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.
Collections
- UT - Computer Science [2254]