Laporan Praktikum Kimia Medisinal Hubungan Kuantitatif Struktur Aktivitas (Hksa) 2 [PDF]

Citation preview

LAPORAN PRAKTIKUM KIMIA MEDISINAL HUBUNGAN KUANTITATIF STRUKTUR AKTIVITAS (HKSA) 2



Disusun oleh: Rizki Dyah Rahmawati 191FF03061 S1 2 FA2



FAKULTAS FARMASI UNIVERSITAS BHAKTI KENCANA 2020-2021



 Pembuatan Model (Persamaan) HKSA 1) Buka aplikasi SPSS



2) Masukkan data-data perhitungan deskriptor dan juga nilai aktivitas biologi pada



SPSS. Contoh tampilan :



3) Kemudian lakukan regresi linear dengan cara memilih menu Analyze > Regression



> Linear. Maka akan muncul dialog box sebagai berikut:



4) Bagian dependent adalah untuk nilai aktivitas biologi (dalam contoh ini adalah



log_IC50) dan bagian independent(s) adalah semua deskriptor. Metode yang digunakan adalah metode backward. Metode ini adalah untuk mendapatkan seluruh hasil perhitungan/kombinasi deskriptor yang memenuhi persyaratan statistika regresi linear, bukan hanya kombinasi deskriptor yang menghasilkan nilai r yang paling baik. Kemudian, klik OK.



5) Untuk mengetahui model hasil regresi linear, lihat pada bagian “Model



Summary”. Contoh tampilan “Model Summary” adalah sebagai berikut :



6) Akan ada beberapa model yang dihasilkan dari proses regresi linear, pilih model yang



melibatkan deskriptor paling sedikit, namun masih memenuhi persyaratan statistika dalam HKSA. (Cek persyaratan statistika di literatur yang menjelaskan tentang HKSA !)



 Pemilihan Deskriptor dan Data Seleksi awal deskriptor sudah dilakukan. Akan tetapi, deskriptor yang terpilih mungkin masih sangat banyak (> 6 deskriptor). Persamaan HKSA yang baik memiliki jumlah deskriptor yang sedikit (umumnya < 5 deskriptor). Seleksi berikutnya adalah mengurangi jumlah deskriptor dengan cara coba-coba (dikombinasikan secara manual), namun masih memenuhi persyaratan statistika. Misalkan berikut adalah hasil dari regresi awal (hasil dari tahap akhir pada modul 6) :



Dari data di atas, diketahui bahwa kombinasi prediktor yang paling baik adalah kombinasi d yang terdiri dari 8 prediktor. Selanjutnya, dilakukan pembuatan kombinasi prediktor (kombinasi 3,4,5,dan 6 prediktor) yang masih memenuhi persyaratan statistika. Umumnya dicari kombinasi predictor yang masih menghasilkan nilai r di sekitar 0,88. Kemudian, dilakukan eliminasi data yang jauh menyimpang untuk meningkatkan nilai r menjadi minimal 0,9. Misalkan setelah dilakukan pengecekan semua nilai r untuk masing-masing kombinasi predictor, diketahui bahwa nilai r untuk kombinasi 4 prediktor (HOMO, LUMO, LogS, dan HF) adalah 0,7804. Kemudian, buatlah plot antara LogIC50 prediksi (nilai Log IC50 prediksi dihitung menggunakan persamaan regresi yang melibatkan 4 prediktor yang tadi sudah terpilih)



dengan LogIC50 eksperimen. Cek data mana yang paling jauh menyimpang dari garis linearnya. Hilangkan data tersebut sehingga nilai R menjadi ≥ 0,90. Cara untuk mendapatkan persamaan regresi untuk menghitung nilai LogIC50 prediksi adalah dengan mencari nilai koefisien untuk masing-masing deskriptor. Nilai koefisien bisa diperoleh pada hasil regresi menggunakan SPSS. Tampilan bagian koefisien adalah sebagai berikut :



Gambar 1. Tampilan tabel koefisien pada hasil regresi dengan SPSS. Dari tabel di atas, dapat diketahui bahwa persamaan yang diperoleh adalah LogIC50 prediction = 3,574 + 8,824 x HOMO – 7,357 x LUMO – 0,026 + 0,001 x HF.



Gambar 2. Plot antara LogIC50 prediksi dan LogIC50 eksperimen. Bagian yang diberi lingkaran adalah data yang paling menyimpang.



Gambar 3. Plot antara LogIC50 prediksi dan LogIC50 eksperimen setelah penghilangan data yang menyimpang.  Validasi Persamaan HKSA Dari hasil di atas, dapat disimpulkan bahwa persyaratan statistika yang pertama sudah dipenuhi, yaitu r > 0,9 atau r2 > 0,81. Lalu dilakukan tahap validasi lebih lanjut, yaitu penghitungan nilai F dan q2. Nilai Fhitung dapat diperoleh dari hasil regresi menggunakan SPSS. Tampilannya dapat dilihat pada gambar 4. Dari tabel ANOVA tersebut, dapat diketahui bahwa nilai Fhitung adalah 1,145.



Gambar 4. Tampilan table ANOVA hasil regresi menggunakan SPSS.



Hasil Pengamatan :



Calon Deskriptor : 1. 2. 3. 4. 5. 6. 7. 8. 9. 10. 11.



Exact Mass HOMO MD E_Ele LogP LUMO Entropi LogS MR Entalpi E_Total



Kombinasi Pertama



Kombinasi Kedua



*Menganmbil kombinasi descriptor yang paling sedikit



Persamaan : LogIC50 = 9.410 + (10.139* E_Total) - (0.136* MR) + (0.349*MD) R = 0,794 Senyawa Turunan 2



Log IC50 0.8856439



Log IC50 Prediksi 0.328070891



4 6



0.6610551 0.7729082



0.27058 0.320163



7



-0.1530447



-0.0606



10



0.5106790



0.257667



12



0.1690864



-0.03364



17



-0.1931420



-0.46008



18



-0.5622494



-0.87182



19



-1.67778



-1.46184



20



-1.49485



-1.57076



21



-1.22915



-0.82352



LINEARITY 0.5



f(x) = − 0.11 x + 0.84 R² = 0.73



LOG IC50 PREDICTION



0 00,000... 00,000... 00,000... 00,000... 00,000... 00,000... 00,000... 00,000... 00,000... 00,000... 00,000...



-1



-2



LOG IC50EXP



Dari 18 Senyawa Turunan, hanya tersisa 11 senyawa turunan yang dapat digunakan, dimana senyawa turunan 1, 3, 5, 8, 9, 11 dan 16 dieliminasi. .



Validasi Persamaan HKSA



LogIC50 = 12.142 + (9.531*E_Total) - (0.158*MR) + (0.391*MD) R = 0.977 Persamaan HKSA Memenuhi Syarat