Efektivitas Interaksi Antigen Protein Nukleokapsid Termutasi dengan Antibodi IgG Secara In Silico dalam Pengembangan Vaksin COVID-19

Pramudya, Lanny Laksmana (2025) Efektivitas Interaksi Antigen Protein Nukleokapsid Termutasi dengan Antibodi IgG Secara In Silico dalam Pengembangan Vaksin COVID-19. Other thesis, Institut Teknologi Sepuluh Nopember.

Text 5004211104-Undergraduate_Thesis.pdf - Accepted Version Restricted to Repository staff only Download (4MB) | Request a copy

Abstract

Pandemi COVID-19 yang disebabkan oleh virus SARS-CoV-2 telah mendorong pengembangan vaksin yang digunakan untuk menekan angka kematian sebagai salah satu strategi utama untuk mengatasi penyebaran virus tersebut, terutama terhadap mutasi baru pada virus SARS-CoV-2 yang muncul seiring dengan mutasi genom tertentu. Strategi yang digunakan dalam pengembangan vaksin yaitu dengan menargetkan pada interaksi antara antibodi manusia dan antigen protein virus. Dalam hal ini, IgG merupakan suatu respon imun adaptif utama yang berperan dalam memberikan suatu perlindungan jangka panjang. IgG ini berperan dalam mengenali dan mengikat antigen spesifik yang didapatkan dari virus SARS-CoV-2 termutasi. Penelitian ini bertujuan mengidentifikasi kompleks antibodi IgG dan antigen protein Nukleokapsid SARS-CoV-2 termutasi di beberapa wilayah di Indonesia, yakni Jawa Timur, Jawa Tengah dan Jawa Barat, serta virus wild type Wuhan sebagai pembanding. Pemilihan wilayah ini didasarkan pada provinsi dengan jumlah penduduk terbesar di Pulau Jawa untuk mengidentifikasi mutasi yang terjadi di setiap wilayah. Target penelitian ini yakni membandingkan efektivitas interaksi antibodi IgG dengan varian antigen protein nukleokapsid termutasi dari ketiga wilayah tersebut, yakni dengan menilai kekuatan ikatan dan stabilitas kompleks yang terbentuk melalui analisis interaksi menggunakan molecular docking. Data sekuens antigen diambil dari database GISAID (Global Initiative on Sharing All Influenza Data) dan NCBI (National Center for Biotechnology Information), sementara struktur antibodi diperoleh dari RCSB PDB. Pemodelan struktur 3D kedua molekul dilakukan dengan menggunakan web server I-TASSER, kemudian simulasi docking dilakukan menggunakan web server ClusPro. Kompleks hasil docking dianalisis dengan perangkat lunak seperti LigPlot+ untuk melakukan visualisasi ikatan dan menggunakan web server PRODIGY untuk mengukur energi bebas ikatan (ΔG), konstanta disosiasi (Kd), dan inter-residue contact (IC). Hasil penelitian mengungkapkan bahwa varian mutasi protein nukleokapsid wilayah Jawa Barat memiliki nilai ΔG sebesar -13,8 kkal/mol dan Kd 7,8 × 10⁻¹¹ M, yang mengindikasikan bahwa afinitas pengikatan sangat kuat dan stabil terhadap antibodi IgG dibandingkan dengan varian wilayah Jawa Timur (ΔG = -12,3 kkal/mol, Kd = 1 × 10⁻⁹ M), Jawa Tengah (ΔG = -12,4 kkal/mol, Kd = 8 × 10⁻¹⁰ M), maupun varian wild type Wuhan (ΔG = -11,1 kkal/mol, Kd = 7,3 × 10⁻⁹ M). Pengikatan stabilitas ini didukung oleh adanya mutasi G179S pada protein nukleokapsid wilayah Jawa Barat yang mampu menghasilkan perubahan stabilitas energi bebas mutasi (ΔΔG) sebesar 0,31 kkal/mol. Hal ini menunjukkan bahwa mutasi tersebut menghasilkan atibodi-antigen yang lebih kuat.
================================================================================================================================
The COVID-19 pandemic, caused by the SARS-CoV-2 virus, led to the development of vaccines to reduce the number of deaths. Vaccines are one of the main ways to control the spread of the virus, especially with the appearance of new virus mutations. The strategy used to develop the vaccine is to target the interaction between human antibodies and the virus's protein antigen. In this case, IgG is an important antibody that helps the body give long-term protection. IgG can recognize and attach to specific antigens from virus, including those from mutated forms of SARS-CoV-2. This research aimed to find out how IgG antibodies bind to the mutated nucleocapsid protein of the virus found in East Java, Central Java, and West Java in Indonesia. The original Wuhan virus was also used for comparison. These regions were chosen because they have the largest populations on the island of Java for wants to know what kinds of mutations are common in each area. The target of this research was to compare the effectiviness of IgG antibody interactions with mutated nucleocapsid protein antigen variants from the three regions by evaluating the binding affinity and complex stability through interaction analysis using molecular docking. Antigen data were obtained from the GISAID (Global Initiative on Sharing All Influenza Data) and NCBI (National Center for Biotechnology Information) databases, while the antibody structures was retrieved from the RCSB PDB database. The 3D models were made using the I-TASSER website, then the docking simulation was carried out using ClusPro web server. The results were analyzed using tools like LigPlot+ to see the bonds and PRODIGY to measure binding free energy (ΔG), dissociation constant (Kd), and inter residue contact (IC). The results showed that the nucleocapsid protein from West Java had the strongest bond with the IgG antibody, with a ΔG of -13,8 kcal/mol and a Kd of 7,8 × 10⁻¹¹ M. This was stronger than the variants from East Java (ΔG = -12,3 kcal/mol, Kd = 1 × 10⁻⁹ M), Central Java (ΔG = -12,4 kcal/mol, Kd = 8 × 10⁻¹⁰ M), and wild type Wuhan (ΔG = -11,1 kcal/mol, Kd = 7,3 × 10⁻⁹ M). The strong binding in the West Java variant is likely caused by a mutation called G179S, which gave mutation free energy change (ΔΔG) = 0,31 kcal/mol. This meant the mutation helped the antigen and antibody interaction better.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Interaksi Antigen-Antibodi, Imunoglobulin G, Molecular Docking, Mutasi SARS-CoV-2, Vaksin COVID-19, Antigen-Antibody Interaction, COVID-19 Vaccine, Imunoglobulin G, Molecular Docking, SARS-CoV-2 Mutation
Subjects:	Q Science > QD Chemistry > QD251.2 Chemistry, Organic. Biochemistry Q Science > QR Microbiology Q Science > QR Microbiology > QR180 Immunology
Divisions:	Faculty of Science and Data Analytics (SCIENTICS) > Chemistry > 47201-(S1) Undergraduate Thesis
Depositing User:	Lanny Laksmana Pramudya
Date Deposited:	04 Aug 2025 04:20
Last Modified:	04 Aug 2025 04:20
URI:	http://repository.its.ac.id/id/eprint/126812

Actions (login required)

View Item