Analisis varinasi (anova) dua arah dengan interaksi
Kap selv3
1. ASOSIASI SENYAWA-SENYAWA KIMIA PADA
JAMU DENGAN PROTEIN-PROTEIN PENYUSUN
PENYAKIT DIABETES
Muhammad Syahid Pebriadi
G651140511
1
PASCASARJANA
ILMU KOMPUTER
3. Latar Belakang
3
Source :
http://pribuminews.com/lumbung/2015/
05/jamu.jpg
Source :
http://us.images.detik.com/content/2012
/11/22/763/190313_jamu.jpg
Source : http://islamsatu.info/wp-
content/uploads/2014/10/DSC_0853.jpg
Penelitian Terkait Jamu :
• Afendi et al. (2013) :
“Efficacy Prediction of
Jamu Formulations by PLS
Modeling”.
• Elfahmi et al. (2013) :
“Jamu: Indonesian
traditional herbal
medicine towards rational
phytopharmacological
use”
4. Latar Belakang (lanj.)
4
Khasiat
Jamu
Anti Kanker
Antivirus
Antimalaria
dan
antiparasit
Anti-Inflamasi,
Antirematik,
Antipiretik
dan analgesik
Antidiabetes
Antihpertensi
Antimikroba
dan antijamur
Elfahmi et al. (2013)
6. Latar Belakang (lanj.)
6
• Penyakit diabetes termasuk yang
cukup banyak diderita oleh
penduduk di dunia.
• Tercatat bahwa pada tahun 2003
sekitar 194 juta penduduk dunia
yang berusia antara
20-79 tahun menderita diabetes
dan akan meningkat menjadi dua
kali lipatnya pada
tahun 2025.
7. Latar Belakang (lanj.)
7
Diabetes Type 1
• Pankreas Tidak Memproduksi Insulin
Diabetes Type 2
• Pankreas Tidak memproduksi Insulin yang
cukup atau insulin tidak dapat diproses
Gestational Diabetes (GDM)
• Insulin yang berfungsi kurang efektif saat
kehamilan
8. Latar Belakang (lanj.)
8
Strategi baru diperlukan untuk mengembangkan obat diabetes baru dalam cara
yang lebih efisien dengan risiko keselamatan yang lebih rendah (Zhang et al. 2015).
Resiko Tinggi
Tingkat
Keberhasilan
Rendah
Connectivity Map yang dapat menguji pengembangan obat baru secara
komputasi terlebih dahulu sebelum dilakukan uji klinis yang mahal (Li et al.
2009).
10. Latar Belakang (lanj.)
10
• Menentukan target obat sekaligus
memungkinkan khasiat baru yang lain dari
obat ditemukan (Zhao and Li 2010).
• PET (Pharmacology Effect Target) dan PEN
(Pharmacology Effect Network) untuk
mengevaluasi khasiat obat yang berkaitan
dengan 23 obat kanker payudara (Huang et
al. 2011),
• Mengidentifikasi bahan-bahan dan
mekanisme bioaktif dari formula herbal
TCM sebagai antidiabetes (Li, et al., 2014),
dan
• Memprediksi asosiasi suatu penyakit
terhadap gen tertentu sehingga menambah
pengetahuan mengenai hubungan tersebut
(Sun et al. 2014).
11. Latar Belakang (lanj.)
11
• Ekstraksi interaksi protein-protein
dari literatur ilmiah (Czarnecki et al.
2012).
• Informasi penyakit ganas seperti
kanker dari publikasi artikel
penelitian terkait penyakit kanker
(Zhu et al. 2012).
• Mengekstrak asosiasi penyakit-gen
dari abstrak biomedis (Pletscher-
Frankild et al. 2015).
12. Latar Belakang (lanj.)
12
• Kumpulan ekspresi data
transkripsional dari sel
manusia diproses dengan
molekul kecil bio aktif dan
algoritma pattern-matching
sederhana yang dapat
digunakan untuk
menemukan hubungan
fungsional antara penyakit,
gen dan penyakit.
14. Penelitian Terkait
14
1. Pada tahun 2009, dilakukan penelitian untuk membangun Connectivity Maps
antara Penyakit, Obat Tertentu dan Protein memanfaatkan Jaringan Interaksi
Molekular dan Abstrak PubMed. Tujuannya adalah untuk menentukan kandidat
obat yang dapat di uji secara komputasi sebelum dilakukan uji klinis. (Li et al.
2009).
