Algoritma Pembelajaran Mesin Dapat Memprediksi Di Mana Protein Berada

Peneliti di Nara Institute of Science and Technology (NAIST) telah mengembangkan algoritma pembelajaran mesin yang dapat memprediksi lokasi protein yang terkait dengan aktin, yang merupakan bagian penting dari kerangka sel. Algoritma ini dapat memprediksi lokasi protein berdasarkan lokasi aktin yang sebenarnya.

Studi ini dipublikasikan di Frontiers in Cell and Developmental Biology.

Pentingnya Aktin

Aktin sangat penting untuk memberikan bentuk dan struktur pada sel, dan berperan dalam pembentukan lamellipodia selama pergerakan sel. Lamellipodia adalah struktur berbentuk kipas yang memungkinkan sel “berjalan” ke depan, dan mengandung berbagai protein yang terikat pada aktin untuk menjaga sel tetap bergerak.

Shiro Suetsugu adalah penulis utama studi ini dan mendapatkan ide ini selama percakapan dengan Yoshinobu Sato di Pusat Ilmu Data NAIST.

“Sementara kecerdasan buatan telah digunakan sebelumnya untuk memprediksi arah migrasi sel berdasarkan urutan gambar, sehingga belum digunakan untuk memprediksi lokalisasi protein,” kata Suetsugu. “Oleh karena itu, kami berusaha untuk merancang algoritma pembelajaran mesin yang dapat menentukan di mana protein akan muncul di dalam sel berdasarkan hubungannya dengan protein lain.”

Mengembangkan Sistem AI

Peneliti melatih sistem kecerdasan buatan (AI) untuk memprediksi di mana protein yang terkait dengan aktin akan berada di dalam sel. Mereka melakukan ini dengan menunjukkan gambar sel dengan protein yang diberi label dengan penanda fluoresen, yang menunjukkan kepada sistem di mana mereka berada. Sistem kemudian diberi gambar di mana hanya aktin yang diberi label, dan diminta untuk menemukan protein yang terkait.

“Ketika kami membandingkan gambar yang diprediksi dengan gambar yang sebenarnya, ada kesamaan yang cukup besar,” kata Suetsugu. “Program kami secara akurat memprediksi lokalisasi tiga protein yang terkait dengan aktin dalam lamellipodia; dan, dalam kasus salah satu protein ini, dalam struktur lain di dalam sel.”

Menunjukkan kemampuan sistem yang spesifik, tim kemudian meminta sistem untuk memprediksi di mana tubulin berada di dalam sel. Tubulin tidak terkait langsung dengan aktin, dan program tersebut performa lebih buruk pada tugas ini.

“Temuan kami menunjukkan bahwa pembelajaran mesin dapat digunakan untuk memprediksi lokasi protein yang terkait fungsional dan menjelaskan hubungan fisik antara mereka,” kata Suetsugu.

Menurut peneliti, program ini dapat digunakan untuk mengidentifikasi struktur dari gambar sel dengan cepat dan akurat, dan dapat berfungsi sebagai metode penyaringan sel buatan, yang akan membantu menghindari keterbatasan metode saat ini.