Analisis Bioinformatika dan Penambatan Molekul SNP SLC6A4 untuk Memprediksi Perubahan Afinitas Pengikatan SSRI pada Gangguan Depresi Mayor
Gangguan Depresi Mayor (MDD) merupakan salah satu gangguan kesehatan mental yang paling umum dan sering diobati dengan inhibitor reuptake serotonin selektif (SSRI), yang bekerja pada protein transporter serotonin (SERT) yang dikodekan oleh gen SLC6A4. Variasi genetik dalam bentuk polimorfisme nukleotida tunggal (SNP) dalam gen SLC6A4 dapat memengaruhi struktur, stabilitas, dan interaksi protein dengan SSRI, yang berpotensi memengaruhi respons terhadap pengobatan. Penelitian ini bertujuan untuk menyelidiki efek mutasi gen SLC6A4 pada protein SERT dengan memanfaatkan metode bioinformatika dan penambatan molekul. Analisis tersebut meliputi prediksi patogenisitas mutasi dan stabilitas protein, pembuatan model struktur tiga dimensi, penyempurnaan model, validasi model, serta penambatan molekul dengan escitalopram, fluoxetine, paroxetine, dan sertraline. Temuan studi mengungkap empat mutasi yang berpotensi berbahaya: R79L, R79W, R104C, dan Y121C. Analisis penambatan molekul menunjukkan adanya perbedaan afinitas ikatan antara protein tipe liar dan versi yang bermutasi. Escitalopram menunjukkan sensitivitas terbesar terhadap varian SERT, sedangkan paroxetine tetap paling stabil. Fluoxetine menunjukkan peningkatan afinitas yang moderat di semua mutan, sementara sertraline menunjukkan peningkatan afinitas terkuat, terutama pada R79L, R79W, dan R104C. Secara keseluruhan, varian missense SLC6A4 memengaruhi interaksi secara berbeda SSRI-SERT dan dapat berkontribusi pada variabilitas respons antidepresan, mendukung pemilihan SSRI yang berbasis farmakogenomik.
URI
https://repo.itera.ac.id/depan/submission/SB2608100011
Keyword
Bioinformatics Major Depressive Disorder Molecular Docking SERT SLC6A4 SNP SSRI