Pemodelan dan Prediksi Interaksi Protein-protein Diabetes Mellitus Tipe 2 dengan Feedforward Neural Network
Abstract
Suatu protein berinteraksi dengan protein lainnya untuk menjalankan suatu
fungsi biologis. Data interaksi protein-protein masih terbatas. Pendekatan
komputasional dapat menjadi alternatif dari pendekatan eksperimental yang
membutuhkan banyak sumber daya. Arsitektur feedforward neural network (FNN)
diterapkan untuk memodelkan dan memprediksi interaksi protein-protein terkait
Diabetes mellitus tipe 2 yang dapat dinyatakan dengan suatu fungsi matematika
yang kompleks. Fungsi aktivasi, jumlah unit pada hidden layer, dan jumlah hidden
layer yang berbeda-beda diamati pengaruhnya terhadap galat pendugaan. Model
FNN memberikan nilai galat pendugaan terkecil dengan fungsi aktivasi rectifier,
tiga puluh enam unit pada hidden layer, dan tujuh hidden layer. Model FNN dengan
konfigurasi tersebut berhasil memprediksi tingkat kepercayaan interaksi proteinprotein
dengan keluaran sebesar 0.922 berdasarkan larik yang diberikan. Model
tersebut memberikan performa yang lebih baik daripada model random forest dan
support vector regression dalam hal akurasi prediksi interaksi protein-protein.
Collections
- UT - Computer Science [2336]