Dalam era modern ini, pemodelan komputer telah menjadi salah satu alat yang paling vital dalam penemuan molekul obat. Proses pengembangan obat yang sebelumnya memakan waktu dan biaya yang sangat tinggi kini dapat dipersingkat dan dioptimalkan melalui teknik-teknik canggih seperti Computer-Aided Drug Design (CADD). Dengan memanfaatkan algoritma dan simulasi, para peneliti dapat melakukan analisis mendalam terhadap interaksi molekul, memprediksi aktivitas biologis, serta mengidentifikasi potensi efek samping sebelum melakukan sintesis fisik senyawa tersebut.
Salah satu Penelitian CADD dilakukan oleh Samson, et al (2024) membahas tentang CADD untuk menemukan Antimikroba baru karena munculnya masalah Antimicrobial Resistance (AMR)/ Resistensi antimikroba. Dalam artikel tersebut dinyatakan bahwa biaya yang dikeluarkan untuk menangani AMR paling sedikit 1,5 Juta Euro di uni eropa dan 55 Miliar USD di Amerika Serikat per tahunnya. Selain itu apabila tidak ditangani lebih lanjut maka diprediksi bahwa Biaya akibat AMR akan meningkat hingga 100 Triliun USD di 2050. Hal ini menjadi alasan utama dalam melaksanakan penelitian tersebut.
Secara umum penelitian CADD oleh Samson (2024) dilakukan dengan Virtual Screening (Penyaringan virtual) untuk mengidentifikasi Zat/Obat/Senyawa dari perpustakaan kimia digital baik yang bebas maupun berbayar. Tahap selanjutnya adalah membandingkan Ligan dan Target dari masing-masing perpustakaan digital tersebut untuk dijadikan senyawa yang dianggap potensial.
Telah ditemukan lebih dari 70 obat yang lolos uji klinis dengan menggunakan teknik ini, contohnya adalah Isoniazid untuk penyakit TBC dan Norfloxacin untuk penyakit ISK. Obat – obat antivirus seperti Oseltamivir, Indinavir, Saquinavir dan Nelfinavir juga ditemukan menggunakan Teknik CADD ini. Selain itu CADD juga berperan dalam menemukan Obat-obat golongan Inhibitor Tirosin kinase seperti Axitinib, lorlatinib, adagrasib, entrectinib, zanubrutinib, dan fedratinib Hidroklorida. Dapat dikatakan teknik CADD ini menyediakan teknik Penemuan dan pengembangan obat antimikroba secara cepat dan efektif.
Gambar 1. Tahap CADD secara umum (Samson, et al 2024)
Salah satu teknik pendekatan CADD adalah Digital Twin. Sesuai dengan namanya Digital Twin (DT) memiliki konsep mensimulasikan Sel, Organ bahkan pasien ke dalam dunia digital. Tentunya pen-digital-an ini akan meningkatkan efisiensi dari Penemuan dan pengembangan obat secara menyeluruh. DT bisa dilakukan secara mekanik maupun menggunakan AI. Pada awalnya DT banyak digunakan secara mekanik untuk mensimulasikan Uji Toksisitas dan Uji klinis. Sayangnya, ada DT mekanik memiliki keterbatasan dalam menentukan parameter-parameter dalam sebuah simulasi. DT dengan AI dapat mengatasi keterbatasan DT mekanik.
Gambar 2 Tahapan Digital Twin ( Maria, et al. 2024)
AI khususnya AI generatif telah berkembang pesat hingga dapat melakukan sintesis secara in silico untuk menemukan senyawa baru. Sayangnya penggunaan pendekatan AI generatif tersebut masih belum dapat dikatakan Digital Twin, hanya yang telah dilakukan in-vivo dan in-vitro lah yang dapat disebut DT. Menurut Maria, et al (2024) DT yang termasuk dengan AI cocok untuk dinamakan DT generatif.
Beberapa DT yang telah berhasil dilakukan dapat membantu ilmuwan memprediksi hasil dari suatu simulasi. DT pada sel individu dapat membantu experimen pertubasi secara virtual. DT pada jaringan telah sukses di aplikasikan pada histopatologi, contoh Sifat-sifat lingkungan tumor mikro telah berhasil diprediksi. Perubahan genetik, Respon Perilaku sampai keluaran penyakit dari tumor mikro dapat dijelaskan dengan baik. DT pada organ dan sistem organ digunakan untuk memproduksi efek normal dan patologik dari fungsi organ.
Dengan nya DT generatif ini maka trayek dari data klinis pasien dapat disimulasikan secara realistis. Sayangnya DT generatif untuk uji klinis ini masih terbatas sehingga aplikasi nya masih jauh dari target. Model DT pada saat ini masih belum banyak menggunakan teknik Deep Learning. Walaupun begitu DT generatif masih memiliki potensi secara signifikan dalam mentransformasi pengembangan dan penemuan obat baru.
Pendekatan CADD ini telah merevolusi cara ilmuwan dalam mencari danmengembangkan kandidat obat baru. Melalui pemodelan molekul dan teknik Digital Twin, peneliti dapat mengeksplorasi struktur kimia dengan lebih efisien, memungkinkan mereka untuk merancang senyawa yang tidak hanya efektif tetapi juga aman bagi pasien. Dengan demikian, pemodelan komputer tidak hanya mempercepat proses penemuan obat, tetapi juga meningkatkan kemungkinan keberhasilan dalam pengembangan terapi baru yang dapat menjawab tantangan kesehatan global saat ini.
Penulis :
Ardyan Johanka – 22416248201172 – FM22E – Farmasi UBP Karawang
Referensi :
- Samson O. Oselusi, Phumuzile Dube, Adeshina I. Odugbemi, Kolajo A. Akinyede, Tosin L. Ilori, Elizabeth Egieyeh, Nicole RS. Sibuyi, Mervin Meyer, Abram M. Madiehe, Gerald J. Wyckoff, Samuel A. Egieyeh (2024) The role and potential of computer-aided drug discovery strategies in the discovery of novel antimicrobials. Computers in Biology and Medicine, Volume 169, 2024, 107927 ISSN 0010-4825. https://doi.org/10.1016/j.compbiomed.2024.107927.
- Maria Bordukova, Nikita Makarov, Raul Rodriguez-Esteban, Fabian Schmich & Michael P. Menden (2024) Generative artificial intelligence empowers digital twins in drug discovery and clinical trials, Expert Opinion on Drug Discovery, 19:1, 33-42, DOI: 10.1080/17460441.2023.2273839
