Peneliti MIT dan McMaster University menemukan senyawa antibiotik baru bernama enterololin menggunakan model AI generatif yang mampu menyasar bakteri penyebab peradangan usus tanpa mengganggu mikrobioma sehat. Penemuan ini mengatasi masalah klasik antibiotik spektrum luas yang sering merusak bakteri baik bersama bakteri jahat.1 Proses yang biasanya memakan waktu bertahun-tahun dipercepat menjadi beberapa bulan saja.
Antibiotik Presisi Tanpa Efek Samping Berat
Enterololin bekerja dengan cara yang berbeda. Senyawa ini menekan kelompok bakteri Escherichia coli yang terkait dengan serangan penyakit Crohn sambil membiarkan mikrobioma lainnya tetap utuh.1 Jon Stokes, penulis senior dan asisten profesor biokimia di McMaster, menjelaskan bahwa tantangan utama bukan menemukan molekul pembunuh bakteri—itu sudah lama bisa dilakukan. Yang sulit adalah memahami bagaimana molekul tersebut bekerja di dalam bakteri.
Dalam model tikus dengan inflamasi mirip Crohn, obat ini secara khusus menargetkan E. coli yang memperburuk peradangan usus. Tikus yang diberi enterololin pulih lebih cepat dan mempertahankan mikrobioma lebih sehat dibandingkan yang diobati dengan vankomisin (antibiotik umum).1
| Parameter 🧪 | Enterololin ✅ | Vankomisin ❌ |
|---|---|---|
| Target Spesifik | E. coli penyebab inflamasi | Bakteri spektrum luas |
| Dampak Mikrobioma 🦠 | Sebagian besar tetap utuh | Banyak bakteri baik mati |
| Kecepatan Pemulihan ⏱️ | Lebih cepat | Standar |
| Mekanisme Kerja 🔬 | Blokir protein LolCDE | Menghambat sintesis dinding sel |
| Waktu Identifikasi Target 📅 | 6 bulan (dengan AI) | 18-24 bulan (tradisional) |
| Biaya Riset 💰 | Fraksi dari biaya konvensional | Jutaan dolar |
| Status Pengembangan 🏥 | Dilisensikan Stoked Bio | Sudah tersedia |
DiffDock: AI yang Memprediksi Mekanisme Molekul
Menentukan mekanisme aksi obat—target molekuler yang diikat di dalam sel bakteri—biasanya memerlukan eksperimen bertahun-tahun. Lab Stokes menemukan enterololin menggunakan pendekatan high-throughput screening, tetapi menentukan targetnya akan menjadi hambatan.1 Di sinilah tim beralih ke DiffDock, model AI generatif yang dikembangkan di CSAIL oleh mahasiswa PhD MIT Gabriele Corso dan Profesor Regina Barzilay.
DiffDock dirancang untuk memprediksi bagaimana molekul kecil masuk ke kantong pengikatan protein. Masalah struktural biologi yang sangat sulit ini sebelumnya ditangani algoritma docking tradisional dengan aturan penilaian yang sering menghasilkan hasil berisik.1 DiffDock justru membingkai docking sebagai masalah penalaran probabilistik: model difusi secara iteratif memperbaiki tebakan sampai konvergen pada mode pengikatan paling mungkin.
Prediksi Cepat dan Akurat
"Hanya dalam beberapa menit, model memprediksi bahwa enterololin mengikat kompleks protein bernama LolCDE, yang penting untuk mengangkut lipoprotein dalam bakteri tertentu," kata Barzilay yang juga memimpin Jameel Clinic.1 Itu petunjuk sangat konkret—yang bisa memandu eksperimen, bukan menggantikannya.
Kelompok Stokes kemudian menguji prediksi tersebut. Menggunakan prediksi DiffDock sebagai GPS eksperimental, mereka pertama mengembangkan mutan E. coli resisten enterololin di lab, yang menunjukkan bahwa perubahan DNA mutan memetakan ke lolCDE, persis di mana DiffDock memprediksi enterololin akan mengikat.1 Mereka juga melakukan sekuensing RNA untuk melihat gen bakteri mana yang aktif atau mati saat terpapar obat. Plus menggunakan CRISPR untuk secara selektif menekan ekspresi target yang diharapkan. Semua eksperimen lab mengungkapkan gangguan pada jalur terkait transportasi lipoprotein, persis seperti prediksi DiffDock.
