Pemodelan Interaksi Molekuler Obat dan Prediksi Sinergisitas Kombinasi Dua Obat
Date
2022-07-11Author
Ginanjar
Kusuma, Wisnu Ananta
Hardhienata, Medria Kusuma Dewi
Mushthofa
Metadata
Show full item recordAbstract
Kanker masih menjadi penyakit yang serius baik di dunia maupun di
Indonesia. Data Global Cancer Observatory pada tahun 2018 menunjukan kasus
kanker di Indonesia telah mencapai 348.809 kasus dalam satu tahun. Penyakit
kanker dapat disebabkan oleh pertumbuhan sel yang tidak normal sehingga
mengakibatkan hilangnya mekanisme kontrol sel. Banyak metode pengobatan
konvensional untuk mencegah penyebaran sel kanker seperti operasi, kemoterapi,
dan monoterapi yaitu pemberian satu obat pada sel kanker. Walaupun penerapan
pengobatan ini menunjukkan hasil yang baik karena dapat menekan pertumbuhan
sel kanker, namun terdapat efek samping seperti resistensi obat dan sel kanker dapat
berkembang kembali. Banyak penelitian yang telah dilakukan sebelumnya
mengungkapkan bahwa permasalahan resistensi obat dapat ditangani dengan
melakukan kombinasi obat. Kombinasi obat merupakan penggabungan dari dua
atau lebih obat yang bertujuan untuk mengatasi penyakit tertentu.
Penelitian ini bertujuan untuk merancang pipeline komputasional
menggunakan metode LASSO untuk memilih fitur sinergi obat yang paling relevan
dan menggunakan metode Random Forest untuk membangun sebuah model
prediksi kombinasi obat. Data yang digunakan pada penelitian ini merupakan data
sekunder yang berasal dari AstraZeneca-Sanger DREAM Challenge, seperti data
obat monoterapi sejumlah 70 obat, data kombinasi obat dan data sinergi obat
masing-masing sebanyak 2079, dan data mutasi gen 85 sel kanker. Data monoterapi
merupakan data yang berisikan informasi fitur molekular obat. Tahapan yang
dilakukan pada penelitian ini ialah melakukan pendeskripsian data menggunakan
aplikasi PaDel-Descriptor untuk mempermudah dalam mengenali fitur obat yang
terkandung didalam data obat monoterapi. Selanjutnya dilakukan seleksi fitur pada
data obat monoterapi menggunakan metode LASSO untuk memilih fitur yang
paling berpengaruh.
Penerapan metode LASSO untuk menyeleksi fitur molekuler obat
menghasilkan sebanyak 72 fitur untuk data monoterapi. Fitur ini kemudian
dilakukan proses penggabungan data, sehingga menghasilkan dataset yang terdiri
dari data kombinasi obat, data sinergi obat dan data mutasi gen. Data ini nantinya
digunakan untuk membentuk suatu model prediksi kombinasi obat menggunakan
metode Random Forest. Setelah didapatkan hasil model kombinasi obat kemudian
dilakukan analisis model menggunakan confusin matrix. Model yang telah dibuat
menggunakan metode Random Forest kemudian diuji menggunakan data
kombinasi obat baru yang menghasilkan akurasi sebesar 0,63. Model tersebut juga
dapat memprediksi sinergi kombinasi obat dengan tiga kategori, yaitu nol jika
kombinasi obat netral, satu jika kombinasi obat mengalami peningkatan sinergi, dan
minus satu jika kombinasi obat menurun dan bersifat antagonis. Hasil dari
penelitian ini juga dapat digunakan untuk menemukan fitur yang relevan pada obat
kanker terutama untuk memprediksi sinergi kombinasi obat.