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.