Penyakit Basal Stem Rot (BSR) yang disebabkan oleh infeksi Ganoderma
boninense Pat. merupakan penyakit yang banyak menyerang tumbuhan kelapa
sawit di Asia Tenggara. Penyakit ini dapat berakibat fatal bagi produksi minyak
sawit terutama bagi negara-negara pengekspor minyak sawit terbesar di dunia,
termasuk Indonesia. Pada tahap awal infeksi, penyakit BSR tidak menunjukan
tanda-tanda maupun gejala pada pohon sehingga deteksi dari penyakit ini cukup
sulit untuk dilakukan. Oleh sebab itu, dibutuhkan pendekatan yang mampu
mendeteksi penyakit BSR pada kelapa sawit terutama pada setiap tingkat keparahan
penyakit di lapangan. Penelitian ini bertujuan untuk mengidentifikasi biomarka
penyakit BSR pada jaringan batang kelapa sawit berdasarkan indeks keparahan
penyakit berbeda di lapangan menggunakan analisis metabolomik berbasis 1H
NMR. Jaringan batang kelapa sawit dengan empat indeks keparahan penyakit, yaitu
indeks 1 (Sehat), indeks 2 (Sehat Sedang), indeks 3 (Sakit Sedang), dan indeks 4
(Sakit Parah) diekstraksi menggunakan methanol: air (80: 20, v/v). Ekstrak kasar
yang didapatkan kemudian dianalisis menggunakan spektroskopi 1H NMR 500
MHz. Analisis data yang dilakukan pada penelitian ini meliputi spectral preprocessing
(Mestrenova 8.0), identifikasi metabolit (ASICS R Package versi 4.0.2),
analisis statistik multivariat dengan metode Principal Component Analysis (PCA)
dan Orthogonal Projections to Latent Structures Discriminant Analysis (OPLSDA),
serta Partial Least Squares Discriminant Analysis (PLS-DA), analisis
Receiver Operating Characteristics (ROC), serta analisis pathway (MetaboAnalyst
5.0). Konfirmasi identifikasi senyawa dilakukan dengan analisis spektra 1H NMR
secara manual. Dari hasil analisis, sebanyak 90 metabolit berhasil diidentifikasi dari
jaringan batang kelapa sawit dan 20 diantaranya teridentifikasi sebagai metabolit
yang secara signifikan mampu membedakan keempat indeks keparahan penyakit
(VIP score > 1,0). Metabolit tersebut meliputi kelompok asam organik, kelompok
karbohidrat, kelompok senyawa organoheterosiklik, dan kelompok benzenoid.
Beberapa senyawa asam organik seperti taurin dan L-aspartat memiliki konsentrasi
relatif yang tinggi pada indeks 1 tetapi konsentrasi yang sangat rendah pada indeks
4. Kelompok karbohidrat seperti asam treonat, L-arabitol, dan D-fruktosa serta senyawa organoheterosiklik seperti alantoin memiliki konsentrasi tertinggi pada
indeks 1 dibandingkan indeks lainnya. Pada indeks 2 beberapa kelompok senyawa
asam organik (asam guanidino asetat, L-asparagin, dan L-sistein), kelompok
karbohidrat (asam D-glukonat, xilitol, dan D-manosa), dan kelompok benzenoid
(asam 4-hidroksi fenil asetat) memiliki konsentrasi yang paling tinggi dibanding
kelompok lainnya. Sedangkan pada indeks 3 hanya kelompok senyawa benzenoid
yaitu asam 2-hidroksi fenil asetat yang memiliki konsentrasi tertinggi. Berbeda
dengan tingkat keparahan penyakit lainnya, pada indeks 4 hampir seluruh senyawa
signifikan memiliki konsentrasi relatif yang sangat rendah. Hal ini terjadi pada
kelompok senyawa asam organik, karbohidrat, senyawa organoheterosiklik, dan
benzenoid. Hasil analisis PCA menunjukan perbedaan profil metabolit antara
indeks sehat (1) dan berbagai indeks keparahan penyakit lainnya. Dari hasil analisis
menggunakan metode OPLS-DA serta ROC (VIP score > 1; AUC value = 1,0)
berhasil diidentifikasi biomarka yang terdiri atas kelompok asam organik,
karbohidrat, senyawa organoheterosiklik, senyawa organik nitrogen, dan benzenoid
pada keempat tingkat keparahan penyakit. Berdasarkan analisis pathway
menggunakan database KEGG, terdapat 5 pathway pada kelapa sawit yang
berpotensi terpengaruh akibat penyakit BSR (p value < 0,05 dan pathway impact >
0,1), yaitu pathway biosintesis arginin, pathway metabolisme b-alanin, pathway
metabolisme alanin, aspartate, dan glutamate, pathway metabolism gliserin, serin,
dan treonin, serta pathway metabolism arginin dan prolin. Dari hasil penelitian
terdapat perbedaan profil dan konsentrasi relatif metabolit jaringan batang kelapa
sawit dalam setiap tingkat keparahan penyakit BSR. Biomarka dapat diidentifikasi
dari setiap indeks keparahan penyakit dan dapat dimanfaatkan untuk keperluan
diagnostik. Analisis pathway kelapa sawit yang terlibat dalam penelitian ini dapat
menjadi acuan untuk studi lanjutan termasuk studi genomik dan transkriptomik.