İlaç tasarımında aday moleküllerin birleştirilmiş sınıflandırma yöntemleri ile seçimi

Abstract

Eski çağlarda insanların ağrılarını hafifletmek ve hastalıklarını tedavi etmek amacıyla günümüz ilaç keşfinin hala temelini oluşturan deneme-yanılma yolu ile doğada bulunan şifalı otlardan ve bitkilerden elde edilen bir takım birleşimler kullanılıyordu. Günümüzde, temelinde aynı deneme-yanılma yaklaşımı olan daha modern ve gelişmiş araç, çalışma ve analizler ile elde edilen ilaçlar aslında doğadaki milyonlarca molekülden sadece bir tanesidir. Bir ilacın ortaya konmasına yönelik tüm çalışmalar ilerlemiş teknolojide dahi 10-15 yıl süren çok maliyetli ve emek gerektiren bir süreçtir. Bu çalışmanın temel amacı bu süreci daha az maliyet ve sürede çok daha az hayvan deneyi ile gerçekleyen bir yaklaşım sunmaktır. Böylece ilaç keşfinin önemli bir kısmını içeren in vitro yani labaratuvar ortamında gerçekleşen çalışmalar in silico yani bilgisayar ve istatistiksel analiz destekli ilaç tasarım çalışmalarına dönüştürülmüş olacaktır. Bu amaçla çalışma, ilaç tasarım sürecinde labaratuvar deneyleri başlamadan önceki hazırlık aşamasını iyileştirmeye yönelik olarak tasarlanmıştır. Bu yaklaşım labaratuvar deneyleri başlamadan önce milyonlarca aday (potansiyel) ilaç molekülü arasından labaratuvarda incelenmeye değer yüksek ilaç olma potansiyeli gösteren moleküllerin birleştirilmiş yöntemler ile belirlenip deneylerde öncelik verilmesi temeline dayanmaktadır. Bu kapsamda Rastgele Orman ve AdaBoost yöntemleri birleştirilmiş sınıflama yöntemleri yanı sıra Destek Vektör Makinesi karşılaştırma ve geçerleme amaçlı kullanılmıştır. Sonuçlar ilaç olduğu onaylı moleküller ile ilaç olmayan ancak ilaç olmaya aday moleküllerden oluşan veri seti ilaç olma olasılığı diğerlerine göre daha yüksek olduğu yaklaşımımızca belirlenen çok daha küçük bir veri setine indirgenerek labaratuvar aşamasına sunulabilecektir. Ayrıca söz konusu çalışma daha küçük bir veri seti üzerinde ilaç olmaya aday molekülleri en iyi açıklayan değişken altkümelerinin seçimlerine yönelik bir meta çalışmayı da içermektedir. Çeşitli filtreleme yöntemleri ve sınıflama yöntemleri veri seti üzerinde uygulanmış sonuç olarak değişken seçiminin ilaç tasarım sürecine etkisi tartışılmıştır.