Memajukan pengeditan gen dengan varian CRISPR / Cas9 baru - ScienceDaily
Teknologi

WIF membantu memastikan ‘melihat adalah percaya’ dalam hal yang sangat kecil – ScienceDaily


Seorang makelar mengirim foto buram sebuah rumah yang diambil dari seberang jalan kepada calon pembeli rumah. Pembeli rumah dapat membandingkannya dengan yang asli – lihat gambarnya, lalu lihat rumah aslinya – dan lihat bahwa jendela rongga sebenarnya adalah dua jendela yang berdekatan, bunga di depan terbuat dari plastik dan apa yang tampak seperti pintu sebenarnya sebuah lubang di dinding.

Bagaimana jika Anda tidak melihat gambar rumah, tetapi sesuatu yang sangat kecil – seperti protein? Tidak ada cara untuk melihatnya tanpa perangkat khusus, jadi tidak ada yang bisa menilai gambar tersebut, tidak ada “kebenaran dasar”, demikian sebutannya. Tidak banyak yang bisa dilakukan selain percaya bahwa peralatan pencitraan dan model komputer yang digunakan untuk membuat gambar akurat.

Sekarang, bagaimanapun, penelitian dari lab Matthew Lew di McKelvey School of Engineering di Washington University di St Louis telah mengembangkan metode komputasi untuk menentukan seberapa besar keyakinan seorang ilmuwan bahwa pengukuran mereka, pada titik tertentu, akurat, mengingat model yang digunakan untuk memproduksinya.

Penelitian ini dipublikasikan pada 11 Desember Komunikasi Alam.

“Pada dasarnya, ini adalah alat forensik untuk memberi tahu Anda apakah ada sesuatu yang benar atau tidak,” kata Lew, asisten profesor di Preston M. Green Department of Electrical & Systems Engineering. Ini bukan hanya cara untuk mendapatkan gambar yang lebih tajam. “Ini adalah cara baru untuk memvalidasi keterpercayaan setiap detail dalam citra ilmiah.

“Ini bukan tentang memberikan resolusi yang lebih baik,” tambahnya dari metode komputasi, yang disebut Wasserstein-induced flux (WIF). “Ini mengatakan, ‘Bagian gambar ini mungkin salah atau salah tempat.'”

Proses yang digunakan oleh para ilmuwan untuk “melihat” yang sangat kecil – mikroskop lokalisasi molekul tunggal (SMLM) – bergantung pada menangkap sejumlah besar informasi dari objek yang dicitrakan. Informasi itu kemudian diinterpretasikan oleh model komputer yang pada akhirnya menghapus sebagian besar data, merekonstruksi gambar yang seolah-olah akurat – gambaran sebenarnya dari struktur biologis, seperti protein amiloid atau membran sel.

Ada beberapa metode yang sudah digunakan untuk membantu menentukan apakah suatu gambar, secara umum, merupakan representasi yang baik dari hal yang sedang dicitrakan. Namun, metode ini tidak dapat menentukan seberapa besar kemungkinan titik data tunggal mana pun dalam gambar akurat.

Hesam Mazidi, lulusan baru yang merupakan mahasiswa PhD di lab Lew untuk penelitian ini, mengatasi masalah tersebut.

“Kami ingin melihat apakah ada cara untuk melakukan sesuatu tentang skenario ini tanpa kebenaran dasar,” katanya. “Jika kami dapat menggunakan pemodelan dan analisis algoritmik untuk mengukur apakah pengukuran kami tepat, atau cukup akurat.”

Para peneliti tidak memiliki kebenaran dasar – tidak ada rumah untuk dibandingkan dengan gambar makelar – tetapi mereka tidak dengan tangan kosong. Mereka memiliki segudang data yang biasanya diabaikan. Mazidi memanfaatkan sejumlah besar informasi yang dikumpulkan oleh perangkat pencitraan yang biasanya dibuang sebagai noise. Distribusi kebisingan adalah sesuatu yang dapat digunakan peneliti sebagai kebenaran dasar karena sesuai dengan hukum fisika tertentu.

“Dia bisa mengatakan, ‘Saya tahu bagaimana suara gambar itu dimanifestasikan, itu adalah hukum fisika fundamental,'” kata Lew tentang wawasan Mazidi.

“Dia kembali ke domain yang bising dan tidak sempurna dari pengukuran ilmiah yang sebenarnya,” kata Lew. Semua titik data direkam oleh perangkat olahgambar. “Ada data nyata di sana yang dibuang dan diabaikan orang.”

Alih-alih mengabaikannya, Mazidi melihat untuk melihat seberapa baik model tersebut memprediksi noise – mengingat gambar akhir dan model yang membuatnya.

Menganalisis begitu banyak titik data mirip dengan menjalankan perangkat pencitraan berulang kali, melakukan beberapa uji coba untuk mengkalibrasinya.

“Semua pengukuran itu memberi kami kepercayaan statistik,” kata Lew.

WIF memungkinkan mereka untuk menentukan bukan apakah seluruh gambar kemungkinan besar berdasarkan model, tetapi, dengan mempertimbangkan gambar, jika ada titik tertentu pada gambar yang mungkin, berdasarkan asumsi yang dibangun ke dalam model.

Pada akhirnya, Mazidi mengembangkan metode yang dapat mengatakan dengan keyakinan statistik yang kuat bahwa setiap titik data tertentu dalam gambar akhir harus atau tidak boleh berada di tempat tertentu.

Seolah-olah algoritme tersebut menganalisis gambar rumah dan – tanpa pernah melihat tempatnya – algoritme tersebut membersihkan gambar tersebut, mengungkap lubang di dinding.

Pada akhirnya, analisis menghasilkan satu angka per titik data, antara -1 dan 1. Semakin dekat dengan satu, semakin yakin seorang ilmuwan bahwa suatu titik pada gambar, pada kenyataannya, secara akurat mewakili hal yang sedang dicitrakan.

Proses ini juga dapat membantu ilmuwan meningkatkan model mereka. “Jika Anda dapat mengukur kinerja, maka Anda juga dapat meningkatkan model Anda dengan menggunakan skor,” kata Mazidi. Tanpa akses ke kebenaran dasar, “ini memungkinkan kami untuk mengevaluasi kinerja dalam kondisi eksperimental nyata daripada simulasi.”

Potensi penggunaan WIF jauh jangkauannya. Lew mengatakan langkah selanjutnya adalah menggunakannya untuk memvalidasi pembelajaran mesin, di mana kumpulan data yang bias dapat menghasilkan keluaran yang tidak akurat.

Bagaimana seorang peneliti mengetahui, dalam kasus seperti itu, bahwa data mereka bias? “Dengan model ini, Anda dapat menguji data yang tidak memiliki kebenaran dasar, di mana Anda tidak tahu apakah jaringan saraf dilatih dengan data yang mirip dengan data dunia nyata.

“Perhatian harus diberikan dalam setiap jenis pengukuran yang Anda lakukan,” kata Lew. “Terkadang kami hanya ingin menekan tombol merah besar dan melihat apa yang kami dapatkan, tetapi kami harus ingat, banyak hal yang terjadi saat Anda menekan tombol itu.”

Dipersembahkan Oleh : Lapak Judi

Baca Juga : Data Sidney