Alat AI Revolusioner Mengubah Aturan dalam Rekayasa Protein

PALTV.CO.ID- Ilmuwan Tiongkok telah mengembangkan strategi baru dalam rekayasa protein berbasis AI yang memungkinkan perancangan protein menjadi lebih cepat, hemat biaya, dan sangat akurat.

Sekelompok ilmuwan di Tiongkok, yang dipimpin oleh Profesor Caixia Gao dari Institute of Genetics and Developmental Biology (IGDB) di Chinese Academy of Sciences, telah memperkenalkan metode inovatif yang berpotensi mendorong kemajuan signifikan dalam bidang rekayasa protein.

Metode inovatif bernama AI-informed Constraints for protein Engineering (AiCE) ini mempercepat proses evolusi protein dengan memadukan informasi struktural dan evolusi ke dalam kerangka model inverse folding yang umum digunakan.

Hebatnya, pendekatan ini tidak memerlukan pengembangan atau pelatihan sistem kecerdasan buatan (AI) khusus. Riset ini dipublikasikan dalam jurnal Cell pada 7 Juli dan bertujuan untuk mengatasi berbagai keterbatasan lama dalam praktik rekayasa protein konvensional.

BACA JUGA:Plt. Kakanwil Kemenkum Sumsel Ungkap Rencana Besar Launching Posbankum ke Kepala BPHN

BACA JUGA:Volvo S60 2026 Hadir, Fitur Canggih dan Mewah yang Bikin Mobil Lain Minder

Idealnya, rekayasa protein ditargetkan menghasilkan performa tinggi dengan kompleksitas minimal. Namun, sebagian besar metode saat ini masih menghadapi tantangan seperti biaya tinggi, efisiensi rendah, dan keterbatasan dalam skala penerapan.

Meski pendekatan berbasis AI menawarkan peningkatan, mereka umumnya membutuhkan sumber daya komputasi besar. Ini menciptakan kebutuhan akan solusi yang kuat sekaligus praktis, agar lebih mudah diadopsi secara luas tanpa mengorbankan akurasi.

Memperkenalkan AiCEsingle: Presisi Melalui Kendala Struktural

Dalam studi ini, para peneliti pertama-tama mengembangkan AiCEsingle, sebuah modul yang dirancang untuk memprediksi substitusi asam amino tunggal berkinerja tinggi (high-fitness/HFModul ini meningkatkan ketepatan prediksi dengan melakukan

sampling secara menyeluruh pada model inverse folding—model AI yang menyusun urutan asam amino berdasarkan struktur tiga dimensi protein—seraya menerapkan batasan-batasan struktural di dalam prosesnya.

Saat dibandingkan dengan 60 dataset deep mutational scanning (DMS), AiCEsingle terbukti mengungguli metode AI lainnya dengan peningkatan performa sebesar 36–90%.

Efektivitasnya juga telah divalidasi untuk protein kompleks dan kompleks protein–asam nukleat. Menariknya, hanya dengan menambahkan kendala struktural saja, akurasi dapat meningkat hingga 37%.

Teknologi AI revolusioner untuk pengembangan protein--Foto: Instagram@ SciTech Daily

Untuk mengatasi tantangan interaksi epistasis negatif pada mutasi kombinatorial, para peneliti mengembangkan modul AiCEmulti, yang mengintegrasikan kendala kopling evolusioner.

Sumber: berbagai sumber