AlphaProteo: Terobosan Google DeepMind dalam Desain Protein

Dalam bidang biologi molekuler yang terus berkembang, salah satu tugas paling menantang adalah merancang protein yang dapat secara efektif mengikat target spesifik, seperti protein virus, penanda kanker, atau komponen sistem kekebalan tubuh. Protein pengikat ini sangat penting dalam penemuan obat, pengobatan penyakit, diagnostik, dan bioteknologi. Metode tradisional untuk menciptakan protein pengikat ini sangat memakan waktu dan sering memerlukan beberapa putaran optimasi. Namun, kemajuan baru-baru ini dalam kecerdasan buatan (AI) secara dramatis mempercepat proses ini.

Pada September 2024, Neuralink berhasil memasang chip otaknya pada peserta manusia kedua sebagai bagian dari uji klinisnya, mendorong batas kemampuan antarmuka otak-komputer. Implan ini memungkinkan individu untuk mengontrol perangkat hanya dengan pikiran mereka.

Pada saat yang sama, AlphaProteo dari DeepMind muncul sebagai alat AI yang revolusioner yang merancang protein baru untuk menangani beberapa tantangan biologi terbesar. Tidak seperti model sebelumnya seperti AlphaFold, yang memprediksi struktur protein, AlphaProteo mengambil tugas yang lebih maju dengan menciptakan pengikat protein baru yang dapat mengikat target molekuler spesifik dengan erat. Kemampuan ini dapat mempercepat penemuan obat, alat diagnostik, dan bahkan pengembangan biosensor. Misalnya, dalam percobaan awal, AlphaProteo telah berhasil merancang pengikat untuk protein SARS-CoV-2 dan protein yang terlibat dalam kanker dan peradangan, menunjukkan afinitas pengikatan yang 3 hingga 300 kali lebih kuat daripada metode yang ada.

Apa yang membuat persimpangan antara biologi dan AI ini lebih menarik adalah bagaimana kemajuan ini dalam antarmuka neural dan desain protein mencerminkan pergeseran yang lebih luas menuju integrasi bio-digital.

Pada 2024, kemajuan dalam integrasi AI dan biologi telah mencapai tingkat yang belum pernah terjadi sebelumnya, mendorong inovasi di bidang seperti penemuan obat, pengobatan personal, dan biologi sintetik. Berikut adalah tinjauan rinci tentang beberapa terobosan utama yang membentuk lanskap ini tahun ini:

1. AlphaFold3 dan RoseTTAFold Diffusion: Desain Protein Generasi Berikutnya

Rilis AlphaFold3 oleh Google DeepMind pada 2024 telah membawa prediksi struktur protein ke tingkat yang baru dengan mengintegrasikan kompleks biomolekuler dan memperluas prediksinya untuk mencakup molekul kecil dan ligan. AlphaFold3 menggunakan model AI berbasis difusi untuk memperbaiki struktur protein, mirip dengan cara AI menghasilkan gambar dari sketsa kasar. Model ini sangat akurat dalam memprediksi bagaimana protein berinteraksi dengan ligan, dengan tingkat akurasi 76% dalam tes eksperimental—jauh lebih unggul daripada kompetitornya.

Secara paralel, RoseTTAFold Diffusion juga memperkenalkan kemampuan baru, termasuk kemampuan untuk merancang protein de novo yang tidak ada di alam. Meskipun kedua sistem ini masih meningkatkan akurasi dan aplikasi, kemajuan mereka diharapkan memainkan peran kunci dalam penemuan obat dan penelitian bioteknologi, potensialmente memotong waktu yang dibutuhkan untuk merancang obat baru​.

2. Biologi Sintetik dan Edisi Gen

Bidang lain yang membuat kemajuan besar pada 2024 adalah biologi sintetik, terutama dalam bidang edisi gen. Alat seperti CRISPR-Cas9 dan alat rekayasa genetik lainnya telah disempurnakan untuk perbaikan DNA yang lebih presisi dan edisi gen. Perusahaan seperti Graphite Bio (GRPH ) menggunakan alat ini untuk memperbaiki mutasi genetik pada tingkat presisi yang belum pernah terjadi sebelumnya, membuka pintu untuk pengobatan yang potensial untuk penyakit genetik. Metode ini, dikenal sebagai perbaikan yang diarahkan oleh homologi, memanfaatkan mekanisme perbaikan DNA alami tubuh untuk memperbaiki gen yang rusak.

