Kecerdasan buatan (AI) telah menjadi pendukung yang berharga bagi para ilmuwan. Sekarang, sebuah algoritma pembelajaran mesin membantu para ahli biologi memahami jumlah sinyal molekuler yang teramat memusingkan dalam pengontrolan fungsi gen. Algoritma terbaru ini, telah dikembangkan untuk menganalisis berbagai data yang jumlahnya semakin bertambah. Lebih kompleks, dan lebih sulit untuk ditafsirkan. Ahli biologi kuantitatif Justin B. Kinney dan Ammar Tareen mungkin memiliki solusinya. Mereka merancang algoritma pembelajaran mesin canggih yang lebih mudah dipahami oleh para ahli biologi.
Algoritma ini adalah sejenis jaringan saraf tiruan atau Artificial Neural Network (ANN). Terinspirasi oleh cara di mana sel-sel saraf saling terhubung dan bercabang di dalam otak. ANN adalah dasar komputasi untuk pembelajaran mesin yang canggih. Dan terlepas dari namanya, ANN tidak secara eksklusif digunakan hanya untuk mempelajari otak.
Tareen dan Kinney menggunakan ANN untuk menganalisis data dari sebuah metode eksperimental yang disebut “massively parallel reporter assay” (MPRA) yang menyelidiki DNA. Dengan menggunakan data-data ini, para ahli biologi kuantitatif dapat membuat ANN untuk memprediksi molekul mana yang mengendalikan gen tertentu, dalam suatu proses yang disebut regulasi gen. Regulasi gen mengacu pada mekanisme yang bertindak untuk memicu atau menekan ekspresi gen.
Sel tidak selalu membutuhkan protein setiap saat. Sebaliknya, ia bergantung pada mekanisme molekuler yang kompleks. Untuk menghidupkan atau mematikan gen yang menghasilkan protein, sesuai kebutuhan. Ketika proses itu gagal, biasanya terjadi gangguan dan penyakit.
“Pengetahuan mekanistik itu – memahami bagaimana sesuatu seperti regulasi gen bekerja – seringkali terjadi perbedaan antara kemampuan mengembangkan terapi molekuler melawan penyakit, dan ketidakmampuannya,” kata Kinney.
Sayangnya cara ANN standar dibentuk dari data MPRA sangat berbeda dari cara para ilmuwan mengajukan pertanyaan dalam ilmu kehidupan. Ketidakselarasan ini menandakan bahwa para ahli biologi merasa sulit untuk menafsirkan bagaimana regulasi gen terjadi.
Sekarang, Kinney dan Tareen mengembangkan pendekatan baru yang menghubungkan antara alat komputasi dan bagaimana para ahli biologi berpikir. Mereka menciptakan custom ANN yang secara matematis mencerminkan konsep umum dalam biologi mengenai gen dan molekul yang mengendalikannya. Dengan cara ini, pasangan ini pada dasarnya memaksa algoritma pembelajaran mesin mereka untuk memproses data dengan cara yang bisa dipahami oleh seorang ahli biologi .
Upaya ini, Kinney menjelaskan, menyoroti bagaimana teknologi industri AI modern dapat dioptimalkan untuk digunakan dalam ilmu kehidupan. Setelah memverifikasi strategi baru ini untuk membuat ANN khusus, lab Kinney menerapkannya dalam menyelidiki berbagai sistem biologis, termasuk sirkuit gen kunci yang terlibat dalam penyakit manusia .
Hasilnya secara resmi diumumkan di Vancouver, Kanada, pada Konferensi pertama tentang Pembelajaran Mesin dalam Komputasi Biologi. Hasilnya untuk dapat dilihat di server bioRxiv CSHL.
