Original Title: Pairwise Performance Comparison of Docking Scoring Functions: Computational Approach Using InterCriteria Analysis
Source: doi.org/10.3390/molecules30132777
Disclaimer: Summary generated by AI based on the provided document. Please refer to the original paper for full scientific accuracy.

ការប្រៀបធៀបប្រសិទ្ធភាពជាគូនៃអនុគមន៍ផ្តល់ពិន្ទុក្នុងការចតម៉ូលេគុល (Docking Scoring Functions)៖ វិធីសាស្ត្រគណនាដោយប្រើការវិភាគ InterCriteria

ចំណងជើងដើម៖ Pairwise Performance Comparison of Docking Scoring Functions: Computational Approach Using InterCriteria Analysis

អ្នកនិពន្ធ៖ Maria Angelova (Institute of Biophysics and Biomedical Engineering, Bulgarian Academy of Sciences), Petko Alov, Ivanka Tsakovska, Dessislava Jereva, Iglika Lessigiarska, Krassimir Atanassov, Ilza Pajeva, Tania Pencheva

ឆ្នាំបោះពុម្ព៖ 2025 (Molecules)

វិស័យសិក្សា៖ Bioinformatics / Computer-Aided Drug Design

១. សេចក្តីសង្ខេបប្រតិបត្តិ (Executive Summary)

បញ្ហា (The Problem)៖ អនុគមន៍ផ្តល់ពិន្ទុ (Scoring functions) គឺជាធាតុសំខាន់នៅក្នុងការចតម៉ូលេគុល (molecular docking) ដើម្បីទស្សន៍ទាយប្រសិទ្ធភាពនៃការចាប់យកម៉ូលេគុល ប៉ុន្តែការកំណត់ថាអនុគមន៍ណាមួយសមស្របជាងគេ ឬមានទំនាក់ទំនងគ្នាយ៉ាងណានោះ នៅតែជាបញ្ហាប្រឈមនៅឡើយ។

វិធីសាស្ត្រ (The Methodology)៖ ការសិក្សានេះប្រើប្រាស់វិធីសាស្ត្រធ្វើសេចក្តីសម្រេចចិត្តពហុលក្ខខណ្ឌ (multi-criterion decision-making) ផ្អែកលើការវិភាគ InterCriteria (ICrA) ដើម្បីប្រៀបធៀបអនុគមន៍ផ្តល់ពិន្ទុចំនួន ៥ នៅក្នុងកម្មវិធី MOE លើសំណុំទិន្នន័យស្តង់ដារ។

លទ្ធផលសំខាន់ៗ (The Verdict)៖

២. ការវិភាគលើប្រសិទ្ធភាព និងដែនកំណត់ (Performance & Constraints)

វិធីសាស្ត្រ (Method) គុណសម្បត្តិ (Pros) គុណវិបត្តិ (Cons) លទ្ធផលគន្លឹះ (Key Result)
Alpha HB & London dG (Scoring Functions)
អនុគមន៍ផ្តល់ពិន្ទុពីរប្រភេទនៅក្នុងកម្មវិធី MOE ដែលផ្តោតលើសម្ព័ន្ធអ៊ីដ្រូសែន និងថាមពលសេរីនៃការចងសម្ព័ន្ធ
បង្ហាញភាពស្របគ្នាវិជ្ជមាន (Positive Consonance) ខ្ពស់បំផុត មានន័យថាផ្តល់លទ្ធផលប្រហាក់ប្រហែលគ្នា និងអាចជឿទុកចិត្តបានក្នុងការទស្សន៍ទាយទីតាំងនៃម៉ូលេគុល។ ដោយសារពួកវាផ្តល់លទ្ធផលស្រដៀងគ្នា ការប្រើប្រាស់ទាំងពីរព្រមគ្នាអាចនាំឱ្យមានការខ្ជះខ្ជាយធនធានគណនា (Redundancy)។ អនុគមន៍ទាំងពីរនេះមានកម្រិតនៃការយល់ស្រប (Degree of Agreement) ខ្ពស់ជាងគេក្នុងការពិសោធន៍ BestRMSD ។
InterCriteria Analysis (ICrA)
វិធីសាស្ត្រវិភាគពហុលក្ខខណ្ឌដែលប្រើតក្កវិជ្ជាស្រពិចស្រពិល (Intuitionistic Fuzzy Sets) ដើម្បីវាស់វែងទំនាក់ទំនងរវាងទិន្នន័យ
អាចកំណត់ទំនាក់ទំនងស្មុគស្មាញដូចជា 'ភាពមិនចុះសម្រុងគ្នា' (Dissonance) និង 'ភាពមិនប្រាកដប្រជា' (Uncertainty) ដែលការវិភាគទំនាក់ទំនងធម្មតាមិនអាចរកឃើញ។ ទាមទារការយល់ដឹងអំពីគណិតវិទ្យានៃ Index Matrices និងការកំណត់កម្រិតចាប់យក (Thresholds) ដែលសមស្រប។ ផ្តល់ព័ត៌មានលម្អិតជាង Pearson Correlation ដោយបង្ហាញថាអនុគមន៍ខ្លះមានភាពមិនចុះសម្រុងគ្នា (Dissonance) ក្នុងលក្ខខណ្ឌខ្លះ។
Pearson Correlation Analysis (CA)
វិធីសាស្ត្រស្ថិតិស្តង់ដារសម្រាប់វាស់វែងទំនាក់ទំនងលីនេអ៊ែរវាងអថេរពីរ
ងាយស្រួលគណនា និងជាស្តង់ដារដែលគេស្គាល់ទូទៅក្នុងការស្រាវជ្រាវ។ មិនអាចចាប់យកទំនាក់ទំនងដែលមិនមែនជាលីនេអ៊ែរ ឬបែងចែករវាងភាពមិនចុះសម្រុងគ្នា និងភាពមិនប្រាកដប្រជាបានទេ។ បង្ហាញទំនាក់ទំនងខ្សោយជាង ICrA នៅក្នុងករណីភាគច្រើននៃការសិក្សានេះ។

