Pembelajaran Dalam Digunakan untuk Menemukan Gen yang Berhubungan dengan Penyakit

Sebuah studi baru yang dipimpin oleh peneliti di Universitas Linköping menunjukkan bagaimana jaringan saraf buatan (ANN) dapat mengungkapkan sejumlah besar data ekspresi gen, dan dapat menyebabkan penemuan kelompok gen yang berhubungan dengan penyakit. Studi ini diterbitkan di Nature Communications, dan ilmuwan ingin metode ini diterapkan dalam pengobatan presisi dan perawatan individual.

Ilmuwan saat ini sedang mengembangkan peta jaringan biologis yang didasarkan pada bagaimana protein atau gen berinteraksi satu sama lain. Studi baru ini melibatkan penggunaan kecerdasan buatan (AI) untuk mengetahui apakah jaringan biologis dapat ditemukan melalui penggunaan pembelajaran dalam. Jaringan saraf buatan, yang dilatih oleh data eksperimental dalam proses pembelajaran dalam, dapat menemukan pola dalam sejumlah besar data kompleks. Karena itu, mereka sering digunakan dalam aplikasi seperti pengenalan gambar. Meskipun tampaknya memiliki potensi yang sangat besar, penggunaan metode pembelajaran mesin ini telah terbatas dalam penelitian biologis.

Sanjiv Dwivedi adalah seorang postdoc di Departemen Fisika, Kimia, dan Biologi (IFM) di Universitas Linköping.

“Kami telah untuk pertama kalinya menggunakan pembelajaran dalam untuk menemukan gen yang berhubungan dengan penyakit. Ini adalah metode yang sangat kuat dalam analisis sejumlah besar informasi biologis, atau ‘big data’,” kata Dwivedi.

Ilmuwan tersebut bergantung pada basis data besar dengan informasi tentang pola ekspresi 20.000 gen pada sejumlah besar orang. Jaringan saraf buatan tidak diberitahu pola ekspresi gen mana yang berasal dari orang dengan penyakit, atau mana yang berasal dari individu sehat. Model AI kemudian dilatih untuk menemukan pola ekspresi gen.

Salah satu misteri yang mengelilingi pembelajaran mesin adalah bahwa saat ini mustahil untuk melihat bagaimana jaringan saraf buatan mencapai hasil akhir. Hanya mungkin untuk melihat informasi yang masuk dan informasi yang dihasilkan, tetapi semua yang terjadi di antaranya terdiri dari beberapa lapisan informasi yang diproses secara matematis. Bagian dalam jaringan saraf buatan belum dapat diuraikan. Ilmuwan ingin tahu apakah ada kesamaan antara desain jaringan saraf dan jaringan biologis yang familiar.

Mike Gustafsson adalah seorang dosen senior di IFM dan memimpin studi ini.

“Ketika kami menganalisis jaringan saraf kami, ternyata lapisan tersembunyi pertama mewakili sebagian besar interaksi antara berbagai protein. Lebih dalam model, pada tingkat ketiga, kami menemukan kelompok sel yang berbeda. Sangat menarik bahwa jenis kelompok biologis yang relevan ini secara otomatis dihasilkan, mengingat jaringan kami telah dimulai dari data ekspresi gen yang tidak terklasifikasi,” kata Gustafsson.

Ilmuwan kemudian ingin tahu apakah model ekspresi gen mereka dapat digunakan untuk menentukan pola ekspresi gen mana yang berhubungan dengan penyakit dan mana yang normal. Mereka dapat mengkonfirmasi bahwa model dapat menemukan pola relatif yang sesuai dengan mekanisme biologis dalam tubuh. Penemuan lainnya adalah bahwa jaringan saraf buatan dapat menemukan pola baru karena dilatih dengan data yang tidak terklasifikasi. Peneliti sekarang akan menyelidiki pola yang tidak diketahui sebelumnya dan apakah mereka relevan dalam biologi.

“Kami percaya bahwa kunci kemajuan di bidang ini adalah memahami jaringan saraf. Ini dapat mengajarkan kita hal-hal baru tentang konteks biologis, seperti penyakit di mana banyak faktor berinteraksi. Dan kami percaya bahwa metode kami memberikan model yang lebih mudah untuk diterapkan dan dapat digunakan untuk berbagai jenis informasi biologis,” kata Gustafsson.

Melalui kolaborasi dengan peneliti medis, Gustafsson berharap dapat menerapkan metode ini dalam pengobatan presisi. Ini dapat membantu menentukan jenis obat mana yang harus diterima pasien.

Studi ini didukung secara finansial oleh Yayasan Penelitian Strategis Swedia (SSF) dan Dewan Penelitian Swedia.