Hasil Pencarian  ::  Simpan CSV :: Kembali

"This book about protein-protein Interactions as drug targets, targeting the MDM2-p53 protein-protein interaction for new cancer therapeutics, the development of small-molecule IAP antagonists for the treatment of cancer, protein-protein interaction targets to inhibit HIV-1 infection, inhibitors of protein-protein interactions paramyxovirus fusion ? a focus on respiratory syncytial virus, rational design strategies for developing synthetic inhibitors of helical protein interfaces, and the discovery of navitoclax, a Bcl-2 family inhibitor."

"ABSTRAKHIV Human Immunodeficiency Virus adalah sebuah jenis retrovirus obligat intraseluler yang menyerang sistem kekebalan tubuh manusia. Virus ini menyerang dengan cara melakukan interaksi antara protein virus dengan protein manusia. Penelitian ini menggunakan data berupa barisan asam amino dari protein yang akan diubah fiturnya menggunakan metode global encoding. Hasil ekstraksi fitur tersebut kemudian akan digunakan sebagai masukan untuk metode rotation forest guna memprediksi interaksi protein HIV dengan manusia. Selain itu pula, penelitian ini juga membandingkan performa metode rotation forest yang menggunakan Principal Component Analysis RF PCA dengan rotation forest yang menggunakan Independent Principal Component Analysis RF IPCA sebagai metode transformasi peubah bebas dalam metode tersebut. Hasil dari penelitian ini menunjukkan bahwa RF PCA memperoleh hasil performa tertinggi dalam memprediksi interaksi protein HIV dengan protein manusia, yaitu dengan nilai akurasi sebesar 79,50 , sensitivitas 79,91 , spesifisitas 79,07 dan presisi sebesar 79,77 . Sementara itu, metode RF IPCA memperoleh hasil performa tertinggi yaitu dengan nilai akurasi sebesar 77,20 , sensitivitas 76,65 , spesifisitas 77,81 , dan presisi sebesar 79,40 . Selain itu pula, dalam penelitian ini ditemukan sebanyak 2.619 protein manusia yang terprediksi berinteraksi dengan protein HIV melalui model terbaik RF PCA , dan juga ditemukan sebanyak 3.071 protein manusia yang terprediksi berinteraksi dengan protein HIV melalui model terbaik RF IPCA dari total sebanyak 7.678 protein manusia yang diteliti.

---

ABSTRACTHIV Human Immunodeficiency Virus is a type of retrovirus obligate intracellular that attacks the human body 39 s immune system. This virus attacks by doing interaction between virus and human proteins. This research uses data of amino acids sequence from protein that the feature will be extracted using Global Encoding. The result of feature extraction then would be used as an input for Rotation Forest in order to predict interaction between HIV and human proteins. In addition, this research also compares the performance of Rotation Forest that using Principal Component Analysis RF PCA with Independent Principal Component Analysis RF IPCA as a method of transformation in that method. The result shows that RF PCA produced highest performance in classifying protein interactions between HIV and human, with accuracy value of 79,50 , 79,91 sensitivity, 79,07 specificity and 79,77 precision. While the RF IPCA produced highest performance with 77,20 accuracy, 76,65 sensitivity, 77,81 specificity, and 79,40 precision. In addition, there are 2.619 human protein which is predicted has an interaction with HIV protein through RF PCA best model, and there are 3.071 human protein which is predicted has an interaction with HIV protein through RF IPCA best model from the total of 7.678 human protein. All of that can be found in this research."

"ABSTRAKHuman Immunodeficiency Virus (virus HIV) adalah virus penyebab penyakit Acquired Immunodeficiency Syndrome (AIDS). Virus HIV merupakan retro virus yang menginfeksi sel-sel sistem kekebalan tubuh manusia. Virus HIV dalam proses menginfeksi tubuh manusia tidak dapat lepas dari terjadinya interaksi antara protein HIV dan protein manusia. Untuk menganalisis jaringan interaksi antar protein dapat menggunakan barisan asam amino penyusun dari suatu protein. Proses analisis dapat dilakukan dengan metode konvensional maupun komputasi. Keunggulan menggunakan metode komputasi yaitu dapat menghemat waktu maupun biaya. Metode rotation forest merupakan sebuah metode ensemble untuk pemprediksian. Dalam pemprediksian interakasi protein menggunakan barisan asam amino rotation forest akan dikombinasikan dengan fitur ekstraksi dalam penelitian ini menggunakna PseudoSMR. Data untuk membuat model prediksi berupa interaksi protein beserta barisan asam amino. Data tersebut dapat diperoleh dari NCBI (National Centre for Biotechnology Information). Fitur ekstraksi menggunakan PseudoSMR akan merubah barisan asam amio berupa barisan alphabet menjadi sebuah vektor ciri. Di dalam fitur ekstraksi PsedoSMR terdapat variabel yang membuat matriks hasil dari fitur ekstraksi PseudoSMR mempunyai ukuran yang bereda. Matriks hasil ektraksi ciri akan dijadikan sebagain data training dan data testing dalam pembuatan model rotation forest, sehingga total data set yang digunakan ada sebanyak 6 data set. Hasil prediksi rotation forest untuk RF(PCA) yang paling bagus pada data dan untuk RF(IPCA) yang paling bagus pada data . Nilai evaluasi performa pada kisaran 0.759436 sampai 0.793178 untuk RF(IPCA) sedangkan untuk RF(PCA) pada kisaran 0.774837 sampai 0.812225. Nilai evaluasi tertinggi didapat pada saat variabel dimana merupakan panjang kolom. Semua perhitungan dan proses membuat model prediksi menggunakan software R.

