Kecerdasan Buatan Prediksi Struktur Hampir Setiap Protein yang Pernah Ditemukan

REPUBLIKA.CO.ID, JAKARTA -- Era baru penelitian biologi telah dibuka, dengan kecerdasan buatan (AI) yang memprediksi bentuk 3D dari hampir setiap protein yang dikenal sains-hanya satu tahun setelah rilis data pertamanya. Berkat AlphaFold, alat AI yang dikembangkan oleh perusahaan AI milik Google DeepMind, lebih dari 200 juta struktur protein kini telah dibagikan secara online dalam basis data yang dapat diakses dan dicari secara gratis, yang disebut AlphaFold DB.

Pencapaian itu membuka jalan bagi eksplorasi ilmiah yang tak terhitung jumlahnya ke dalam protein, bahan pembangun kehidupan. Para peneliti dipusingkan dengan kegembiraan.

“Menentukan struktur 3D protein yang dulunya memakan waktu berbulan-bulan atau bertahun-tahun, sekarang membutuhkan waktu beberapa detik,” ahli jantung Eric Topol dari Scripps Research Translational Institute menjelaskan dalam sebuah pernyataan tentang rilis data, dilansir dari Sciencealert, Selasa (2/8/2022).

“Dengan penambahan struktur baru yang menerangi hampir seluruh alam semesta protein, kita dapat mengharapkan lebih banyak misteri biologis untuk dipecahkan setiap hari.”

Bekerja sama dengan para ilmuwan di European Molecular Biology Laboratory's European Bioinformatics Institute (EMBL–EBI), DeepMind meluncurkan batch pertama prediksi AlphaFold pada Juli tahun lalu.

Digembar-gemborkan sebagai alat revolusioner yang akan mengubah penelitian biologi dan mempercepat penemuan obat, AlphaFold memprediksi bentuk 3D protein berdasarkan urutan asam aminonya. Dihubungkan bersama dalam rantai, urutan asam amino ini menggulung protein panjang yang dilipat menjadi lembaran berlipit dan memutar pita-pita.

Dengan memahami bentuk lipatan protein tertentu, para ilmuwan dapat memahami bagaimana protein itu beroperasi, menguraikan apa peran utamanya di dalam sel. AlphaFold dirancang untuk mempercepat proses itu, menyediakan dalam rilis data terbaru ini lebih dari 200 juta struktur protein yang diprediksi ditemukan pada tumbuhan, bakteri, hewan, dan organisme lain.

“Harapan itu telah menjadi kenyataan jauh lebih cepat daripada yang berani kami impikan,” kata kepala eksekutif DeepMind Demis Hassabis dalam sebuah pernyataan tentang rilis data terbaru.

Sudah, para peneliti telah menggunakan batch pertama prediksi AlphaFold untuk memperbaiki pemahaman mereka tentang penyakit mematikan seperti malaria, membuka pintu untuk vaksin yang lebih baik, dan untuk menguraikan teka-teki biologis tentang protein raksasa yang telah membingungkan para ilmuwan selama beberapa dekade. Belum lagi mengidentifikasi enzim yang belum pernah dilihat sebelumnya yang dapat membantu mendaur ulang polusi plastik.

“AlphaFold telah mengirimkan riak melalui komunitas biologi molekuler,” kata Sameer Velankar, ahli biologi struktural yang mengepalai Bank Data Protein EMBL-EBI.

“Dalam satu tahun terakhir saja, ada lebih dari seribu artikel ilmiah tentang berbagai topik penelitian yang menggunakan struktur AlphaFold; saya belum pernah melihat yang seperti itu. Dan ini hanya dampak dari 1 juta prediksi,” tambah Velankar.

“Bayangkan dampak memiliki lebih dari 200 juta prediksi struktur protein yang dapat diakses secara terbuka di database AlphaFold.”

Menurut EMBL-EBI, sekitar sepertiga dari lebih dari 214 juta prediksi telah diklasifikasikan sebagai sangat akurat, setara dengan struktur protein yang berasal dari metode eksperimental biasa, seperti kristalografi sinar-X dan mikroskopi cryo-electron.

Selama beberapa dekade para ilmuwan telah dengan susah payah menyimpulkan struktur molekul dari gambar kabur yang dihasilkan metode ini - mungkin yang paling terkenal adalah gambar DNA heliks Rosalind Franklin. Namun, kualitas prediksi AlphaFold bervariasi, dan mungkin kurang akurat untuk protein langka yang hanya sedikit diketahui para ilmuwan. Jadi dalam beberapa kasus, struktur prediksinya dapat digunakan untuk memahami data eksperimen.

Terlepas dari dump data yang sangat besar, masih ada banyak kehidupan yang tidak ditangkap AlphaFold, termasuk prediksi tentang bagaimana protein berinteraksi setelah dirakit. Protein mikroba yang diidentifikasi dari jejak materi genetik di tanah dan air laut juga tidak ada dalam database – namun mikroorganisme ini mewakili sumber senyawa kuat yang belum dimanfaatkan, karena para ilmuwan telah membuat katalog hanya sebagian kecil dari semua kehidupan mikroba di Bumi.

Beberapa ilmuwan juga telah menyuarakan keprihatinan tentang aksesibilitas database AlphaFold dan kontennya yang mengejutkan sebesar 23 terabyte, yang mungkin kurang layak untuk diakses oleh beberapa tim peneliti mengingat daya komputer yang mahal dan penyimpanan berbasis cloud yang dibutuhkan analisis data yang canggih. Meskipun demikian, manfaat yang akan datang bagi kesehatan manusia - yang menurut DeepMind telah dipertimbangkan dengan cermat terhadap potensi risiko bioetika - begitu besar sehingga hampir tidak terbayangkan.

“Saya berharap pembaruan terbaru ini akan memicu serangkaian penemuan baru dan menarik di bulan-bulan dan tahun-tahun mendatang,” kata ahli biologi struktural dan ilmuwan senior EMBL-EBI, Dame Janet Thornton kepada The Guardian. “Dan ini semua berkat fakta bahwa data tersedia secara terbuka untuk digunakan semua orang.” DeepMind dan EMBL-EBI akan terus memperbarui database AlphaFold secara berkala.

Ikuti Whatsapp Channel Republika