2. Pada tahun 2012, dibangun C2Maps yang (merupakan pengembangan dari
Connectivity Maps) dikembangkan sebagai suatu basis data Network
Pharmacology. Studi kasus yang dilakukan pada penyakit Kanker Payudara
untuk melihat kemampuan pencarian fungsi penyakit tertentu. Hasil
menunjukkan performa yang bagus pada saat menginformasikan mengenai
khasiat dan racun obat yang terdapat pada ekspresi gen kanker payudara
(Huang et al. 2012).
15. Rumusan Masalah
1. Bagaimana asosiasi senyawa-senyawa kimia yang
terkandung dalam tanaman herbal berasosiasi
dengan protein-protein penyusun penyakit
Diabetes Melitus ?
2. Bagaimana Hasil analisa mengenai asosiasi
senyawa-senyawa kimia ini dengan protein-
protein penyusun penyakit Diabetes Melitus?
15
16. Tujuan Penelitian
Menemukan dan menganalisa hubungan antara
senyawa-senyawa kimia yang terkandung dalam
tanaman herbal penyusun Jamu yang berasosiasi
dengan protein-protein penyusun penyakit diabetes
melitus.
16
17. Ruang Lingkup Penelitian
1. Pada penelitian ini, penyakit yang dilihat
asosiasinya hanyalah penyakit Diabetus Melitus
saja.
2. Pada bagian Network Mining, data protein yang
berkaitan dengan penyakit Diabetes diambil pada
OMIM Morbid data.
3. Pada bagian Text Mining, literature yang
digunakan berhubungan dengan penyakit
Diabetes.
17
18. Manfaat Penelitian
Menemukan hubungan yang komprehensif mengenai
konektifitas antara penyakit, gen/proten dan
obat/senyawa kimia dari penyakit Diabetes sehingga
informasi ini menjadi tambahan pengetahuan bagi
para Peneliti yang melakukan penelitian di bidang ini
dan membantu farmakolog menemukan formulasi
tanaman obat yang tepat untuk penyakit diabetes
dengan proses yang lebih efisien.
18
Obat herbal berupa jamu muncul sebagai alternatif untuk mengatasi penyakit diabetes ini. Jamu (herbal medicine) merupakan salah satu obat tradisional yang sudah tidak asing lagi bagi masyarakat Indonesia. Bahkan menurut Mahady (2001), sekitar 70-80% penduduk negara berkembang bergantung pada pengobatan tradisional. Peningkatan ini terjadi karena efektivitas produk jamu dan keterjangkauan serta preferensi budaya atau gaya hidup masyarakat. Selain itu, menurut Winarno (1997) jamu juga lebih aman untuk dikonsumsi karena tidak beracun dan mempunyai khasiat yang telah terbukti secara empiris selama ratusan tahun. Beberapa tanaman obat yang dipercaya dan telah diuji aktivitas senyawa aktifnya sebagai antidiabetes, antara lain sambiloto (Andrographis paniculata), mahkota dewa (Phaleria macrocarpa), pare (Momordica charantia), dan mengkudu (Morinda citrifolia) (Harmanto 2009). Azam dalam tim PT. Nyonya Meneer bekerjasama dengan Badan Pengkajian dan Penerapan Teknologi (2005) melakukan penelitian yang menunjukkan bahwa ekstrak buncis (Phascolus vulgaris), pare (Momordica charantia), angsana (Pterocarpus indicus), dan sambiloto (Andrographidis Folium) dapat menurunkan kadar gula darah pada hewan coba (Azam et al 2006)
Penyakit diabetes termasuk yang cukup banyak diderita oleh penduduk di dunia. Tercatat bahwa pada tahun 2003 sekitar 194 juta penduduk dunia yang berusia antara 20-79 tahun menderita diabetes dan akan meningkat menjadi dua kali lipatnya pada tahun 2025. Di Indonesia sendiri jumlah penderita diabetes ini mencapai lebih dari 13 juta jiwa. Angka ini merupakan tertinggi keempat di dunia setelah Amerika Serikat, India, dan Cina (Depkes 2005). Penyakit diabetes disebabkan karena terganggunya metabolisme tubuh seseorang disebabkan pola hidup yang berubah menjadi serba praktis. Penyakit ini dicirikan oleh tingginya kadar glukosa dalam darah. Kadar gula darah yang tinggi secara terus menerus mengakibatkan rusaknya pembuluh darah, saraf, dan struktur internal lainnya (Sari 2010).
Penyakit ini terdiri atas 3 tipe utama, yaitu Diabetes Type 1 (Pankreas tidak memproduksi Insulin), Diabetes Type 2 (Pankreas tidak memproduksi Insulin yang cukup atau insulin tidak dapat diproses), dan Gestational Diabetes (GDM) (Insulin yang berfungsi kurang efektif pada saat kehamilan).
