Docking atau penambatan molekul
pada dasarnya adalah suatu pendekatan yang dapat digunakan untuk memodelkan
interaksi antara molekul kecil dan protein target pada level atom yang
memungkinkan kita mengkarakterisasi interaksi molekul kecil dengan protein
target pada situs pengikatannya (binding
site) serta menjelaskan proses biokimia yang terjadi. Pada dasarnya docking
terjadi dalam 2 tahap, yaitu:
- Prediksi konformasi serta posisi dan orientasi dalam situs pengikatan (atau disebut pose)
- Penilaian afinitas ikatan
Mengetahui lokasi situs
pengikatan sebelum proses docking akan meningkatkan efisiensi docking.
Informasi tentang situs pengikatan dapat diperoleh dengan cara membandingkan
protein target dengan family protein tersebut yang memiliki fungsi sama, atau
dengan protein yang membentuk Kristal dengan ligand-ligand lainnya. Jika
informasi tentang situs pengikatan tersebut tidak tersedia, maka program atau
server online seperti: GRID, POCKET, SurfNet, PASS dan MMC dapat digunakan
untuk membantu mengidentifikasi situs aktif atau situs pengikatan tersebut.
Docking yang dilakukan tanpa memperhitungkan situs pengikatan disebut blind docking.(Slack, 1969)
Mekanisme pengikatan
ligand-target, mula-mula diasumsikan menurut teori lock and key yang diperkenalkan oleh Fisher, dimana ligand tepat
mengisi ruang pada target, seperti kunci yang tepat masuk ke dalam lubang
gembok. Kemudian muncul teori induced fit
yang diperkenalkan oleh Koshland yang
kemudian menggantikan teori LOCK AND KEY
tersebut. Menurut teori tersebut menyarankan bahwa ligand dan target harus
dipandang sebagai molekul yang fleksibel selama proses docking, sehingga dapat
menunjukan momen-momen pengikatan yang lebih akurat atau sesuai dengan kondisi
real dalam tubuh.
TEORI TENTANG DOCKING
Pada dasarnya
docking bertujuan untuk memprediksi struktur kompleks antara target-ligand
dengan menggunakan metode komputasi. Tujuan docking tersebut dapat dicapai
dengan 2 langkah yang saling terkait beriikut:
1.
Sampling konformasi-konformasi ligand pada situs
aktif protein
2.
Merangking konformasi-konformasi tersebut
melalui scoring function
Sampling Algorithms (Algoritma sampling)
Molekul protein
dan ligand yang saling berinteraksi secara fleksibel akan menghasilkan banyak
sekali mode-mode pengikatan diantara keduanya, sehingga akan memerlukan waktu
komputasi yang lama dan biaya yang besar, maka dikembangkanlah berbagai
algoritma sampling, yang diharapkan mampu mensampling mode-mode pengikatan yang
refresentatif. Berbagai metode sampling tersebut dapat dilihat pada table 1.
Sumber : Meng (2012)
Tujuan dari fungsi
skoring adalah menilai pose-pose yang benar-benar menggambarkan pengikatan
antara senyawa yang aktif dalam waktu perhitungan yang wajar. Fungsi skoring
dapat dibedakan menjadi:
1.
Force-field
based scoring function, menilai energy pengikatan melalui perhitungan total
energy non-ikatan (energy elektrostatik dan van der walls). Software docking
seperti DOCK, GOLD, dan Autodock menggunakan fungsi skoring ini.
2.
Empirical
based scoring function, dalam skoring ini dilakukan dekomposisi energy
ikatan menjadi energy-energi penyusunnya, seperti energy ikatan hydrogen,
interaksi ionic, efek hidrofobik dan entropi ikatan. Setiap komponen dikalikan
dengan koefisiennya, kemudian dijumlahkan untuk menghasilkan energy total.
LUDI, PLP dan ChemScore adalah contoh fungsi skoring yang diturunkan dari
metode empiric ini.
3.
Knowledge
based scoring function, menggunakan analisis statistic dari struktur
Kristal kompleks ligand-protein untuk memperoleh frekuensi kontak antaratom
dana tau jarak antara ligand an protein. Fungsi ini didasarkan pada asumsi
bahwa interaksi yang disukai adalah interaksi dengan frekuensi yang lebih
sering terjadi.
Table 2
menunjukan beberapa formula yang digunakan dalam scoring function.
Tabel 2 Contoh
formula dalam fungsi skoring (Sumber: Meng (2012))
Skoring consensus adalah suatu strategi terbaru yang mengkombinasikan berbagai fungsi skoring yang berbeda untuk menilai konformasi docking. Contoh: CScrore menggabungkan fungsi skoring DOCK, ChemScore, PMF, GOLD, dan FlexX.
Fungsi skoring tertentu nermasalah dalam hal prediksi afinitas terutama karena keterbatasannya dalam treatmen efek solvasi. Salah satu cara untuk mempebaiki kondisi tersebut adalah dengan scoring physics-based, seperti: MM-PB/SA (molecular mechanics-Poisson-Boltzman solvent-accesible surface area) dan MM-GB/SA (molecular mechanics Generalized Born/ solvent accessible surface area) yang melibatkan adanya rescoring atau optimisasi lead untuk memperbaiki akurasi prediksi afinitas ikatan. Kedua contoh metode tersebut telah menunjukan hasil yang baik.
METODOLOGI DOCKING
Ada beberapa metodologi yang biasa digunakan dalam docking:
- Rigid ligand and rigid receptor docking
Contoh aplikasi : DOCK, FLOG, TFDOCK (docking
protein-protein.
2.
Flexible ligand and rigid receptor docking
Contoh program: Autodock, FlexX.
Autodock 3.0 memodelkan docking dengan ligand bersifat
fleksibel, namun target tetap rigid. Sedangkan Autodock 4.0 mampu memodelkan
fleksibilitas target, yang memungkinkan rantai samping target bergerak bebas.
FlexX menggunakan agoritma konstruksi tambahan pada
konformasi ligand sampel. Fragmen dasar adalah yang terdocking pertama kali
pada situs aktif mellau pencocokan pasangan ikatan hydrogen dan interaksi logam
dan cincin aromatis antara ligand dan target. Fungsi skoring FlexX didasarkan
pada Bohm’s work. Versi terbarunya memasukan sejumlah istilah seperti:
interaksi elektrostatik, ikatan hydrogen direksional, entropi rotasional,
interaksi hidrofobik dan aromatic.
3.
Flexible ligand and flexible receptor docking
Mobilitas intrinsic protein sangat mempengaruhi
interaksinya dengan ligand. Saat ini telah bnayak tersedia berbagai metode yang
memungkinkan docking dengan protein target yang fleksibel, sebagaimana
dirangkum dalam Table 3.(Meng, Zhang, Mezei, & Cui, 2012)
Tabel 3. Metode
docking dengan target yang fleksibel (Sumber: Meng (2012))
Gambar 1. Docking Ligand Flexible (Sumber: Meng (2012))
PUSTAKA
Meng, X.-Y., Zhang,
H.-X., Mezei, M., & Cui, M. (2012). Molecular Docking: A Powerful Approach
for Structure-Based Drug Discovery. Current Computer Aided-Drug Design.
https://doi.org/10.2174/157340911795677602
Slack, R. (1969).
Medicinal chemistry and progress. Chemistry & Industry, 32,
1084–1085. https://doi.org/10.1002/0471266949