Potensi biodiversitas mikroalga sebagai antivirus
Biota laut telah diketahui memiliki senyawa metabolit sekunder maupun primer yang mempunyai bioaktifitas dan berpotensi sebagai bahan obat-obatan, tidak terkecuali mikroalga. Hal ini disebabkan organisme laut hidup di habitat dengan dinamika yang kompleks [23]. Mikroalga merupakan organisme uniseluler yang berukuran mikroskopis sekitar 3 – 10 µm [24,25]. Mikroalga adalah salah satu produsen dalam ekosistem laut, yang umumnya banyak ditemukan pada laut dangkal dimana masih terdapat intensitas cahaya matahari. Hal tersebut disebabkan karena mikroalga membutuhkan cahaya matahari untuk berfotosintesis [26]. Mikroalga telah diketahui mengandung senyawa-senyawa yang memiliki bioaktivitas seperti antiviral, antibakteri, antioksidan, anti-inflamasi, dan anti-kanker [27–33]. Senyawa metabolit mikroalga yang memiliki bioaktivitas antiviral ini banyak yang telah sampai pada uji laboratorium. Misalnya diatom Navicula directa memiliki senyawa naviculan yang merupakan kelompok polisakarida, dan senyawa ini terbukti menghambat virus herpes simplex tipe 1 dan 2 (HSV-1, HSV-2) pada tahap fusi virus ke sel dengan nilai IC50 berkisar antara 7-14 µg/mL [31]. Retrovirus lainnya yaitu Human Immunodeficiency Virus (HIV) penyebab penyakit AIDS juga dapat dihambat pada fase penetrasi virus ke sel oleh Calcium spirulan yang diperoleh dari mirkoalaga Spirulina platensis [34].
Metode penapisan maya (virtual screening) dalam proses drug discovery
Kemajuan teknologi di bidang biologi molekuler, seperti permurnian protein, kristalografi dan teknik spektroskopi resonansi magnetik nuklir telah memberikan kontribusi yang besar terhadap peningkatan data struktural protein dan kompleks antara protein dengan ligan. Penemuan struktur protein ini juga memungkinkan metodologi komputasi menjadi komponen penting dalam strategi penemuan dan pengembangan obat, mulai dari identifikasi hit hingga optimasi lead, dan pendekatan seperti teknik penapisan maya (virtual screening) berbasis ligan atau struktur [35,36]. Tujuan daripada teknik ini adalah mengidentifikasi struktur mana yang paling mungkin berikatan dengan target obat, biasanya reseptor protein atau enzim [37]. Terdapat dua jenis strategi di dalam desain obat berbasis struktur yaitu Ligand-based drug design (LBDD) dan Structure-based drug design (SBDD). Metode berbasis ligan, seperti pemodelan farmakofor dan metode hubungan struktur aktivitas kuantitatif (QSAR), dapat digunakan ketika satu set molekul ligan diketahui dan tidak ada atau sedikit informasi struktural tersedia untuk target. Sedangkan dalam desain berbasis struktur, cara yang paling sering digunakan adalah dengan melakukan penambatan molekul ligan uji terhadap protein target kemudian melakukan penerapan fungsi penilaian (scoring function) untuk memperkirakan kemungkinan apakah ligan uji akan berikatan dengan protein dengan afinitas yang cukup kuat [38].
Metode desain obat berbasis struktur yang paling sering digunakan adalah penambatan molekul (molecular docking) karena kemampuannya untuk memprediksi, dengan tingkat keakuratan yang tinggi, konformasi molekul ligan dalam situs pengikatan target yang sesuai. Mengikuti perkembangan algoritma pertama pada 1980-an, penambatan molekul menjadi metode penting dalam proses penemuan obat. Sebagai contoh, investigasi yang melibatkan mekanisme molekuler yang krusial yang meliputi mode pengikatan ligan dan interaksi intermolekul yang menstabilkan kompleks reseptor dengan ligan, dapat dilakukan dengan mudah. Selain itu, algoritma docking molekuler dapat memprediksi secara kuantitatif energi pengikatan serta dapat mengurutkan senyawa ligan berdasarkan afinitas pengikatan kompleks reseptor-ligan [39].
Kimia Komputasi
Perangkat keras komputer yang terus menerus berkembang telah membuat program kimia komputasi menjadi alat yang sangat penting di berbagai bidang, seperti desain obat, perencanaan, sintesis dan ilmu material. Prediksi dari metode kimia komputasi dengan dasar kimia kuantum dapat dianggap sebagai acuan dan penjelasan tambahan untuk suatu penelitian [40]. Keuntungan dari pendekatan komputasi adalah resolusi yang tidak terbatas, tidak seperti teknik mikroskop eksperimental. ‘Mikroskopi’ komputasi memberikan resolusi spasiotemporal ke pergerakan atom-atom pada skala waktu femtosekon (fs) atau secara harfiah mengikuti gerakan setiap atom dari sistem yang diinginkan. Metode ini juga memungkinkan kontrol yang tepat dari lingkungan laboratorium (virtual) serta reproduktifitas yang baik, yang sulit dicapai dalam eksperimen konvensional [41]. Pemodelan Homologi Meskipun ada kemajuan signifikan dalam kristalografi sinar-X dan spektroskopi NMR dalam menentukan struktur protein [42], struktur yang relevan untuk banyak protein reseptor masih belum tersedia. Struktur ini sangat dibutuhkan pada fase awal proyek penemuan obat yaitu sebelum metode eksperimen basah dilakukan. Oleh karena itu, peneliti bergantung pada pemodelan komparatif berdasarkan templat yang homolog untuk mengonstruksi model tiga dimensi (3D) strukturnya. Metode pemodelan homologi ini didasarkan pada pengamatan bahwa konformasi struktur protein di alam lebih lestari (conserved) dibandingkan dengan urutan asam aminonya [43].
Simulasi Dinamika Molekul (MD)
Eksperimen komputasi dapat menguji ide teoritis baru, seperti peningkatan kekuatan antarmolekul pada sistem yang terlalu kompleks untuk perhitungan manual. Pada saat yang sama, simulasi komputasi juga dapat memperkirakan jalannya eksperimen laboratorium sehingga hasilnya dapat dibandingkan. Informasi dari simulasi tersebut juga akan memberikan wawasan mikroskopis yang berkaitan dengan hasil eksperimen nyata di laboratorium [44]. Algoritma dasar dinamika molekul. Output simulasi (trajektori), yaitu daftar koordinat atom untuk setiap waktu simulasi (atau setiap satu frame). Epot, energi potensial; t, waktu simulasi; dt, waktu iterasi. Setiap koordinat spasial dari atom yang disimulasikan (i): x, koordinat atom; F, gaya; a, akselerasi percepatan; m, massa atom; v, kecepatan [45]. Simulasi dinamika molekul (MD) pertama kali dikembangkan pada akhir tahun 70-an dengan hanya mensimulasikan beberapa ratus atom. Saat ini sistem simulasi sudah berkembang dan memiliki relevansi biologis, termasuk representasi pelarut eksplisit, protein integral pada membran, atau kompleks makromolekul besar seperti nukleosom atau ribosom [45,46]. Simulasi MD menggunakan fungsi energi potensial berbasis-fisika, atau medan gaya untuk mensimulasikan dinamika protein sebagai fungsi waktu yang sesuai dengan mekanika klasik Newton. Metode ini dapat digunakan untuk mengidentifikasi konformasi yang relevan secara fungsional, karena mungkin sulit didapat secara eksperimental,serta memberikan rincian transisi antara tiap konformasinya [47]