Studi Komputasi Senyawa Aktif pada Manggis (Garcinia Mangostana L.) Sebagai Kandidat Terapi Kanker Paru-paru dengan Network Pharmacology, Molecular Docking, dan Molecular Dynamics Simulations

Ananda, Zakky (2024) Studi Komputasi Senyawa Aktif pada Manggis (Garcinia Mangostana L.) Sebagai Kandidat Terapi Kanker Paru-paru dengan Network Pharmacology, Molecular Docking, dan Molecular Dynamics Simulations. S1 thesis, Universitas Andalas.

[img] Text (Cover dan Abstrak)
Cover.pdf - Published Version

Download (306kB)
[img] Text (Bab I Pendahuluan)
Bab I.pdf - Published Version

Download (217kB)
[img] Text (Bab V Kesimpulan dan Saran)
Bab V Kesimpulan dan Saran.pdf - Published Version

Download (205kB)
[img] Text (Daftar Pustaka)
Daftar Pustaka.pdf - Published Version

Download (243kB)
[img] Text (Full Text)
Full Text.pdf - Published Version
Restricted to Repository staff only until 7 August 2027.

Download (2MB)

Abstract

Kanker merupakan suatu penyakit yang ditandai dengan pertumbuhan sel abnormal yang tidak terkendali dan mampu menyebar ke organ-organ di sekitarnya. Kanker paru-paru adalah penyebab kematian nomor satu di seluruh dunia di antara semua jenis kanker. Saat ini banyak pengobatan kanker paru-paru umumnya menimbulkan banyak efek samping. Penelitian ini bertujuan untuk memprediksi potensi senyawa pada tanaman manggis (Garcinia mangostana L.) sebagai kandidat terapi kanker paru-paru. Metode yang digunakan dalam penelitian ini yaitu analisis network pharmacology, molecular docking, dan molecular dynamics simulations. Sebelas senyawa aktif diidentifikasi dalam G. mangostana L., yaitu catechin, gartanin, alpha-Mangostin, norathyriol, maclurin, 8-deoxygartanin, beta Mangostin, gamma-Mangostin, garcinone A, garcinone B, dan garcinone D. Protein signifikan hasil pengelompokan protein-protein interaction dan juga merupakan target dari G. mangostana L. yaitu AURKA, PLK1, CCNA2, dan KIF11. Protein AURKA dipilih sebagai protein target untuk analisis molecular docking dan molecular dynamics simulations. Berdasarkan hasil deep learning docking menunjukkan bahwa senyawa garcinone D memiliki afinitas terbaik (-10,30 kkal/mol), diikuti senyawa gamma-Mangostin (-10,28 kkal/mol), dan native ligand adenosine-5'-diphosphate (-9,00 kkal/mol). Akan tetapi, interaksi molekul yang dihasilkan dari native ligand dengan protein target AURKA memiliki nilai residu asam amino yang lebih banyak dibandingkan dengan senyawa lainnya. Dalam simulasi molecular dynamics menunjukkan bahwa senyawa garcinone D dan gamma-Mangostin tidak lebih stabil dibandingkan native ligand selama simulasi 50 ns. Garcinia mangostana L. berinteraksi dengan protein yang berhubungan dengan kanker paru-paru dan memiliki hasil docking yang baik, namun hasil molecular dynamics menunjukkan bahwa garcinone D dan gamma-Mangostin tidak stabil selama simulasi.

Item Type: Thesis (S1)
Supervisors: Dr. apt. Dira Hefni, S.Farm, M.Sc; apt. Purnawan Pontana Putra, S.Si, M.Si.,
Uncontrolled Keywords: Kanker paru-paru, Garcinia mangostana L., Network pharmacology, Protein-protein interaction, Deep learning docking, Molecular dynamics simulations
Subjects: R Medicine > RS Pharmacy and materia medica
Divisions: Fakultas Farmasi
Depositing User: S1 Fakultas Farmasi
Date Deposited: 07 Aug 2024 08:10
Last Modified: 24 Oct 2024 08:00
URI: http://scholar.unand.ac.id/id/eprint/472829

Actions (login required)

View Item View Item