Skrining Virtual Basis 2-D Inhibitor Arachidonate 5-Lipoxygenase Menggunakan QSAR dan Model Docking Molekular

Abstract

Asma merupakan penyakit peradangan kronis pada saluran napas yang menyebabkan hipereaktifitas pada bronkus terhadap berbagai rangsangan . Obat yang dapat menghambat kerja 5LO salah satunya yaitu obat zileuton . Penelitian yang dilakukan menggunakan DEEPScreen berbasis machine learning dan Lipinski's Rule of Five atau aturan 5 Lipinski . Pemodelan struktur 2D menggunakan dataset sebanyak 832 molekul dari protein target ALOX5 dengan kode ChEMBL215 untuk calon obat asma baru . Tahap pertama yaitu dilakukan optimasi model yang menghasilkan model dengan akurasi tertinggi sebesar 0,802 . Model tersebut akan diskrining secara virtual melalui DEEPScreen - QSAR dan menghasilkan 682.204 senyawa aktif . Senyawa aktif kemudian diskrining kembali dengan RO5 Lipinski dan menghasilkan 397.874 . Hasil kedua skrining tersebut masih belum diketahui aktivitas / pIC50 sehingga perlu dilakukan prediksi menggunakan QSAR regresi serta dilakukan pemeringkatan aktivitas / pICso- Proses tersebut menghasilkan nilai loss . sebesar 1,0159 dan mean squared error sebesar 1,584 . Nilai RMSE yang diperoleh adalah 1,258 . Selanjutnya diperoleh nilai R sebesar 0,82 dan R2 sebesar 0,67 . Model CHEMBL314039 memiliki nilai pIC50 tertinggi sebesar 6,084 . Senyawa aktif hasil skrining virtual divalidasi menggunakan metode docking molekular dengan aplikasi AutoDock Vina dalam PyRx . Ligan uji yang paling berpengaruh terhadap protein target ALOX5 adalah CHEMBL220538 karena memiliki energi bebas terendah sebesar 9,9 kcal / mol . Selain itu dari hasil visualisasi , CHEMBL220538 memiliki ikatan hidrogen serta interaksi hidrofobik yang sama dengan ligan pembanding ( Zileuton)