Penulis: Semmy Wellem Taju, Syed Muazzam Ali Shah, Yu-Yen Ou
ActTRANS merupakan pendekatan klasifikasi fungsional pada protein transport aktif berdasarkan teknik transfer learning dan representasi kontekstual. Transport aktif terdiri dari dua tipe utama, yaitu primary dan secondary active transport, yang memerlukan energi untuk memindahkan zat melintasi membran sel berlawanan dengan gradien konsentrasi. Protein memainkan peran penting dalam mekanisme ini dengan memfasilitasi pergerakan ion dan molekul kecil.
Dalam penelitian ini, kami mengklasifikasikan dua jenis utama protein transport aktif dari kelompok protein transmembran dengan menggunakan Support Vector Machine (SVM) dan representasi kata kontekstual berbasis Bidirectional Encoder Representations from Transformers (BERT). BERT merupakan model transfer learning yang sangat efektif dalam mempelajari hubungan kontekstual antar asam amino dalam urutan protein. Dengan mengekstrak fitur tetap dari lapisan tersembunyi model BERT, pendekatan ini mampu merepresentasikan variasi struktural dan makna kontekstual asam amino secara lebih mendalam.
Evaluasi dilakukan menggunakan skema five-fold cross-validation dan independent test. Hasil menunjukkan bahwa metode ini mencapai akurasi sebesar 85,44% untuk Kelas-1, 88,74% untuk Kelas-2, dan 92,84% untuk Kelas-3. Pendekatan ini terbukti mampu mengungguli metode ekstraksi fitur lainnya, secara efektif mengklasifikasikan dua tipe utama transport aktif, serta meningkatkan performa secara keseluruhan.
Unduh Jurnal Lengkap (PDF)
Download PDF