طبقه‌بندی و آنالیز شباهتی پایگاه مولکولی binding-db: بررسی کاربرد مدل‌های طبقه‌بندی چند منظوره برای استخراج قوانین تجمعی عمومی از پایگاه‌های بزرگ مولکولی

مقدمه: در این مطالعه، با استفاده از ترکیبی از روش‌های کاهش بعد داده و طبقه‌بندی، ویژگی‌های مواد دارویی مورد بررسی قرار گرفت. تعریف و آماده‌سازی مولکول‌های «غیر فعال» برای توسعه‌ی مدل‌های تفکیکی دوتایی (twoclass classifier) یکی از مشکلات عمده در مسیر استفاده از مدل‌های تفکیکی بر پایه‌ی لیگاند در روند طراحی سیستماتیک دارو می‌باشد. از این رو، با استفاده از مولکول‌های «فعال» موجود در پایگاه binding-db، به توسعه‌ی مدل‌های تفکیکی چند متغیره‌ی چند منظوره پرداخته شد.روش‌ها: به این منظور، در حدود 160372 ریز مولکول برای 45 هدف دارویی مختلف از پایگاه مولکولی binding-db دانلود شد و پس از بهینه‌سازی ساختار، 1497 ویژگی فیزیکی و شیمیایی برای هر مولکول استخراج ‌گردید. با استفاده از الگوریتم apriori و ترکیب آن با روش طبقه‌بندی تفکیکی خطی (linear discriminant analysis)، ویژگی‌های مولکولی برای هر هدف دارویی به منظور تفکیک مولکول‌های فعال استخراج شد.یافته‌ها: در نهایت، با استفاده از غربالگری مجازی در پایگاه داده‌های مولکولی zinc و binding-db و محاسبه‌ی سطح زیر نمودار receiver operating characteristic (roc) صحت و حساسیت طبقه‌بندی مورد بررسی قرار گرفت. میزان سطح زیر نمودار roc برای هر بهینه‌سازی پایگاه zinc به طور میانگین برابر با 0.1495 ± 0.8341 و در پایگاه binding-db به طور میانگین برابر با 0.1502 ± 0.8615 بود.نتیجه‌گیری: می‌توان با استفاده از الگوریتم ارایه شده، ویژگی‌هایی برای هر دسته از ریز مولکول‌های مرتبط با هر هدف دارویی استخراج کرد و پایگاه‌های مولکولی مختلف را برای هر هدف دارویی بهینه‌سازی کرد. سطح زیر نمودار roc برای دو پایگاه مولکولی مورد بررسی نشان می‌دهد که روش ارایه شده، روش مفیدی برای طبقه‌بندی پایگاه‎های بزرگ مولکولی بدون استفاده از ریز مولکول‌های غیر فعال می‎باشد.