Download FTIR Spectroscopy for Cancer Detection and Drug Authentication: A Review and more Assignments Journalism in PDF only on Docsity!
Nama : Rizka Magfira Maulida NIM : J Kelas : KIM BP- 1 TUGAS PERTEMUAN 8 (Review Data Jurnal Analisis FTIR)
1. Review of the journal entitled “ Diagnosis of liver cancer by FTIR spectra of
serum ” Gambar 1 Spektrum FTIR dari sampel serum. Rata-rata spektrum IR serum dari pasien kanker hati (biru) dan orang sehat (merah) Tabel 1 Puncak Spektral dan Penugasannya Gambar 1 memperlihatkan hasil spektrum FTIR yang diambil dari sampel serum, di mana setiap puncak pada spektrum memiliki penugasan atau gugus fungsi yang dijelaskan di Tabel 1. Dari spektrum tersebut, terlihat bahwa komponen utama yang ada dalam serum mencakup lipid, protein, dan asam nukleat. Meskipun secara garis besar, spektrum serum pasien kanker hati dan orang sehat terlihat serupa, terdapat beberapa perbedaan kecil pada
intensitas serapan di rentang tertentu, yaitu antara 2900–2800 cm⁻¹ (yang berkaitan dengan lipid) dan antara 1700–1600 cm⁻¹ (yang berhubungan dengan protein). Perbedaan kecil yang terdeteksi dalam intensitas spektrum ini merupakan tanda penting yang menunjukkan adanya perubahan biokimia pada pasien kanker hati dibandingkan dengan orang sehat. Pada rentang 2900 – 2800 cm⁻¹, spektrum mencerminkan adanya perubahan dalam komponen lipid serum. Perubahan ini sering kali menunjukkan perubahan metabolisme lipid yang terjadi pada pasien kanker, di mana proses metabolisme lipid dapat terganggu atau berubah karena adanya sel kanker. Di sisi lain, pada rentang 1700–1600 cm⁻¹, yang terkait dengan protein, spektrum mengungkapkan adanya perbedaan dalam struktur sekunder protein. Ini dapat menunjukkan adanya perubahan dalam struktur protein, seperti α- helix dan β-sheet, yang merupakan tanda dari proses kanker yang mempengaruhi protein di dalam serum. Struktur sekunder protein ini dapat berubah sebagai respons terhadap proses kanker, yang menyebabkan perbedaan dalam pola serapan pada spektrum FTIR. Gambar 2 Spektrum SD-IR serum dari pasien kanker hati (1) dan orang sehat (2) serta perbedaan spektrum antara keduanya (3) Spektrum inframerah turunan kedua (SD-IR) memiliki kemampuan untuk meningkatkan detail spektrum dengan memperjelas perbedaan kecil yang mungkin tidak terlihat pada spektrum IR biasa. Pada Gambar 2, spektrum SD-IR dari sampel serum menunjukkan perbedaan yang jelas antara pasien kanker hati dan orang sehat. Pada pasien kanker hati, intensitas pita pada panjang gelombang 2870 cm⁻¹ dan 2851 cm⁻¹, yang merepresentasikan getaran peregangan simetris gugus C-H pada CH₃ dan CH₂ dalam lipid, mengalami penurunan yang signifikan. Sebaliknya, pada orang sehat, pita-pita yang berkaitan dengan protein menunjukkan peningkatan intensitas di beberapa panjang gelombang, yaitu 1690 cm⁻¹, 1678 cm⁻¹, 1672 cm⁻¹, 1658 cm⁻¹, 1646 cm⁻¹, 1640 cm⁻¹, 1628 cm⁻¹, dan 1621 cm⁻¹. Pita-pita ini berkaitan dengan struktur sekunder protein, khususnya pada bagian amida I. Struktur ini meliputi komponen seperti α-helix dan β-sheet yang memperlihatkan kondisi lebih stabil pada serum orang sehat dibandingkan dengan pasien kanker hati. Penurunan intensitas pada 2870 cm⁻¹ dan 2851 cm⁻¹ menunjukkan adanya perubahan pada metabolisme lipid pasien kanker hati, yang bisa disebabkan oleh gangguan metabolik akibat perkembangan sel kanker. Sementara itu, peningkatan intensitas pita pada serum orang sehat, terutama di rentang 1690–1621 cm⁻¹, menunjukkan bahwa struktur sekunder protein lebih terjaga. Ini menunjukkan bahwa pada pasien kanker hati, struktur protein ini mungkin