ការចំណាយលើធនធាន (Resource Cost)៖ ការសិក្សានេះទាមទារធនធានផ្នែកទន់ (Software) ជាចម្បង និងកុំព្យូទ័រដែលមានសមត្ថភាពមធ្យមសម្រាប់ការធ្វើ Molecular Docking ។

៣. ការពិនិត្យសម្រាប់បរិបទកម្ពុជា/អាស៊ីអាគ្នេយ៍

ភាពលំអៀងនៃទិន្នន័យ (Data Bias)៖

ការសិក្សានេះប្រើប្រាស់សំណុំទិន្នន័យស្តង់ដារអន្តរជាតិ CASF-2013 ដែលមានលក្ខណៈចម្រុះនៃប្រូតេអ៊ីន និងលីហ្គង់ (Ligands)។ ទោះបីជាមិនមានទិន្នន័យលំអៀងភូមិសាស្ត្រក៏ដោយ ប៉ុន្តែវាជាទិន្នន័យពិសោធន៍ទូទៅ (Benchmark) ដែលមិនបានផ្តោតលើជំងឺជាក់លាក់ណាមួយដែលកើតមានច្រើននៅកម្ពុជាទេ។

លទ្ធភាពនៃការអនុវត្ត (Applicability)៖

វិធីសាស្ត្រនេះមានប្រយោជន៍យ៉ាងខ្លាំងសម្រាប់អ្នកស្រាវជ្រាវកម្ពុជាក្នុងវិស័យឱសថសាស្ត្រ និងគីមីវិទ្យា ដើម្បីកាត់បន្ថយពេលវេលា និងការចំណាយក្នុងការស្រាវជ្រាវរកថ្នាំថ្មី។

ការប្រើប្រាស់ ICrA គឺជាបច្ចេកទេសវិភាគដ៏មានអានុភាពដែលអាចអនុវត្តបានភ្លាមៗនៅក្នុងកម្ពុជា ដោយគ្រាន់តែផ្លាស់ប្តូរពីកម្មវិធី MOE (ដែលមានតម្លៃថ្លៃ) មកប្រើកម្មវិធីឥតគិតថ្លៃដូចជា AutoDock Vina រួចវិភាគដោយ ICrAData ។

៤. ផែនការសកម្មភាពសម្រាប់និស្សិត (Actionable Roadmap)

ដើម្បីអនុវត្តតាមការសិក្សានេះ និស្សិតគួរអនុវត្តតាមជំហានខាងក្រោម៖

  1. សិក្សាមូលដ្ឋានគ្រឹះនៃ Molecular Docking: ស្វែងយល់អំពីដំណើរការនៃ Protein-Ligand Interaction និងរបៀបដែល Scoring Functions ធ្វើការវាយតម្លៃ (Energy calculation)។
  2. រៀនប្រើប្រាស់កម្មវិធី ICrAData: ទាញយកកម្មវិធី ICrAData (ឥតគិតថ្លៃ) និងសិក្សាអំពីសញ្ញាណនៃ Positive Consonance, Dissonance និង Uncertainty នៅក្នុងការវិភាគទិន្នន័យ។
  3. ការអនុវត្តជាមួយកម្មវិធី Open Source: ដោយសារ MOE មានតម្លៃថ្លៃ និស្សិតគួរអនុវត្តវិធីសាស្ត្រនេះដោយប្រើកម្មវិធីឥតគិតថ្លៃដូចជា AutoDock Vina ដើម្បីបង្កើតទិន្នន័យ Docking scores ជំនួសវិញ។
  4. អនុវត្តលើគម្រោងស្រាវជ្រាវជាក់ស្តែង: ជ្រើសរើសសមាសធាតុសកម្មពីរុក្ខជាតិឱសថខ្មែរ ហើយធ្វើការ Docking ជាមួយគោលដៅប្រូតេអ៊ីន (Protein Target) នៃជំងឺណាមួយ រួចប្រើ ICrA ដើម្បីប្រៀបធៀបលទ្ធផល។

