Sebagian besar tren AI baru-baru ini berpusat pada konten digital yang memukau yang dihasilkan dari perintah sederhana, di samping kekhawatiran tentang kemampuannya untuk memusnahkan tenaga kerja dan membuat propaganda jahat menjadi lebih meyakinkan. (Menyenangkan!) Namun, beberapa pekerjaan AI yang paling menjanjikan – dan berpotensi tidak terlalu berbahaya – terletak pada bidang kedokteran. Pembaruan baru pada perangkat lunak AlphaFold Google dapat mengarah pada penelitian penyakit baru dan terobosan pengobatan.
Perangkat lunak AlphaFold, dari Google DeepMind dan (yang juga dimiliki oleh Alphabet) Isomorphic Labs, telah menunjukkan bahwa ia dapat memprediksi bagaimana protein terlipat dengan akurasi yang mengejutkan. Ini berisi katalog 200 juta protein yang diketahui, dan Google mengatakan jutaan peneliti telah menggunakan versi sebelumnya untuk membuat penemuan di berbagai bidang seperti vaksin malaria, pengobatan kanker, dan desain enzim.
Mengetahui bentuk dan struktur protein menentukan bagaimana ia berinteraksi dengan tubuh manusia, sehingga memungkinkan para ilmuwan menciptakan obat baru atau menyempurnakan obat yang sudah ada. Namun versi baru, AlphaFold 3, dapat memodelkan molekul penting lainnya, termasuk DNA. Hal ini juga dapat memetakan interaksi antara obat dan penyakit, yang dapat membuka pintu baru yang menarik bagi para peneliti. Dan Google mengatakan mereka melakukannya dengan akurasi 50 persen lebih baik dibandingkan model yang ada.
“AlphaFold 3 membawa kita melampaui protein ke spektrum biomolekul yang luas,” tim peneliti DeepMind Google tulis dalam postingan blog. “Lompatan ini dapat membuka ilmu pengetahuan yang lebih transformatif, mulai dari pengembangan bahan-bahan yang dapat diperbarui secara hayati dan tanaman yang lebih tangguh, hingga mempercepat perancangan obat dan penelitian genomik.”
“Bagaimana protein merespons kerusakan DNA; bagaimana mereka menemukan, memperbaikinya?” Pemimpin proyek Google DeepMind John Jumper diberi tahu Kabel. “Kita bisa mulai menjawab pertanyaan-pertanyaan ini.”
Sebelum adanya AI, para ilmuwan hanya dapat mempelajari struktur protein melalui mikroskop elektron dan metode rumit seperti kristalografi sinar-X. Pembelajaran mesin menyederhanakan sebagian besar proses tersebut dengan menggunakan pola yang dikenali dari pelatihannya (seringkali tidak terlihat oleh manusia dan instrumen standar kami) untuk memprediksi bentuk protein berdasarkan asam aminonya.
Google mengatakan bagian dari kemajuan AlphaFold 3 berasal dari penerapan model difusi pada prediksi molekulernya. Model difusi adalah bagian utama dari generator gambar AI seperti Midjourney, Gemini dari Google, dan DALL-E 3 dari OpenAI. Menggabungkan algoritme ini ke dalam AlphaFold “mempertajam struktur molekul yang dihasilkan perangkat lunak”, seperti Kabel menjelaskan. Dengan kata lain, dibutuhkan formasi yang terlihat kabur atau samar-samar dan membuat tebakan yang cerdas berdasarkan pola dari data pelatihannya untuk menjernihkannya.
“Ini merupakan kemajuan besar bagi kami,” kata CEO Google DeepMind Demis Hassabis Kabel. “Inilah yang Anda perlukan untuk penemuan obat: Anda perlu melihat bagaimana sebuah molekul kecil akan berikatan dengan suatu obat, seberapa kuatnya, dan juga apa yang mungkin mengikatnya.”
AlphaFold 3 menggunakan skala kode warna untuk memberi label tingkat kepercayaan dalam prediksinya, memungkinkan peneliti untuk berhati-hati dengan hasil yang cenderung tidak akurat. Biru berarti kepercayaan diri yang tinggi; merah berarti kurang pasti.
Google sedang membuat AlphaFold 3 gratis untuk digunakan oleh peneliti untuk penelitian non-komersial. Namun, tidak seperti versi sebelumnya, perusahaan ini tidak melakukan proyek secara open source. Salah satu peneliti terkemuka yang membuat perangkat lunak serupa, profesor Universitas Washington David Baker, menyatakan kekecewaannya Kabel bahwa Google memilih rute itu. Namun, dia juga kagum dengan kemampuan perangkat lunak tersebut. “Kinerja prediksi struktur AlphaFold 3 sangat mengesankan,” ujarnya.
Mengenai langkah selanjutnya, Google mengatakan “Isomorphic Labs telah berkolaborasi dengan perusahaan farmasi untuk menerapkannya pada tantangan desain obat di dunia nyata dan, pada akhirnya, mengembangkan perawatan baru yang mengubah hidup pasien.”