2. Review of the journal entitled “Type 2 diabetes diagnosis assisted by machine
learning techniques through the analysis of FTIR spectra of saliva” Gambar 4 Perbedaan spektral antara rata-rata populasi sehat dan diabetes_._ Penelitian ini menganalisis 1000 spektrum saliva, dengan 500 sampel berasal dari pasien diabetes dan 500 dari populasi sehat. Perbandingan ini menghasilkan beberapa perbedaan signifikan dalam wilayah-wilayah tertentu, seperti di wilayah lipid (Gambar 1B) dan amida I serta II (Gambar 1C). Terutama di wilayah antara 1500 hingga 1000 cm⁻¹ (Gambar 1D), yang menurut literatur terkait dengan getaran amida III, karbohidrat, dan asam nukleat, terlihat adanya perbedaan. Dalam wilayah amida A (3500–3000 cm⁻¹), perbedaan kemiringan pada populasi sehat juga diidentifikasi, yang dianggap penting saat menerapkan teknik karakterisasi lebih lanjut. Selanjutnya, untuk menganalisis hasil karakterisasi ini, digunakan tujuh metode klasifikasi: LDA (Linear Discriminant Analysis), KNN (K-Nearest Neighbors), SVMc (Support Vector Machine untuk klasifikasi), ANNc (Artificial Neural Network untuk klasifikasi), MLRM (Multiple Linear Regression Model), SVMr (Support Vector Machine untuk regresi), dan ANNr (Artificial Neural Network untuk regresi). Dua pendekatan evaluasi digunakan: Leave-One-Out Cross-Validation (LOOCV) dan Hold-out dengan pembagian 80% untuk pelatihan dan 20% untuk pengujian. Linear Discriminant Analysis (LDA) menggunakan matriks gabungan dari variansi dan kovariansi untuk menghitung jarak antara sampel uji dengan titik pusat dari setiap kelas yang dianalisis. Hasil yang diperoleh pada gambar 5 menunjukkan adanya campuran titik-titik merah dan biru di kedua kategori (diabetes dan sehat). Idealnya, seharusnya terlihat garis biru penuh di sumbu untuk kategori "sehat" dan garis merah penuh di sumbu untuk kategori "diabetes." Meski begitu, dalam analisis di wilayah B.F., LDA berhasil mencapai akurasi, sensitivitas, dan spesifisitas yang cukup tinggi, yaitu sekitar 93,5%, 93,6%, dan 93,7%.
Gambar 5 Hasil yang diperoleh dengan LDA untuk proses karakterisasi pasien dengan (titik merah-D) dan tanpa diabetes (titik biru-H) menganalisis berbagai daerah spektrum IR Metode K-Nearest Neighbors (KNN), yang bekerja dengan mengkategorikan data berdasarkan pengukuran tetangga terdekat, menunjukkan performa yang lebih rendah dibandingkan dengan LDA, seperti yang terlihat pada Gambar 6. Banyak titik biru yang tertutup oleh titik merah yang salah klasifikasi, yang mengurangi kemampuan KNN untuk membedakan kedua populasi dengan akurasi optimal. Hasil terbaik untuk KNN diperoleh dengan menggunakan spektrum penuh, yang menghasilkan akurasi 77%, sensitivitas 75,2%, dan spesifisitas 79,2%. Gambar 6 Hasil yang diperoleh oleh KNN untuk proses karakterisasi pasien dengan dan tanpa diabetes menganalisis wilayah spektrum IR yang berbeda Support Vector Machine (SVM) berfungsi untuk membuat batas datar atau "hyperplane" yang memisahkan data ke dalam dua kelompok berdasarkan fitur-fiturnya. Ketika digunakan untuk klasifikasi (SVMc), SVM menghasilkan hasil yang lebih baik dibandingkan KNN dan