៥. វាក្យសព្ទបច្ចេកទេស (Technical Glossary)

ពាក្យបច្ចេកទេស ការពន្យល់ជាខេមរភាសា (Khmer Explanation) និយមន័យសាមញ្ញ (Simple Definition)
Molecular Docking ដំណើរការកុំព្យូទ័រដែលព្យាករណ៍ពីទម្រង់ និងទីតាំងនៃការភ្ជាប់គ្នារវាងម៉ូលេគុលតូច (លីហ្គង់/ថ្នាំ) និងប្រូតេអ៊ីនគោលដៅ ដើម្បីមើលថាតើពួកវាអាចចាប់យកគ្នាបានល្អកម្រិតណា។ ប្រៀបដូចជាការប្រើកុំព្យូទ័រដើម្បីសាកល្បងចាក់កូនសោ (ថ្នាំ) ចូលទៅក្នុងមេសោ (ប្រូតេអ៊ីន) ដើម្បីមើលថាវាត្រូវគ្នាឬអត់។
Scoring Functions រូបមន្តគណិតវិទ្យាដែលប្រើក្នុងការចតម៉ូលេគុល ដើម្បីផ្តល់ពិន្ទុវាយតម្លៃថា តើការភ្ជាប់គ្នារវាងម៉ូលេគុលនិងប្រូតេអ៊ីនមានភាពរឹងមាំ និងត្រឹមត្រូវកម្រិតណា។ ដូចជាគណៈកម្មការដែលផ្តល់ពិន្ទុដល់កីឡាករ ដោយផ្អែកលើថាពួកគេសម្តែងបានល្អប៉ុណ្ណា។
InterCriteria Analysis (ICrA) វិធីសាស្ត្រវិភាគពហុលក្ខខណ្ឌដែលប្រើតក្កវិជ្ជាស្រពិចស្រពិល (Intuitionistic Fuzzy Logic) ដើម្បីវាស់វែងទំនាក់ទំនងរវាងទិន្នន័យ ដោយគិតគូរទាំងភាពស្របគ្នា ភាពផ្ទុយគ្នា និងភាពមិនប្រាកដប្រជា។ ប្រៀបដូចជាការស្តាប់មតិអ្នកជំនាញជាច្រើន ហើយវិភាគថាតើពួកគេយល់ស្របគ្នាខ្លាំងប៉ុណ្ណា និងមានចំណុចណាខ្លះដែលពួកគេមិនច្បាស់។
Root Mean Square Deviation (RMSD) រង្វាស់គណិតវិទ្យាសម្រាប់គណនាគម្លាត ឬភាពខុសគ្នារវាងទីតាំងអាតូមនៃម៉ូលេគុលដែលបានព្យាករណ៍ ធៀបនឹងទីតាំងជាក់ស្តែងក្នុងការពិសោធន៍។ ដូចជាការវាស់ចម្ងាយថា គ្រាប់ព្រួញដែលអ្នកបាញ់ទៅ ធ្លាក់ឆ្ងាយពីចំណុចកណ្តាលនៃផ្ទាំងស៊ីបប៉ុណ្ណា (កាន់តែជិត កាន់តែល្អ)។
Positive Consonance ពាក្យបច្ចេកទេសក្នុង ICrA ដែលបង្ហាញថា លក្ខខណ្ឌពីរមានទំនាក់ទំនងស្របគ្នាខ្លាំង ពោលគឺនៅពេលទិន្នន័យមួយកើនឡើង ទិន្នន័យមួយទៀតក៏កើនឡើងដែរ ដោយគ្មានភាពផ្ទុយគ្នា។ ដូចជាមិត្តភក្តិពីរនាក់ដែលតែងតែយល់ស្របគ្នាស្ទើរតែគ្រប់រឿង។
Intuitionistic Fuzzy Sets ទ្រឹស្តីសំណុំគណិតវិទ្យាដែលមិនត្រឹមតែកំណត់ថា 'មែន' ឬ 'ទេ' (0 ឬ 1) ប៉ុន្តែថែមទាំងគិតគូរពី 'កម្រិតនៃភាពមិនប្រាកដប្រជា' (Uncertainty) ផងដែរ។ ជំនួសឱ្យការនិយាយថាទឹក 'ក្តៅ' ឬ 'ត្រជាក់' វាអនុញ្ញាតឱ្យយើងនិយាយថា 'ក្តៅ ៦០% ត្រជាក់ ១០% និង មិនច្បាស់ ៣០%' ។

៦. ប្រធានបទពាក់ព័ន្ធ (Further Reading)

អត្ថបទដែលបានបោះពុម្ពនៅលើ KhmerResearch ដែលទាក់ទងនឹងប្រធានបទនេះ៖

ប្រធានបទ និងសំណួរស្រាវជ្រាវដែលទាក់ទងនឹងឯកសារនេះ ដែលអ្នកអាចស្វែងរកបន្ថែម៖