diunduh dari PubChem. Nilai RMSD yang dapat diterima dalam
Metode tahapan ini yaitu kurang dari 2,0Å
(Purnomo, 2013).
1. Screening Lipinski’s Rule of Five 5. Virtual Screening
Pemilihan suatu ligan yang Pada tahap ini dilakukan pengaktifan
digunakan dalam penambatan terhadap Pengaktifan AutoDockTools versi 1.5.6
protein target dilakukan dengan skrining kemudian Menentukan Koordinat Binding
awal ligan melalui aturan Lipinski’s Rule of Site Center dan Radius setelah itu dilakukan
Five. Terdapat 37 ligan dalam daun galoba simulasi molecular docking Dari data best
merah, ligan-ligan tersebut diambil dari situs score tersebut dilakukan skrinning nilai
PubChem (PubChem.ncbi.nlm.nih.gov). terbaik yang dilihat melalui nilai terendah
2. Preparasi Ligan untuk Docking (negatif) (Purnomo, 2013).
Struktur ligan yang telah diunduh 6. Simulasi molecular dynamic
melalui PubChem dipreparasi Molecular Dynamic bertujuan untuk
menggunakan software Marvin Beans versi melihat kestabilan dari senyawa terbaik yang
5.2.5.1 tepat nya dengan Marvin Sketch. didapat dari hasil molecular docking.
Ligan yang diunduh dalam bentuk 3D Software yang digunakan pada proses ini
dibersihkan terlebih dahulu dengan yaitu GROMACS versi 5.1.2.
mengubah bentuk 3D menjadi 2D. 7. Visualisasi Hasil Molecular Docking Dan
Selanjtnya dicek protonasinya pada pH 7,4 Molecular Dynamic
dan disimpan sebagai ligan_2D dengan Tujuan dilakukan visualisasi hasil

