Pembahasan mengenai bagaimana kecerdasan buatan atau artificial intelligence (AI) memanfaatkan model pembelajaran mendalam yang dikenal sebagai deep learning (DL) untuk menemukan kandidat obat baru dari sekuens genom virus semakin menonjol pada era ketika patogen berkembang dengan cepat dan kemampuan deteksi dini menjadi faktor penentu keberhasilan penanggulangan penyakit. Kecepatan mutasi virus, terutama virus RNA, menjadikan pendekatan laboratorium konvensional sering kali tertinggal beberapa langkah di belakang evolusi patogen. Dalam konteks tersebut, AI menawarkan cara baru untuk membaca, memahami, dan memprediksi kerentanan virus hanya melalui informasi genetiknya. Fokus ilmiah populer mengenai “AI vs virus,” “DL,” dan “penemuan obat berbasis genom” menjadi semakin relevan karena transformasi besar dalam bioinformatika dan farmakologi komputasional.
Model DL bekerja dengan mempelajari pola kompleks dalam data genom yang sangat besar. Ketika sekuens genom virus dianalisis, DL mampu mengenali motif nukleotida tertentu, struktur gen, maupun pola evolusi yang tidak mudah dipahami oleh pendekatan statistik tradisional. Informasi ini kemudian digunakan untuk memprediksi bagian protein virus yang paling rentan menjadi target obat (Sarkar et al., 2020). Misalnya, ketika virus mengekspresikan protein penting untuk replikasi, model DL dapat mengidentifikasi daerah kritis pada protein tersebut yang tidak mudah mengalami mutasi, sehingga menjadi kandidat target terapi yang lebih stabil. Kemampuan untuk memetakan kerentanan molekuler hanya dari rangkaian nukleotida memberikan keunggulan penting dalam desain obat tahap awal.
Pada proses penemuan obat, langkah selanjutnya adalah menilai interaksi antara molekul senyawa kandidat dengan protein target virus. Di sinilah DL memainkan peran kedua yang tidak kalah penting. Dengan memanfaatkan data struktur tiga-dimensi protein dan ribuan interaksi ligan yang sudah diketahui, model DL dapat memprediksi molekul mana yang memiliki potensi untuk menempel pada situs aktif protein virus. Pendekatan ini disebut virtual screening berbasis AI. Kecepatan metode ini sangat kontras dengan pendekatan eksperimen basah di laboratorium yang memerlukan waktu panjang untuk menguji satu per satu kandidat secara langsung. Melalui DL, ribuan hingga jutaan senyawa dapat dianalisis hanya dalam hitungan jam (Chen et al., 2021).
Keunggulan lain dari DL adalah kemampuannya menemukan molekul yang tidak pernah dipertimbangkan sebelumnya. Model generatif seperti generative adversarial networks (GAN) atau variational autoencoders (VAE) mampu merancang struktur kimia baru berdasarkan prinsip fisik dan biologis yang telah dipelajari dari data. Struktur molekul yang dihasilkan kemudian diuji kembali oleh model prediksi interaksi protein-ligan sehingga menghasilkan daftar senyawa yang secara teori dapat menghambat aktivitas virus. Pendekatan ini mengubah proses penemuan obat dari pencarian acak menuju desain berbasis data dengan tingkat efisiensi yang jauh lebih tinggi.
Dalam konteks bioinformatika virus, DL juga memungkinkan analisis evolusi prediktif. Dengan mempelajari sejarah mutasi dari ribuan sekuens virus, model dapat memprediksi perubahan struktur protein yang mungkin terjadi pada masa depan. Arora et al. (2021) berpendapat bahwa kemampuan ini membantu peneliti merancang obat yang tidak hanya efektif terhadap varian virus saat ini, tetapi juga tetap relevan ketika mutasi baru muncul. Prediksi evolusi ini sangat penting pada virus yang bermutasi cepat karena memperkecil risiko pengembangan resistansi obat.
Walaupun AI menjanjikan percepatan signifikan dalam tahap awal penemuan obat, tantangan tetap ada. Model DL sangat bergantung pada ketersediaan data berkualitas tinggi. Ketidakseimbangan data, kesalahan anotasi genom, atau kurangnya struktur protein yang terverifikasi dapat menurunkan akurasi prediksi. Selain itu, hasil prediksi AI harus selalu divalidasi melalui eksperimen biologis karena model komputasional, betapapun canggihnya, tidak menggantikan proses uji laboratorium dan uji klinis yang diperlukan untuk memastikan keamanan serta efektivitas obat.
Pada akhirnya, AI dan DL menawarkan pendekatan ilmiah yang mempercepat proses identifikasi target terapi, desain molekul kandidat, hingga pemetaan kerentanan evolusioner virus hanya dari informasi genetik. Teknologi ini tidak menggantikan eksperimen biologis, tetapi memberi fondasi prediktif yang memungkinkan penelitian lebih cepat, lebih terarah, dan lebih efisien. Dalam persaingan antara virus yang terus berevolusi dan ilmu pengetahuan yang harus selalu bergerak cepat, AI menjadi salah satu alat paling strategis untuk mempercepat lahirnya obat baru di masa depan.
Sumber:
Bagabir, S. A., Ibrahim, N. K., Bagabir, H. A., & Ateeq, R. H. (2022). Covid-19 and Artificial Intelligence: Genome sequencing, drug development and vaccine discovery. Journal of Infection and Public Health, 15(2), 289-296.
Leave a Reply