Ilustrasi struktur protein dan lipatan.
getty
Google sering mendominasi berita di berbagai sektor dan industri— mulai dari bisnis periklanan dan pencarian cerdas hingga teknologi kendaraan otonom dan perangkat pribadi. Namun, satu kepentingan tambahan yang mungkin kurang dikenal adalah investasi signifikan perusahaan di dunia biologi dan penemuan obat.
Salah satu aspek terpenting dari cerita ini adalah AlphaFold, kecerdasan buatan dan platform model dasar yang telah memungkinkan DeepMind dan Google untuk membuat kemajuan luar biasa di bidang biologi. Secara khusus, para pengembangnya berusaha untuk membantu mengatasi tantangan kunci yang dihadapi para peneliti dalam proses ilmiah; salah satunya adalah kemampuan untuk menentukan struktur dan urutan protein— elemen pembangun organisme hidup. Meskipun semua 300,000,000 protein di Bumi hanyalah kombinasi dari ~20 asam amino dasar, urutan dan lipatan elemen ini adalah kunci utama fungsi penting kehidupan. Oleh karena itu, inspirasi dan penciptaan AlphaFold adalah untuk dengan berani mengurai misteri lipatan protein dan dengan demikian, membuka potensi temuan baru dalam ilmu pengetahuan.
Untuk melakukannya, para ilmuwan mengembangkan AlphaFold dengan melatihnya dengan hampir 100,000 protein yang diketahui. Dua iterasi besar kemudian dan bekerja sama dengan Isomorphic Labs, AlphaFold 3 adalah model terbaru yang telah dirilis, dan memiliki ketepatan yang signifikan dalam memahami interaksi protein dan kemampuan pemodelan.
Dr. John Jumper, PhD, adalah salah satu pelopor kunci di balik pengembangan AlphaFold, dan dengan antusias menggambarkan “kisah AlphaFold” sebagai tonggak signifikan dalam ilmu pengetahuan, terutama sehubungan dengan pemahaman struktur dan lipatan protein: apa yang sebelumnya memakan waktu bertahun-tahun sekarang dapat diselesaikan dalam hitungan menit dengan platform.
Kenapa ini penting bagi banyak orang?
Karena teknologi ini memiliki banyak aplikasi potensial. Salah satunya yang paling penting adalah dampak besar pada industri farmasi dan penemuan obat. Obat/obat hanyalah molekul kecil yang pada akhirnya melekat pada protein di dalam tubuh dalam konfigurasi tertentu untuk memicu rangkaian peristiwa untuk menargetkan patologi tertentu di tubuh. Kerja AlphaFold dan DeepMind di bidang ini telah membuka kemampuan belum pernah terjadi sebelumnya dalam menargetkan protein ini untuk tujuan penemuan dan pengembangan obat. Ketika para ilmuwan lebih memahami struktur dan interaksi protein, mereka juga dapat menciptakan target yang lebih baik untuk obat, lebih memahami efek samping dan menjelajahi ranah baru interaksi protein-obat yang mungkin sebelumnya tidak dapat dipahami.
Seperti yang dijelaskan oleh Max Jaderberg, Chief AI Officer di Isomorphic Labs, karya ini menandai bab monumental dalam sejarah manusia, karena para ilmuwan telah memungkinkan “untuk secara rasional mengembangkan terapi terhadap target yang sebelumnya sulit atau dianggap sulit dimodulasi.”
Meskipun kemajuan luar biasa yang telah dilakukan oleh organisasi tersebut, proses ini melibatkan berbagai tantangan. Pertumbuhan cepat teknologi kecerdasan buatan dan model dasar telah memperkenalkan berbagai kekhawatiran keandalan dan kepercayaan juga— terutama karena semakin digunakan untuk aplikasi penting. Pushmeet Kohli, yang mendirikan Tim Keandalan di DeepMind dan sekarang menjadi Wakil Presiden Riset perusahaan, menjelaskan bahwa meskipun beberapa masalah terbesar dalam ilmu alam dapat dipecahkan dengan pembelajaran mesin dan AI, juga banyak waktu dan sumber daya yang diinvestasikan untuk memastikan bahwa model-model tersebut dilatih dan dikembangkan dengan perhatian yang penuh. Secara khusus, Kohli menjelaskan bahwa ia selalu memikirkan tentang bagaimana membuat sistem lebih andal dalam menghasilkan hasil yang konsisten dan akurat, dan yang lebih penting lagi, cara untuk mengaktifkan langkah-langkah keamanan yang mengenali ketika sistem sedang bermasalah.
Tanpa diragukan lagi, meskipun Google dan DeepMind tentu bukan satu-satunya inovator di bidang ini, mereka mungkin merupakan salah satu pemain terkemuka di pasar. Ilmuwan dan pengembang di seluruh dunia telah menyadari bahwa kecerdasan buatan memiliki potensi besar untuk bidang ini dan sedang bekerja dengan cepat untuk menciptakan produk-produk mereka sendiri. Sebagai contoh, startup yang didirikan di University of Michigan, Genomenon, telah mengembangkan produk AI untuk memanfaatkan data genomik untuk mendukung diagnostik dan terapi presisi. Perusahaan induk Facebook, Meta, juga telah menginvestasikan sumber daya yang signifikan di sektor ini dan mengembangkan model dasar lipatan protein mereka sendiri yang dinamai ESMFold. Pada Maret 2023, platform tersebut menyatakan bahwa pembaruan terbarunya dapat memprediksi hampir 772 juta struktur protein.
Ketidakadaan pesaing AlphaFold yang banyak dan kemajuan signifikan oleh figur pasar lainnya mengindikasikan seberapa sulitnya pekerjaan ini, terutama ketika standar keamanan dan keandalan yang tinggi sudah ditetapkan. Namun, meskipun tantangannya, bidang ini memiliki potensi untuk menciptakan dampak substansial dalam dunia kedokteran dan perawatan kesehatan.