3
 FARMASAINS Vol. xx. No. xx, bulan tahun

molecular docking yaitu untuk melihat Pada preparasi protein dan ligan
interaksi kompleks ligan-reseptor. Tujuan digunakan Kode PDB 5IKQ memiliki
dilakukan visualisasi hasil molecular resolusi yang rendah sebesar 2,41 Å yang
dynamic yaitu untuk melihat kestabilan menunjukan bahwa kualitas model
berdasarkan trayektori yang dihasilkan makromolekul baik dan telah diujikan secara
berdasarkan interaksi ikatan yang dihasilkan in vitro pada spesies Homo sapiens
oleh suatu kompleks senyawa. (manusia) yang memiliki IC50 40-700 nM.
Makromolekul yang telah diunduh kemudian
HASIL DAN PEMBAHASAN dipisahkan dari molekul yang tidak
Pada tahap awal penelitian dilakukan dibutuhkan seperti residu non standar dan
screening lipinski sebagai dasar kriteria pelarut (air) sehingga makromolekul hanya
penentuan obat oral yang baik. Screening akan bereaksi dengan senyawa uji dan tidak
bertujuan untuk melihat sifat fisikokimia mengganggu proses penambatan.
suatu ligan berdasarkan permeabilitas atau Didapatkan konformasi yang paling rendah.
absorpsi ketika melewati membrane sel oleh Validasi menggunakan ligan natif JMS
difusi pasif dalam tubuh manusia (2-[(2,6-dichloro-3-methyl-
(Syahputra et al., 2014). Hasil yang phenyl)amino]benzoic acid) terhadap
diperoleh menunjukan terdapat 27 ligan reseptor siklooksigenase 2 (COX-2) dengan
yang memenuhi kriteria Lipinski, yaitu rentang KI sebesar 200-700 nM (Orlando &
massa molekul <500 Da, LogP <5, donor Malkowski, 2016). Validasi dilakukan
ikatan H <5, akseptor ikatan H <10. terhadap reseptor dengan memperhatikan
Semakin besar massa molekul suatu ligan koordinat pusat dan besaran gridbox. Nilai
(>500 Da) semakin sulit berdifusi RMSD <2 Å menunjukkan struktur yang
menembus membran sel. Ligan dengan nilai memiliki energi rendah dan sangat mirip
log P (>5), maka semakin hidrofobik atau sudut serta pose antara ligan native hasil
semakin mudah larut dalam lemak sehingga docking dengan ligan hasil kristalografi
akan tertahan lebih lama pada lipid bilayer (Saputri et al., 2016). Hasil validasi yang
dan terdistribusi lebih luas di dalam tubuh. diperoleh menunjukkan nilai RMSD kurang
Hal ini dapat menyababkan tingkat dari 2 Å yaitu 0,364 Å yang berarti metode
toksisitas yang tinggi karena selektifitas molecular docking telah tervalidasi. Selain
ikatan terhadap enzim target menjadi itu validasi juga didapatkan sisi pengikatan
berkurang. Nilai log P yang negatif juga reseptor yang disebut titik pusat koordinat
tidak baik karena molekul sulit bahkan tidak yang akan digunakan pada grid box dengan
dapat melewati membran lipid bilayer. nilai x= 22,518 Å, y= 51,524 Å, z= 17,635 Å.
Jumlah ikatan hidrogen donor dan akseptor Virtual screening dengan metode
mendeskripsikan semakin tinggi kapasitas molecular docking Berdasarkan hasil yang
ikatan hidrogen, maka pada proses absorpsi diperoleh pada senyawa dengan cluster
semakin tinggi energi yang dibutuhkan. terbaik yaitu Chrysoeriol dengan nilai
Secara umum aturan Lipinski binding energy -7,53 kcal/mol, KI 3,01uM
menggambarkan solubilitas senyawa dan jumlah cluster 48 Senyawa dengan
tertentu untuk menembus membran sel oleh binding energy teerbaik yaitu Diosmetin
difusi pasif (Lipinski et al., 1997). Yang tidak dengan nilai binding energy -7,98 kcal/mol,
memenuhi kriteria adalah Epicatechin 3-O- KI 1,41 µM dan jumlah cluster 35. Senyawa
gallate, Isorhamnetin 3-O-Glucoside, terbaiktersebut kemudian dibandingkan
Isorhamnetin 3-O-Rutinoside, Isovitexin, dengan pembanding Diklofenak (non-
Kaempferol 3-O-glucoside, Kaempferol 3- selektif) dengan nilai binding energy -7.59
O-Rutinoside, Quercetin 3-O-glucoside, (kcal/mol), KI 2,71 µM dan jumlah cluster 12
Quercetin 3-O-pentoside, ferulyl O-glyceryl serta Celecoxib (selektif) dengan nilai
glucoronic acid, ferulyl O-glyceryl glucoronic scoring -8.23 kcal/mol, Ki 933,38 µM dan
acid. jumlah cluster 21. Hasil yang diperoleh

