Article Per Year (5 Year)
p-Index From 2020 - 2025
0.23
P-Index
This Author published in this journals
All Journal Pharmacoscript
Richa, Mardianingrum
Unknown Affiliation
Chemistry Medicine & Pharmacology Public Health

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
DESAIN VAKSIN MULTI-EPITOP TERHADAP VIRUS MARBURG (MARV) BERBASIS PROTEIN VP35 MENGGUNAKAN PENDEKATAN IMMUNOINFORMATIKA: IN-SILICO Ilham Nurfadilah, Asopari; Anindita Tri Kusuma , Pratita; Richa, Mardianingrum; Ruswanto, Ruswanto
Pharmacoscript Vol. 8 No. 2 (2025): Pharmacoscript
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat, Universitas Perjuangan Tasikmalaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36423/pharmacoscript.v8i2.2184

Abstract

Virus Marburg (MARV) merupakan salah satu virus zoonosis dari keluarga Filoviridae dengan tingkat kematian hingga 88%. Pertumbuhan populasi global yang pesat meningkatkan risiko paparan penyakit akibat perubahan iklim dan ekologi. Untuk pencegahan, vaksin menjadi upaya terbaik. Penelitian ini bertujuan merancang vaksin berbasis peptida dari protein VP35 dan mengevaluasi interaksinya dengan sistem imun (TLR3, MHC-I, dan MHC-II) berdasarkan parameter stabilitas interaksi molekuler seperti skor ikatan, nilai elektrostatik, dan desolvasi. Metode yang digunakan adalah pendekatan immunoinformatics secara in silico, meliputi pemilihan protein target, prediksi antigenisitas, prediksi epitop T CD8+, prediksi epitop T CD4+, prediksi epitop B, konstruksi vaksin & visualisasi 3D, validasi struktur vaksin, analisis docking dan prediksi cakupan populasi. Hasil menunjukkan bahwa desain vaksin memiliki interaksi yang stabil terhadap TLR3, MHC-I (HLA-A*11:01), dan MHC-II (HLA-DR1), dengan nilai skor total berturut-turut sebesar –43,698, –42,192, dan –51,899, menunjukkan afinitas ikatan yang kuat secara in silico. Temuan ini mengindikasikan potensi desain vaksin berbasis epitop VP35 sebagai kandidat imunogenik terhadap MARV, meskipun perlu dioptimalkan lebih lanjut mengingat cakupan populasi yang masih terbatas.
Co-Authors Anindita Tri Kusuma , Pratita Ilham Nurfadilah, Asopari Ruswanto, Ruswanto