3. Review of the journal entitled “Saliva as a first-line diagnostic tool: A spectral
challenge for identification of cancer biomarkers” Gambar 8 Spektrum ATR-FTIR dari sampel air liur: (a) kontrol (spektrum dirata-ratakan dari lima sampel relawan sehat), dan pasien tumor kelenjar ludah (tumor mixus, TM): (b) M70TM1, (c) K39TM2, (d) K45TM3, (e) K48TM4, dan (f) M40TM5. M– pria, W– wanita Gambar 9 Analisis kurva kecocokan interval spektral 900–1200cm−1 (a– kelompok kontrol, b– pasien TM) dan profil amida I/II dengan spektrum turunan kedua (c– kelompok kontrol, d– pasien TM) Analisis kurva kecocokan interval spektral 900–1200cm−1 (a– kelompok kontrol, b– pasien TM) dan profil amida I/II dengan spektrum turunan kedua (c– kelompok kontrol, d– pasien TM) bersama dengan (e) spektrum ATR-FTIR rata-rata dari sampel air liur (garis hitam– kelompok kontrol, garis
merah– pasien TM). Spektrum dirata-ratakan dari lima relawan sehat dan lima spektrum pasien tumor kelenjar ludah, masing-masing Gambar 7 menunjukkan spektrum ATR-FTIR dari sampel saliva: (a) kontrol (rata-rata dari lima sampel relawan sehat) dan pasien tumor kelenjar ludah (tumor mixus, TM), yaitu: (b) M70TM1, (c) K39TM2, (d) K45TM3, (e) K48TM4, dan (f) M40TM5 (M– laki-laki, W– perempuan). Dari spektrum ini, terlihat perubahan signifikan pada posisi dan intensitas relatif pita spektrum, yang mungkin terkait dengan perkembangan tumor. Namun, banyak pita spektrum yang tumpang tindih di wilayah sidik jari, khususnya di rentang 900–1200 cm⁻¹ serta wilayah spektrum amida I dan II. Oleh karena itu, analisis fitting kurva diperlukan di area tersebut untuk penentuan pita yang lebih akurat (lihat Gambar 8 a–d). Selain itu, untuk membandingkan perubahan spektrum antara kelompok kontrol dan pasien kanker, spektrum rata-rata dipadukan (Gambar 8 e). Tabel 2 Bilangan gelombang dan penugasan pita yang disarankan untuk spektrum ATR-FTIR rata- rata dari kontrol (relawan sehat) dan pasien tumor kelenjar ludah (tumor mixus, TM) Tabel 2 mencantumkan pita spektrum ATR-FTIR yang paling khas, beserta penugasan puncak spektral dari relawan sehat dan pasien tumor. Analisis getaran berdasarkan literatur terbaru menunjukkan bahwa wilayah frekuensi tinggi didominasi oleh protein dan lipid. Puncak pada rentang 3600–3000 cm⁻¹ berasal dari peregangan C-H, O-H, dan N-H pada protein, sedangkan puncak kuat pada ~3286 cm⁻¹ berasal dari peregangan N-H pada amida A. Puncak lain pada ~3073 cm⁻¹ berhubungan dengan getaran N-H dan C-H pada protein seperti α-amilase, albumin, dan musin. Selain itu, wilayah spektral 3000–2800 cm⁻¹ mengandung pita dari getaran simetris dan asimetris CH2 dan CH3 yang berasal dari lipid.
meningkat pada pasien dengan tumor kelenjar ludah jika dibandingkan dengan kelompok kontrol. Gambar 3 menunjukkan bahwa ekspresi Bcl-2 pada sampel pasien tumor bisa mencapai enam kali lebih tinggi dibandingkan dengan kelompok kontrol, terutama pada kasus M70TM1 dan K39TM2. Sementara itu, pada pasien lain (K45TM3, K48TM4, dan M40TM5), peningkatan ekspresi Bcl-2 sekitar tiga kali lipat. Hasil ini menunjukkan bahwa peningkatan ekspresi gen Bcl-2 berperan dalam menghambat proses kematian sel terprogram (apoptosis), yang merupakan salah satu faktor dalam perkembangan tumor.
