Model AI baru meningkatkan akurasi prediksi struktur protein
Para ilmuwan di Universitas California, Berkeley, telah mengungkapkan model AI canggih yang memprediksi struktur protein dengan akurasi 99% yang belum pernah terjadi sebelumnya. Terobosan ini, yang dirinci dalam studi yang diterbitkan di Nature, dapat mempercepat penemuan obat dan pengobatan personalisasi. Peneliti utama Dr. Jane Smith menggambarkannya sebagai 'perubahan permainan' untuk bioteknologi.
Pada 1 Oktober 2025, tim yang dipimpin oleh Dr. Jane Smith dari Universitas California, Berkeley, mengumumkan kemajuan signifikan dalam biologi komputasional. Model AI baru mereka, bernama ProFold-X, mencapai akurasi 99% dalam memprediksi struktur protein tiga dimensi, melampaui metode sebelumnya seperti AlphaFold yang mencapai sekitar 90% untuk kasus kompleks.
Penelitian, yang diterbitkan di jurnal Nature pada hari yang sama, melibatkan pelatihan model pada dataset lebih dari 1 juta sampel protein dari organisme beragam. 'Ini adalah perubahan permainan untuk penemuan obat,' kata Dr. Smith dalam pernyataan. 'Dengan memodelkan secara akurat bagaimana protein melipat, kita dapat memahami penyakit lebih baik pada tingkat molekuler dan merancang terapi yang ditargetkan lebih cepat.'
Pemelipatan protein telah lama menjadi tantangan utama dalam biologi, karena protein yang salah lipat terlibat dalam kondisi seperti Alzheimer dan kanker. Metode eksperimental tradisional, seperti kristalografi sinar-X, memakan waktu dan mahal, sering memakan waktu bertahun-tahun. ProFold-X menggunakan algoritma pembelajaran mendalam yang ditingkatkan dengan komputasi terinspirasi kuantum untuk mensimulasikan dinamika pelipatan dalam hitungan jam.
Linimasa studi dimulai pada awal 2024, ketika tim Berkeley mendapatkan dana dari National Institutes of Health. Prototipe awal diuji pada dataset benchmark dari Protein Data Bank, menunjukkan peningkatan kecepatan prediksi sebesar 40%. Validasi datang dari kolaborasi dengan perusahaan farmasi, di mana model berhasil memprediksi struktur untuk 95% target obat baru.
Meskipun teknologi ini menjanjikan, para ahli mencatat keterbatasan. Dr. Alex Rivera, biofisikawan di Universitas Stanford yang tidak terlibat dalam studi, berkomentar, 'Kinerja model pada protein langka masih harus diuji sepenuhnya dalam aplikasi dunia nyata.' Tidak ada kontradiksi utama yang muncul dalam pelaporan, meskipun tinjauan sejawat yang sedang berlangsung mungkin menyempurnakan angka akurasi ini.
Perkembangan ini dibangun di atas keberhasilan AI sebelumnya di bidang ini, berpotensi menurunkan hambatan bagi laboratorium penelitian yang lebih kecil. Implikasinya meluas ke pertanian dan ilmu lingkungan, di mana rekayasa protein dapat meningkatkan ketahanan tanaman atau produksi biofuel. Rilis open-source ProFold-X direncanakan untuk awal 2026, mengundang kolaborasi global.