İlaç hedeflerinin ligand benzerliği yoluyla analizi

Protein ve ilaçlar arasındaki ilişkinin analizi, yalnızca yeni ilaçların keşfi konusunda değil, proteinlerin ilaçlar üzerinde oluşturabileceği olası evrimsel baskının daha iyi anlaşılması açısından da büyük önem taşımaktadır. Benzer proteinlerin benzer ligandlara bağlanması esasına dayalı olarak tasarladığımız bu çalışmada, ligand benzerliği iki farklı yaklaşımla ele alınmıştır. İlk olarak, protein aileleri üyeleri arasındaki ilişkiyi bağlandıkları ligandlar yolu ile inceleyen ligand-merkezli ağ modelleri tanıtılmıştır. Proteinlerin ağın düğümleri olarak temsil edildiği üç farklı ağ modelinde, iki protein düğümü, ağırlığı proteinlerin ortak olarak bağlandıkları ligandların sayısına veya bağlandıkları ligandların benzerliğine bağlı olarak değişen bir kenar ile bağlanır. Bu kısımda Beta-laktamaz ve Penisilin-Bağlayan Protein aileleri üzerine yoğunlaşılmıştır. Ligand paylaşım bilgisinin kullanımıyla oluşturulan grupların hem amino-asit dizilimi hem de fonksiyonel benzerlikleri olan proteinleri biraraya topladığı gözlenmiştir. Ligand benzerlik bilgisinin kullanımı proteinlerin gruplanması işlemini iyileştirmekle kalmayıp aynı zamanda ortak ligand ağlarının bulamadığı bazı etkileşimleri vurgulamıştır. İkinci kısımda, protein-ligand ilişkisi tahminlemede makine öğrenmesi yaklaşımını izleyerek Destek Vektör Makinelerinin kullanıldığı farklı ligand benzerlik çekirdek fonksiyonlarının karşılaştırılmasına odaklanılmıştır. Bu modelde daha büyük bir veri kümesi olarak GPCR ve iyon kanalları aileleri incelenmiştir. Test ettiğimiz 15 farklı ligand çekirdek fonksiyonu arasında GPCR veri kümesinde, SMILES karakter dizisini kullanan LINGO bazlı TF-IDF kosinüs benzerliği, 2D parmakizi Tanimoto modelinden daha iyi bir performans üretmiştir.