Studi QSAR pada In House Molecule sebagai Inhibitor Papain-like Protease (PLpro) dari SARS-CoV-2 dengan menggunakan Metode Principal Component Analysis-Support Vector Machine

MUHAMAD ALFI AL IKHLAS

Informasi Umum

Kode

21.04.3244

Klasifikasi

621.382 - Artificial intelligence, Big data. Electrical engineering.

Jenis

Karya Ilmiah - Skripsi (S1) - Reference

Subjek

Artificial Intelligence

Dilihat

193 kali

Informasi Lainnya

Abstraksi

Pandemi COVID-19 yang disebabkan oleh virus SARS-CoV-2 mempengaruhi seluruh dunia. Banyak sektor yang terganggu oleh pandemi seperti ekonomi, pendidikan, kesehatan, dan lain lain. Solusi yang diberikan saat ini, seperti work from home dan study from home, tidak bisa dilakukan pada semua sektor. Solusi terbaik saat ini hanyalah vaksin, yang belum bisa didapatkan oleh seluruh orang. Banyak faktor yang mempengaruhi penyebaran vaksin, mulai dari permasalahan biaya, waktu, dan stok vaksin, hingga beberapa orang dengan penyakit bawaan atau memiliki kondisi yang dianjurkan untuk menghindari vaksin. Oleh karena itu, penemuan obat yang setidaknya bisa meringankan gejala COVID-19 diperlukan untuk mengatasi permasalahan tersebut. Pencarian obat dilakukan dengan mencari molekul dengan aktivitas biologis terhadap PLpro yang merupakan protease penting dari replikasi virus. Proses desain obat bisa diakselerasi dengan mengimplementasikan metode machine learning pada model QSAR. Pemodelan dilakukan dengan menggunakan Principal Component Analysis untuk mereduksi fitur dan Support Vector Machine untuk mempelajari aktivitas biologis dari in-house molecule sebagai inhibitor PLpro. Pada penelitian ini ditemukan bahwa RBF merupakan kernel SVM paling optimal pada data tak dikenal dengan akurasi hingga 74% serta f-1 score yang menyentuh 72%.