AI DeepMind milik Google ungkap struktur 3 dimensi 'semua jenis protein'
Apa ceritanya
Butuh upaya bertahun-tahun bagi Ferdinand Perutz dan John Kendrew hingga akhirnya menemukan struktur protein globular. Lebih dari enam dekade kemudian, AlphaFold, jaringan AI revolusioner milik perusahaan AI Google yang berbasis di London, DeepMind, berhasil memprediksi struktur hampir semua jenis protein yang diketahui manusia hanya dalam waktu sekitar 12 bulan. Anda tahu berapa banyak jumlahnya? Dua ratus juta lebih protein.
Konteks
Mengapa artikel ini penting?
Topik kecerdasan buatan masih sering menimbulkan perdebatan sengit. Baik pendukung maupun penentangnya punya argumen kuat yang melatarbelakangi pendapat mereka. Namun, kita semua bisa sepakat bahwa kecerdasan buatan tentu dapat mempercepat penemuan ilmiah. AlphaFold DeepMind menjadi contoh nyata hal tersebut. Manfaatnya jauh lebih besar daripada risikonya dengan selisih yang besar, dan pencapaian baru inilah buktinya.
Protein 3D
AlphaFold mampu prediksi struktur 3D komposisi kimia
AlphaFold menggunakan teknik bernama 'pembelajaran menyeluruh' (deep learning) untuk menentukan struktur 3D protein. AI tersebut dapat memprediksi struktur protein dari komposisi kimianya. Ketika diluncurkan setahun yang lalu, AlphaFold menyimpan data 350.000 struktur, yang sekarang berjumlah 200 juta lebih. Basis data itu dikumpulkan bekerja sama dengan Institut Bioinformatika Eropa (EMBL-EBI) Laboratorium Biologi Molekuler Eropa.
Ketepatan
Seberapa akurat prediksi AlphaFold?
Umumnya, para ilmuwan menggunakan metode-metode seperti kristalografi sinar-X dan mikroskop cryo-electron, yang butuh waktu lama dan biaya besar untuk mengetahui struktur protein. AlphaFold memudahkan para ilmuwan dengan memprediksi struktur yang akurat tanpa kendala berarti. Menurut EMBL-EBI, sekitar 35% prediksi dianggap sangat akurat, sementara 45% lainnya dianggap cukup baik untuk diandalkan dalam banyak penerapan.
Dampak
Kode dan data jaringan AI bisa digunakan secara gratis
Sejak diperkenalkan, AlphaFold terbukti menguntungkan para ilmuwan. CEO DeepMind Demis Hassabis menyebutnya sebagai "kado" bagi umat manusia karena gratis dipakai untuk tujuan apa pun dan berlisensi open source sehingga tidak bisa dipertentangkan. Menurut Hassabis, lebih dari 500.000 ilmuwan sudah menggunakan basis data ini untuk melihat lebih dari dua juta struktur. Data tersebut pun membantu para ilmuwan menemukan hal-hal baru.
Kerumitan
Memahami struktur protein penting untuk pengembangan obat-obatan
Memahami struktur protein penting untuk pengembangan obat-obatan dan bidang biokimia lainnya. Interaksi antara molekul dan proteinlah yang memberikan hasil yang diinginkan. Namun, proses tersebut rumit karena kompleksnya struktur protein. Walaupun protein itu berupa rangkaian asam amino, protein bisa melipat, menekuk, dan bahkan kusut. Malah, lipatan protein menentukan fungsinya.
informasi
Basis data AlphaFold berisi konten 23 terabita
Untuk prediksinya, AlphaFold memanfaatkan basis data lain bernama UniProt. Kini, setiap urutan protein pada UniProt akan memiliki struktur yang sesuai. Basis data AlphaFold sekarang berukuran 23 terabita dan 200 juta lebih struktur itu bisa diunduh melalui Google Cloud Public Datasets.
Arti penting
AlphaFold bisa pecahkan masalah 'pelipatan protein' yang dihadapi ilmuwan
Para ilmuwan menghabiskan banyak waktu demi memahami struktur protein sehingga lipatannya tidak menghalangi penempelan molekul. Dalam kasus obat-obatan, kesalahan apa pun dapat menyebabkan reaksi yang merugikan. AlphaFold dianggap sebagai solusi untuk 'masalah pelipatan protein' itu. Basis datanya yang besar bisa membantu para ilmuwan memahami struktur protein tanpa menghabiskan banyak waktu di laboratorium dan dengan biaya yang terjangkau.
Contoh
Eksperimen dan artikel ilmiah sudah menggunakan struktur AlphaFold
Sejak diperkenalkan, AlphaFold sudah mendorong sejumlah upaya ilmiah. Ilmuwan-ilmuwan Universitas Yale memakai basis data itu untuk mencapai target mereka menciptakan vaksin Malaria yang efektif bulan April lalu. Demikian pula, eksperimen Universitas California dalam memahami virus corona dan bersiap menghadapi pandemi lain sangat terbantu dengan prediksi AlphaFold. Terdapat juga ribuan artikel ilmiah yang telah memanfaatkan struktur AlphaFold.