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