Selain itu, inovasi dalam penilaian off-target prediktif, seperti yang dikembangkan oleh SeQure Dx, meningkatkan keamanan edisi gen dengan mengidentifikasi edisi yang tidak diinginkan dan memitigasi risiko. Kemajuan ini sangat penting untuk memastikan bahwa terapi gen aman dan efektif sebelum diterapkan pada pasien manusia​.

3. Sekuensing Sel Tunggal dan Metagenomik

Teknologi seperti sekuensing sel tunggal telah mencapai ketinggian baru pada 2024, menawarkan resolusi yang belum pernah terjadi sebelumnya pada tingkat seluler. Ini memungkinkan peneliti untuk mempelajari heterogenitas seluler, yang sangat berharga dalam penelitian kanker. Dengan menganalisis sel individu dalam tumor, peneliti dapat mengidentifikasi sel mana yang resisten terhadap pengobatan, memandu strategi terapi yang lebih efektif.

Sementara itu, metagenomik memberikan wawasan yang mendalam tentang komunitas mikroba, baik dalam konteks kesehatan manusia maupun lingkungan. Teknik ini membantu menganalisis mikrobiom untuk memahami bagaimana populasi mikroba menyumbang pada penyakit, menawarkan jalur baru untuk pengobatan yang menargetkan mikrobiom secara langsung​.

Permainan yang Mengubah Desain Protein

Protein fundamental bagi hampir setiap proses dalam organisme hidup. Mesin molekuler ini melakukan berbagai fungsi, dari mengkatalis reaksi metabolik hingga mereplikasi DNA. Apa yang membuat protein sangat serbaguna adalah kemampuan mereka untuk melipat menjadi bentuk tiga dimensi yang kompleks, memungkinkan mereka untuk berinteraksi dengan molekul lain. Pengikat protein, yang mengikat erat pada molekul target spesifik, sangat penting dalam memodulasi interaksi ini dan sering digunakan dalam pengembangan obat, imunoterapi, dan alat diagnostik.

Proses konvensional untuk merancang pengikat protein sangat lambat dan bergantung pada trial dan error. Ilmuwan sering harus menyaring perpustakaan besar urutan protein, menguji setiap kandidat di laboratorium untuk melihat mana yang paling efektif. AlphaProteo mengubah paradigma ini dengan menggunakan kekuatan pembelajaran dalam untuk memprediksi urutan protein mana yang akan mengikat target molekul secara efektif, drastis mengurangi waktu dan biaya yang terkait dengan metode tradisional.

Bagaimana AlphaProteo Bekerja

AlphaProteo didasarkan pada prinsip pembelajaran dalam yang sama yang membuat pendahulunya, AlphaFold, menjadi alat yang revolusioner untuk prediksi struktur protein. Namun, sementara AlphaFold fokus pada memprediksi struktur protein yang ada, AlphaProteo melangkah lebih jauh dengan merancang protein baru sepenuhnya.

Bagaimana AlphaProteo Bekerja: Penyelaman Dalam pada Desain Protein yang Dipandu AI

AlphaProteo mewakili lompatan besar dalam desain protein yang dipandu AI, membangun pada teknik pembelajaran dalam yang memungkinkan pendahulunya, AlphaFold.

Sementara AlphaFold merevolusi bidang dengan memprediksi struktur protein dengan akurasi yang belum pernah terjadi sebelumnya, AlphaProteo melangkah lebih jauh dengan menciptakan protein baru sepenuhnya yang dirancang untuk menyelesaikan tantangan biologi spesifik.

Arsitektur dasar AlphaProteo adalah kombinasi canggih dari model generatif yang dilatih pada dataset besar struktur protein, termasuk struktur dari Protein Data Bank (PDB), dan jutaan struktur yang diprediksi oleh AlphaFold. Ini memungkinkan AlphaProteo tidak hanya untuk memprediksi bagaimana protein melipat tetapi juga untuk merancang protein baru yang dapat berinteraksi dengan target molekuler spesifik pada tingkat molekuler yang rinci.

