Antimikrobiyal peptitlerin antikanser özelliklerinin In Siliko yöntemler ile araştırılması

Amaç: Bu çalışma, antimikrobiyal peptitlerin (AMP) kanser tedavisindeki potansiyellerinin öngörülebilmesi amacıyla çeşitli in-silico yöntem ve araçları kullanarak bir süreç geliştirmeyi hedeflemektedir. Geliştirilen bu süreç sonucunda 10.000 AMP'nin antikanser etkinliklerinin ve fizikokimyasal özelliklerinin tahmini gerçekleştirilecektir. Ayrıca, sonuçların AMP'lerin olası ikili etkilerine ışık tutması beklenmektedir. Yöntem: Ana (eğitim) veri seti kullanılarak araştırmacı tarafından özellik seçimi yapılmış olup bir makine öğrenimi modeli eğitilmiştir. Bu model antikanser etkinliğinin tespit edilmesi için çalışmanın temelini oluşturmaktadır. Model performansı temel başarı metrikleri ile ölçülmüştür. Sonuçların normal dağılım gösterme durumları Shapiro-Wilk testi ve farklı veri setlerindeki performansları da MANOVA testi ile değerlendirilmiştir. Bunun yanı sıra, peptit sekanslarının kümeleme işlemleri, fizikokimyasal özelliklerin tahmini ve üç boyutlu homoloji modellemesi için kullanılan bağımsız araçlar da bu sürecin bir parçası olarak entegre edilmiştir. Bulgular: En başarılı model, rastgele orman algoritması ile amino asit ve dipeptit kompozisyonu özellik kombinasyonuyla elde edilmiştir. Geliştirilen makine öğrenimi modeli bağımsız (validasyon) veri setinde %79,5 doğruluk göstermiştir. Eğitilen modelin ana ve bağımsız veri setlerindeki performansları arasında istatistiksel olarak anlamlı bir farklılık bulunmamaktadır. Ayrıca, deneysel veri setinde test edilen 10.000 peptitten antikanser etkinliği tespit edilen ve optimal fizikokimyasal özellik gösteren 1648 peptit keşfedilmiştir. Sonuç: Elde edilen bulgular, AMP'lerin antikanser özelliklerinin daha iyi anlaşılması ve bu peptitlerin kanser tedavisindeki potansiyel uygulamalarının geliştirilmesi için değerli bilgiler sunmaktadır.