Pendekatan Multidisipliner dalam Kimia Medisinal: Dari Mekanisme Hingga Desain Obat

Authors

  • Saeful Amin Universitas Bakti Tunas Husada
  • Rexsy Adya Guntara Universitas Bakti Tunas Husada
  • Muhammad Zamzam Imanulhaq Universitas Bakti Tunas Husada
  • Sopi Syipaul Mardiana Universitas Bakti Tunas Husada

DOI:

https://doi.org/10.31004/joecy.v6i2.10570

Keywords:

Kimia medisinal, Mekanisme obat, Desain obat, Multidisipliner, Molecular docking

Abstract

Kimia medisinal merupakan bidang ilmu yang berkembang pesat dengan mengintegrasikan berbagai disiplin ilmu seperti kimia, biologi, farmasi, dan ilmu komputer dalam proses penemuan dan pengembangan obat. Kajian ini didasari oleh meningkatnya kompleksitas sistem biologis serta kebutuhan mendesak akan strategi penemuan obat yang lebih efisien, akurat, dan berbasis data ilmiah. Penelitian ini bertujuan untuk mengkaji peran pendekatan multidisipliner dalam memahami mekanisme kerja obat serta dalam proses desain obat modern melalui studi literatur ilmiah. Metode yang digunakan adalah literature review dengan pendekatan deskriptif-kualitatif terhadap 15 jurnal ilmiah. Hasil kajian menunjukkan bahwa pemahaman mekanisme kerja obat sangat bergantung pada interaksi molekuler antara ligan dan target biologis, seperti enzim dan reseptor. Pendekatan multidisipliner yang menggabungkan metode eksperimental dan komputasi, seperti molecular docking, quantitative structure–activity relationship (QSAR), serta artificial intelligence (AI), terbukti mampu meningkatkan efisiensi dan akurasi dalam proses penemuan obat. Selain itu, integrasi ilmu kimia dan biologi molekuler memungkinkan identifikasi target yang lebih spesifik, sehingga menghasilkan senyawa obat yang lebih selektif dan aman. Dengan demikian, pendekatan multidisipliner menjadi strategi utama dalam pengembangan obat modern yang efektif, efisien, dan berbasis data.

References

Amin, S., & Mustafidah, S. (2024). Review artikel: Pendekatan in silico dalam kimia medisinal tentang resistensi antibiotik. Jurnal Ilmu Medis Indonesia, 4(1), 83–91. https://doi.org/10.35912/jimi.v4i1.45651

Amin, S., & Wulandari, R. (2025). Tinjauan kimia medisinal dalam pengembangan obat berbasis flavonoid: Studi literatur. Jurnal Ilmiah Kedokteran dan Kesehatan, 5(1), 110–118. https://doi.org/10.55606/klinik.v5i1.5538

Amin, S., Aini, A. N., Putri Utami, N. M., & Aryani, D. (2025). Kimia medisinal dalam terapi kanker: Analisis jalur sinyal dan interaksi ligand-target. Jurnal Riset Rumpun Ilmu Kesehatan, 4(1), 52–62. https://doi.org/10.55606/jurrikes.v4i1.4385

Cherkasov, A., Muratov, E. N., Fourches, D., Varnek, A., Baskin, I. I., Cronin, M. T. D., Dearden, J., Gramatica, P., Martin, Y. C., Todeschini, R., Consonni, V., Kuz’min, V. E., Cramer, R. D., & Tropsha, A. (2014). QSAR modeling: Where have you been? Where are you going to? Journal of Medicinal Chemistry, 57(12), 4977–5010. https://doi.org/10.1021/jm4004285

Hay, M., Thomas, D. W., Craighead, J. L., Economides, C., & Rosenthal, J. (2014). Clinical development success rates for investigational drugs. Nature Biotechnology, 32(1), 40–51. https://doi.org/10.1038/nbt.2786

Hollingsworth, S. A., & Dror, R. O. (2018). Molecular dynamics simulation for all. Neuron, 99(6), 1129–1143. https://doi.org/10.1016/j.neuron.2018.08.011

Hughes, J. P., Rees, S., Kalindjian, S. B., & Philpott, K. L. (2011). Principles of early drug discovery. British Journal of Pharmacology, 162(6), 1239–1249. https://doi.org/10.1111/j.1476-5381.2010.01127.x

Kenakin, T. (2019). A pharmacology primer: Techniques for more effective and strategic drug discovery (5th ed.). Academic Press. https://doi.org/10.1016/C2018-0-04389-0

Moussaoui, M., et al. (2024). Structure-based drug design and molecular interaction analysis. Scientific Reports, 14, 66877. https://doi.org/10.1038/s41598-024-66877-2

Schenone, M., Dančík, V., Wagner, B. K., & Clemons, P. A. (2013). Target identification and mechanism of action in chemical biology and drug discovery. Nature Chemical Biology, 9(4), 232–240. https://doi.org/10.1038/nchembio.1199

Song, F., Li, X., Wang, Q., Liao, L., & Zhang, J. (2023). Molecular docking and structure-based drug design strategies. Frontiers in Pharmacology, 14, 1185004.

https://doi.org/10.3389/fphar.2023.1185004

Stokes, J. M., Yang, K., Swanson, K., Jin, W., Cubillos-Ruiz, A., Donghia, N. M., ... & Collins, J. J. (2020). A deep learning approach to antibiotic discovery. Cell, 180(4), 688–702. https://doi.org/10.1016/j.cell.2020.01.021

Tajiani, F., et al. (2023). Molecular docking analysis of bioactive compounds. BMC Chemistry, 17(1),

https://doi.org/10.1186/s13065-023-00999-y

Tropsha, A., Isayev, O., Varnek, A., Schneider, G., & Cherkasov, A. (2024). Integrating QSAR modelling and deep learning in drug discovery: The emergence of deep QSAR. Nature Reviews Drug Discovery, 23(2), 141–155. https://doi.org/10.1038/s41573-023-00832-0

Vamathevan, J., Clark, D., Czodrowski, P., Dunham, I., Ferran, E., Lee, G., Li, B., Madabhushi, A., Shah, P., Spitzer, M., & Zhao, S. (2019). Applications of machine learning in drug discovery and development. Nature Reviews Drug Discovery, 18(6), 463–477. https://doi.org/10.1038/s41573-019-0024-5

Wang, K., Huang, Y., Wang, Y., You, Q., & Wang, L. (2024). Recent advances from computer-aided drug design to artificial intelligence drug design. RSC Medicinal Chemistry, 15(17), 3978–4000. https://doi.org/10.1039/D4MD00522H

Zhang, L., Chen, H., Zheng, H., Hu, Y., & Liu, H. (2024). Advances in computational drug design and artificial intelligence applications. Drug Discovery Today, 29(3), 103521. https://doi.org/10.1016/j.drudis.2024.103521

Downloads

Published

01-06-2026

How to Cite

Amin, S. ., Guntara, R. A. ., Imanulhaq, M. Z. ., & Mardiana, S. S. . (2026). Pendekatan Multidisipliner dalam Kimia Medisinal: Dari Mekanisme Hingga Desain Obat. Journal of Innovative and Creativity, 6(2), 28989–28997. https://doi.org/10.31004/joecy.v6i2.10570

Issue

Section

Articles