Perbandingan Similarity Kernel untuk Prediksi Interaksi Senyawa-Protein

Abstract

Tantangan dalam bidang kesehatan semakin meningkat. Munculnya berbagai jenis penyakit seperti kanker, diabetes dan beberapa penyakit menular, membutuhkan obat-obatan inovatif. Interaksi senyawa protein sangat penting dalam penelitian obat, akan tetapi jumlah data interaksi senyawa-protein yang sudah diketahui masih sangat terbatas. Penelitian ini bertujuan untuk membandingan beberapa similarity kernel, antara lainKernel Tanimoto, kernel Minmax, dan kernel SIMCOMP untuk mengukur nilai kemiripan antar senyawa. Selain itu, dilakukan perbandingan kernel untuk mengukur kemiripan antar protein, antara lain kernel Spectrum, kernel Mismatch, dan kernel Smith Waterman Pengukuran kemiripan senyawa dan protein ini diperlukan untuk memprediksi interaksi senyawa-protein dengan menggunakan klasifikasi Bipartite Local Model Network Interaction-profile Infering (BLMNII). Proses evaluasi dilakukan dengan melakukan uji Area Under Precision Recall (AUPR). Hasil evaluasi menunjukkan bahwa model yang dihasilkan memiliki nilai AUPR sebesar 0.904 – 0.957.