4
 FARMASAINS Vol. xx. No. xx, bulan tahun

Diosmetin merupakan senyawa yang

terbaik karena memiliki jumlah cluster yang
tinggi, nilai binding energy yang rendah
meskipun tidak lebih rendah dari Celecoxib
tetapi KI yang diperlukan Diosmetin jauh
lebih kecil daripada KI yang diperlukan oleh
Celecoxib. Senyawa dengan hasil terbaik
inilah yang akan dilanjutkan ke tahap
Molecular Dynamic.
Visualisasi Molecular Docking
bertujuan untuk mengidentifikasi interaksi visualisasi hasil simulasi molecular
yang terjadi antara reseptor dan ligan. Hasil dynamic yang bertujuan utuk
yang diperoleh dari visualisasi dapat membandingkan hasil interaksi secara
diketahui bahwa urutan kompleks senyawa visual dengan hasil yang diperoleh
yang paling stabil adalah Celecoxib, sebelumnya dari visualisasi molecular
Chrysoeriol, Diosmetin, dan Diklofenak. docking. Berdasarkan hasil yang diperoleh
Urutan senyawa tersebut berdasarkan visualisasi yang dihasilkan dari molecular
banyaknya ikatan hidrogen dan interaksi dynamic kemudian dibandingkan denga
hidrofobik yang terjadi pada kompleks molecular docking.. Pada kompleks
senyawa. Semakin banyak ikatan hidrogen Celecoxib terdapat 10 ikatan hidrogen
yang terjadi maka kompleks senyawa akan dengan residu asam amino ARG513,
semakin stabil. PHE518, HIS90, ARG513, ALA527, HIS90,
Simulasi molecular dynamic HIS90, LEU352, LEU352, dan SER353
bertujuan untuk melihat interaksi ligan serta 10 interaksi hidofobik dengan residu
dengan reseptor dalam rentang waktu asam amino ALA516, LIG584, HIS90,
tertentu. Simulasi dilakukan dengan PHE381, TYR385, LIG584, LIG584,
memperlakukan semua molekul bebas LIG584, LIG584, dan LIG584 dari simulasi
bergerak serta memperhitungkan efek molecular dynamic, jika dibandingkan
solvasi. Hal ini dilakukan agar dengan hasil simulasi molecular docking
menyesuaikan fisiologis tubuh yang selalu Celecoxib bertambah 1 interaksi hidofobik,
dinamis dan dipengaruhi adanya pelarut hal ini mendeskripsikan bahwa ikatan antara
(air) yang dapat menutupi kelemahan ligan dan reseptor semakin kuat karena
molecular docking (Arba, 2019). Simulasi semakin bertambahnya ikatan.
molecular dynamic dilakukan dengan
kecepatan pergerakan 50 ns dalam pelarut
air pada suhu 310K dan tekanan 1 atm. SIMPULAN
Trayektori kemudian dianalisis dengan
Berdasarkan penelitian yang telah
parameter RMSD, RMSF, jari-jari grasi dan
dilakukan ekstrak metanol daun Galoba
energi potensial serta dilakukan analisis
Merah (Alpinia zerumbet) secara molecular
MM-PBSA. Hasil penelitian molecular
docking dan molecular dynamic. Hasil yang
dynamic ligan uji memiliki kestabilan
diperoleh pada simulasi molecular docking
sebanding dengan pembanding selektif
senyawa uji Diosmetin dan Chrysoeriol
Celecoxib berdasarkan parameter analisis
memiliki interaksi yang baik dengan
molecular dynamic seperti RMSF, RMSD,
reseptor COX-2 namun berdasarkan
jari-jari girasi, dan energi potensial,
simulasi molecular dynamic terjadi
sedangkan berdasarkan parameter MM-
ketidakstabilan pada senyawa uji Diosmetin
PBSA, Celecoxib sebagai pembanding
dan Chrysoeriol sehingga dapat
memiliki afinitas yang lebih baik
disimpulkan bahwa senyawa pembanding
dibandingkan ligan uji.
Celecoxib lebih berpotensi sebagai kandidat

