Perpustakaan Digital ITB

Virus corona (COVID-19) ditemukan pertama kali pada Desember 2019 di Wuhan, Provinsi Hubei, China. Penyakit ini telah menyebar cepat ke seluruh negara di dunia yang menyebabkan jutaan kematian sehingga banyak penelitian tentang pencarian obat yang ampuh untuk mengatasi COVID-19. Salah satu teknik penemuan obat secara komputasi yang dapat menghemat biaya dan waktu adalah dengan Docking Molekuler. Metode tersebut mensimulasikan kestabilan ikatan reseptor dan ligan menggunakan scoring function yang menghasilkan afinitas ikatan. Penelitian ini memprediksi afinitas ikatan pada himpunan data menggunakan machine learning scoring function. Himpunan data berisikan 1138 kandidat obat yang dilakukan docking dengan Mpro SARS-Cov-2 menggunakan AutoDock Vina. Pemilihan kandidat obat dan reseptor berdasarkan beberapa penelitian sebelumnya. Sumber kandidat obat diperoleh dari basis data DrugBank yang difokuskan pada obat-obat anti malaria, antiinflamasi dan antivirus. Machine learning scoring function diaplikasikan menggunakan Random Forest Regression karena memiliki performansi yang baik pada hubungan non-linier antara struktur kompleks reseptor-ligan dan afinitas pengikatan. Pada proses ini digunakan data latih yang menghasilkan Random Forest-Score untuk memprediksi data uji yang menjadi hasil prediksi afinitas pengikatan. Untuk Random Forest-Score yang diperoleh memiliki akurasi relatif rendah dengan nilai R (korelasi Pearson) sebesar 0,97 yang menunjukkan hubungan linier antara kedua variabel. Selain itu, nilai MAE (Mean Absolut Error) dan RMSE (Root Mean Square Error) yang diperoleh relatif tinggi, yaitu sebesar 0,28 dan 0,41. Sementara untuk hasil prediksi afinitas pengikatan oleh Random Forest Regression mendapatkan akurasi yang juga relatif tinggi, yaitu nilai R=0,81; MAE=0,61 dan RMSE=0,92. Random Forest Regression yang dibangun kompatibel sebagai machine learning scoring function untuk memprediksi afinitas pengikatan kandidat obat. Dari hasil studi ini diperoleh hydrocortisone probutate sebagai kandidat obat potensial yang diprediksi mampu menginhibisi aktifitas Mpro SARS-CoV-2 dengan baik.