Jagosatu.com
Protein ternyata menyimpan banyak rahasia yang selama ini belum sepenuhnya dimengerti oleh para ilmuwan.
Dalam tubuh manusia, protein berperan penting untuk hampir semua proses kehidupan mulai dari pembentukan sel hingga kerja sistem imun.
Namun, memahami cara kerja setiap protein bukanlah hal yang mudah karena jumlahnya sangat banyak dan bentuknya sangat kompleks.
Di sinilah muncul teknologi baru yang membantu para ilmuwan untuk mengenali “kepribadian” protein dengan cara yang lebih cerdas dan akurat.
Menurut Computational Biology and Chemistry, penelitian terbaru menemukan bahwa jejak kecil yang disebut Post Translational Modification (PTM) bisa menjadi kunci untuk mengenali fungsi protein.
PTM adalah perubahan kimia kecil yang terjadi setelah protein terbentuk di dalam sel.
Meski terdengar sederhana, modifikasi ini bisa mengubah sifat, lokasi, bahkan fungsi dari protein itu sendiri.
Dilansir dari ScienceDirect, peneliti menggunakan data PTM untuk memprediksi bagaimana protein berperilaku di dalam tubuh.
Dengan bantuan teknologi kecerdasan buatan bernama Radial Basis Function Network (RBFN), para ilmuwan berhasil meningkatkan akurasi prediksi protein hingga lebih dari 87 persen.
Metode ini memanfaatkan kombinasi antara PTM dan Position-Specific Scoring Matrix (PSSM) untuk memahami pola unik dari setiap jenis protein.
Menurut hasil penelitian, cara ini bisa membantu membedakan berbagai jenis membrane transport proteins, yaitu protein yang bertugas membawa ion dan molekul masuk dan keluar dari sel.
Transport protein ini sangat penting karena tanpa mereka, tubuh tidak akan bisa mengatur energi atau menjaga keseimbangan di dalam sel.
Peneliti membagi protein ini ke dalam tiga kelas besar: channels/pores, electrochemical transporters, dan active transporters.
Selain itu, mereka juga mengidentifikasi enam keluarga utama berdasarkan struktur dan cara kerjanya.
Dari hasil uji coba terhadap 1.904 protein, metode ini menunjukkan hasil yang jauh lebih akurat dibanding teknik lama seperti Support Vector Machine (SVM) atau K-Nearest Neighbor (KNN).
Ilmuwan bahkan berhasil mencapai tingkat akurasi hingga 92,5 persen saat memprediksi kelompok protein tertentu.
Hasil ini membuktikan bahwa informasi PTM sangat berguna untuk mengungkap fungsi protein yang sebelumnya sulit dikenali.
Temuan ini diharapkan bisa membantu dalam bidang bioteknologi, pengembangan obat, dan penelitian penyakit seperti kanker atau gangguan metabolik.
Dengan memahami bagaimana protein berubah lewat proses post translational modification, ilmuwan bisa lebih mudah mendeteksi kelainan atau merancang terapi yang lebih tepat sasaran.
Penelitian ini menjadi langkah besar menuju era baru dalam bioinformatika, di mana komputer dan biologi bekerja bersama untuk memahami kehidupan.
Jadi, bukan tidak mungkin di masa depan, tubuh manusia bisa “dibaca” lewat pola-pola protein yang tersembunyi di dalamnya.
(m)
Editor : ALengkong