โครงข่ายประสาทเทียมเชิงกราฟโดยใช้การทำนายปฏิสัมพันธ์ของโปรตีนสำหรับการรักษามะเร็งแบบตรงเป้า
- ชื่อนักเรียนผู้จัดทำโครงงานวิทยาศาสตร์
จิรัฎฐ์ เจียรนัยพานิชย์
- อาจารย์ที่ปรึกษาโครงงานวิทยาศาสตร์
ฐิติพัทธ อัชชะกุลวิสุทธิ์
- โรงเรียนที่กำกับดูแลโครงงานวิทยาศาสตร์
- ปีที่จัดทำโครงงานวิทยาศาสตร์
บทคัดย่อโครงงานวิทยาศาสตร์
ปฏิสัมพันธ์โปรตีน (PPI) ถูกใช้ในการควบคุมกระบวนการทางสรีรวิทยาในหลากหลายกระบวนการ เช่น ในโรคมะเร็ง โดยการปฏิสัมพันธ์นี้เป็นเหตุทำให้เกิดการสัมผัสระหว่างโปรตีนที่มีฤทธิ์ก่อมะเร็ง (oncoPPIs) ได้ ดังนั้นการออกแบบและพัฒนายายับยั้ง PPI (PPI modulators) จึงมีความสัมคัญอย่างยิ่งในการใช้ทำนายความสัมพันธ์ระหว่างโปรตีนที่อาจเกิดมะเร็งหรือโรคร้ายแรงอื่น ในปัจจุบันความก้าวหน้านี้ในการเรียนรู้เชิงลึกได้ถูกนำมาออกแบบยายับยั้งโดยการใช้เทคนิค PPI และการค้นหายาที่เป็นประโยชน์ แต่ทั้งนี้งานวิจัยก่อนหน้าไม่ได้พิจารณาข้อมูลโครงสร้างของโปรตีนและยาซึ่งเป็นส่วนประกอบสำคัญของการทำงานของโปรตีน ในงานวิจัยนี้เราได้นำเสนอวิธีการค้นพบยาเพื่อยับยั้งด้วยเทคนิค PPI โดยใช้การข้อมูลโครงสร้างยา ร่วมกับโครงข่ายประสาทเทียมเชิงกราฟ (Graph neural network, GNN) สำหรับการรักษามะเร็งแบบตรงเป้า เราค้นพบว่าการนำข้อมูลโครงสร้างมาใช้ประกอบการสร้างโมเดลสามารถเพิ่มประสิทธิภาพของการเรียนรู้เชิงลึกแบบกราฟได้ดีกว่าโมเดลการเรียนรู้เชิงลึกทั่วไป นอกจากนั้นยังใช้ข้อมูลฝึกโมเดลน้อยกว่าและสามารถทายปฏิสัมพันธ์มากกว่าร้อยครั้งต่อวินาที งานวิจัยนี้แสดงให้เห็นว่าเราสามารถสร้างแบบจำลองการปฏิสัมพันธ์ของโปรตีน-โปรตีน เพื่อใช้ศึกษาโครงสร้างและการปฏิสัมพันธ์โปรตีน เพื่อใช้ทางด้านการแพทย์และยาในอนาคตได้