Metode AI Mengungkap Apa yang Dipelajari Model Genomik dari DNA dan Mengungkap Bias Eksperimental yang Tersembunyi

Peneliti di Stowers Institute for Medical Research telah membuat metode interpretasi yang memperlihatkan, basa per basa, apa yang dipelajari model deep‑learning dari DNA, dan menggunakannya untuk menghilangkan bias eksperimental tersembunyi dari data genomik. Metode ini, yang disebut PISA, dijelaskan dalam sebuah makalah yang diterbitkan di Nature Communications pada Agustus 2026 dan diumumkan oleh institut pada 25 Agustus 2026.

Jaringan saraf urutan‑ke‑fungsi mengambil DNA mentah sebagai masukan dan memprediksi hasil eksperimen genomik, mulai dari ikatan faktor transkripsi hingga organisasi nukleosom. Apa yang biasanya tidak dapat mereka jelaskan adalah mengapa mereka membuat prediksi tertentu. PISA, singkatan dari pairwise influence by sequence attribution, melacak prediksi model pada satu posisi genomik yang tepat kembali ke setiap basa lain yang memengaruhinya, menghasilkan peta dua dimensi dengan resolusi satu basa tentang apa yang dipelajari model, bukan sekadar apa yang diprediksinya.

Studi ini dipimpin oleh Julia Zeitlinger di Stowers bekerja sama dengan Anshul Kundaje dari Stanford University, dengan Charles McAnany, seorang Stowers AI Fellow, sebagai penulis pertama. PISA dijalankan di dalam BPReveal, ekstensi terbaru laboratorium dari BPNet, kerangka kerja deep‑learning yang pertama kali dikembangkan tim pada 2021.

Bagaimana PISA Memisahkan Bias Eksperimental dari Biologi

Tim menerapkan PISA pada MNase‑seq, sebuah uji yang banyak digunakan untuk memetakan nukleosom, struktur yang terbentuk ketika DNA melilit protein histon. Uji ini bekerja dengan menggunakan enzim yang memotong DNA yang terbuka sementara DNA yang terlindungi oleh nukleosom tetap utuh, namun enzim tersebut memiliki preferensi terhadap beberapa urutan dibandingkan yang lain. Oleh karena itu data mengandung dua sinyal yang tumpang tindih, dan model mempelajari keduanya.

Karena alat interpretasi sebelumnya mereduksi pengaruh setiap basa menjadi satu nilai, efek positif dan negatif dapat saling meniadakan dan menghilang. PISA mempertahankan informasi pada resolusi penuh, dan pada resolusi tersebut preferensi urutan enzim muncul sebagai sidik jari khas pada peta. Tim mengekstrak tanda tangan itu secara matematis, melatih model terpisah hanya pada bias, dan mengurangkannya, sehingga menghasilkan model kedua yang hanya mempelajari biologi.

“Itu agak mirip dengan mikroskopi super‑resolusi,” kata Zeitlinger dalam pengumuman institut. “Bahkan metode interpretasi sebelumnya sudah membuka kotak hitam. Lalu Anda menyadari bisa melihat lebih banyak lagi. Anda menambahkan piksel dan tiba‑tiba melihat hal‑hal yang sebelumnya tidak dapat Anda lihat.”

Kejutan yang Tersembunyi dalam Data Bersih

Di dalam model yang telah dikoreksi bias, PISA mengungkap urutan DNA yang membantu menempatkan nukleosom, dengan efek yang meluas ratusan pasangan basa ke kedua arah. Banyak di antaranya asimetris, memengaruhi satu sisi secara berbeda dari sisi lainnya. Menelusuri asimetri tersebut membawa tim ke batas domain kromatin, batas yang menentukan urutan regulator mana yang dapat menjangkau gen tertentu. Batas‑batas itu biasanya dipetakan dengan metode kromatin 3D yang memerlukan kedalaman sequencing yang sangat besar; model ini menemukan ribuan batas tersebut hanya dari data nukleosom, seringkali lebih tepat daripada data 3D, menurut makalah.

Tim kemudian menggunakan model yang berfokus pada biologi untuk merancang urutan DNA sintetis yang diprediksi dapat mengatur nukleosom dalam konfigurasi tertentu, dan menguji sebagian desain tersebut secara eksperimental. Prediksi tersebut terbukti akurat, menjadi bukti bahwa aturan yang dipelajari model dapat menghasilkan hipotesis yang dapat diuji, bukan sekadar mendeskripsikan data yang ada.

Penelitian ini berada di bidang yang telah banyak berinvestasi pada model urutan yang semakin besar. AlphaGenome milik Google DeepMind, yang dipublikasikan awal 2026 dan dikutip dalam pengantar makalah PISA, memprediksi efek varian regulator di seluruh genom. PISA menangani masalah pelengkap: setelah sebuah model membuat prediksi tersebut, memahami fitur urutan mana yang sebenarnya digunakannya. Metode ini sudah menyebar di luar laboratorium Zeitlinger, diimplementasikan dalam paket perangkat lunak terpisah oleh seorang kolaborator dan diadopsi oleh ilmuwan saraf Stowers Neşet Özel untuk pertanyaan biologis lain.

PISA dalam Angka

• 2021 – kerangka kerja deep‑learning BPNet, fondasi PISA, pertama kali dikembangkan oleh tim
• 8 April 2025 – preprint PISA pertama kali diposting ke bioRxiv
• Agustus 2026 – publikasi peer‑review di Nature Communications
• Ratusan pasangan basa – jangkauan urutan penempatan nukleosom individu yang ditemukan model
• Ribuan – batas domain kromatin yang diidentifikasi hanya dari data nukleosom

Batasan yang Dinyatakan Penulis

Ini adalah makalah metode dan genomik, dan relevansi terhadap penyakitnya merupakan arah, bukan hasil. Sebagian besar variasi genetik yang terkait penyakit berada di DNA regulator, bukan pada gen, dan Zeitlinger secara tegas menyatakan bahwa menempatkan varian di situs ikatan atau pada batas domain mengusulkan mekanisme tanpa menghasilkan obat. Penelitian ini juga memerlukan laboratorium yang menguasai baik deep‑learning maupun biologi eksperimental, dan Zeitlinger menyebutkan keahlian ganda tersebut sebagai kesenjangan yang terus ada di bidang ini, bukan sekadar kekuatan komputasi.

Urutan DNA yang dirancang hanya divalidasi untuk sebagian yang diuji secara eksperimental, dan demonstrasi koreksi bias dalam makalah bersifat khusus untuk MNase‑seq, meskipun penulis menunjukkan PISA diterapkan pada beberapa tipe data. Riwayat revisi preprint menunjukkan analisis domain kromatin ditambahkan selama proses peer review, setelah versi revisi diposting pada 5 Januari 2026.

Apa yang kini dibuktikan oleh penelitian ini adalah cara untuk mengaudit apa yang diserap model genomik dari data pelatihan mereka, memperbaiki bagian yang berasal dari eksperimen bukan biologi, dan mengekstrak aturan urutan yang cukup tepat untuk dirancang serta diuji pada sistem hidup.