Teknologi Kecerdasan Buatan Mampu Menghasilkan Protein Asli

Teknologi Artificial Intelligence (AI) atau Kecerdasan Buatan merupakan teknologi yang berkembang sangat pesat akhir-akhir ini, yang memungkinkan komputer untuk memecahkan masalah dan membuat keputusan seperti manusia. Hal ini dicapai dengan memanfaatkan algoritma dan data untuk mempelajari dan mengaplikasikan pola-pola dalam perilaku manusia dan lingkungan. Para ilmuwan telah menciptakan sistem Kecerdasan Buatan yang mampu menghasilkan enzim buatan dari awal. Dalam tes laboratorium, beberapa enzim ini bekerja sebaik yang ditemukan di alam, bahkan ketika urutan asam amino yang dihasilkan secara artifisial berbeda secara signifikan dari protein alami yang diketahui. Menarik bukan teknologi Kecerdasan Buatan ini? yuk mari kita simak bersama-sama.

Pendahuluan

Deep learning atau deep structured learning/hierarchical learning adalah bagian dari kecerdasan buatan dan machine learning, yang merupakan pengembangan dari neural network multiple layer untuk memberikan ketepatan tugas. Contohnya seperti deteksi objek, pengenalan suara, terjemahan bahasa, dan lain sebagainya.

Foto Penjelasan Deep Learning

Meski menjadi subbidang dari machine learning, deep learning ternyata memiliki teknik yang berbeda. Mengapa demikian? Karena deep learning secara otomatis melakukan representasi dari data, seperti gambar, video, hingga teks tanpa memperkenalkan aturan kode atau pengetahuan domain manusia.

Kini Deep-learning Models tersebut telah menjanjikan dalam berbagai aplikasi bioteknologi, termasuk desain dan rekayasa protein. University of California – Ilmuwan San Francisco telah menciptakan sistem AI yang mampu menghasilkan enzim buatan dari awal. Sistem mereka, yang dijuluki ProGen, menggunakan prediksi token berikutnya untuk merangkai urutan asam amino menjadi protein buatan. Ketika diuji, beberapa enzim yang dihasilkan bekerja sebaik yang ditemukan di alam, bahkan ketika rangkaian asam amino yang dihasilkan secara artifisial menyimpang secara signifikan dari protein alami yang diketahui.

.

Bagaimana Ilmuwan Bisa Memanfaatkan Deep-learning Models Untuk Penemuan Ini

Untuk membuat model tersebut, para ilmuwan memasukkan urutan asam amino dari 280 juta protein yang berbeda dari semua jenis ke dalam “Machine learning model” dan membiarkannya mencerna informasi selama beberapa minggu. Kemudian, mereka menyempurnakan model tersebut dengan melengkapi 56.000 urutan dari lima keluarga lisozim, bersama dengan beberapa informasi kontekstual tentang protein ini.

Model tersebut dengan cepat menghasilkan satu juta urutan, dan tim peneliti memilih 100 untuk diuji, berdasarkan seberapa dekat mereka mirip dengan urutan protein alami, serta seberapa naturalistik “grammar“ dan “semantics“ asam amino yang mendasari terbentuknya protein AI.

Foto Struktur Asam Amino

.

Dari batch pertama dari 100 protein, yang disaring secara in vitro oleh Tierra Biosciences, tim membuat lima protein buatan untuk diuji dalam sel dan juga membandingkan aktivitasnya dengan enzim yang ditemukan dalam putih telur ayam, yang dikenal sebagai lisozim putih telur ayam (HEWL). Lisozim yang serupa ditemukan dalam air mata, air liur, dan susu manusia, di mana mereka bertahan melawan bakteri dan jamur.

Hasilnya dua enzim buatan mampu memecah dinding sel bakteri dengan aktivitas yang sebanding dengan HEWL, namun urutannya hanya sekitar 18% identik satu sama lain. Kedua urutan itu sekitar 90% dan 70% identik dengan protein yang diketahui. Dan hanya satu mutasi pada protein alami yang dapat membuatnya berhenti bekerja, tetapi dalam sesi penyaringan yang berbeda, tim menemukan bahwa enzim yang dihasilkan AI menunjukkan ditemukannya aktivitas didalamnya, bahkan ketika hanya 31,4% dari urutannya menyerupai protein alami yang dikenal.

