Analisis Bicluster pada Jaringan Farmakologi Berbasis Penambatan Molekuler untuk Jamu Antidiabetes Tipe 2.

Abstract

Metode analisis data terdiri dari berbagai macam pendekatan. Salah satu metode analisis data yang bersifat deskriptif adalah analisis gerombol. Analisis gerombol digunakan untuk mengelompokkan objek-objek berdasarkan kemiripan karakteristik yang dimilikinya. Sebagian besar literatur analisis gerombol fokus pada penggerombolan satu arah. Penggerombolan satu arah mengasumsikan bahwa objek-objek memiliki karakteristik di semua baris atau kolom, sehingga objek pada baris dikelompokkan berdasarkan kemiripan pada kolom atau peubah pada kolom dikelompokkan berdasarkan kemiripan pada baris. Berbeda halnya, data dua arah mengasumsikan bahwa objek-objek tertentu hanya memiliki karakteristik pada baris atau kolom tertentu. Indentifikasi subkelompok baris dan subkelompok kolom tertentu yang saling berkaitan menjadi tujuan utama dalam penggerombolan dua arah. Jadi, penanganan mengenai penggerombolan dua arah perlu dikembangkan. Penelitian ini membahas pendekatan penggerombolan dua arah yang menghubungkan subkelompok baris dengan subkelompok kolom secara bersamasama pada data matriks. Ide utama dari pendekatan ini adalah mempartisi sebuah matriks menjadi submatriks dengan pendekatan penguraian nilai singular (singular value decomposition/SVD), kemudian penggerombolan dilakukan secara bersamasama terhadap submatriks tersebut sehingga diperoleh gerombol baris dan gerombol kolom yang saling berkaitan atau disebut dengan analisis bicluster. Kelebihan analisis bicluster pada data dua arah adalah memiliki kekekaran (robustness) serta lebih informatif dibandingkan dengan penggerombolan satu arah. Analisis bicluster pada penelitian ini diterapkan di bidang farmakologi pada kasus penyakit diabetes tipe 2 menggunakan matriks data interaksi molekuler, yaitu data matriks berisi bilangan riil yang menunjukkan besar interaksi yang terjadi ketika suatu molekul (senyawa) berikatan dengan molekul lain (protein) membentuk suatu makromolekul (kompleks) yang stabil. Tujuannya adalah menemukan sekelompok senyawa dan sekelompok protein tertentu yang saling berhubungan dan berperan dalam penyakit diabetes tipe 2. Penyakit diabetes tipe 2 merupakan penyakit gangguan metabolik yang terjadi saat tubuh tidak dapat menggunakan insulin secara efektif, berbeda dengan penyakit diabetes tipe 1 yang terjadi saat pankreas tidak menghasilkan insulin yang cukup. Penyakit diabetes tipe 2 ini lebih mendominasi sekitar 90% dari seluruh jenis kasus penyakit diabetes. Matriks data interaksi molekuler pada penelitian ini dibangun melalui metode penambatan molekuler, yaitu pendekatan berbasis komputasi yang dilakukan dengan cara menambatkan struktur 3D senyawa terhadap struktur 3D protein. Data 3D senyawa yang digunakan pada penelitian ini adalah data senyawa yang berasal dari tanaman obat, yaitu batang Bratawali (Tinospora crispa), rimpang Jahe (Zingiber officinale), daun Pare (Momordica charantia), daun Sembung (Blumea balsamifera), dan data senyawa yang berasal dari obat sintetis yang telah disetujui oleh Food Drug Administration (FDA) sebagai obat untuk mengatur diabetes (antidiabetes). Di samping itu, data 3D protein yang digunakan adalah data 21 protein yang berhubungan dengan penyakit diabetes tipe 2. Berdasarkan analisis bicluster dengan metode complete linkage diperoleh beberapa senyawa Jahe yang mengelompok dan dekat dengan senyawa obat sintetis DB06 (Glicazide) dan DB16 (Tolrestat) yaitu J163, J088, J036, J033, J131 (CID: 5317593, 86067879, 3473, 11472339, 44715523). Senyawa tersebut memiliki potensi sebagai kandidat jamu antidiabetes tipe 2. Dari kelima senyawa tersebut, senyawa J036 dan J131 dapat dijadikan sebagai kandidat utama obat antidiabetes karena memiliki jumlah ikatan hidrogen yang lebih banyak dibandingkan obat sintetis serta memiliki kemiripan area pengikatan ligan yang cukup tinggi dengan obat sintetis. Meskipun senyawa J156 tidak berdekatan dengan kelima senyawa J033, J036, J088, J131, J163, namun senyawa J156 juga dapat dijadikan sebagai kandidat obat tambahan karena memiliki interaksi terkuat dengan protein INS, jumlah ikatan hidrogen yang sama dengan senyawa J036, serta kemiripan area pengikatan ligan yang cukup tinggi dengan senyawa obat sintetis DB16. Sebaliknya, protein AKT1, WFS1, APOE (GI: 54038761, 224994203, 178853) yang mengelompok dekat dengan protein INS (GI: 386828) dapat diduga sebagai protein target yang berperan dalam diabetes tipe 2. Residu asam amino yang paling berperan penting baik pada interaksi 6 senyawa tanaman obat maupun interaksi 2 senyawa obat sintetis dengan protein INS adalah asam amino Lys-88 dan Thr-51.