Pengelompokan Senyawa Aktif Obat dengan Algoritme Partitioning Around Medoids Berbasis Similaritas Analytic Therapeutic Chemical

Abstract

Prediksi hubungan antara senyawa aktif dan protein target dengan pendekatan komputasi merupakan langkah yang penting dalam penemuan fungsi maupun jenis obat baru. Salah satu metode yang digunakan adalah pengidentifikasian similaritas senyawa aktif dalam obat. Ide utama dari metode tersebut adalah bahwa kumpulan senyawa yang memiliki similaritas yang tinggi akan berinteraksi dengan kumpulan protein target penyakit yang sama. Metode tersebut memiliki kelemahan yang disebabkan oleh jumlah data yang terbatas untuk melakukan prediksi. Sistem klasifikasi analytic therapeutic chemical (ATC) merupakan pendekatan perhitungan similaritas teruji yang dapat membantu meningkatkan performa dalam memprediksi interaksi senyawa dan protein. Ukuran Similaritas ATC dapat digunakan untuk mengelompokkan berbagai senyawa aktif, sehingga setiap kelompok memiliki potensi untuk berinteraksi dengan kumpulan protein target yang sama. Pengelompokan dengan algoritma partitioning around medoids memanfaatkan data yang terbatas pada similaritas ATC senyawa dalam penelitian ini.