Implikasi untuk Pengembangan Obat Masa Depan
"Ketika Anda melihat model komputasi dan data lab basah menunjuk ke mekanisme yang sama, saat itulah Anda mulai percaya telah menemukan sesuatu," kata Stokes.1 Bagi Barzilay, proyek ini menyoroti pergeseran dalam penggunaan AI di ilmu kehidupan. Banyak penggunaan AI dalam penemuan obat tentang mencari ruang kimia, mengidentifikasi molekul baru yang mungkin aktif. Yang mereka tunjukkan di sini adalah AI juga bisa memberikan penjelasan mekanistik yang penting untuk memindahkan molekul melalui jalur pengembangan.
Perbedaan itu penting karena studi mekanisme aksi sering menjadi langkah pembatas laju dalam pengembangan obat. Pendekatan tradisional bisa memakan waktu 18 bulan hingga dua tahun, atau lebih, dan menelan biaya jutaan dolar.1 Dalam kasus ini, tim MIT-McMaster memangkas garis waktu menjadi sekitar enam bulan, dengan biaya jauh lebih murah. Penelitian yang didukung oleh Weston Family Foundation, David Braley Centre untuk Penemuan Antibiotik, dan institusi lain ini telah merilis data sekuensing di repositori publik dan kode DiffDock-L secara terbuka di GitHub.
Harapan untuk Pasien IBD
Enterololin masih dalam tahap pengembangan awal, tetapi translasi sudah berjalan. Perusahaan spinout Stokes, Stoked Bio, telah melisensikan senyawa tersebut dan mengoptimalkan propertinya untuk potensi penggunaan manusia.1 Pekerjaan awal juga mengeksplorasi turunan molekul melawan patogen resisten lain, seperti Klebsiella pneumoniae. Model AI generatif yang memetakan genom dan protein kini semakin berkembang untuk aplikasi biomedis.2
Untuk pasien dengan Crohn dan kondisi radang usus lainnya, prospek obat yang mengurangi gejala tanpa mendestabilisasi mikrobioma bisa berarti peningkatan kualitas hidup yang bermakna. Dalam gambaran lebih besar, antibiotik presisi mungkin membantu mengatasi ancaman resistensi antimikroba yang terus berkembang.3 Yves Brun, profesor di University of Montreal dan profesor emeritus terkemuka di Indiana University Bloomington yang tidak terlibat dalam makalah, menambahkan bahwa AI menjadi alat penting dalam melawan bakteri resisten antibiotik.
Kesimpulan
Penemuan enterololin menandai langkah maju dalam pengembangan antibiotik presisi yang menargetkan hanya bakteri penyebab masalah. Penggunaan AI generatif DiffDock mempercepat identifikasi mekanisme aksi dari bertahun-tahun menjadi beberapa bulan, membuka jalan bagi generasi baru antimikroba yang ditargetkan. Peneliti melihat implikasi yang lebih luas: alat AI seperti DiffDock bisa membuat proses penemuan dan validasi antibiotik spektrum sempit lebih praktis. Stokes menyatakan bahwa yang membuatnya bersemangat bukan hanya senyawa ini, tetapi gagasan bahwa elucidasi mekanisme aksi bisa dilakukan lebih cepat dengan kombinasi tepat antara AI, intuisi manusia, dan eksperimen laboratorium—dan itu berpotensi mengubah pendekatan penemuan obat untuk banyak penyakit, tidak hanya Crohn.
Daftar Pustaka
- MIT News. (2025, Oktober 16). Generative AI model maps how a new antibiotic targets gut bacteria. AIhub. https://aihub.org/2025/10/16/generative-ai-model-maps-how-a-new-antibiotic-targets-gut-bacteria/
- Ars Technica. (2025, November 21). Generative AI meets the genome. https://arstechnica.com/science/2025/11/generative-ai-meets-the-genome/
- Yahoo Finance UK. (2025, November 4). Generative AI Cybersecurity Research Report 2025-2030: $35.5 Bn Market to Grow Rapidly, Driven by Rising AI Supply Chain Attacks. https://uk.finance.yahoo.com/news/generative-ai-cybersecurity-research-report-094500277.html
