REVIEW ARTIKEL : APLIKASI KIMIA KOMPUTASI DALAM HUBUNGAN STRUKTUR AKTIVITAS SENYAWA ANALOG TURUNAN QUINOLIN DARI CINCHONA LEDGERIANA MOENS SEBAGAI ANTIMALARIA
DOI:
https://doi.org/10.70248/jophs.v2i2.2186Abstract
Penelitian ini bertujuan untuk memodelkan hubungan kuantitatif antara struktur molekul dan aktivitas antimalaria dari 16 senyawa analog quinoline menggunakan pendekatan kimia komputasional berbasis Quantitative Structure-Activity Relationship (QSAR). Metode penelitian yang digunakan melibatkan pembuatan model 3D molekul, optimasi geometri menggunakan metode semiempiris AM1, perhitungan deskriptor fisikokimia (muatan atom, energi molekul, Log P, ELUMO, dll), serta analisis regresi linier multivariat dengan validasi silang leave-one-out menggunakan perangkat lunak SPSS 16.0. Hasil penelitian menunjukkan bahwa dari 22 model yang dihasilkan, Model 18 merupakan model terbaik dengan koefisien korelasi (R) sebesar 0,92 dan nilai PRESS terendah. Model ini mengidentifikasi muatan atom pada posisi C3, C8, C14, C15, dan N17, serta energi orbital LUMO (ELUMO) sebagai prediktor signifikan yang memengaruhi aktivitas antimalaria, dinyatakan dalam bentuk Log (1/IC50). Simpulan dari penelitian ini menegaskan bahwa sifat elektronik molekul berperan penting dalam efektivitas senyawa terhadap parasit malaria, dan temuan ini telah digunakan untuk merancang senyawa turunan baru dengan aktivitas prediksi lebih tinggi yang berpotensi menjadi kandidat obat antimalaria yang lebih efektif. Kata Kunci : QSAR, Senyawa Quinoline, Antimalaria, Regresi Linier Multivariat, ELUMOReferences
World Health Organization. 2022. World malaria report 2022. Geneva: WHO. https://www.who.int/teams/global-malaria-programme/reports/world-malaria-report-2022
Hansch, C., & Fujita, T. 1964. ρ-σ-π Analysis. A Method for the Correlation of Biological Activity and Chemical Structure. Journal of the American Chemical Society, 86(8): 1616–1626. https://doi.org/10.1021/ja01062a035
Park, S., Kim, J. Y., Kim, S. Y., Choi, S. Y., & Lee, K. H. 2002. Synthesis and Antimalarial Activity of Quinoline Derivatives. Bioorganic & Medicinal Chemistry Letters, 12(19): 2773–2776. https://doi.org/10.1016/S0960-894X(02)00554-0
Olliaro, P. L., & Yuthavong, Y. 1999. An overview of chemotherapeutic targets for antimalarial drug discovery. Pharmacology & Therapeutics, 81(2): 91–110. https://doi.org/10.1016/S0163-7258(98)00045-6
Sullivan, D. J., Gluzman, I. Y., & Goldberg, D. E. 1996. Plasmodium hemozoin formation mediated by histidine-rich proteins. Science, 271(5246): 219–222. https://doi.org/10.1126/science.271.5246.219
Tekwani, B. L., & Walker, L. A. 2005. Targeting the Hemozoin Synthesis Pathway for New Antimalarial Drug Discovery: Technologies for In Vitro β-Hematin Formation Assay. Combinatorial Chemistry & High Throughput Screening, 8(1): 63–79. https://doi.org/10.2174/1386207053328100
Todeschini, R., & Consonni, V. 2000. Handbook of Molecular Descriptors. Weinheim: Wiley-VCH. https://doi.org/10.1002/9783527613106
Karelson, M. 2000. Molecular Descriptors in QSAR/QSPR. New York: Wiley-Interscience.
Kubinyi, H. 1993. QSAR and 3D QSAR in Drug Design Part 1: Methodology. Drug Discovery Today, 2(11): 457–467.
Cramer, R. D., Patterson, D. E., & Bunce, J. D. 1988. Comparative Molecular Field Analysis (CoMFA). 1. Effect of Shape on Binding of Steroids to Carrier Proteins. Journal of the American Chemical Society, 110(18): 5959–5967. https://doi.org/10.1021/ja00226a005
Stewart, J. J. P. 1989. Optimization of parameters for semiempirical methods I. Method. Journal of Computational Chemistry, 10(2): 209–220. https://doi.org/10.1002/jcc.540100208
IBM Corp. 2007. SPSS Statistics for Windows, Version 16.0. Armonk, NY: IBM Corp.
