Kesehatan
Ilmuwan Protein dan AI Bertarung

Poin utamaAI secara tipis mengalahkan ilmuwan protein manusia dalam memprediksi urutan perakitan…
Lihat selengkapnya
- AI secara tipis mengalahkan ilmuwan protein manusia dalam memprediksi urutan perakitan mandiri.
- Para ahli manusia lebih menyukai asam amino tertentu yang menyebabkan prediksi yang salah, tidak seperti AI.
- Pembelajaran mesin adalah alat yang ampuh untuk mengatasi bias manusia dalam desain protein.
Tim ilmuwan protein di Rutgers University melakukan pertarungan melawan program komputer.
Spoiler alert: AI memenangkan pertarungan. Namun, hanya dengan selisih tipis.
Pertarungan Manusia Melawan AI
Ilmuwan memutuskan untuk melakukan eksperimen yang mempertandingkan seorang manusia dengan pemahaman mendalam tentang desain protein dan perakitan mandiri melawan program komputer dengan kemampuan prediktif. Vikas Nanda, seorang peneliti di Pusat Bioteknologi dan Kedokteran Lanjutan (CABM) di Rutgers, menjadi salah satu ilmuwan yang dipilih.
Eksperimen ini bertujuan untuk mengetahui apakah manusia atau AI dapat melakukan pekerjaan yang lebih baik dalam memprediksi urutan protein mana yang akan bergabung dengan sukses.
Hasil eksperimen ini dipublikasikan di Nature Chemistry.
Nanda, peneliti di Argonne National Laboratory di Illinois, dan rekan-rekan lainnya di seluruh Amerika Serikat mengatakan bahwa pertarungan ini “dekat tapi menentukan”. AI memenangkan pertarungan dengan selisih tipis.
Ilmuwan sedang mencari pengetahuan lebih lanjut tentang perakitan mandiri protein, karena dengan memahami hal ini lebih baik, mereka dapat merancang produk baru dan inovatif untuk keperluan medis dan industri. Salah satu produk ini bisa berupa jaringan manusia buatan untuk luka, atau katalis untuk produk kimia baru.
Nanda adalah profesor di Departemen Biokimia dan Biologi Molekuler di Sekolah Kedokteran Robert Wood Johnson Rutgers.
“Meskipun kami memiliki keahlian yang luas, AI melakukan pekerjaan yang sama baik atau lebih baik pada beberapa set data, menunjukkan potensi besar dari pembelajaran mesin untuk mengatasi bias manusia,” kata Nanda.
Desain Protein dan Perakitan Mandiri
Protein terdiri dari banyak asam amino yang bergabung ujung ke ujung, dan rantai ini melipat menjadi molekul tiga dimensi dengan bentuk yang kompleks. Bentuk setiap protein, dan asam amino yang terkandung di dalamnya, menentukan perilakunya. Peneliti seperti Nanda terlibat dalam “desain protein”, yang berarti mereka menciptakan urutan yang menghasilkan protein baru. Tim ini baru-baru ini merancang protein sintetis yang dapat mendeteksi VX, sebuah agen saraf berbahaya, dengan cepat. Pengembangan ini dapat memiliki implikasi besar untuk biosensor dan pengobatan baru.
Protein merakit dirinya sendiri bersama protein lain untuk membentuk superstruktur yang penting dalam biologi. Dalam beberapa kasus, tampaknya protein mengikuti desain, seperti ketika mereka merakit dirinya sendiri menjadi cangkang luar pelindung dari virus. Kadang-kadang, mereka merakit dirinya sendiri ketika membentuk struktur biologis yang terkait dengan penyakit tertentu.
“Memahami perakitan mandiri protein adalah fundamental untuk membuat kemajuan dalam banyak bidang, termasuk kedokteran dan industri,” kata Nanda.
Nanda dan lima rekan lainnya diberikan daftar protein dan diminta untuk memprediksi mana yang kemungkinan akan merakit dirinya sendiri. Prediksi mereka kemudian dibandingkan dengan prediksi program komputer.
Para ahli manusia menggunakan aturan praktis berdasarkan pengamatan mereka tentang perilaku protein dalam eksperimen, termasuk pola muatan listrik dan derajat aversi terhadap air. Mereka memilih 11 protein yang mereka prediksi akan merakit dirinya sendiri, sedangkan AI memilih sembilan protein.
Eksperimen mereka menunjukkan bahwa para ahli manusia membuat enam prediksi yang benar dari 11 protein, sedangkan program komputer memilih sembilan protein.
Eksperimen ini juga menunjukkan bahwa para ahli manusia “memfavoritkan” asam amino tertentu daripada yang lain, yang mengarah ke pilihan yang salah. AI dengan benar memilih beberapa protein dengan sifat yang tidak membuatnya jelas.
“Kami bekerja untuk mendapatkan pemahaman dasar tentang sifat kimia interaksi yang menyebabkan perakitan mandiri, jadi saya khawatir bahwa menggunakan program ini akan mencegah wawasan penting,” kata Nanda. “Tapi apa yang saya mulai pahami sekarang adalah bahwa pembelajaran mesin hanya sebuah alat, seperti alat lainnya.”












