Google Deepmind telah meluncurkan versi baru AlphaFold, model pembelajaran mesin transformatif mereka yang memprediksi bentuk dan perilaku protein. AlphaFold 3 tidak hanya lebih akurat, tetapi juga memprediksi interaksi dengan biomolekul lain, menjadikannya alat penelitian yang jauh lebih serbaguna — dan perusahaan meluncurkan versi terbatas model tersebut secara gratis untuk digunakan secara online.
Sejak debut AlphaFold pertama pada tahun 2018, model ini tetap menjadi metode terdepan dalam memprediksi struktur protein dari urutan asam amino penyusunnya.
Meskipun ini terdengar seperti tugas yang sempit, penting bagi hampir semua biologi untuk memahami protein – yang melakukan berbagai tugas yang hampir tak ada habisnya dalam tubuh kita – pada tingkat molekuler. Dalam beberapa tahun terakhir, teknik pemodelan komputasi seperti AlphaFold dan RoseTTaFold telah mengambil alih metode berbasis laboratorium yang mahal, sehingga mempercepat pekerjaan ribuan peneliti di berbagai bidang.
Namun teknologi ini masih dalam tahap pengembangan, dengan masing-masing model “hanya selangkah lagi,” seperti yang disampaikan oleh pendiri Deepmind, Demis Hassabis, dalam konferensi pers tentang sistem baru tersebut. Perusahaan sempat memberikan bocoran mengenai perilisannya pada akhir tahun lalu, namun ini menandai debut resminya.
Saya akan membiarkan blog sains membahas bagaimana model baru ini meningkatkan hasil, namun di sini cukup untuk mengatakan bahwa berbagai peningkatan dan teknik pemodelan telah membuat AlphaFold 3 tidak hanya lebih akurat, namun lebih dapat diterapkan secara luas.
Salah satu keterbatasan pemodelan protein adalah meskipun Anda mengetahui bagaimana bentuk rangkaian asam amino, itu tidak berarti Anda harus mengetahui molekul lain apa yang akan diikatnya, dan bagaimana caranya. Dan jika Anda ingin benar-benar melakukan sesuatu dengan molekul-molekul ini, yang kebanyakan dilakukan oleh sebagian besar orang, Anda perlu mengetahuinya melalui pemodelan dan pengujian yang lebih melelahkan.
“Biologi adalah sistem yang dinamis, dan Anda harus memahami bagaimana sifat-sifat biologi muncul melaluinya interaksi antar molekul yang berbeda di dalam sel. Dan Anda dapat menganggap AlphaFold 3 sebagai langkah besar pertama kami menuju hal itu,” kata Hassabis. “Ia mampu memodelkan interaksi protein, tentu saja, dengan protein lain, tetapi juga dengan biomolekul lain, termasuk, yang terpenting, untaian DNA dan RNA.”
AlphaFold 3 memungkinkan beberapa molekul untuk disimulasikan sekaligus — misalnya, untaian DNA, beberapa molekul pengikat DNA, dan mungkin beberapa ion untuk menyempurnakannya. Inilah yang Anda dapatkan dari kombinasi spesifik tersebut, dengan pita DNA di tengah, protein bersinar di samping, dan menurut saya itu adalah ion yang terletak di tengah seperti telur kecil:
Tentu saja ini bukanlah penemuan ilmiah. Namun bahkan untuk mengetahui bahwa suatu protein eksperimental dapat berikatan, atau dengan cara ini, atau berubah menjadi bentuk ini, umumnya membutuhkan waktu setidaknya berhari-hari atau mungkin berminggu-minggu hingga berbulan-bulan.
Meskipun sulit untuk melebih-lebihkan kegembiraan dalam bidang ini selama beberapa tahun terakhir, para peneliti sebagian besar telah dilumpuhkan oleh kurangnya pemodelan interaksi (yang merupakan bentuk dari versi baru) dan kesulitan dalam menerapkan model tersebut.
Masalah kedua ini mungkin lebih besar dari keduanya, karena meskipun teknik pemodelan baru dalam beberapa hal bersifat “terbuka”, seperti model AI lainnya, teknik tersebut belum tentu mudah diterapkan dan dioperasikan. Itu sebabnya Google Deepmind menawarkan AlphaFold Server, aplikasi web gratis yang dihosting sepenuhnya sehingga model tersedia untuk penggunaan non-komersial.
Ini gratis dan cukup mudah digunakan — Saya melakukannya di jendela lain saat mereka menjelaskannya (begitulah cara saya mendapatkan gambar di atas). Anda hanya memerlukan akun Google, lalu masukkan sebanyak mungkin urutan dan kategori yang dapat ditangani — ada beberapa contoh yang disediakan — dan kirimkan; dalam beberapa menit pekerjaan Anda akan selesai dan Anda akan diberikan molekul 3D hidup yang diwarnai untuk mewakili keyakinan model terhadap konformasi pada posisi tersebut. Seperti yang Anda lihat pada gambar di atas, ujung pita dan bagian yang lebih terpapar atom jahat berwarna lebih terang atau merah untuk menunjukkan kurang percaya diri.
