Metode yang dikenal sebagai SAR (hubungan struktur-aktivitas) memungkinkan prediksi aktivitas biologis suatu senyawa dari karakteristik strukturalnya. Metode SAR memungkinkan prediksi aktivitas spesifik untuk senyawa baru jika ada sekumpulan senyawa yang diuji untuk aktivitas yang sedang dipelajari. Dalam kasus protein dengan ligan yang tidak diketahui, penerapan SAR untuk prediksi target tidak mungkin dilakukan. Pendekatan lain adalah memodelkan struktur 3D kompleks protein-ligan. Yang terakhir membutuhkan pemecahan struktur protein 3D, yang tidak selalu tersedia, selain itu membutuhkan banyak sumber daya komputasi, terutama dalam menyaring perpustakaan kimia besar.
Tribunjogja 26 10 2014 By Tribun Jogja
Untuk mengatasi keterbatasan ini, para peneliti mengeksplorasi situs pengikatan protein dan ligan. Hal ini memungkinkan membangun model prediktif skala besar. Pendekatan semacam ini dikenal sebagai “proteochemometrics”. Program peramalan menggunakan berbagai teknik klasifikasi berdasarkan support vector machine (SVM), artificial neural network (ANN), metode regresi, dll. Karena interaksi protein-ligan adalah proses yang kompleks, model prediksi bergantung pada spesifisitas protein dan ligan molekul kecil yang diteliti. Secara umum, efektivitas metode prediksi yang berbeda tergantung pada bagaimana menggambarkan protein dan senyawa.Publikasi terbaru adalah target obat yang menjanjikan [6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17, 18 , 19, 20, 21, 22].
Karakterisasi ligan molekul kecil menggunakan teknik yang diketahui dikembangkan untuk investigasi SAR. Representasi protein melibatkan berbagai teknik Secara umum, mereka meringkas fitur yang menggambarkan semua urutan asam amino. Skor penyelarasan berpasangan Smith-Waterman yang dinormalisasi adalah fitur umum. Banyak metode memperoleh deskriptor urutan dari distribusi residu, mengkorelasikan sifat fisikokimia dari pasangan residu, dll. [10, 22]
