AI Baru-Baru Ini Mensimulasikan 500 Juta Tahun Evolusi – Dan Menciptakan Protein Baru!

Evolusi telah menghaluskan kehidupan pada tingkat molekuler selama miliaran tahun. Protein, blok bangunan dasar kehidupan, telah berevolusi melalui proses ini untuk melakukan berbagai fungsi biologis, dari melawan infeksi hingga mencerna makanan. Molekul kompleks ini terdiri dari rantai panjang asam amino yang disusun dalam urutan yang tepat yang menentukan struktur dan fungsinya. Sementara alam telah menghasilkan keragaman luar biasa protein, memahami struktur dan merancang protein baru sepenuhnya telah lama menjadi tantangan yang kompleks bagi ilmuwan.

Perkembangan terbaru dalam kecerdasan buatan (AI) mengubah kemampuan kita untuk menangani beberapa tantangan biologi yang paling signifikan. Sebelumnya, AI digunakan untuk memprediksi bagaimana urutan protein tertentu akan terlipat dan berperilaku – tantangan yang kompleks karena jumlah konfigurasi yang sangat besar. Baru-baru ini, AI telah berkembang untuk menghasilkan protein baru sepenuhnya dengan skala yang belum pernah terjadi sebelumnya. Pencapaian ini telah dicapai dengan ESM3, model bahasa generatif multimodal yang dirancang oleh EvolutionaryScale. Tidak seperti sistem AI konvensional yang dirancang untuk pemrosesan teks, ESM3 telah dilatih untuk memahami urutan protein, struktur, dan fungsi. Yang membuatnya benar-benar luar biasa adalah kemampuannya untuk mensimulasikan 500 juta tahun evolusi – prestasi yang telah menghasilkan protein fluoresen baru yang sepenuhnya, sesuatu yang belum pernah terlihat di alam.

Pencapaian ini adalah langkah besar menuju membuat biologi lebih dapat diprogram, membuka kemungkinan baru untuk merancang protein khusus dengan aplikasi dalam bidang kedokteran, ilmu bahan, dan lain-lain. Dalam artikel ini, kita menjelajahi bagaimana ESM3 bekerja, apa yang telah dicapainya, dan mengapa kemajuan ini mengubah pemahaman kita tentang biologi dan evolusi.

Kenalan dengan ESM3: AI yang Mensimulasikan Evolusi

ESM3 adalah model bahasa multimodal yang dilatih untuk memahami dan menghasilkan protein dengan menganalisis urutan, struktur, dan fungsi mereka. Tidak seperti AlphaFold, yang dapat memprediksi struktur protein yang ada, ESM3 pada dasarnya adalah model rekayasa protein, yang memungkinkan peneliti untuk menentukan persyaratan fungsional dan struktural untuk merancang protein baru sepenuhnya.

Model ini memiliki pengetahuan yang mendalam tentang urutan protein, struktur, dan fungsi, serta kemampuan untuk menghasilkan protein melalui interaksi dengan pengguna. Kemampuan ini memungkinkan model untuk menghasilkan protein yang mungkin tidak ada di alam tetapi tetap layak secara biologis. Menciptakan protein fluoresen hijau baru (esmGFP) adalah demonstrasi yang mengesankan dari kemampuan ini. Protein fluoresen, yang awalnya ditemukan pada ubur-ubur dan terumbu karang, secara luas digunakan dalam penelitian medis dan bioteknologi. Untuk mengembangkan esmGFP, peneliti memberikan ESM3 dengan karakteristik struktural dan fungsional kunci dari protein fluoresen yang diketahui. Model kemudian mengoptimalkan desain secara iteratif, menggunakan pendekatan chain-of-thought reasoning untuk mengoptimalkan urutan. Sementara evolusi alami dapat memakan waktu jutaan tahun untuk menghasilkan protein serupa, ESM3 mempercepat proses ini untuk mencapainya dalam beberapa hari atau minggu.

Proses Perancangan Protein yang Dipandu AI

Berikut adalah bagaimana peneliti telah menggunakan ESM3 untuk mengembangkan esmGFP:

1. Mempromps AI – Awalnya, mereka memasukkan urutan dan petunjuk struktural untuk memandu ESM3 menuju fitur yang terkait dengan fluoresensi.
2. Menghasilkan Protein Baru – ESM3 menjelajahi ruang besar potensial urutan untuk menghasilkan ribuan kandidat protein.
3. Penyaringan dan Pemolesan – Desain yang paling menjanjikan disaring dan disintesis untuk pengujian laboratorium.
4. Validasi dalam Sel Hidup – Protein yang dirancang AI dipilih dan diekspresikan dalam bakteri untuk mengkonfirmasi fluoresensi dan fungsionalitasnya.