Saya bertanya apakah ada perbedaan nyata antara model yang tersedia untuk umum dan model yang digunakan secara internal; Hassabis mengatakan bahwa “Kami telah menyediakan sebagian besar kemampuan model baru,” namun tidak menjelaskan lebih lanjut.
Jelas sekali bahwa Google sedang berusaha keras — dan pada batas tertentu, menyimpan bagian-bagian terbaik untuk mereka sendiri, yang tentu saja merupakan hak prerogatif mereka. Membuat alat gratis yang dihosting seperti ini memerlukan dedikasi sumber daya yang cukup besar untuk tugas tersebut — jangan salah, ini adalah lubang uang, versi shareware yang mahal (bagi Google) untuk meyakinkan para peneliti dunia bahwa AlphaFold 3 seharusnya adalah yang terbaik. setidaknya, anak panah di tempat anak panahnya.
Kredit Gambar: Google Pikiran Dalam
Namun tidak apa-apa, karena teknologi tersebut kemungkinan akan mencetak uang melalui anak perusahaan Alphabet (yang menjadikannya… sepupu Google?) Isomorphic Labs, yang menggunakan alat komputasi seperti AlphaFold untuk bekerja dalam desain obat. Ya, semua orang menggunakan alat komputasi akhir-akhir ini – tetapi Isomorphic mendapatkan terobosan pertama pada model terbaru Deepmind, menggabungkannya dengan “beberapa hal eksklusif yang berkaitan dengan penemuan obat,” seperti yang dicatat Hassabis. Perusahaan sudah menjalin kemitraan dengan Eli Lilly dan Novartis.
Namun, AlphaFold bukanlah segalanya dan akhir dari segalanya — hanya alat yang sangat berguna, seperti yang disetujui oleh banyak peneliti. Dan hal ini memungkinkan mereka melakukan apa yang disebut oleh Max Jaderberg dari Isomorphic sebagai “desain obat rasional.”
“Jika kita memikirkan, dari hari ke hari, bagaimana hal ini berdampak pada laboratorium Isomorfik: hal ini memungkinkan para ilmuwan kita, perancang obat kita, untuk membuat dan menguji hipotesis pada tingkat atom, dan kemudian dalam hitungan detik menghasilkan prediksi struktur yang sangat akurat… untuk membantu para ilmuwan memikirkan interaksi apa yang harus dilakukan, dan bagaimana mengembangkan desain tersebut untuk menciptakan obat yang baik,” katanya. “Ini dibandingkan dengan waktu berbulan-bulan atau bahkan bertahun-tahun yang diperlukan untuk melakukan hal ini secara eksperimental.”
Meskipun banyak orang akan merayakan pencapaian dan ketersediaan luas alat yang dihosting secara gratis seperti AlphaFold Server, orang lain mungkin akan mengatakan bahwa ini bukanlah kemenangan bagi ilmu pengetahuan terbuka.
Seperti banyak model AI berpemilik, proses pelatihan AlphaFold dan informasi lain yang penting untuk mereplikasinya – Anda ingat, bagian mendasar dari metode ilmiah – sebagian besar dan semakin banyak dirahasiakan. Meskipun makalah yang diterbitkan di Nature membahas metode pembuatannya secara rinci, banyak rincian dan data penting yang kurang. Artinya, para ilmuwan yang ingin menggunakan alat biologi molekuler paling kuat di planet ini harus melakukannya berdasarkan ketentuan yang berlaku. pengawasan ketat terhadap Alphabet, Google, dan Deepmind (entah siapa yang sebenarnya memegang kendali).
Para pendukung ilmu pengetahuan terbuka telah mengatakan selama bertahun-tahun bahwa, meskipun kemajuan-kemajuan ini luar biasa, akan lebih baik dalam jangka panjang untuk membagikan hal-hal semacam ini secara terbuka. Bagaimanapun juga, begitulah kemajuan ilmu pengetahuan, dan tentu saja bagaimana beberapa perangkat lunak terpenting di dunia juga berevolusi.
Menjadikan Server AlphaFold gratis untuk aplikasi akademis atau non-komersial apa pun dalam banyak hal merupakan tindakan yang sangat murah hati. Namun kemurahan hati Google jarang datang tanpa pamrih. Tidak diragukan lagi banyak peneliti akan memanfaatkan periode bulan madu ini untuk menggunakan model tersebut semaksimal mungkin sebelum yang lain gagal.
