Klasifikasi enzim pada database DUD-E dengan metode logistic regression ensemble (Lorens)

Melasasi, Jainap Niken (2015) Klasifikasi enzim pada database DUD-E dengan metode logistic regression ensemble (Lorens). Undergraduate thesis, Institut Teknologi Sepuluh Nopember.

[img]
Preview
Text
1311100049-Undergraduate.pdf

Download (2MB) | Preview

Abstract

Proses penemuan obat merupakan proses yang kompleks, memerlukan waktu yang lama, dan biaya sangat mahal. Sampai ditemukan alternatif pembuatan obat terbaru yaitu metode in silico yang terbukti dapat mempersingkat biaya dan waktu. Penapisan in silico dalam kaitannya dengan penyakit dilakukan untuk menemukan inhibitor potensial. Penelitian ini bertujuan untuk menemukan calon inhibitor baru dalam pembuatan obat dengan target enzim pada Database DUD-E yang meliputi 3 jenis enzim yaitu aofb,cah2 dan hs90a. Pada pembuatan obat klasifikasi senyawa dilakukan dengan tahapan docking score. Tujuan dari penelitian ini adalah memprediksi hasil docking score menggunakan metode statistik yang sesuai untuk klasifikasi. Masingmasing enzim terdiri dari senyawa penyusun yang berbeda-beda akan diklasifikasikan kedalam jenis inhibitor baik (ligand) dan inhibitor buruk (decoy). Pada penenlitian ini tahapan docking score dilakukan dengan metode regresi logistik biner dan logistic regression ensemble (Lorens). Metode regresi logistik biner menghasilkan akurasi 90,4 persen untuk enzim aofb, 91,7 untuk enzim cah2 dan 94 persen untuk enzim has90 sedangkan metode logistic regression ensemble (Lorens) menghasilkan ketepatan klasifikasi 88,95 persen untuk enzim aofb, 92,1 untuk enzim cah2 dan 100 persen untuk enzim hs90a. Metode logistic regression ensemble (Lorens) lebih baik dalam mengklasifikasikan senyawa enzim karena mampu menghasilkan treshold optimal namun metode ini tidak memiliki model yang dapat diinterpretasikan. =========================================================================================================== Innovation drugs is complexs process, it need long time and high cost. Innovation drugs alternative is in silico method there are more effective because can save cost and time. Screening in silico in connection with the disease do to find potential inhibitor. This study purposed to find potential new inhibitors in the manufacture of the drug to the target enzyme in the Database DUD-E that includes three types of enzymes are aofb, cah2 and hs90a. In the manufacture of the drug substance classification done by stages docking score. Stages docking score will be performed on three types of enzymes in the database DUD-E by using appropriate statistical methods for classification. Each enzyme is composed of a compound different constituent will be classified into either type of inhibitor (ligand) and bad inhibitor (decoy). At this research docking score stage performed by binary logistic regression and logistic regression ensemble (Lorens). Classification accuracy of aofb enzim with binary logistic regression is 90,4 percent, 91,7 percent for cah2 enzim, and 94 percent for has90a enzim while classification accuracy of aofb enzim with logistic regression ensemble (Lorens) is 88,95 percent, 92,1 percent for cah2 enzim and 100 percent for hs90a enzim. Logistic regression ensemble (Lorens) method better in classifying the enzyme compounds because use optimal threshold.

Item Type: Thesis (Undergraduate)
Additional Information: RSSt 519.536 Mel k
Uncontrolled Keywords: Aofb; Cah2; Docking score; DUD-E; Hs90a; In silico; Logistic Regression Ensemble; Regresi Logistik biner
Subjects: Q Science > QA Mathematics > QA278.2 Regression Analysis
Divisions: Faculty of Mathematics and Science > Statistics > 49201-(S1) Undergraduate Thesis
Depositing User: - Taufiq Rahmanu
Date Deposited: 19 Jun 2019 06:43
Last Modified: 19 Jun 2019 06:43
URI: http://repository.its.ac.id/id/eprint/63158

Actions (login required)

View Item View Item