Langsung ke konten utama

Postingan

Prediksi Toksisitas Suatu Molekul

Dalam pengembangan molekul obat baru, pemodelan in silico untuk memprediksi aktivitas calon obat saja tidak cukup. Toksisitas suatu molekul juga perlu diprediksi untuk memastikan keamanan obat. Saat ini telah tersedia banyak sekali bank data mengenai sifat-sifat molekul baik obat maupun drug-like molekul, atau senyawa kimia lainnya, termasuk toksisitasnya. Maka orang sudah mengembangkan aplikasi-aplikasi berbasis web untuk mencari hubungan struktur molekul dengan toksisitas guna memprediksi toksisitas suatu molekul kandidat obat. Salah satu aplikasi berbasis web yang sudah dikembangkan adalah eMolTox (http://xundrug.cn/moltox). Aplikasi ini dapat digunakan untuk membantu peneliti dalam memprediksi toksisitas suatu molekul dan lebih lanjut akan menuntun para peneliti untuk memperoleh molekul kandidat obat yang tidak hanya manjur tetapi aman. Langkah-langkah melakukan prediksi toksisitas suatu molekul sangat mudah yaitu : 1. Memasukkan struktur molekul dengan cara menggambar atau memasuk...

Script Pengaturan Dosis Berulang IV Bolus Dua Kompartemen

Langkah-langkah simulasi farmakokinetika dengan R  #Memanggil paket library(ggplot2) library(ggpubr) library(deSolve) #Mendefinisikan persamaan iv.2comp <-function(t, state, parameters) {  with(as.list(c(state, parameters)),{  # rate of change  dC1 <- k21*C2/V1 - (k12+ke)*C1  dC2 <- k12*C1/V2 - k21*C2    # return the rate of change  list(c(dC1, dC2))  }) # end with(as.list ...  } #dose = 100 #V1 = 10 #C1 pada waktu nol = dose/V1 state <- c(C1 = 10, C2 = 0) #pada waktu ke nol time <- seq(0, 100, .01) #Interval waktu pengamatan #mendefinisikan parameter parameters <- c(k12 = .23, k21 = .11, ke = 0.32, V1 = 10, V2 = .5) #Simulasi farmakokinetika untuk dosis tunggal out <- ode(y = state, times = time, func = iv.2comp, parms= parameters)  dat1 <- as.data.frame(out) head(dat1) ## Plot simulasi farmakokinetika pada dosis tunggal c1 <- ggplot(dat1, aes(y = C1, x = time)) + geom_line(colour = 'red', size=1 + scale_...

Menghitung LD50 dengan Bayesian di R2OpenBUGS

library(R2OpenBUGS) library(BRugs) library(coda) logist.mod <- function(){ for (i in 1:N) { r[i] ~ dbin(p[i], n[i]) #asumsi1 b[i] ~ dnorm(0, tau) #asumsi2 logit(p[i]) <- alpha0 + alpha1 * x1[i] + alpha2 * x2[i] + alpha12 * x1[i] * x2[i] + b[i] } #distribusi prior alpha0 ~ dnorm(0, 1.0E-6) alpha1 ~ dnorm(0, 1.0E-6) alpha2 ~ dnorm(0, 1.0E-6) alpha12 ~ dnorm(0, 1.0E-6) tau ~ dgamma(0.001, 0.001) sigma <- 1 / sqrt(tau) } data.1 <- list(r = c(10, 23, 23, 26, 17, 5, 53, 55, 32, 46, 10, 8, 10, 8, 23, 0, 3, 22, 15, 32, 3), #r = germinated       n = c(39, 62, 81, 51, 39, 6, 74, 72, 51, 79, 13, 16, 30, 28, 45, 4, 12, 41, 30, 51, 7), #jumlah total percobaan r       x1 = c(0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1),       x2 = c(0, 0, 0, 0, 0, 1, 1, 1, 1, 1, 1, 0, 0, 0, 0, 0, 1, 1, 1, 1, 1),       N = 21, tau=.5) parameters <- c("alpha0", "alpha1", "alpha2", "alpha12") inits <...

Panduan Menggerus Tablet

Tablet adalah sediaan obat yang ditujukan untuk pemakaian oral. Sebenarnya, cara minum tablet cukup sederhana yaitu bisa langsung ditelan dengan bantuan segelas air. Namun, seringkali pasien mempunyai masalah dalam menelan tablet sehingga Apoteker biasanya akan membantu pasien dengan cara menggerus obat tersebut kemudian dibungkus menjadi sebuah puyer. Hal ini nampaknya baik namun tidak selalu demikian. Ada beberapa jenis tablet yang tidak boleh digerus atau jika digerus maka ada beberapa hal yang harus diperhatikan. Berikut ini diuraikan beberapa jenis tablet yang tidak diizinkan untuk digerus.  1. Tablet modified release misalnya sustained-release (SR). Tablet jenis SR dirancang untuk melepaskan dosis obat selama kurun waktu yang cukup lama. Sehingga total jumlah obat di dalam sediaan SR pasti berlipat ganda dari sediaan biasa. Jika digerus dan diberikan kepada pasien begitu saja, dapat menyebabkan kelebihan dosis yang berakibat fatal.  2. Tablet salut enterik (SE). ...

Membuat plot xy scatter dengan label dan watermark

library(lattice) x <- c(1,3,5,7,9) y <- c(21,17,9,8,10) names <- c('a','b','c','d','e') xyplot(y~x,pch=20,       panel=function(x, y, ...) {                panel.xyplot(x, y, ...)                panel.abline(h=15,v=4, lty=2)                panel.text(5,15,"anfarmatika.blogspot.com", cex=3, col='grey', srt=45);                ltext(x=x, y=y, labels=names, pos=1, offset=1, cex=.8)             })

Transporter dalam dalam absorpsi obat : Kinetika Michaelis-Menten

Kinetika Michaelis-Menten (MM) sangat berguna untuk memahami proses disposisi obat dalam tubuh. Beberapa molekul obat bersifat polar sehingga tidak mampu berdifusi pasif untuk melewati membran sel. Transport molekul-molekul obat ini diperantarai oleh suatu molekul pembawa (umumnya protein) yang disebut dengan transporter. Pada hakekatnya, proses perpindahan/transport obat melalui molekul pembawa seperti reaksi enzimatis sehingga berlaku reaksi : $\ce{E + S <=>[k_1][k_3] ES ->[k_2][] E + P }$ Dalam konteks disposisi obat, tidak terjadi pembentukan produk. namun hanya perpindahan obat dari kompartemen apikal ke basolateral atau sebaliknya. sehingga persamaan reaksi lebih tepat apabila ditulis sebagai berikut: $\ce{E + S_{apikal} <=>[k_1][k_3] ES ->[k_2][] E + S_{basolateral} }$ atau $\ce{E + S_{basolateral} <=>[k_1][k_3] ES ->[k_2][] E + S_{apikal} }$ Dengan menggunakan pendekatan kinetika M-M maka dapat dituliskan kinetika perpindahan obat yaitu:...