Pemodelan Interaksi Molekuler Obat dan Prediksi Sinergisitas Kombinasi Dua Obat

Abstract

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.