การทำนายประสิทธิภาพของยาต่อโปรตีนเป้าหมาย serotonin transporter (SERT), 5-HT1A และ 5-HT2A receptor ซึ่งส่งผลต่อโรคซึมเศร้าโดยใช้ปัญญาประดิษฐ์เพื่อเป็นข้อมูลในการออกแบบยาในอนาคต
- ชื่อนักเรียนผู้จัดทำโครงงานวิทยาศาสตร์
นวพล ธรรมกฤษดา, ปฤณ ภูวรกิจ, ณฐศร ถิระพร
- อาจารย์ที่ปรึกษาโครงงานวิทยาศาสตร์
ทศพร แสงจ้า, สาโรจน์ บุญเส็ง
- โรงเรียนที่กำกับดูแลโครงงานวิทยาศาสตร์
- ปีที่จัดทำโครงงานวิทยาศาสตร์
บทคัดย่อโครงงานวิทยาศาสตร์
โรคซึมเศร้าเป็นโรคไม่ติดต่อเรื้อรัง โดยในช่วงที่ผ่านมานี้มีอุบัติการณ์เพิ่มสูงขึ้น ทำให้มีการศึกษาวิจัยและค้นคว้าเพื่อ พัฒนาวิธีการรักษาโรคซึมเศร้าใหม่ ๆ อยู่เสมอ ซึ่งหนึ่งในวิธีการรักษา และบรรเทาอาการของโรคซึมเศร้าคือการรักษาด้วยการใช้ยา โดยยาส่วนใหญ่มีผลกับโปรตีนเป้าหมาย คือ Serotonin transporter (SERT), 5HT1A และ 5HT2A receptors และด้วยในปัจจุบันมีการนำเทคโนโลยีปัญญาประดิษฐ์เข้ามาช่วยในกระบวนการค้นคว้าและพัฒนายา ทำให้ทางคณะผู้จัดทำจัดทำโครงงานนี้ขึ้นมาเพื่อสร้างโมเดลปัญญาประดิษฐ์ที่สามารถทำนายประสิทธิภาพที่ใช้ในการรักษาโรคซึมเศร้าของสารประกอบ และวิเคราะห์โครงสร้างที่สำคัญของยาที่ใช้ในการรักษาโรคซึมเศร้า โดยคณะผู้จัดทำใช้ข้อมูล PubChem Substructure Fingerprint และค่า pIC50 ของสารประกอบในการพัฒนาโมเดลปัญญาประดิษฐ์ ณ ขณะนี้ได้ว่าโมเดลที่มีประสิทธิภาพดีที่สุดต่อทั้งชุดข้อมูล Serotonin transporter (SERT), 5-HT1A และ 5-HT2A receptors คือโมเดล Bagging ให้ค่า R2 = 0.7517, MSE = 0.4110 และ R2 = 0.5271, MSE = 1.0399 และเมื่อวิเคราะห์ความเกี่ยวเนื่องของแต่ละข้อมูลในโมเดลได้ว่าการมีอยู่ของโครงสร้าง Heterocyclic aromatic compound จำพวก Pyrrole ส่งผลต่อการทำนายค่า pIC50 อย่างมาก และสามารถประยุกต์ใช้ข้อมูลต่อได้ว่าในการสังเคราะห์สารประกอบที่จะนำมารักษาอาการของโรคซึมเศร้าจำเป็นต้องมีโครงสร้างที่เป็นลักษณะ Heterocyclic aromatic compound จำพวก Pyrrole อยู่