Kecerdasan Buatan Memprediksi Dinamika Perilaku Worm

• Algoritme pembelajaran mesin baru secara akurat memprediksi perilaku cacing gelang.
• Ini menganalisis bagaimana Caenorhabditis elegans merespons stimulus laser.
• Algoritme dapat menemukan model yang tepat dan dapat diinterpretasikan dari sistem yang lebih rumit.

Dalam beberapa dekade terakhir, kemajuan dalam biologi kuantitatif telah memungkinkan para ilmuwan untuk mengukur secara tepat dinamika sistem biologis yang kompleks dalam menanggapi gangguan.

Misalnya, perilaku melarikan diri lengkap dari Caenorhabditis elegans — cacing gelang transparan, panjangnya sekitar 1 milimeter — sebagai respons terhadap stimulus dapat diukur selama beberapa detik dalam ribuan cacing.

Baru-baru ini, ahli biofisika di Arizona State University dan University of Toronto mengembangkan alat kecerdasan buatan untuk memodelkan dinamika cacing yang melarikan diri dan merasakan rasa sakit. Alat ini menggunakan metode pembelajaran mesin untuk memprediksi perilaku cacing secara akurat.

Dalam biologi, semua prediksi ini masuk akal dan telah diverifikasi dengan data yang diperoleh dari eksperimen yang dilakukan pada Caenorhabditis elegans.

Metode pembelajaran mesin didasarkan pada algoritme yang dikembangkan pada tahun 2015:metode ini mencari hukum spesifik yang mendasari sistem biologis yang kompleks. Tim telah menamai algoritma ini 'Sir Isaac', setelah fisikawan terkenal Sir Isaac Newton. Sementara hukum gerak Newton menunjukkan dinamika sistem mekanis, algoritme melakukan hal serupa untuk sistem kehidupan.

Eksperimen Pada Caenorhabditis Elegans

Dalam studi ini, para peneliti menganalisis kemampuan pengambilan keputusan dari Caenorhabditis elegans:bagaimana mereka merespons stimulus sensorik. Caenorhabditis elegans adalah sistem model hewan laboratorium standar, dan sejak tahun 1970-an telah banyak digunakan sebagai organisme model.

Referensi:PNAS | doi:10.1073/pnas.1816531116 | Ilmu Kesehatan Emory

Seperti manusia, Caenorhabditis elegans memiliki dendrit yang memanjang dari sel untuk mengumpulkan neurotransmitter, dan meluas ke otak untuk koneksi sinaptik antar neuron. Ia hanya memiliki 302 neuron dan serangkaian gerakan terbatas.

Caenorhabditis elegans | Kredit Gambar:genome.gov 

Tim peneliti menginterupsi gerakan maju setiap elegans Caenorhabditis dengan menembakkan sinar laser ke kepalanya. Setiap cacing merespons secara berbeda. Beberapa berhenti sejenak sebelum merespons, sementara yang lain dengan cepat membalikkan arah mereka pada stimulus laser. Tapi ada satu hal yang sama:semua cacing merespon dengan cepat terhadap suhu yang lebih panas (laser intensif).

Platform Sir Isaac

Tim merekam data gerak dari beberapa detik pertama percobaan dan memasukkannya ke metode pembelajaran mesin. Sistem mampu memperkirakan gerakan cacing gelang jauh melampaui beberapa detik awal ini. Sekitar 90% variabilitas dalam gerakan cacing (setelah stimulus laser) dapat dijelaskan secara biologis.

Memprediksi gerakan cacing gelang sebagai respons terhadap stimulus jauh lebih sulit daripada memperkirakan gerakan bola saat ditendang. Algoritme Sir Isaac melakukan hal yang sama sambil menghitung pemrosesan sensorik kompleks dalam cacing dan aktivitas sarafnya diikuti oleh aktivasi otot. Ini semua diringkas menjadi deskripsi matematika sederhana.

Baca:Insinyur Menempatkan Otak Cacing di Robot Kecil Dan Berhasil

Metode pembelajaran mesin ini dapat membantu menemukan model yang tepat dan dapat ditafsirkan dari sistem yang lebih rumit. Tujuan jangka panjangnya adalah untuk membangun kecerdasan buatan yang dapat mempercepat prosedur ilmiah dalam membuat hipotesis kuantitatif, dan kemudian mengujinya melalui eksperimen.