IMPLEMENTASI KOMPUTASI MODERN PADA BIDANG KIMIA

A. Pengertian Komputasi Modern
Komputasi modern adalah sebuah konsep sistem yang menerima intruksi-intruksi dan menyimpannya dalam sebuah memory, memory disini bisa juga dari memory komputer. Oleh karena pada saat ini kita melakukan komputasi menggunakan komputer maka bisa dibilang komputer merupakan sebuah komputasi modern. Konsep ini pertama kali digagasi oleh John Von Neumann (1903-1957). Beliau adalah ilmuan yang meletakkan dasar-dasar komputer modern. Von Neumann telah menjadi ilmuwan besar abad 21. Von Neumann memberikan berbagai sumbangsih dalam bidang matematika, teori kuantum, game theory, fisika nuklir, dan ilmu komputer yang di salurkan melalui karya-karyanya . Beliau juga merupakan salah satu ilmuwan yang terkait dalam pembuatan bom atom di Los Alamos pada Perang Dunia II lalu. Kegeniusannya dalam matematika telah terlihat semenjak kecil dengan mampu melakukan pembagian bilangan delapan digit (angka) di dalam kepalanya.
Sekarang ini dengan semakin berkembangnya jaman, komputasi telah dilakukan dengan komputer. Hal inilah yang menyebabkan berkembangnya komputasi menjadi komputasi modern. Dengan semakin berjalannya waktu komputasi dengan komputer sebagai media utama sudah semakin meluas dan berkembang pesat. Perhitungan dan pemecahan masalah dengan algoritma menjadi semakin menjadi mudah karena dilakukan pada sebuah komputer. Contoh komputasi modern yaitu Akurasi (bit, floating point), Kecepatan (dalam satuanHz), Problem volume besar (paralel). Komputasi modern terbagi tiga macam, yaitu komputasi mobile (bergerak), komputasi grid, dan komputasi cloud (awan).
B.  Implementasi Komputasi Modern pada Bidang Kimia

