Prediksi Kandidat Senyawa Herbal Sebagai Anti Inflamasi COVID-19 Menggunakan Metode BLM-NII pada Jejaring Bipartite

Abstract

Sejak World Health Organization (WHO) menetapkan Coronavirus disease 2019 (COVID-19) sebagai pandemi pada 11 Maret 2020, angka penyebaran kasus ini belum menunjukkan tanda-tanda penurunan terutama di Indonesia. Harapan masyarakat agar ditemukannya obat untuk menyembuhkan penyakit ini pun semakin tinggi, namun kenyataannya hal tersebut tak kunjung tiba. Pada dasarnya pengembangan obat membutuhkan waktu yang tidak sebentar dan sumber daya yang tidak sedikit. Mengingat hal itu, diperlukan upaya drug repurposing untuk mempercepat proses pengembangan tersebut. Melalui penelitian ini, saya akan melakukan riset tentang interaksi senyawa obat dengan protein target melalui model yang menggunakan teknik jejaring bipartite. Proses ini bertujuan memprediksi interaksi antara senyawa aktif dengan protein pada manusia yang berperan dalam inflamasi melalui penggunaan Bipartite Linier Model Network-based Interaction Profile Infering (BLM-NII). Diharapkan hasil prediksi dari model ini dapat mempercepat pengembangan obat khususnya obat herbal bagi COVID-19. Terdapat beberapa kandidat senyawa herbal hasil prediksi, yaitu magnoflorine, amarulone, garcinone a, dan orientanol e.