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.
Collections
- UT - Computer Science [2236]