Proses ini telah menghasilkan protein fluoresen (esmGFP) yang tidak seperti apa pun di alam.

Bagaimana esmGFP Dibandingkan dengan Protein Alami

Apa yang membuat esmGFP luar biasa adalah seberapa jauh ia dari protein fluoresen yang diketahui. Sementara sebagian besar protein fluoresen baru memiliki variasi kecil dari yang ada, esmGFP memiliki identitas urutan hanya 58% dengan kerabat alaminya yang paling dekat. Secara evolusioner, perbedaan seperti itu sesuai dengan waktu divergensi lebih dari 500 juta tahun.

Untuk memahami hal ini, terakhir kali protein dengan jarak evolusioner serupa muncul, dinosaurus belum muncul, dan kehidupan multiseluler masih dalam tahap awal. Ini berarti AI tidak hanya mempercepat evolusi – tetapi juga mensimulasikan jalur evolusi baru, menghasilkan protein yang mungkin tidak pernah diciptakan oleh alam.

Mengapa Penemuan Ini Penting

Pengembangan ini adalah langkah besar menuju rekayasa protein dan memperdalam pemahaman kita tentang evolusi. Dengan mensimulasikan jutaan tahun evolusi dalam beberapa hari, AI membuka pintu untuk kemungkinan baru yang menarik:

• Penemuan Obat yang Lebih Cepat: Banyak obat bekerja dengan menargetkan protein tertentu, tetapi menemukan yang tepat memakan waktu lama dan mahal. Protein yang dirancang AI bisa mempercepat proses ini, membantu peneliti menemukan pengobatan baru lebih efisien.
• Solusi Baru dalam Bioengineering: Protein digunakan dalam segala hal, dari memecahkan limbah plastik hingga mendeteksi penyakit. Dengan perancangan yang dipandu AI, ilmuwan dapat menciptakan protein khusus untuk perawatan kesehatan, perlindungan lingkungan, dan bahkan bahan baru.
• AI sebagai Simulator Evolusi: Salah satu aspek paling menarik dari penelitian ini adalah bahwa itu memposisikan AI sebagai simulator evolusi, bukan hanya alat untuk analisis. Simulasi evolusi tradisional melibatkan iterasi melalui mutasi genetik, seringkali memakan waktu bulan atau tahun untuk menghasilkan kandidat yang layak. ESM3, bagaimanapun, melewati keterbatasan ini dengan memprediksi protein fungsional secara langsung. Perubahan pendekatan ini berarti bahwa AI tidak hanya dapat meniru evolusi tetapi juga secara aktif menjelajahi kemungkinan evolusioner di luar alam. Dengan kekuatan komputasi yang cukup, evolusi yang dipandu AI dapat mengungkap sifat kimia baru yang belum pernah ada di dunia alami.

Pertimbangan Etis dan Pengembangan AI yang Bertanggung Jawab

Sementara manfaat potensial dari rekayasa protein yang dipandu AI sangat besar, teknologi ini juga menimbulkan pertanyaan etis dan keamanan. Apa yang terjadi ketika AI mulai merancang protein di luar pemahaman manusia? Bagaimana kita memastikan protein tersebut aman untuk penggunaan medis atau lingkungan?

Kita perlu fokus pada pengembangan AI yang bertanggung jawab dan pengujian yang menyeluruh untuk menangani kekhawatiran ini. Protein yang dihasilkan AI, seperti esmGFP, harus menjalani pengujian laboratorium yang ekstensif sebelum dipertimbangkan untuk aplikasi dunia nyata. Selain itu, kerangka etis untuk biologi yang dipandu AI sedang dikembangkan untuk memastikan transparansi, keamanan, dan kepercayaan publik.

Ringkasan

Peluncuran ESM3 adalah pengembangan vital dalam bidang bioteknologi. ESM3 menunjukkan bahwa evolusi tidak harus menjadi proses yang lambat dan berulang. Mengompresi 500 juta tahun evolusi protein menjadi hanya beberapa hari membuka masa depan di mana ilmuwan dapat merancang protein baru dengan kecepatan dan akurasi yang luar biasa. Pengembangan ESM3 berarti bahwa kita tidak hanya dapat menggunakan AI untuk memahami biologi tetapi juga untuk membentuknya kembali. Pencapaian ini membantu kita untuk meningkatkan kemampuan kita untuk memprogram biologi dengan cara yang sama seperti kita memprogram perangkat lunak, membuka kemungkinan yang baru yang baru saja kita bayangkan.