PREDIKSI EFEKTIVITAS INTERAKSI ANTARA ANTIBODI DAN VAKSIN H1N1 MELALUI METODE MOLECULAR DOCKING SECARA IN SILICO

Abstract

Flu babi H1N1 merupakan penyakit menular akibat virus influenza tipe A yang telah menjadi pandemik dan mortalitasnya sangat tinggi pada manusia. Pemberian vaksin menjadi salah satu upaya pencegahan penyakit tersebut. Bagian antigenik (epitope) virus H1N1 digunakan untuk merancang suatu vaksin. Beberapa epitope telah diprediksi dari perwakilan protein hemagglutinin (HA), neuramidase (NA), dan matriks 2 (M2) virus H1N1. Pendekatan in silico dilakukan melalui kombinasi prediksi antigen pada tahapan respons imun, yaitu proteasomal cleavage (NetChop), Transporter Antigen Processing (TAP) binding (TAPPred), dan Major Histocompability Complex (MHCPred). Upaya meningkatkan respons imun juga dilakukan dengan memprediksi epitope sel B menggunakan server DiscoTope (conformational epitope) dan BepiPred (sequensial epitope). Enam model vaksin, yaitu NHM, MHN, HNM, MNH, HMN, dan NMH diperoleh dari 21 kombinasi terbaik epitope sel T dan sel B sebagai representasi variasi allele Human Leukocyte Antigen (HLA) dan protein virus H1N1 sehingga diharapkan mampu memberikan respons imun. Struktur 3D vaksin diprediksi dan dimodeling menggunakan server CPHModels dan program Swiss-Pdb Viewer (Deep View). Hasil struktur 3D vaksin dievaluasi menggunakan Ramachandran Plot, BLASTp (database PDB virus), dan FeatureMap 3D. Vaksin terdiri dari 258 asam amino dan memiliki lebih dari 50 % kesamaan struktur 3D dengan protein dalam database. Proses akhir efektivitas antibodi terhadap vaksin diuji melalui molecular docking antara vaksin dengan antibodi dalam database, diperoleh 14 clustering dengan waktu yang dibutuhkan sekitar 18 detik dan data energi minimum interaksi didapatkan antara antibodi terhadap vaksin NHM sebesar -13,6859 kkal/mol.