5
 FARMASAINS Vol. xx. No. xx, bulan tahun

antiinflamasi terhadap COX-2 jika Dermawan, D., Sumirtanurdin, R., &

dibandingkan dengan senyawa uji Dewantisari, D. (2019). Molecular
Diosmetin dan Chrysoeriol. Dynamics Simulation Estrogen
Receptor Alpha againts
UCAPAN TERIMA KASIH Andrographolide as Anti Breast
Pana penulisan artikel ini dilakukan Cancer. Indonesian Journal of
untuk memenuhi syarat - syarat untuk Pharmaceutical Science and
memperoleh gelar Sarjana Farmasi. Saya Technology, 6(2), 65– 76.
ucapkan terima kasih kepada dosen
pembimbing yang telah membantu dalam Du, X., Li, Y., Xia, Y. L., Ai, S. M.,Liang, J.,
melaksanakan penelitian, sehingga dapat Sang, P., Ji, X. L., & Liu, S. Q. (2016).
tersusun artikel ini dengan baik. Kemudian Insights Into Protein–Ligand
saya ucapkan terima kasih untuk seluruh Interactions: Mechanisms, Models,
pihak yang telah membantu untuk and Methods.International Journal of
mensukseskan penelitian dan penulisan Molecular Sciences, 17(2), 1–34.
artikel ini.
Ferreira, L. G., Dos Santos, R. N., Oliva, G.,
DAFTAR PUSTAKA. & Andricopulo, A. D. (2015). Molecular
Arba, M. (2019). Buku Ajar Farmasi Docking and Structure-Based Drug
Komputasi. Jakarta: Deepublish. Design Strategies. Molecules, 20(7),
13384– 13421.
Albert, C. A. (2019). Nonsteroidal Anti-
Garna, K., & Rengganis, I. (2012). Imunologi
Inflammatory Drugs. Abd-Elsayed A.
Dasar (edisi ke-1, hlm. 257). Jakarta:
(Eds) Pain. Springer, Cham, 261–265.
Badan Penerbit FKUI.
Astuti, A. D., Refianti, R., & Mutiara, A.
B. (2011). Molecular Dynamics Ghareeb, M. A., Sobeh, M., Rezq, S., El-
Simulation on Protein Using Gromacs. Shazly, A. M., Mahmoud, M. F., & Wink,
Journal of Computer Science, 9(2), M. (2018). HPLC-ESI-MS/MS profiling of
16–20. polyphenolics of a leaf extract from
Alpinia zerumbet (Zingiberaceae) and its
Astuti, A. D., Refianti, R., & Mutiara, A. B.
anti-inflammatory, anti-nociceptive, and
(2011). Molecular Dynamics
antipyretic activities in vivo. Molecules,
Simulation on Protein Using Gromacs.
23(12), 1–14.
Journal of Computer Science, 9(2),
Gilman, E. F. (1999). Alpinia zerumbet.
16–20.
University of Florida, 21(5), 35–37.
Burtt, B. L., & Smith, R. M. (1972). Alpinia Hospital, A., Goñi, J. R., Orozco, M., &
zerumbet. Plant Resources of South- Gelpí, J. L. (2015). Molecular Dynamics
East Asia, 31(2), 75-80. Simulations: Advances and Applications.
Advances and Applications in
Cosconati, S., Forli, S., Perryman, A. L., Bioinformatics and Chemistry, 8(1), 37–
Harris, R., Goodsell, D. S., & Olson, A. 47.
J. (2010). Virtual Screening with
AutoDock: Theory and Practice. Kapetanovic, I. M. (2008). Computer-Aided
Expert Opinion on Drug Discovery, Drug Discovery and Development
5(6), 597–607. (CADDD): In Silico-Chemico-Biological
Approach. Chemico-Biological
Coussens, L. M., & Werb, Z. (2002). Interactions, 171(2), 165–176.
Inflammation and Cancer. Nature, Katzung, B. G. (2004). Farmakologi Dasar
420(6917), 860–867. dan Klinik. Edisi XIII. Buku 3. Translation
of Basic and Clinical Pharmacology