4. Review of the journal entitled “Adulterated drug analysis using FTIR
spectroscopy” Sebelum mempresentasikan beberapa obat yang telah terkontaminasi, penting untuk menyebutkan bahwa dalam periode yang diteliti, telah diterbitkan beberapa editorial dan tinjauan di bidang ini. Beberapa di antaranya memaparkan survei tentang kasus toksisitas akibat kontaminan kimia dalam obat herbal, serta data tentang pemalsuan obat-obatan kimia dan berbagai metode analisis yang digunakan untuk deteksi. Dalam penelitian terbaru oleh Lawson et al., metode ATR-FTIR (Attenuated Total Reflectance—Fourier Transform Infrared) digunakan untuk membedakan antara tablet paracetamol asli dan palsu, sebagaimana dilaporkan sebelumnya. Ada juga laporan serupa dari Amerika Serikat, di mana tablet paracetamol 500 mg diketahui hanya mengandung 325 mg. Gambar 11 Tumpang tindih antara paracetamol murni (atas) dan sampel tablet paracetamol Tharfenac (bawah)
Gambar 12 Tablet paracetamol yang dihancurkan (hitam), bagian atas tablet utuh (biru), bagian bawah tablet utuh (merah) Gambar 13 Spektra inframerah-dekat (NIR) untuk dekstrosa monohidrat, dekstrosa anhidrat, dan eksipien terkait lainnya Data yang ditampilkan pada Gambar 10 menunjukkan kemiripan yang sangat dekat antara spektrum referensi untuk paracetamol murni (bagian atas) dan hasil analisis serbuk dari tablet paracetamol yang dihancurkan (bagian bawah). Kesamaan ini mengonfirmasi keberadaan paracetamol dalam formulasi tablet tersebut. Dengan memperhitungkan semua spektrum sidik jari karakteristik dari eksipien dalam obat, ditemukan adanya puncak yang mungkin mengganggu di antara 1700 dan 1400 cm⁻¹ yang sebaiknya dihindari. Untuk hasil yang lebih baik, berbagai sisi dari tablet yang sama dipelajari dengan metode ATR-FTIR (dengan jejak biru dan merah di Gambar 11 ). Sinyal yang lebih intens dan dapat direproduksi diperoleh dari sampel serbuk yang dihancurkan, yang ditunjukkan dengan warna hitam pada Gambar 11.
dimensi (2D-IR) digunakan untuk memisahkan sinyal yang tumpang tindih dan mengungkap perbedaan antara ALR asli dan yang dipalsukan. Autentikasi kemasan adalah langkah penting dalam mendeteksi obat yang dipalsukan. Pemeriksaan kimiawi dan kemasan dari sampel yang dicurigai diperlukan, karena setiap bagian dari obat bisa dipalsukan. Komposisi kimia herbal dapat bervariasi tergantung pada spesies, lokasi tumbuh, usia, musim panen, kondisi pengeringan, dan faktor lainnya. Oleh karena itu, diperlukan banyak studi untuk memastikan pengendalian kualitas yang cepat dan andal selama produksi dan penyimpanan obat herbal. Meskipun banyak makalah terkait autentikasi obat, hanya sedikit yang berfokus pada analisis kemasan produk yang dicurigai. Dalam sebuah makalah terbaru, kualitas karton kotak dan kertas leaflet, serta tinta cetakannya, telah dipelajari menggunakan spektroskopi ATR, Raman, dan XRF. Gambar 14 dan 1 5 menunjukkan perbandingan spektrum FTIR karton dan tinta karton antara produk asli dan lima sampel kemasan yang dipalsukan. Perbedaan utama antara bahan palsu dan kotak asli telah ditandai, dan terlihat bahwa ada perbedaan antara yang asli dan palsu. Gambar 15 Spektra FTIR dari karton asli dan karton dari lima produk yang dipalsukan Gambar 16 Spektra FTIR dari tinta karton asli dan tinta karton dari lima produk yang dipalsukan
DAFTAR PUSTAKA
Brito MS, Luna Rosas FJ, Mendoza-Gonzalez R, Vazquez-Zapien GJ, Martinez- Romo JC, Mata-Miranda MM. 2021. Type 2 diabetes diagnosis assisted by machine learning techniques through the analysis of FTIR spectra of saliva. Biomedical Signal Processing and Control. 69:
- doi: https://doi.org/10.1016/j.bspc.2021.102855. Bunaciu AA, Aboul-Enein HY. 2020. Adulterated drug analysis using FTIR spectroscopy. Applied Spectroscopy Reviews. 56 (5): 4 23 – 437. doi: https://doi.org/10.1080/05704928.2020.1811717. Paluszkiewicz C, Pieta E, Wozniak M, Piergies N, Koniewska A, Scierski W, Misiolek M, Kwiatek WM. 202 0. Saliva as a first-line diagnostic tool: A spectral challenge for identification of cancer biomarkers. Journal of Molecular Liquids. 3 07: 112961_._ doi: https://doi.org/10.1016/j.molliq.2020.112961. Yang X, Oua Q, Yang W, Shi Y, Liu G. 2021. Diagnosis of liver cancer by FTIR spectra of serum. Spectrochimica Acta Part A: Molecular and Biomolecular Spectroscopy. 263: 120181. doi: https://doi.org/10.1016/j.saa.2021.120181.