---

ABSTRACTHuman Immunodeficiency Virus (HIV virus) is a virus that causes the disease Acquired Immunodeficiency Syndrome (AIDS) which is a retro virus that infects cells of the human immune system. In a process of infecting the human body, HIV virus can not be separated from the interaction between proteins HIV and human. To analyze the interaction tissue between proteins, we can use sequence of amino acids from a protein compound. The process of analysis can be done by conventional and computational methods. The advantages of using computational methods that can save time and cost efficiently. Rotation forest is an ensemble method for the classification to be combined with the PseudoSMR feature extraction. To make predictive model, data is needed in the form of protein interaction along with amino acid sequence that can be obtained from NCBI (National Center for Biotechnology Information). Feature extraction of the amio acid sequence will be transformed into a feature vector using PseudoSMR. The result of PsedoSMR by using paramter lg = {2,3,5,6,8,10}, which will be used as training data and test data in rotation forest, so there are 6 datasets. The best result for RF(PCA) occur when lg = 5 and for RF(IPCA) occur when lg = 8. The value of performance evaluation in the range 0.759436 to 0.793178 for RF(IPCA) while for RF(PCA) in the range 0.774837 to 0.812225. The highest evaluation value is obtained when the variable K = p / 3 where p is the length of the column. All calculations and prediction process using software R."

"ABSTRAKProtein adalah salah satu biomakromolekul yang mempunyai peran sangat penting dalam organisme hidup. Semua jenis protein terdiri dari serangkaian kombinasi 20 asam amino. Interaksi Protein-Protein Interaksi PPI memainkan peran penting dalam sebagian besar proses biologis sehingga deteksi interaksi protein-protein PPI pada dasarnya penting untuk memahami mekanisme molekuler dalam sistem biologis. Dengan menggunakan proses komputasi dan menerapkan metode pembelajaran mesin, akan lebih efisien daripada metode eksperimental yang membutuhkan waktu lama dan biaya mahal. Dalam tesis ini penulis menggunakan Discrete Cosine Transform sebagai metode fitur ekstraksi barisan asam amino dan Rotation Forest sebagai model klasifikasi untuk mendapatkan kinerja yang lebih baik daripada metode sebelumnya, seperti Support Vector Machine, Random Forest, dan lain-lain. Hal baru dalam tulisan ini terletak pada interaksi protein protein dengan virus HIV yang menyebabkan AIDS. Hasil penelitian menunjukkan bahwa metode yang diusulkan layak dilakukan, kuat dan dapat digunakan untuk prediksi interaksi protein-protein lainnya dengan akurasi hingga 77 dan metode transformasi Rotation Forest yang menggunakan PCA lebih baik dibandingkan metode transformasi Rotation Forest yang menggunakan IPCA. Terdapat 962 protein yang berpotensi berinteraksi pada PCA dari 4529 potein dan 2902 protein pada IPCA dari 7499 protein.

---

ABSTRACTProtein is one of the bio macromolecules that have a very important role in living organisms. All types of proteins consist of a series of combinations of 20 amino acids. Interaction of Protein Protein Interactions PPI plays an important role in most biological processes so that the detection of protein protein interactions PPIs is basically important for understanding molecular mechanisms in biological systems. By using computational processes and applying machine learning methods, it will be more efficient than experimental methods that take a long time and costly. In this thesis the author uses Discrete Cosine Transform as a method of extraction of amino acid sequences and Rotation Forest as a prediction model to get better performance than previous methods, such as Support Vector Machine, Random Forest, etc . The novelty in this paper lies in the interaction of protein proteins with the HIV virus that causes AIDS. The results show that the proposed method is feasible, robust and can be used for the classification of other protein interactions with up to 77 accuracy and Rotation Forest transformation methods using PCA better than Rotation Forest transformation methods using IPCA. There are 962 potentially interacting proteins in the PCA of 4529 potein and 2902 proteins in IPCA of 7499 proteins."

"The lock-and-key principle formulated by Emil Fischer as early as the end of the 19th century has still not lost any of its significance for the life sciences. The basic aspects of ligand-protein interaction may be summarized under the term 'molecular recognition' and concern the specificity as well as stability of ligand binding. Molecular recognition is thus a central topic in the development of active substances, since stability and specificity determine whether a substance can be used as a drug. Nowadays, computer-aided prediction and intelligent molecular design make a large contribution to the constant search for, e. g., improved enzyme inhibitors, and new concepts such as that of pharmacophores are being developed."

"Drug-drug interactions in pharmaceutical development comprehensively reviews the relevant science, industrial practice, and regulatory agency positions on drug-drug interactions. It focuses on the evaluation of potential drug-drug interactions, allowing researchers to address risk factors before a drug is put to market. The book covers both clinical and nonclinical aspects for understanding drug-drug interactions as well as in vitro and in vivo studies for use in studying interactions at the drug discovery stage."