Perpustakaan Digital ITB

Enzim human Carbonic Anhydrase (hCA) memainkan peran penting dalam metabolisme tubuh manusia, termasuk regulasi pH, sekresi fluida, dan transportasi gas. Namun, overexpression isoform IX dan XII dari enzim ini dikaitkan dengan perkembangan berbagai jenis kanker, seperti kanker paruparu, payudara, dan otak. Ini menunjukkan pentingnya adanya metode untuk mendapatkan compound obat untuk menginhibisi isoform IX dan XII, salah satunya adalah virtual screening menggunakan model pembelajaran mesin. Penelitian yang menjadi acuan tugas akhir ini berhasil melatih model pembelajaran mesin dari berbagai variasi model untuk melakukan klasifikasi aktivitas compound terhadap isoform hCA II, IX, dan XII secara individual dan menemukan bahwa model berbasiskan pohon keputusan dan metode ensemble menghasilkan performa terbaik. Penelitian yang sama juga melakukan deduksi untuk mengambil kesimpulan bahwa model-model ini dapat memprediksi selektivitas profil compound berdasarkan performa setiap model yang tinggi. Penelitian ini menggunakan model-model state-of-the-art berbasiskan pohon keputusan dan neural network sebagai alternatif solusi untuk memprediksi aktivitas dan selektivitas profil compound terhadap isoform hCA II, IX, dan XII. Model yang digunakan dalam penelitian ini (ExtraTrees, XGBoost, GRANDE, DeepTLF, NCART, TabPFN) adalah model yang mengadaptasi pohon keputusan dengan modifikasi pembelajaran berbasiskan gradien atau model dengan arsitektur Transformer dengan harapan meningkatkan performa klasifikasi di atas performa pada penelitian acuan. Penelitian ini menemukan bahwa semua alternatif model yang digunakan memiliki performa tinggi yang secara statistik sama dalam melakukan klasifikasi compound secara individual. Penelitian ini juga menemukan bahwa model gagal melakukan prediksi selektivitas profil compound menggunakan data yang tersedia, berbeda dengan klaim yang dibuat penelitian acuan.