AI tersebut bahkan dapat mempelajari bagaimana enzim harus dibentuk, hanya dengan mempelajari data urutan mentah. Diukur dengan kristalografi sinar-X, struktur atom dari protein buatan terlihat sebagaimana mestinya, meskipun urutannya tidak seperti yang terlihat sebelumnya.

.

Sebuah Eksperimen Yang Cukup Berhasil!

Peneliti dari Salesforce Research mengembangkan ProGen pada tahun 2020, berdasarkan jenis pemrograman bahasa alami yang awalnya dikembangkan oleh para penelitinya untuk menghasilkan teks bahasa Inggris. Mereka sudah dikenal dari pekerjaan sebelumnya bahwa sistem AI dapat mengajari diri sendiri dengan tata bahasa dan makna kata yang bermacam-macam, bersama dengan aturan lain yang membuat penulisan baik terstruktur.

“Ketika Anda melatih model berbasis urutan dengan banyak data, mereka sangat kuat dalam mempelajari struktur dan aturan,” kata Nikhil Naik, PhD, Direktur Penelitian AI di Salesforce Research.

Dengan protein, pilihan desain hampir tanpa batas. Lizozim adalah protein kecil, dengan maksimal sekitar 300 asam amino. Namun, dengan 20 asam amino yang mungkin, ada jumlah besar (20300) kombinasi yang mungkin. Itu lebih besar daripada mengambil semua manusia yang hidup sepanjang masa, dikalikan dengan jumlah butir pasir di Bumi, dikalikan dengan jumlah atom dalam alam semesta. Mengingat kemungkinan yang tanpa batas, sangat menakjubkan bahwa model bisa dengan mudah menghasilkan enzim yang bekerja.

“Kemampuan untuk menghasilkan protein fungsional dari nol seketika menunjukkan bahwa saat ini kita sedang memasuki era baru dalam desain protein,” kata Ali Madani, PhD, pendiri Profluent Bio, dan juga mantan peneliti di Salesforce Research.

.

Kesimpulan

Menarik sekali untuk bisa mengetahui dan memahami Teknologi AI ini. Berbagai bidang pada masa kini telah mengembangkan dan memanfaatkanya untuk kemajuan Sains dan Teknologi. Bisa kita ambil pelajaran bahwa Teknologi AI ini akan sangat membantu Manusia dalam berbagai macam aspek kehidupan. Penemuan tersebut merupakan sebuah alat baru yang versatil bagi ahli protein untuk memasuki era baru dalam desain protein. Peneliti di Salesforce Research tersebut berhasil mengembangkan ProGen pada tahun 2020 berdasarkan bahasa pemrograman alamiah, dan AI yang mereka buat dapat mempelajari aturan dan struktur dari data yang banyak. Kemampuan AI tersebut telah berhasil menghasilkan enzim yang berfungsi dari awal, yang membuktikan bahwa teknologi ini memiliki potensi yang menjanikan untuk pengembangan kedepannya.

.

Referensi

Pengertian Deep-learning: http://teknik-informatika-s1.stekom.ac.id/informasi/baca/Deep-learning/75e5d51e7df16fe37bed70824d290b668d0ef02c

Science Daily, https://www.sciencedaily.com/releases/2023/01/230126124330.htm

Tech Explorist, https://www.techexplorist.com/new-ai-system-capable-generating-artificial-enzymes-scratch/56479/

Ali Madani, Ben Krause, Eric R. Greene, Subu Subramanian, Benjamin P. Mohr, James M. Holton, Jose Luis Olmos, Caiming Xiong, Zachary Z. Sun, Richard Socher, James S. Fraser, Nikhil Naik. Large language models generate functional protein sequences across diverse families. Nature Biotechnology, 2023; DOI: 10.1038/s41587-022-01618-2

.

.

.