طبقه‌بندي و آناليز شباهتي پايگاه مولكولي Binding-DB: بررسي كاربرد مدل‌هاي طبقه‌بندي چند منظوره براي استخراج قوانين تجمعي عمومي از پايگاه‌هاي بزرگ مولكولي

مقدمه: در اين مطالعه، با استفاده از تركيبي از روش‌هاي كاهش بعد داده و طبقه‌بندي، ويژگي‌هاي مواد دارويي مورد بررسي قرار گرفت. تعريف و آماده‌سازي مولكول‌هاي «غير فعال» براي توسعه‌ي مدل‌هاي تفكيكي دوتايي (Twoclass classifier) يكي از مشكلات عمده در مسير استفاده از مدل‌هاي تفكيكي بر پايه‌ي ليگاند در روند طراحي سيستماتيك دارو مي‌باشد. از اين رو، با استفاده از مولكول‌هاي «فعال» موجود در پايگاه Binding-DB، به توسعه‌ي مدل‌هاي تفكيكي چند متغيره‌ي چند منظوره پرداخته شد.روش‌ها: به اين منظور، در حدود 160372 ريز مولكول براي 45 هدف دارويي مختلف از پايگاه مولكولي Binding-DB دانلود شد و پس از بهينه‌سازي ساختار، 1497 ويژگي فيزيكي و شيميايي براي هر مولكول استخراج ‌گرديد. با استفاده از الگوريتم Apriori و تركيب آن با روش طبقه‌بندي تفكيكي خطي (Linear discriminant analysis)، ويژگي‌هاي مولكولي براي هر هدف دارويي به منظور تفكيك مولكول‌هاي فعال استخراج شد.يافته‌ها: در نهايت، با استفاده از غربالگري مجازي در پايگاه داده‌هاي مولكولي Zinc و Binding-DB و محاسبه‌ي سطح زير نمودار Receiver operating characteristic (ROC) صحت و حساسيت طبقه‌بندي مورد بررسي قرار گرفت. ميزان سطح زير نمودار ROC براي هر بهينه‌سازي پايگاه Zinc به طور ميانگين برابر با 0.1495 ± 0.8341 و در پايگاه Binding-DB به طور ميانگين برابر با 0.1502 ± 0.8615 بود.نتيجه‌گيري: مي‌توان با استفاده از الگوريتم ارايه شده، ويژگي‌هايي براي هر دسته از ريز مولكول‌هاي مرتبط با هر هدف دارويي استخراج كرد و پايگاه‌هاي مولكولي مختلف را براي هر هدف دارويي بهينه‌سازي كرد. سطح زير نمودار ROC براي دو پايگاه مولكولي مورد بررسي نشان مي‌دهد كه روش ارايه شده، روش مفيدي براي طبقه‌بندي پايگاه‎هاي بزرگ مولكولي بدون استفاده از ريز مولكول‌هاي غير فعال مي‎باشد.