Kimia komputasi adalah cabang kimia yang menggunakan hasil kimia teori yang diterjemahkan ke dalam program komputer untuk menghitung sifat-sifat molekul dan perubahannya maupun melakukan simulasi terhadap sistem-sistem besar (makromolekul seperti protein atau sistem banyak molekul seperti gas, cairan, padatan, dan kristal cair), dan menerapkan program tersebut pada sistem kimia nyata.
Manfaat kimia komputasi dalam pembelajaran :
  • Simulasi terhadap makromolekul (seperti protein dan asam nukleat) dan sistem besar bisa mencakup kajian konformasi molekul dan perubahannya (mis. proses denaturasi protein), perubahan fasa, serta peramalan sifat-sifat makroskopik (seperti kalor jenis) berdasarkan perilaku di tingkat atom dan molekul.
  • Menghitung sifat-sifat molekul dan perubahannya maupun melakukan simulasi terhadap sistem-sistem besar (makromolekul seperti protein atau sistem banyak molekul seperti gas, cairan, padatan, dan kristal cair), dan menerapkan program tersebut pada sistem kimia nyata.
  • Dapat menghitung sifat molekul yang kompleks dan hasil perhitungannya berkorelasi secara signifikan dengan eksperimen.
  • Dapat sebagai alat hitung –seperti halnya kalkulator- untuk membantu penyelesaian secara numerik dari persamaan matematika yang menggambarkan sifat sistem, misalnya dalam penyelesaian perhitungan stokiometri, termasuk juga otomatisasi alat ukur yang dapat mengkonversi signal elektronik menjadi data numerik.
  • Dapat sebagai alat visualisasi dan animasi.
  • Membantu kita mengeksplorasi sifat senyawa dan pada umumnya program tersebut telah dilengkapi dengan visualisasi dan animasi, seperti program HyperChem, Gaussian, Turbomol, Rasmol dll.
  • Simulasi terhadap makromolekul (seperti protein dan asam nukleat) dan sistem besar bisa mencakup kajian konformasi molekul dan perubahannya (mis. Proses denatrasi protein), perubahan fasa, serta peramalan sifat-sifat makroskopik (seperti kalor jenis) berdasarkan perilaku di tingkat atom.
      Contoh sifat-sifat molekul yang dihitung antara lain struktur (yaitu letak atom-atom penyusunnya), energi dan selisih energi, muatan, momen dipol, kereaktifan, frekuensi getaran dan besaran spektroskopi lainnya. Simulasi terhadap makromolekul (seperti protein dan asam nukleat) dan sistem besar bisa mencakup kajian konformasi molekul dan perubahannya (contohnya proses denaturasi protein), perubahan fase, serta peramalan sifat-sifat makroskopik (seperti kalor jenis) berdasarkan perilaku di tingkat atom dan molekul. Istilah kimia komputasi kadang-kadang digunakan juga untuk bidang-bidang tumpang-tindah antara ilmu komputer dan kimia.
          Keberadaan komputer yang dilengkapi dengan aplikasi kimia komputasi, memungkinkan ahli kimia komputasi medisinal menggambarkan senyawa obat secara tiga dimensi (3D) dan melakukan komparasi atas dasar kemiripan dan energi dengan senyawa lain yang sudah diketahui memiliki aktivitas tinggi (pharmacophore query). Berbagai senyawa turunan dan analog dapat "disintesis" secara in silico atau yang sering diberi istilah senyawa hipotetik (Zoumpoulaki dan Mavromoustakos, 2005). Aplikasi komputer melakukan kajian interaksi antara senyawa hipotetik dengan reseptor yang telah diketahui data struktur 3D secara in silico. Kajian ini dapat memprediksi aktivitas senyawa-senyawa hipotetik dan sekaligus dapat mengeliminasi senyawa-senyawa yang memiliki aktivitas rendah. Prediksi toksisitasnya secara in silico juga dilakukan dengan cara melihat interaksi senyawa dengan enzim yang bertanggung jawab terhadap metabolisme obat. Hasilnya adalah usulan senyawa yang siap disintesis dan diyakini mempunyai aktivitas tinggi dibandingkan dengan senyawa yang telah dikenal. Jumlah senyawa yang diusulkan biasanya jauh lebih sedikit dibandingkan penemuan obat secara konvesional. Hal inilah yang menjadi keunggulan dari studi komputasi dalam menemukan obat baru.
          Dua metode yang saling melengkapi dalam penggunaan komputer sebagai alat bantu penemuan obat, adalah ligand-based drug design (LBDD) yaitu rancangan obat berdasarkan ligan yang sudah diketahui, dan structure-based drug design (SBDD) yaitu rancangan obat berdasarkan struktur target yang didasarkan pada struktur target reseptor yang bertanggung jawab atas toksisitas dan aktivitas suatu senyawa didalam tubuh. LBDD memanfaatkan informasi sifat fisikokimia senyawa aktif sebagai landasan mendesain senyawa baru. MetodeLBDD yang lazim digunakan adalah pharmacophore discovery, hubungan kuantitatif struktur-aktivitas (HKSA/QSAR), dan docking molekular (molecular docking).Pharmacophore discovery merupakan metode pencarian kesamaan sifat fisikokimia, seperti sifat elektronik, hidrofobik dan sterik dari senyawa-senyawa yang dilaporkan aktif. Langkah selanjutnya adalah menggambarkan struktur 3D yang menggabungkan sifat gugus-gugus maupun bagian senyawa yang diduga bertanggung jawab terhadap aktivitasnya (pharmacophore). QSAR memadukan statistika dengan sifat fisikokimia senyawa yang diprediksi dengan bantuan komputer untuk menurunkan suatu persamaan yang digunakan memprediksi aktivitas suatu senyawa (Istiyastono dkk., 2003; Pranowo dkk., 2007; Yuliana dkk., 2004). Prediktor yang digunakan dalam studi QSAR diperoleh dari hasil pengukuran (measurable) seperti kerapatan, energi ionisasi, titik didih, massa molekul, momen dipol, tetapan keasaman dan lipofilitas. Kimia komputasi banyak memberikan keuntungan dalam studi QSAR karena dapat menghasilkan prediktor yang diperoleh dari perhitungan (calculated) antara lain muatan atom netto, beda energi HOMO (Highest Occupied Molecular Orbital) dan LUMO (Lowest Unoccupied Molecular Orbital), polarizabilitas, luas area, volume molekular, dan refraktivitas molar (Hansch, dkk., 2002). Perangkat lunak Gaussian (www.gaussian.com) atau Turbomole (www.turbomole.com) merupakan dua diantara banyak perangkat lunak kimia komputasi handal untuk penentuan sifat molekular sistem kimia.


Referensi:
https://tantyniieezz.wordpress.com/2011/02/23/pengantar-komputasi-modern/ 
http://yusrizall.blogspot.com/2012/03/komputasi-modern.html 
http://gitadwisetiawati.blogspot.com/2014/03/penerapan-komputasi-modern-di-berbagai.html 
https://muhamadnazib.wordpress.com/2014/11/06/peranan-ti-dalam-ilmu-kimia/ 




Komentar

Postingan populer dari blog ini

Tips Pola Hidup Sehat

Mencintaimu

Konsep Dasar New Media