JAKARTA, INDONESIA — Perkembangan kecerdasan buatan (AI) dalam bidang bioteknologi memasuki babak baru setelah para peneliti berhasil merancang enzim buatan yang mampu memotong protein lain pada bagian yang telah ditentukan. Teknologi ini memanfaatkan perangkat desain protein berbasis AI untuk membangun protease, yaitu enzim yang memutus ikatan kimia pada protein.
Penelitian yang melibatkan tim dari laboratorium David Baker di University of Washington tersebut menunjukkan bahwa protein dapat dirancang dengan fungsi katalitik tertentu, bukan sekadar memiliki bentuk tiga dimensi yang sesuai. Temuan ini berpotensi membuka jalan bagi pengembangan teknologi biomedis, rekayasa protein, dan pendekatan baru untuk menangani protein abnormal yang berkaitan dengan penyakit neurodegeneratif.
Hasil penelitian tersebut dilaporkan dalam dua publikasi ilmiah di jurnal Nature pada Oktober 2026. Meski menjanjikan, teknologi ini masih memerlukan pengembangan dan pengujian lanjutan sebelum dapat diterapkan sebagai terapi medis.
Bagaimana AI Merancang Protein yang Bisa Memotong Protein Lain?
Protein merupakan molekul biologis yang tersusun dari rantai asam amino. Rantai tersebut dihubungkan oleh ikatan peptida yang secara kimiawi relatif stabil. Tanpa bantuan katalis, pemutusan ikatan ini dapat berlangsung sangat lambat.
Dalam organisme hidup, proses tersebut dibantu oleh protease, enzim yang mempercepat pemecahan protein menjadi bagian-bagian yang lebih kecil. Setiap protease memiliki struktur dan karakteristik yang menentukan protein mana yang dapat dikenali dan dipotong.
Para peneliti menggunakan prinsip tersebut untuk menciptakan enzim baru dengan bantuan kecerdasan buatan. Alih-alih mengembangkan seluruh struktur enzim melalui evolusi alami, mereka mempertahankan bagian penting yang menjalankan reaksi kimia, kemudian menggunakan perangkat AI untuk merancang bagian protein lainnya.
Apa Itu Protease dan Mengapa Penting?
Protease berperan dalam berbagai proses biologis, termasuk pencernaan, pengaturan aktivitas protein, dan penguraian molekul yang tidak lagi dibutuhkan sel.
Dua mekanisme katalisis menjadi fokus penelitian ini.
- Protease berbasis seng (zinc protease): menggunakan ion seng untuk membantu mengaktifkan molekul air yang kemudian menyerang ikatan peptida.
- Protease sistein (cysteine protease): memanfaatkan asam amino sistein pada pusat aktif enzim untuk menyerang ikatan peptida melalui perantara reaksi kimia.
Kedua mekanisme tersebut memerlukan susunan asam amino yang sangat presisi. Posisi dan orientasi bagian-bagian penting enzim harus sesuai agar reaksi berlangsung secara efektif.
Tantangan inilah yang coba diatasi oleh teknologi desain protein berbasis AI.
Tiga Teknologi AI yang Membantu Pembuatan Enzim Buatan
Dalam penelitian tersebut, para ilmuwan menggabungkan sejumlah perangkat komputasi untuk merancang struktur protein, menentukan urutan asam amino, dan memperkirakan bentuk akhir enzim.
1. RFdiffusion2 untuk Merancang Struktur Protein
RFdiffusion2 digunakan untuk merancang kerangka utama protein atau protein backbone. Kerangka ini menjadi fondasi yang menentukan bagaimana rantai protein tersusun dan terlipat menjadi bentuk tiga dimensi.
Peneliti memberikan sejumlah batasan desain, termasuk posisi asam amino katalitik dan urutan asam amino target yang ingin dipotong. Struktur yang dihasilkan harus memungkinkan bagian-bagian penting tersebut berada dalam posisi yang sesuai untuk menjalankan reaksi.
Pendekatan ini membantu AI menghasilkan rancangan protein yang memenuhi kebutuhan geometris pusat katalitik.
2. ProteinMPNN untuk Menentukan Urutan Asam Amino
Setelah kerangka protein dirancang, ProteinMPNN digunakan untuk memilih asam amino yang akan membentuk struktur tersebut.
Pemilihan ini mempertimbangkan beberapa faktor, seperti kemampuan protein untuk melipat dengan benar, kestabilan struktur, pembentukan pusat katalitik, dan interaksi dengan protein target.
Dengan menggabungkan kedua perangkat, peneliti dapat menghasilkan berbagai kandidat enzim tanpa harus bergantung sepenuhnya pada modifikasi enzim alami yang sudah ada.
