Sistem AI Menemukan Rancangan untuk Protein Buatan

Sebuah tim peneliti dari Pritzker School of Molecular Engineering (PME) di University of Chicago baru-baru ini berhasil menciptakan sistem AI yang dapat membuat protein buatan sepenuhnya dengan menganalisis data besar.

Protein adalah molekul besar yang penting untuk pembangunan jaringan pada makhluk hidup, dan kritis untuk kehidupan sel secara umum. Protein digunakan oleh sel sebagai katalis kimia untuk membuat berbagai reaksi kimia terjadi dan untuk melakukan tugas yang kompleks. Jika para ilmuwan dapat menemukan cara untuk merancang protein buatan dengan andal, itu dapat membuka pintu untuk cara baru penangkapan karbon, metode baru untuk menghasilkan energi, dan pengobatan penyakit baru. Protein buatan memiliki kekuatan untuk mengubah dunia yang kita tinggali secara dramatis. Seperti yang dilaporkan oleh EurekaAlert, sebuah temuan baru oleh peneliti di PME University of Chicago telah membawa para ilmuwan lebih dekat ke tujuan tersebut. Peneliti PME menggunakan algoritma pembelajaran mesin untuk mengembangkan sistem yang dapat menghasilkan bentuk protein baru.

Tim peneliti menciptakan model pembelajaran mesin yang dilatih pada data yang diambil dari berbagai basis data genom. Ketika model tersebut belajar, mereka mulai mengenali pola dasar yang umum, aturan desain sederhana, yang memungkinkan penciptaan protein buatan. Setelah mengambil pola tersebut dan mensintesis protein yang sesuai di laboratorium, para peneliti menemukan bahwa protein buatan yang dihasilkan memiliki reaksi kimia yang seefektif protein yang terjadi secara alami.

Menurut Joseph Regenstein Professor di PME UC, Rama Ranganathan, tim peneliti menemukan bahwa data genom mengandung sejumlah besar informasi tentang fungsi dan struktur dasar protein. Dengan menggunakan pembelajaran mesin untuk mengenali struktur tersebut, para peneliti “dapat menangkap aturan alam untuk menciptakan protein kita sendiri.”

Para peneliti fokus pada enzim metabolik untuk penelitian ini, khususnya sebuah keluarga protein yang disebut chorismate mutase. Protein ini diperlukan untuk kehidupan di berbagai tanaman, fungi, dan bakteri.

Ranganathan dan kolaboratornya menyadari bahwa basis data genom mengandung wawasan yang hanya menunggu untuk ditemukan oleh para ilmuwan, tetapi metode tradisional untuk menentukan aturan tentang struktur dan fungsi protein hanya memiliki kesuksesan terbatas. Tim tersebut berusaha untuk merancang model pembelajaran mesin yang dapat mengungkapkan aturan desain tersebut. Temuan model tersebut menyiratkan bahwa urutan buatan baru dapat diciptakan dengan melestarikan posisi asam amino dan korelasi dalam evolusi pasangan asam amino.

Tim peneliti menciptakan gen sintetik yang mengkodekan urutan asam amino yang menghasilkan protein tersebut. Mereka mengklon bakteri dengan gen sintetik tersebut dan menemukan bahwa bakteri menggunakan protein sintetik dalam mesin seluler mereka, berfungsi hampir sama seperti protein biasa.

Menurut Ranganathan, aturan sederhana yang dibedakan oleh AI dapat digunakan untuk menciptakan protein buatan dengan kompleksitas dan keragaman yang luar biasa. Seperti yang Ranganathan jelaskan kepada EurekaAlert:

“Kendala tersebut jauh lebih kecil dari yang kita bayangkan sebelumnya. Ada kesederhanaan dalam aturan desain alam, dan kita percaya bahwa pendekatan serupa dapat membantu kita mencari model desain dalam sistem biologi yang kompleks lainnya, seperti ekosistem atau otak.”

Ranganathan dan kolaboratornya ingin mengambil model mereka dan menggeneralisirnya, menciptakan platform yang dapat digunakan oleh para ilmuwan untuk lebih memahami bagaimana protein dibangun dan apa efeknya. Mereka berharap menggunakan sistem AI mereka untuk memungkinkan para ilmuwan lain menemukan protein yang dapat menangani masalah penting seperti perubahan iklim. Ranganathan dan Associate Professor Andrew Ferguson telah menciptakan sebuah perusahaan yang disebut Evozyne, yang bertujuan untuk mengkomersialisasikan teknologi tersebut dan mempromosikan penggunaannya dalam bidang seperti pertanian, energi, dan lingkungan.

Memahami kesamaan antara protein, dan hubungan antara struktur dan fungsi, juga dapat membantu dalam penciptaan obat baru dan bentuk terapi. Meskipun pelipatan protein telah lama dianggap sebagai masalah yang sangat sulit untuk dipecahkan oleh komputer, wawasan dari model seperti yang dihasilkan oleh tim Ranganathan dapat membantu meningkatkan kecepatan perhitungan tersebut, memfasilitasi penciptaan obat baru berdasarkan protein tersebut. Obat dapat dikembangkan untuk memblokir penciptaan protein dalam virus, potensial membantu dalam pengobatan virus baru seperti Covid-19 coronavirus.

Ranganathan dan tim peneliti masih perlu memahami bagaimana dan mengapa model mereka bekerja dan bagaimana mereka menghasilkan rancangan protein yang andal. Tujuan berikutnya tim peneliti adalah untuk lebih memahami atribut apa yang diambil oleh model mereka untuk mencapai kesimpulan mereka.