Studi QSAR pada Inhibitor Falcipain sebagai Anti-malaria Menggunakan Genetic Algorithm-Support Vector Machine

MUHAMAD FARELL AMBIAR

Informasi Umum

Kode

22.04.3447

Klasifikasi

518.172 - Algorithm-Research Methods

Jenis

Karya Ilmiah - Skripsi (S1) - Reference

Subjek

Bioinformatics, Biomedical-medical Instruments,

Informasi Lainnya

Abstraksi

Malaria merupakan penyakit endemik berbahaya yang telah menginfeksi jutaan orang setiap tahunnya. Spesies parasit Plasmodium Falciparum bertanggung jawab atas kematian malaria terbanyak. Saat ini, sebagian besar obat anti-malaria yang tersedia kurang efektif karena meningkatnya resistensi parasit terhadap obat. Oleh sebab itu, agen anti-malaria baru dengan efisiensi yang tinggi untuk mengobati malaria sangat diperlukan. Enzim falcipain adalah protein target yang menjanjikan untuk mengembangkan obat anti-malaria baru. Namun, pengujian laboratorium konvensional untuk merancang obat baru membutuhkan waktu lama dan sangat mahal. <a name="Hlk109770931">Quantitative structure-activity relationship</a> (QSAR) dapat digunakan untuk akselerasi proses desain obat. Pada penelitian ini dilakukan pengembangan model QSAR menggunakan genetic algorithm-support vector machine (GA-SVM) untuk memprediksi nilai pIC50 dari inhibitor falcipain. GA digunakan sebagai metode seleksi fitur, sedangkan SVM dengan optimasi hyperparameter digunakan sebagai metode untuk mengembangkan model prediksi QSAR. Model SVM dibangun menggunakan tiga kernel beda yaitu linear, radial basis function (RBF), dan polinomial. Validasi performa model dilakukan dengan menggunakan data internal dan data eksternal. Hasil validasi model menunjukkan bahwa performa terbaik dihasilkan oleh model RBF dengan nilai R2train pada data latih sebesar 0,98 dan nilai R2_test pada data uji sebesar 0,84. Sedangkan nilai leave-one-out cross-validation (Q2) adalah sebesar 0,85.