Selanjutnya, keamanan mengenai obat diabetes merupakan masalah besar selama pengembangan obat baru. Telah lama diakui bahwa proses pengembangan obat tradisional memerlukan banyak waktu (10-17 tahun) dan sangat mahal, namun memiliki tingkat keberhasilan yang rendah (<10%) dan risiko keamanan yang tinggi. Oleh karena itu, strategi baru diperlukan untuk mengembangkan obat diabetes baru dalam cara yang lebih efisien dengan risiko keselamatan yang lebih rendah (Zhang et al. 2015).
Salah satu strategi yang dapat digunakan dalam upaya pengembangan obat baru yaitu menggunakan Connectivity Map yang dapat menguji pengembangan obat baru secara komputasi terlebih dahulu sebelum dilakukan uji klinis yang mahal (Li et al. 2009). Pengembangan dari Connectivity Map dilakukan oleh (Huang et al. 2012) berupa sebuah basis data jaringan Network Pharmacology dengan hubungan konektifitas yang komprehensif antara penyakit, gen dan obat yang di sebut C2Maps. Pengembangan ini, terdiri atas 3 skema, yaitu Network Mining atau Network Pharmacology, Text Mining, dan Connectivity Map.
Network pharmacology membantu dalam menentukan target obat sekaligus memungkinkan khasiat baru yang lain dari obat ditemukan (Zhao and Li 2010). Dalam penelitian lain, ini digunakan untuk mengembangkan PET (Pharmacology Effect Target) dan PEN (Pharmacology Effect Network) untuk mengevaluasi khasiat obat yang berkaitan dengan 23 obat kanker payudara (Huang et al. 2011), membantu dalam mengidentifikasi bahan-bahan dan mekanisme bioaktif dari formula herbal TCM dan rebusan Ge-Gen-Qin-Lian yang berpotensi sebagai antidiabetes (Li, et al., 2014), dan juga dapat diprediksi asosiasi suatu penyakit terhadap gen tertentu sehingga menambah pengetahuan mengenai hubungan tersebut (Sun et al. 2014). Selain itu, paradigma penemuan obat yang menyatakan "satu gen, satu sasaran, satu penyakit" berubah dari aspek strategisnya menjadi "beberapa target, beberapa efek, penyakit kompleks" (Zhang et al. 2013).
Implementasi Text Mining dalam Bioinformatika digunakan untuk mengekstraksi informasi dari suatu text yang nilai permutasinya berbeda dari entitas yang ditugaskan (enzim dan metabolit) dalam suatu kalimat. Hal ini diberikan berdasarkan kehadiran dan lokasi kata kunci berasal dimana metode ini efektif dalam konteks ekstraksi interaksi protein-protein (Czarnecki et al. 2012). Dengan Text Mining juga dapat menambang informasi penyakit ganas seperti kanker dari publikasi artikel penelitian terkait penyakit kanker (Zhu et al. 2012). Peneliti lain, menggunakan Text Mining untuk membangun sebuah sistem yang dapat mengekstrak asosiasi penyakit-gen dari abstrak biomedis. Sistem ini sangat efisien, berbasis kamus tagger untuk pengakuan entitas bernama gen manusia dan penyakit (Pletscher-Frankild et al. 2015).
Hubungan fungsional antara penyakit, gangguan genetik dan efek obat dapat dilihat melalui Connectivity Map (Lamb et al. 2006). Ini dapat digunakan untuk menemukan hubungan antara molekul kecil yang saling berbagi mekanisme kerja, bahan kimia dan proses fisiologis, penyakit dan obat-obatan. Selanjutnya Li et al (2009) mengembangkan suatu konsep baru dari Connectivity Map yang memungkinkan integrasi antara hasil pengukuran gen, protein, metabolit dan senyawa obat. Penerapan konsep baru ini meliputi 3 tahapan : 1) Jaringan interaksi molekul dimasukkan untuk mengurangi bias dan meningkatkan relevansi protein benih penyakit Alzheimer. 2) Abstrak PubMed digunakan untuk mengambil istilah obat diperkaya yang tidak langsung berhubungan dengan penyakit Alzheimer molekul studi mekanistik. 3) Ketiga dan terakhir, Connectivity Map penyakit Alzheimer yang komprehensif diciptakan oleh obat dan protein terkait dalam literatur. Connectivity Map molekul membantu mempelajari penanda molekul antara kelas yang berbeda dari obat dalam konteks penyakit tertentu. Sehingga, dalam pengembangan obat baru, dapat diuji secara komputasi terlebih dahulu sebelum dilakukan uji klinis yang memerlukan biaya yang mahal.