3. AlphaFold3 untuk Memperkirakan Struktur
Para peneliti juga menggunakan AlphaFold3 untuk memperkirakan struktur tiga dimensi dari sejumlah rancangan protein.
Prediksi ini membantu menilai apakah protein buatan berpotensi membentuk struktur yang direncanakan. Analisis perbandingan dengan basis data protein juga menunjukkan bahwa sejumlah rancangan tersebut memiliki struktur yang berbeda dari protein yang telah dikenal.
Namun, prediksi struktur saja tidak cukup untuk membuktikan bahwa sebuah enzim benar-benar berfungsi. Aktivitas katalitik tetap harus diperiksa melalui eksperimen laboratorium.
Hasil Eksperimen Menunjukkan Enzim Buatan Bisa Berfungsi
Untuk menguji rancangan AI, peneliti membuat protein uji yang menggabungkan enzim kandidat, urutan target, dan protein fluoresen. Aktivitas pemotongan dapat diamati ketika reaksi melepaskan bagian protein fluoresen tersebut.
Hasilnya menunjukkan bahwa sebagian rancangan berhasil memotong protein target, meskipun aktivitas awalnya umumnya lebih rendah daripada enzim alami yang digunakan sebagai model.
Protease Sistein Menghasilkan Sejumlah Kandidat Aktif
Dalam pengujian protease sistein, tim peneliti memperoleh 13 rancangan yang menunjukkan aktivitas dari 69 kombinasi desain yang diuji. Tingkat keberhasilannya sekitar 19 persen.
Hasil ini menunjukkan bahwa pendekatan desain berbasis AI dapat menghasilkan enzim dengan kemampuan katalitik, meskipun tidak semua rancangan yang secara struktural terlihat sesuai mampu bekerja secara efektif.
Penambahan Molekul Air Meningkatkan Keberhasilan Protease Seng
Pada eksperimen protease berbasis seng, rancangan awal menghadapi kendala karena posisi molekul air yang dibutuhkan untuk reaksi tidak selalu sesuai.
Dari 89 rancangan yang diuji tanpa penempatan molekul air sebagai batasan desain tambahan, hanya 14 yang memperlihatkan aktivitas katalitik lemah.
Setelah peneliti memasukkan posisi molekul air sebagai salah satu persyaratan desain, hasilnya meningkat secara signifikan. Sebanyak 35 dari 38 rancangan menunjukkan aktivitas katalitik.
Temuan ini memperlihatkan bahwa detail kimia yang sangat kecil dapat memengaruhi keberhasilan desain enzim. Struktur protein yang tampak benar belum tentu menyediakan lingkungan kimia yang optimal untuk menjalankan reaksi.
Optimasi Lebih Lanjut Meningkatkan Aktivitas Enzim
Peneliti kemudian melakukan perubahan pada sejumlah asam amino di sekitar pusat aktif yang tidak terlibat langsung dalam proses katalisis.
Beberapa perubahan menghasilkan enzim yang lebih aktif. Dalam salah satu rangkaian eksperimen, varian protease sistein terbaik mempercepat pemutusan ikatan peptida hingga sekitar satu miliar kali dibandingkan reaksi tanpa katalis.
Sementara itu, varian protease seng yang telah dioptimalkan menunjukkan peningkatan aktivitas sekitar 30 kali dibandingkan rancangan awal tertentu dan mampu mempercepat pemutusan ikatan peptida hingga sekitar sepuluh miliar kali dibandingkan reaksi tanpa katalis.
Angka tersebut menggambarkan kemampuan katalitik dalam kondisi pengujian penelitian, bukan bukti bahwa enzim tersebut telah siap digunakan sebagai obat.
AI Membuka Peluang untuk Menargetkan Protein Penyebab Penyakit Saraf
Salah satu demonstrasi penting dalam penelitian ini adalah upaya merancang protease yang dapat mengenali protein yang berkaitan dengan penyakit neurodegeneratif, termasuk Alzheimer dan demensia frontotemporal.
Kondisi tersebut berkaitan dengan perubahan pada protein tertentu yang dapat mengganggu fungsi normal sel. Karena itu, kemampuan untuk mengenali dan memotong urutan protein secara selektif menjadi bidang penelitian yang menarik.
Menargetkan Protein Abnormal Secara Lebih Selektif
Para peneliti mencoba merancang protease seng yang mampu memotong protein target terkait gangguan neurologis.
Modifikasi sederhana terhadap enzim yang telah dirancang sebelumnya tidak memberikan hasil yang memadai. Tim kemudian memulai proses desain dari awal untuk menyesuaikan struktur dan karakteristik enzim dengan urutan target baru.
Dalam eksperimen yang dilaporkan, para peneliti berhasil menemukan rancangan yang dapat memotong protein sasaran di dalam sel.
