Asosiasi Single Nucleotide Polymorphism pada Diabetes Mellitus Tipe 2 Menggunakan Random Forest Regression

Abstract

Precision medicine dapat dikembangkan dengan menentukan asosiasi antara data genomic yang direpresentasikan oleh Single Nucleotide Polymorphism (SNP) dan fenotipe dari penyakit diabetes mellitus tipe 2 (T2D). SNP adalah penanda yang berjumlah sangat banyak. Untuk itu, diperlukan proses pengurutan dan penapisan sebelum dilakukan asosiasi. Tujuan makalah ini adalah melakukan asosiasi SNP dengan fenotipe T2D. Pemeringkatan SNP dilakukan untuk memilih SNP yang signifikan berdasarkan importance score . SNP yang terpilih diasosiasikan dengan fenotipe T2D dan dilakukan pemeriksaan epistatis (interaksi antar SNP). Metode yang digunakan adalah random forest regression . Makalah ini menghasilkan 301 SNP yang signifikan. Sepuluh SNP terbaik memiliki asosiasi dengan lima buah kandidat protein T2D. Hasil evaluasi menunjukkan bahwa model asosiasi yang diusulkan memiliki nilai Mean Absolute Error (MAE) sebesar 0,062. Hasil evaluasi ini menunjukkan keberhasilan metode random forest regression dalam melakukan asosiasi antara SNP dan fenotipe T2D serta memeriksa epistatis antar dua buah SNP.