Prediksi Interaksi Protein-Protein Berbasis Sekuens pada Indonesia Jamu-Herbs Menggunakan Stacked-Autoencoder dan Conjoint Triad

Abstract

Masyarakat Indonesia sudah mengenal obat herbal yang bernama jamu. Umumnya, formula jamu diperoleh secara empiris dan diwariskan dari generasi ke generasi. Interaksi protein-protein (protein-protein interaction, PPI) dari jamu memiliki peran penting dalam mempengaruhi proses biologis untuk penyembuhan. Analisis PPI perlu dilakukan untuk mempelajari bagaimana protein berinteraksi dengan protein lainnya. Data tentang interaksi protein masih terbatas. Karenanya menemukan interaksi protein menjadi lebih sulit. Sehingga metode prediksi masih diperlukan untuk menghasilkan PPI. Penelitian ini bertujuan untuk menghasilkan model prediksi interaksi protein berbasis sekuens pada pangkalan data Indonesia Jamu-Herbs dengan Stacked-Autoencoder sebagai arsitektur, Softmax sebagai classifier, dan Conjoint Triad sebagai metode ekstraksi fitur. Model ini dengan satu, dua, dan tiga autoencoder layer memperoleh akurasi masing-masing 95.58%, 95.56%, dan 95.60%. Studi ini menyimpulkan bahwa Stacked-Autoencoder yang tergabung dengan Softmax classifier (termasuk autoencoder tunggal) memperoleh hasil yang sangat baik. Walaupun begitu, penambahan jumlah layer tidak mempengaruhi peningkatan akurasi.