Model Prediksi Interaksi Senyawa Protein Menggunakan Fungsi Kemiripan dan Fingerprint Klekota-Roth

Abstract

Network Pharmacology sesuai untuk diterapkan pada tanaman obat Indonesia (jamu). Dengan pendekatan network pharmacology, keterkaitan antara senyawa obat dengan protein yang bersesuaian dengan penyakit dapat diketahui melalui prediksi. Penelitian ini bertujuan untuk mengembangkan sebuah metode untuk memprediksi interaksi antara senyawa kimia yang terkandung dalam tanaman obat dengan protein yang berhubungan dengan penyakit tertentu. Dalam proses pengembangan metode prediksi, digunakan fingerprint Klekota- Roth sebagai representasi senyawa, dan dibandingkan tiga fungsi kemiripan: Tanimoto, Cosine, dan Dice. Selain itu, dicari juga nilai threshold optimal dengan menggunakan sensitivitas, spesifisitas, dan indeks Youden. Algoritme dari metode prediksi yang dikembangkan terinspirasi dari algoritme binary local models, dengan bagian kemiripan proteinnya tidak digunakan. Data yang digunakan untuk mengevaluasi metode prediksi ini bersumber dari beberapa webserver, seperti PubChem dan UniProt. Hasil penelitian menunjukkan bahwa fungsi kemiripan Tanimoto menghasilkan nilai akurasi dan luas di bawah grafik ROC yang lebih tinggi daripada hasil dari dua fungsi kemiripan lainnya. Lebih lanjut, nilai threshold optimal yang didapat adalah 0.65. Nilai akurasi evaluasi rata-rata dari metode yang dikembangkan adalah sebesar 50,5%. Nilai akurasi yang tidak terlalu tinggi ini diduga disebabkan oleh metode prediksi yang hanya menggunakan kemiripan senyawa saja, tanpa menyertakan kemiripan protein.