Sekelompok peneliti dari Massachusetts Institute of Technology (MIT) telah mengembangkan solusi yang dapat melakukan perubahan dalam penelitian biologi, terutama di bidang machine learning bernama BioAutoMATED.
Pengembangan ini dikerjakan oleh sekelompok tim yang dipimpin langsung dengan Jim Collins selaku profesor di Departemen Teknik Biologi. Mereka mengembangkan sistem machine learning yang disebut dengan BioAutoMATED. Dengan sistem ini diharapkan mampu meniadakan kebutuhan akan keahlian machine learning secara ekstensif.
Kalau secara tradisional, membangun model machine learning merupakan proses yang bisa memerlukan waktu yang tidak sebentar, bahkan yang terpentingnya membutuhkan keahlian peneliti khusus. Namun, dengan sistem terbaru menggunakan teknologi AI ini dapat merampingkan proses ini dengan memilih secara otomatis dan menyusun model yang sesuai dengan kumpulan data tertentu.
Nggak cuma itu, berkat sistem tersebut tugas pemrosesan data yang membosankan pun dapat ditangani dengan mudah dan mengurangi pengerjaan waktu yang awalnya bisa berbulan-bulan menjadi singkat hanya beberapa jam saja.
Pada dasarnya fokus sistem pengurutan biologis dengan machine learning dapat dibedakan melalui pengenalan teks dan gambar. Urutan biologis ini, terdiri dari DNA, RNA, protein, glikan, memiliki sifat standar intrinsik yang mirip dengan alfabet sehingga ia ideal untuk menerapkan teknik machine learning di penelitian yang relevan.
Nah, dengan mengintegrasikan beberapa alat ke dalam satu platform, untungnya BioAutoMATED mampu memperluas ruang pencarian sampai melampaui kemampuan alat individual.
Lantas apa fungsi dari sistem ini?
BioAutoMATED menawarkan berbagai macam model supervised machine learning yang meliputi biner dan multi-kelas, serta model regresi. Sistem ini akan membantu menentukan jumlah data optimal yang dibutuhkan untuk melatih model secara efektif.
Dampak dari sistem ini dapat mempercepat proses penelitian secara keseluruhan. Sistem ini bisa menurunkan hambatan yang masuk sehingga memungkinkan pakar domain dalam biologi bisa mengeksplorasi dan menjalankan pakar machine learning secara khusus.
Saat ini hasil inovasi tersebut telah mendapat dukungan dari berbagai hibah dan organisasi. Termasuk pendanaan dari Defense Threat Reduction Agency, program Defense Advance Research Projects Agency SD2, Paul G. Allen Frontiers Group, dan sumber lainnya telah memungkinkan realisasi sistem ini dan integrasinya ke dalam Antibiotics-AI Projects.
Berharapnya para peneliti bisa mengembangka praktik biologi di masa depan yang mulus dengan menggunakan dunia AI dan pembelajaran mesin yang bergerak cepat.
Selain itu, penelitian tersebut juga telah terbit dalam jurnal Cell System berjudul “BioAutoMATED: An en-to-end automated machine learning tool for explanation and design of biological sequences”.