6
 FARMASAINS Vol. xx. No. xx, bulan tahun

Eight Edition Alih bahasa oleh Bagian Trends in Bioinformatics, 11(1), 7–16.
Farmakologi Fakultas Kedokteran
Universitas Airlangga (Eight). Jakarta: Morris, G., Huey, R., Lindstrom, W., & SAN.
Salemba Medika. (2009). AutoDock4 and
Kellenberger, E., Springael, J. Y., AutoDockTools4: Automated Docking
Parmentier, M., Hachet-Haas, M., Galzi, with Selective Receptor Flexibility.
J. L., & Rognan, D. (2007). Identification Journal of Computational Chemistry,
of Nonpeptide CCR5 Receptor Agonists 30(16), 174–182.
by Structure-Based Virtual Screening. Muchtaridi, M., Bing, C. S., Abdurrahim, A.
Journal of Medicinal Chemistry, 50(6), S., & Wahab, H. A. (2014). Evidence of
1294– 1303. Combining Pharmacophore Modeling-
Kellogg, A., Pop-Busui, R., & Cheng, H. T. Docking Simulation for Screening on
(2008). Cyclooxygenase-2 Pathway as a Neuraminidase Inhibitors Activity of
Potential Therapeutic Target in Diabetic Natural Product Compounds. Asian
Peripheral Neuropathy. Current Drug Journal of Chemistry, 26(January), 59–
Targets, 9(1), 68–76. 63.
Kusumastuti, E., Handajani, J., & Susilowati, Muctaridi, M., & Lestari, K. (2014). In Silico
H. (2014). Ekspresi COX-2 dan Jumlah Evaluation Of Potent For PPAR-Gamma
Neutrofil Fase Inflamasi pada Proses Agonist Of Lignan Derivatives From
Penyembuhan Luka Setelah Pemberian Myristica fragrans HOUTT Seeds. Int
Sistemik Ekstrak Etanolik Rosela Pharm Pharmac Sci, 6, 795.
(Hibiscus sabdariffa) (Studi In Vivo Pada Murniasih, T. (2003). Metabolit Sekunder dari
Tikus Wistar). Majalah Kedokteran Gigi Spons sebagai Bahan Obat-Obatan.
Indonesia, 21(1), 13–19.
Jurnal Oseana, 28(3), 27–33.
Libby, P. (2006). Inflammation and
Cardiovascular Disease Clinical, Mustarichie, R., Levitas, J., & Arpina, J.
Mechanisms. The American Journal of (2014). In Silico Study of Curcumol,
Nutrition, 83(2), 456S-460. Curcumenol, Isocurcumenol, and β-
sitosterol as Potential Inhibitors of
Libby, Peter. (2012). Inflammation in Estrogen Receptor Alpha of Breast
Atherosclerosis. Arteriosclerosis, Cancer. Medical Journal of Indonesia,
Thrombosis, and Vascular Biology, 23(1), 15–24.
32(9), 2045–2051.
Lipinski, C. ., Lombardo, F., Dominy, B., & Muttaqin, F. Z. (2019). Molecular Docking and
Feeney, P. (1997). Experimental and Molecular Dynamic Studies of Stilbene
Computational Approaches To Estimate Derivative Compounds as Sirtuin-3
Solubility and Permeability in Drug (Sirt3) Histone Deacetylase Inhibitor on
Discovery and Development Settings. Melanoma Skin Cancer and Their
Advanced Drug Delivery Review, 23, 3– Toxicities Prediction. Journal of
25. Pharmacopolium, 2(2), 112–121.
Marsico, F., Paolillo, S., & Filardi, P. P. Orlando, B. J., & Malkowski, M. G. (2016).
(2017). NSAIDs and Cardiovascular Substrate-Selective Inhibition of
Risk. Cyclooxygeanse-2 by Fenamic Acid
Journal of Cardiovascular Medicine, 18, 40– Derivatives is Dependent on Peroxide
43. Tone. Journal of Biological Chemistry,
Mishra, S., Ojha, K. K., Pandey, P. N., & 291(29), 15069–15081.
Shukla, A. (2018). In Silico Studies for
Potential Natural Inhibitors for Isocitrate Prianto, B. (2007). Pemodelan Kimia
Dehydrogenase Type II of Komputasi. Berita Dirgantara, 8(1), 7–9.
Mycobacterium tuberculosis (H37Rv).