Hasil ini merupakan bukti awal bahwa desain protein berbasis AI dapat diarahkan pada target biologis yang berbeda. Namun, keberhasilan memotong protein dalam eksperimen sel belum membuktikan bahwa pendekatan tersebut aman atau efektif untuk mengobati manusia.
Mengapa Teknologi Ini Belum Bisa Langsung Menjadi Obat?
Pengembangan protease terapeutik menghadapi sejumlah tantangan penting.
Pertama, protein yang diberikan sebagai obat perlu mencapai jaringan dan lokasi sel yang tepat. Kedua, tubuh dapat mengenali protein buatan sebagai benda asing dan memicu respons imun. Ketiga, jika target berada di dalam sel, pengiriman enzim ke lokasi tersebut menjadi lebih sulit.
Salah satu pendekatan yang mungkin dipelajari adalah membuat sel target menghasilkan protease melalui pengiriman materi genetik yang sesuai. Namun, pendekatan tersebut memiliki tantangan tambahan terkait keamanan, ketepatan sasaran, dan pengendalian aktivitas enzim.
Diperlukan penelitian lebih lanjut untuk menilai selektivitas, stabilitas, potensi efek samping, dan manfaat klinis sebelum teknologi ini dapat dikembangkan menjadi terapi.
Keterbatasan AI dalam Merancang Enzim
Meskipun berhasil menghasilkan protein yang dapat menjalankan reaksi kimia tertentu, penelitian ini juga memperlihatkan keterbatasan teknologi desain protein saat ini.
Perangkat AI relatif mampu merancang bentuk protein dan menempatkan asam amino pada posisi yang diinginkan. Akan tetapi, memastikan bahwa susunan tersebut menghasilkan aktivitas katalitik yang tinggi merupakan persoalan berbeda.
Struktur yang Tepat Belum Tentu Menghasilkan Fungsi Optimal
Enzim alami merupakan hasil proses evolusi panjang. Kinerjanya tidak hanya bergantung pada posisi asam amino utama, tetapi juga pada jaringan interaksi kimia yang kompleks di sekeliling pusat aktif.
Perubahan kecil pada struktur lokal dapat memengaruhi kecepatan reaksi secara signifikan. Karena itu, sejumlah rancangan AI memerlukan optimasi tambahan sebelum mencapai aktivitas yang lebih baik.
Temuan ini menunjukkan bahwa pengembangan enzim buatan masih memerlukan kombinasi pemodelan komputasi, eksperimen laboratorium, dan penyempurnaan desain berdasarkan hasil pengujian.
Dampak Penelitian bagi Masa Depan Bioteknologi
Keberhasilan merancang protease buatan dapat memperluas penggunaan AI dalam penelitian biologi dan pengembangan teknologi kesehatan.
Dalam jangka panjang, desain protein yang lebih terarah berpotensi mendukung beberapa bidang berikut:
- Penelitian obat: membantu mengeksplorasi strategi untuk menargetkan protein yang berhubungan dengan penyakit.
- Bioteknologi industri: mendukung pengembangan enzim dengan fungsi khusus untuk proses produksi tertentu.
- Biologi sintetis: memungkinkan ilmuwan merancang molekul biologis dengan karakteristik yang tidak tersedia secara langsung di alam.
- Penelitian penyakit: membantu memahami hubungan antara struktur protein, aktivitas enzim, dan mekanisme gangguan sel.
Walaupun peluangnya luas, setiap aplikasi tetap membutuhkan evaluasi tersendiri. Keberhasilan pada satu protein target tidak otomatis berarti teknologi tersebut dapat diterapkan pada semua jenis protein atau penyakit.
Kesimpulan
Penelitian terbaru menunjukkan bahwa kecerdasan buatan dapat membantu ilmuwan merancang protease buatan yang mampu memotong protein lain pada urutan tertentu. Dengan menggabungkan RFdiffusion2, ProteinMPNN, dan AlphaFold3, para peneliti berhasil menghasilkan kandidat enzim yang memperlihatkan aktivitas katalitik dalam eksperimen laboratorium.
Demonstrasi terhadap protein yang berkaitan dengan penyakit Alzheimer dan demensia frontotemporal turut memperlihatkan potensi pendekatan ini untuk penelitian biomedis.
Namun, teknologi tersebut masih berada pada tahap penelitian awal. Tantangan terkait pengiriman protein ke dalam sel, respons imun, selektivitas, dan keamanan harus diatasi sebelum kemungkinan penerapannya sebagai terapi dapat dinilai.
Bagi dunia sains, temuan ini menegaskan bahwa AI tidak hanya dapat membantu memprediksi struktur protein, tetapi juga mulai berperan dalam merancang molekul biologis dengan fungsi yang dapat diuji secara eksperimental.
Comment
73us2b