Diagram ini menampilkan alur kerja AlphaProteo, di mana pengikat protein dirancang, disaring, dan divalidasi secara eksperimental

• Generator: Model berbasis pembelajaran mesin AlphaProteo menghasilkan banyak pengikat protein potensial, memanfaatkan dataset besar seperti yang dari Protein Data Bank (PDB) dan prediksi AlphaFold.
• Filter: Komponen kritis yang memberi skor pada pengikat yang dihasilkan berdasarkan kemungkinan pengikatan yang sukses ke protein target, efektif mengurangi jumlah desain yang perlu diuji di laboratorium.
• Eksperimen: Langkah ini melibatkan pengujian desain yang disaring di laboratorium untuk mengkonfirmasi pengikat mana yang secara efektif berinteraksi dengan protein target.

AlphaProteo merancang pengikat yang secara spesifik menargetkan residu hotspot kunci (berwarna kuning) pada permukaan protein. Bagian biru mewakili pengikat yang dirancang, yang dimodelkan untuk berinteraksi secara presisi dengan hotspot yang disorot pada protein target.

Untuk bagian C dari gambar; itu menunjukkan model 3D dari protein target yang digunakan dalam eksperimen AlphaProteo. Ini termasuk protein yang terlibat dalam proses biologis seperti respon imun, infeksi virus, dan progresi kanker.

Kemampuan Lanjutan AlphaProteo

1. Afinitas Pengikatan Tinggi: AlphaProteo unggul dalam merancang pengikat protein dengan afinitas tinggi untuk targetnya, melampaui metode tradisional yang sering memerlukan beberapa putaran optimasi laboratorium. Ini menghasilkan pengikat protein yang mengikat erat pada target yang dimaksud, secara signifikan meningkatkan efikasinya dalam aplikasi seperti pengembangan obat dan diagnostik. Misalnya, pengikatnya untuk VEGF-A, protein yang terkait dengan kanker, menunjukkan afinitas pengikatan hingga 300 kali lebih kuat daripada metode yang ada​.
2. Menargetkan Protein yang Beragam: AlphaProteo dapat merancang pengikat untuk berbagai protein yang terlibat dalam proses biologis kritis, termasuk yang terkait dengan infeksi virus, kanker, peradangan, dan penyakit autoimun. Ini telah terbukti sangat sukses dalam merancang pengikat untuk target seperti protein SARS-CoV-2 yang penting untuk infeksi COVID-19, dan protein VEGF-A yang krusial dalam terapi untuk diabetic retinopathy​.
3. Tingkat Keberhasilan Eksperimental: Salah satu fitur paling mengesankan dari AlphaProteo adalah tingkat keberhasilan eksperimental yang tinggi. Dalam tes laboratorium, desain pengikat yang dihasilkan oleh sistem ini menunjukkan keberhasilan tinggi dalam mengikat protein target, mengurangi jumlah putaran eksperimental yang biasanya diperlukan. Dalam tes pada protein virus BHRF1, desain AlphaProteo memiliki 88% tingkat keberhasilan, peningkatan signifikan dibandingkan dengan metode sebelumnya​.
4. Desain Tanpa Optimasi: Tidak seperti pendekatan tradisional, yang sering memerlukan beberapa putaran optimasi untuk meningkatkan afinitas pengikatan, AlphaProteo dapat menghasilkan pengikat dengan sifat pengikatan yang kuat dari awal. Untuk target yang menantang, seperti protein TrkA yang terkait dengan kanker, AlphaProteo menghasilkan pengikat yang melampaui pengikat yang dikembangkan melalui optimasi eksperimental yang luas​.

Tingkat Keberhasilan Eksperimental (Grafik Kiri) – Afinitas Pengikatan Terbaik (Grafik Kanan)

• AlphaProteo melampaui metode tradisional di sebagian besar target, terutama mencapai tingkat keberhasilan 88% dengan BHRF1, dibandingkan dengan kurang dari 40% dengan metode sebelumnya.
• Keberhasilan AlphaProteo dengan target VEGF-A dan IL-7RA jauh lebih tinggi, menunjukkan kemampuannya untuk menangani target yang sulit dalam terapi kanker.
• AlphaProteo juga konsisten menghasilkan pengikat dengan afinitas pengikatan yang jauh lebih tinggi, terutama untuk protein yang menantang seperti VEGF-A, membuatnya menjadi alat yang berharga dalam pengembangan obat dan pengobatan penyakit.