7
 FARMASAINS Vol. xx. No. xx, bulan tahun

Priyanto. (2008). Farmakologi Dasar untuk NSAIDs on Cardiovascular Risk and

Mahasiswa Farmasi dan Keperawatan Hypertension. Italian Journal of
(II). Jakarta: Leskonfi. Medicine, 5(3), 175–183.
Purnomo, H. (2013). Kimia Komputasi Untuk
Farmasi Dan Ilmu Terkait. Jakarta:
Pustaka Pelajar.
Purwanto, & Hardjono, S. (2016). Hubungan
Struktur, Ikatan Kimia Dan Aktivitas
Biologis Obat. Dalam Kimia Medisinal.
Jakarta: Airlangga University Press.
Rachmania, R. A., Hariyanti, H., Zikriah, R.,
& Sultan, A. (2018). Studi In Silico
Senyawa Alkaloid Herba Bakung Putih
(Crinum asiaticum L.) pada
Penghambatan Enzim Siklooksigenase
(COX). Jurnal Kimia VALENSI, 4(2),
124–136.
Ramadhani, N., & Sumiwi, S. A. (2015).
Aktivitas Antiinflamasi Berbagai
Tanaman Diduga Berasal Dari
Flavonoid. Farmaka, 14(2), 111–123.
Ricciotti, E., & Fitzgerald, G. A. (2011).
Prostaglandins and Inflammation.
Jounal of American Heart Association,
31(5), 986–1000.
Sianturi, M., & Danianty, N. (2014). Simulasi
Dinamika Molekul Enzim Xilanase
Aspergillus niger untuk Meningkatkan
Kestabilan Termal. 978-602-72216-0–4,
158–162.
Siswandono & Soekardjo, B. (2017). Kimia
Medisinal. Jakarta: Erlangga.
Syahputra, G., Ambarsari, L., & Sumaryada,
T. (2014). Simulasi Docking Kurkumin
Enol, Bismetoksikurkumin, dan
Analognya Sebagai Inhibitor Enzim 12-
Lipoksigenase. Jurnal Biofisika, 10(1),
55–67.
Taylor, N. R., & von Itzstein, M. (1994).
Molecular Modeling Studies on Ligand
Binding to Sialidase from Influenza Virus
and the Mechanism of Catalysis. Journal
of Medicinal Chemistry, 37(5), 616–624.
White, W. B., & Cruz, C. (2011). Impact of

8
 FARMASAINS Vol. xx. No. xx, bulan tahun

LAMPIRAN

Lampiran 1. Sifat Ligan Berdasarkan Screening Lipinski’s Rule of Five

No Nama Senyawa Massa molekul LogP (<5) donor ikatan aksepto

(<500 Da) H(<5) r ikatan
H
(<10)
1 3-Dehydroquinic 190 -2,1132 4 6
Acid
2 5-Hydroxyferulic acid 210 1,2042 3 5
3 Apigenin 270 2,4195 3 5
4 Caffeic acid 180 1,1956 3 4
5 Chrysoeriol 300 2,4281 3 6
6 Cinnamic acid 148 1,7844 1 2
7 Diosmetin 300 2,4281 3 6
8 Epicatechin 3-O-gallate 746 -1,5498 13 17
9 eucomic acid 240 0,2251 4 6
10 Gallic acid 170 0,5016 4 5
11 Genistein 270 2,4195 3 5
12 Isoferulic acid 194 1,4986 2 4
13 Isorhamnetin 3-O- 478 -0,4276 7 12
Glucoside

14 Isorhamnetin 3-O- 624 -1,5758 9 16

Rutinoside
15 Isorhamnetin-3-O-β-D- 312 -0,0531 5 6
Glucuronide
16 Isovitexin 77.145 -0,0655 7 10
17 Kaempferol 3-O-glucoside 448 -0,4362 7 11
18 Kaempferol 3-O- 594 -1,5844 9 15
Rutinoside
19 malic acid 134 -1,0934 3 5
20 p-Coumaric acid 164 1,4900 2 3
21 Pinocembrin 256 2,8042 2 4

