Peneliti mengembangkan model AI untuk prediksi struktur protein yang presisi
Para ilmuwan telah mengungkapkan model kecerdasan buatan baru yang memprediksi struktur protein dengan akurasi yang belum pernah terjadi sebelumnya. Terobosan ini, yang dirinci dalam studi terbaru, dapat mengubah penemuan obat dan bioteknologi. Dikembangkan oleh tim di Universitas Cambridge, model ini memanfaatkan teknik pembelajaran mesin canggih.
Pada 30 September 2025, ScienceDaily melaporkan kemajuan signifikan dalam biologi komputasional. Peneliti dari Universitas Cambridge memperkenalkan model AI yang mampu memprediksi struktur protein dengan akurasi 99%, melampaui metode sebelumnya seperti AlphaFold.
Studi tersebut, yang diterbitkan di jurnal Nature, menggambarkan bagaimana model tersebut dilatih menggunakan lebih dari 1 juta dataset protein yang dikumpulkan dari basis data global. Peneliti utama Dr. Elena Rossi menyatakan, "Terobosan ini dapat merevolusi penemuan obat dengan memungkinkan identifikasi target protein yang lebih cepat untuk terapi baru." Pengembangan ini memakan waktu tiga tahun, melibatkan kolaborasi dengan ahli komputasi dan ahli biologi.
Protein adalah blok bangunan esensial kehidupan, dan memahami struktur 3D mereka sangat penting untuk mengembangkan pengobatan untuk penyakit seperti kanker dan Alzheimer. Metode tradisional, seperti kristalografi sinar-X, memakan waktu dan mahal. Pendekatan AI baru ini menggunakan algoritma pembelajaran mendalam yang ditingkatkan dengan komputasi terinspirasi kuantum untuk mensimulasikan proses lipatan dengan lebih efisien.
Konteks latar belakang mengungkapkan bahwa prediksi struktur protein telah menjadi tantangan besar dalam biologi sejak tahun 1970-an. Alat AI sebelumnya meningkatkan akurasi hingga sekitar 90%, tetapi model ini mencapai hasil hampir sempurna untuk protein kompleks. Para peneliti mengujinya pada 500 struktur baru, mengonfirmasi keandalan di berbagai fungsi biologis.
Implikasi termasuk penelitian farmasi yang dipercepat, berpotensi mengurangi jadwal pengembangan obat dari tahun menjadi bulan. Namun, para ahli mencatat kebutuhan validasi lebih lanjut dalam aplikasi dunia nyata. Penulis bersama Dr. Marco Lee menambahkan, "Meskipun menjanjikan, mengintegrasikannya ke dalam alur kerja laboratorium akan memerlukan sumber daya tambahan."
Tidak ada kontradiksi besar yang muncul dalam pelaporan, karena sumber menyediakan ringkasan terpadu dari studi yang ditinjau sejawat. Pengembangan ini menekankan peran yang berkembang dari AI dalam memecahkan teka-teki ilmiah yang telah lama ada.