Bagaimana AlphaProteo Meningkatkan Aplikasi dalam Biologi dan Kesehatan

Pendekatan baru AlphaProteo dalam desain protein membuka berbagai aplikasi, membuatnya menjadi alat yang kuat dalam beberapa bidang biologi dan kesehatan.

1. Pengembangan Obat

Penemuan obat modern sering bergantung pada molekul kecil atau biologis yang mengikat protein yang terkait dengan penyakit. Namun, mengembangkan molekul ini sering memakan waktu dan biaya. AlphaProteo mempercepat proses ini dengan menghasilkan pengikat protein dengan afinitas tinggi yang dapat menjadi dasar untuk obat baru. Misalnya, AlphaProteo telah digunakan untuk merancang pengikat untuk PD-L1, protein yang terlibat dalam regulasi sistem kekebalan, yang memainkan peran kunci dalam imunoterapi kanker​. Dengan menghambat PD-L1, pengikat AlphaProteo dapat membantu sistem kekebalan lebih baik mengidentifikasi dan menghilangkan sel kanker.

2. Alat Diagnostik

Dalam diagnostik, pengikat protein yang dirancang oleh AlphaProteo dapat digunakan untuk menciptakan biosensor yang sangat sensitif yang dapat mendeteksi protein spesifik penyakit. Ini dapat memungkinkan diagnosis yang lebih akurat dan cepat untuk penyakit seperti infeksi virus, kanker, dan penyakit autoimun. Misalnya, kemampuan AlphaProteo untuk merancang pengikat untuk SARS-CoV-2 dapat mengarah pada alat diagnostik COVID-19 yang lebih cepat dan lebih presisi​.

3. Imunoterapi

Kemampuan AlphaProteo untuk merancang pengikat protein yang sangat spesifik sangat berharga dalam bidang imunoterapi. Imunoterapi memanfaatkan sistem kekebalan tubuh untuk melawan penyakit, termasuk kanker. Salah satu tantangan dalam bidang ini adalah mengembangkan protein yang dapat mengikat dan memodulasi respon imun secara efektif. Dengan presisi AlphaProteo dalam menargetkan protein spesifik pada sel imun, ini dapat meningkatkan pengembangan imunoterapi baru yang lebih efektif​.

4. Bioteknologi dan Biosensor

Pengikat protein yang dirancang oleh AlphaProteo juga sangat berharga dalam bioteknologi, terutama dalam penciptaan biosensor—perangkat yang digunakan untuk mendeteksi molekul spesifik dalam berbagai lingkungan. Biosensor memiliki aplikasi yang luas, dari pemantauan lingkungan hingga keamanan pangan. Pengikat AlphaProteo dapat meningkatkan sensitivitas dan spesifisitas perangkat ini, membuatnya lebih andal dalam mendeteksi zat berbahaya​.

Batasan dan Arah Masa Depan

Seperti teknologi baru lainnya, AlphaProteo tidak tanpa batasan. Misalnya, sistem ini berjuang untuk merancang pengikat yang efektif untuk protein TNF𝛼, target yang menantang yang terkait dengan penyakit autoimun seperti rheumatoid arthritis. Ini menekankan bahwa meskipun AlphaProteo sangat efektif untuk banyak target, masih ada ruang untuk perbaikan.

DeepMind secara aktif bekerja untuk memperluas kemampuan AlphaProteo, terutama dalam menangani target yang menantang seperti TNF𝛼. Tim juga menjelajahi aplikasi baru untuk teknologi ini, termasuk menggunakan AlphaProteo untuk merancang protein untuk perbaikan tanaman dan keberlanjutan lingkungan.

Kesimpulan

Dengan sangat mengurangi waktu dan biaya yang terkait dengan metode desain protein tradisional, AlphaProteo mempercepat inovasi dalam biologi dan kedokteran. Keberhasilannya dalam menciptakan pengikat protein untuk target yang menantang seperti protein SARS-CoV-2 dan VEGF-A menunjukkan potensinya untuk menangani beberapa tantangan kesehatan paling mendesak di zaman kita.

Seiring AlphaProteo terus berkembang, dampaknya pada sains dan masyarakat hanya akan tumbuh, menawarkan alat baru untuk memahami kehidupan pada tingkat molekuler dan membuka kemungkinan baru untuk mengobati penyakit.