Electronic Theses and Dissertation

Penelitian ini berfokus pada pengembangan model prediksi aktivitas inhibitor terhadap virus hepatitis C (VHC) NS5B menggunakan algoritma Light Gradient Boosting Machine (LightGBM). Tujuan utamanya adalah untuk meningkatkan akurasi prediksi aktivitas inhibitor, yang merupakan sebuah tahapan yang penting dalam bidang penemuan obat untuk VHC. Penelitian ini menggunakan dataset molekuler yang terdiri dari 1671 senyawa, dikumpulkan dari basis data ChEMBL. Dataset ini dibagi menjadi 90% data latih dan 10% data uji, sehingga diperoleh 1503 senyawa dalam proses pelatihan dan 168 senyawa untuk pengujian. Proses seleksi molekular deskriptor dilakukan melalui beberapa tahap, termasuk seleksi berdasarkan nilai varians, multikolinearitas, dan Recursive Feature Elimination (RFE) dan menghasilkan 50 deskriptor molekular yang paling relevan. Model LightGBM yang dibangun menggunakan teknik Bayesian Optimization untuk penyetelan hyperparameter. Upaya peningkatan performa prediksi model dilakukan dengan menggunakan kombinasi dari beberapa model LightGBM dengan pendekatan voting, dan evaluasi dilakukan menggunakan koefisien determinasi (R²) dan root mean squared error (RMSE). Model yang telah dibangun digunakan untuk memprediksi data uji. Hasil menunjukkan peningkatan performa prediktif model ketika tiga model LightGBM dikombinasikan, dibuktikan dengan evaluasi pada data uji yang memperoleh nilai R² tertinggi 0.760 dan RMSE terendah 0.637. Validasi model dilakukan melalui teknik Y-Scrambling, menunjukkan bahwa performa model dalam memprediksi aktivitas inhibitor HCV NS5B didasarkan pada hubungan nyata dan bukan kebetulan. Analisis SHAP (SHapley Additive exPlanations) diimplementasikan untuk memahami kontribusi setiap deskriptor molekular terhadap prediksi model. Analisis ini membantu dalam mengidentifikasi deskriptor molekular yang paling berpengaruh, seperti MDEC-33 dan SpMax1_Bh(e), yang memberikan wawasan mengenai karakteristik molekul yang berperan dalam aktivitas inhibitor terhadap VHC NS5B. Penggunaan visualisasi SHAP, termasuk diagram batang dan visualisasi bee swarm, memberikan pemahaman yang lebih mendalam tentang pengaruh masing-masing deskriptor pada prediksi model. Penelitian ini menyimpulkan bahwa pendekatan kombinasi model LightGBM, disertai dengan analisis SHAP, memberikan kemajuan signifikan dalam prediksi aktivitas inhibitor VHC NS5B.

This study focuses on developing a predictive model for hepatitis C virus (HCV) NS5B inhibitor activity using the Light Gradient Boosting Machine (LightGBM) algorithm. The primary goal is to enhance the accuracy of inhibitor activity predictions, a crucial step in drug discovery for HCV. The study utilizes a molecular dataset comprising 3011 samples, collected from the ChEMBL database. This dataset is divided into 90% training data and 10% test data, resulting in 1503 compounds in the training process and 168 compounds for testing. The process of selecting molecular descriptors involved several stages, including selection based on variance values, multicollinearity, and Recursive Feature Elimination (RFE), resulting in the 50 most relevant molecular descriptors. The constructed LightGBM model employs Bayesian Optimization for hyperparameter tuning. Efforts to improve the model's predictive performance involved combining several LightGBM models using a voting approach, with evaluation using the coefficient of determination (R²) and root mean squared error (RMSE). The model that has been built is used to predict test data. The results show an increase in the model's predictive performance when the three LightGBM models are combined, proven by evaluation on test data which obtained the highest R² value of 0.760 and the lowest RMSE of 0.637. Model validation was conducted through Y-Scrambling techniques, demonstrating that the model's performance in predicting HCV NS5B inhibitor activity is based on real relationships and not coincidental. SHAP (SHapley Additive exPlanations) analysis was implemented to understand the contribution of each molecular descriptor to the model's predictions. This analysis helped identify the most influential molecular descriptors, such as MDEC-33 and SpMax1_Bh(e), providing insights into the molecular characteristics that play a role in inhibiting HCV NS5B. Utilizing SHAP visualizations, including bar charts and bee swarm plots, offered deeper understanding of the influence of each descriptor on the model's predictions. The study concludes that the combined approach of multiple LightGBM models, coupled with SHAP analysis, represents a significant advancement in predicting the activity of HCV NS5B inhibitors.