Model Prediksi Interaksi Senyawa Protein Menggunakan Fungsi Kemiripan dan Fingerprint Klekota-Roth
View/ Open
Date
2017Author
Mulia, Isnan
Kusuma, Wisnu Ananta
Afendi, Farit Mochamad
Metadata
Show full item recordAbstract
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.