9
 FARMASAINS Vol. xx. No. xx, bulan tahun

22 Protocatechuic acid 154 0,7960 3 4

23 Quercetin 3-O-glucoside 464 -0,7306 8 12
24 Quercetin 3-O-pentoside 434 -0,0915 7 11
25 Quinic Acid 192 -2,3214 5 6
26 Salicylic acid 138 1,0904 2 3
27 Sinapic acid 224 1,5072 2 5
28 Syringic acid 198 1,1076 2 5
29 Vanillic acid 4-β-D- 312 -0,0531 5 6
Glucoside
30 Vanillic acid 168 1,0990 2 4
31 Sinapic acid 3-O- 368 3,2670 4 9
Glucoside
32 isoferulic acid-3-O-β- 353 1,4222 5 9
glicopyranoside
33 ferulic acid acyl-glucoside 376 4,5243 2 10
34 ferulyl O-glyceryl 440 0,7237 5 12
glucoronic acid

35 ferulyl O-glyceryl 440 0,7237 5 12

glucoronic acid
36 ferulic acid propionyil- 409 3,8124 3 10
glucoside
37 kaempferol-3-O-β- 312 -0,0531 5 6
D-glucuronide

10
 FARMASAINS Vol. xx. No. xx, bulan tahun

Lampiran 2. Hasil Analisis Molecular Docking

No Nama Senyawa Binding Energy KI (uM) Cluster

(kcal/mol)

Celecoxib -8,23 933,38 21

Diclofenac -7,59 2,71 12
1 3-Dehydroquinic acid -3,44 3,02 25
2 5-Hydroxyferulic acid -4,68 369,48 14
3 Apigenin -7,66 2,43 41
4 Caffeic acid -4,37 622,24 27
5 Chrysoeriol -7,53 3,01 48
6 Cinnamic acid -5,44 103,37 14
7 Diosmetin -7,98 1,41 35
8 eucomic acid -4,01 1,14 17
9 Gallic acid -4,05 1,08 29
10 Genistein -7,44 3,52 30
11 Isoferulic acid -4,97 227,70 22
12 Isorhamnetin-3-O-β-D- -0,05 5 6
glucuronide
13 malic acid -1,31 108,99 13
14 p-Coumaric acid -4,64 398,80 20
15 Pinocembrin -6,83 9,87 35
16 Protocatechuic acid -4,71 351,40 39
17 Quinic Acid -3,16 4,81 24
18 Salicylic acid -4,35 652,25 32
19 Sinapic acid -4,80 300,53 27

20 Syringic acid -4,46 536,00 18

21 Vanillic acid 4-β-D- -0,05 50,94 13
Glucoside
22 Vanillic acid -4,93 244,64 15
23 Sinapic acid 3-O-glucoside -3,26 48,95 9

11
 FARMASAINS Vol. xx. No. xx, bulan tahun

24 isoferulic acid-3-O-β- -1,42 57,41 6

glicopyranoside
25 ferulic acid acyl-glucoside -5,25 142,27 15

26 ferulic acid propionyil- -3,81 97,11 10

glucoside
27 kaempferol-3-O-β- -0,05 59,80 17
D-glucuronide

: Cluster Tertinggi

: Energi Ikatan Terendah

Lampiran 2. (A) Visualisasi Hasil Molecular Docking ligan Chrysoeriol (B) Visualisasi Hasil
Molecular Dynamic ligan Chrysoeriol

(A) (B)

Lampiran 3. (A) Visualisasi Hasil Molecular Docking ligan Diosmetin (B) Visualisasi Hasil
Molecular Dynamic ligan Diosmetin

(A) (B)

12
 FARMASAINS Vol. xx. No. xx, bulan tahun

Lampiran 4. (A) Visualisasi Hasil Molecular Docking ligan Celecoxib (B) Visualisasi Hasil
Molecular Dynamic ligan Celecoxib

(A) (B)

Lampiran 5. (A) Visualisasi Hasil Molecular Docking ligan Diklofenak (B) Visualisasi Hasil
Molecular Dynamic ligan Diklofenak

(A) (B)

13
 FARMASAINS Vol. xx. No. xx, bulan tahun

Lampiran 6. Hasil RMSD

Lampiran 7. Hasil RMSF

Lampiran 8. Hasil Energi Potensial

14
 FARMASAINS Vol. xx. No. xx, bulan tahun

Lampiran 9. Hasil Jari-Jari Girasi

15