{!-- ra:00000000000003ec0000000000000000 --}EZSpecificity 🧬 Alat AI Baru Prediksi Pasangan Enzim-Substrat Akurasi 91,7% dari Universitas Illinois - SWANTE ADI KRISNA
cross
Hit enter to search or ESC to close
New Artists
  • Zoe Foe
    5 Albums - 50 Songs
EZSpecificity 🧬 Alat AI Baru Prediksi Pasangan Enzim-Substrat Akurasi 91,7% dari Universitas Illinois
24
October 2025

EZSpecificity 🧬 Alat AI Baru Prediksi Pasangan Enzim-Substrat Akurasi 91,7% dari Universitas Illinois

  • 6
  • 24 October 2025
EZSpecificity 🧬 Alat AI Baru Prediksi Pasangan Enzim-Substrat Akurasi 91,7% dari Universitas Illinois

Tim peneliti University of Illinois Urbana-Champaign berhasil mengembangkan EZSpecificity, alat berbasis artificial intelligence (kecerdasan buatan) yang mampu memprediksi kecocokan enzim dengan substrat target hingga akurasi 91,7%.1 Penemuan ini dipublikasikan dalam jurnal Nature dan alat tersebut kini tersedia gratis secara daring. Profesor Huimin Zhao memimpin riset ini. Dia juga menjabat direktur NSF Molecule Maker Lab Institute.

Kenapa ini penting? Enzim adalah protein besar yang mengkatalisis reaksi molekuler. Mereka punya kantong tempat substrat masuk. Kecocokannya disebut specificity. Analogi klasiknya seperti kunci dan gembok. Tapi kenyataannya tidak sesederhana itu.2

Tantangan Prediksi dan Solusi Inovatif

Kantongnya tidak statis, jelas Zhao. Enzim berubah konformasi saat berinteraksi dengan substrat. Ada juga enzim yang promiscuous — bisa mengkatalisis berbagai jenis reaksi berbeda. Inilah mengapa model machine learning diperlukan.1

Untuk meningkatkan kemampuan AI memprediksi spesifisitas, tim Zhao bermitra dengan kelompok Profesor Diwakar Shukla. Mereka melakukan studi docking (penambatan) untuk berbagai kelas enzim. Jutaan kalkulasi docking dilakukan.3 Hasilnya? Database besar berisi informasi sekuens enzim, struktur, dan bagaimana enzim berkonformasi di sekitar substrat berbeda.

Shukla menyatakan: Eksperimen yang menangkap interaksi enzim-substrat seringkali lambat dan kompleks. Kami menjalankan simulasi docking ekstensif untuk melengkapi data eksperimental yang ada.1

Performa Unggul dan Validasi Eksperimental

EZSpecificity diuji bersanding dengan ESP, model terdepan saat ini. Empat skenario dirancang meniru aplikasi dunia nyata. EZSpecificity mengungguli ESP di semua skenario.1 Validasi eksperimental dilakukan pada delapan enzim halogenase dan 78 substrat. Hasilnya mengesankan.

Aspek 📊EZSpecificity 🤖ESP (Model Lama) 📉
Akurasi prediksi teratas91,7%58,3%
Jumlah enzim diuji8 halogenase8 halogenase
Jumlah substrat7878
Basis dataDiperluas dengan dockingTerbatas
KetersediaanGratis onlineTerbatas
Antarmuka penggunaTersediaTidak disebutkan
PublikasiNature 2025Sebelumnya

Cara Penggunaan

Zhao menjelaskan antarmuka yang dikembangkan: Peneliti sekarang bisa memasukkan substrat dan sekuens protein, lalu menggunakan alat kami untuk memprediksi apakah substrat tersebut bisa bekerja baik atau tidak.1 Praktis sekali.

Dampak pada Industri Bioteknologi

Pasar substrat enzim global diproyeksikan mencapai USD 26,03 miliar pada 2030.4 Pertumbuhan didorong sektor bioteknologi dan farmasi yang terus berkembang. Substrat enzim berperan vital dalam diagnostik medis — digunakan dalam assay (uji) dan tes deteksi penyakit.5

Inovasi teknologi enzim terus berlanjut. Pengembangan substrat enzim baru dengan karakteristik lebih baik menjadi fokus industri. AI juga telah membantu penemuan enzim untuk mengurai busa poliuretan hingga 98,6%.6 Kemajuan pesat.

Kesimpulan

EZSpecificity mewakili lompatan signifikan dalam prediksi spesifisitas enzim. Kombinasi data eksperimental diperluas dan algoritma machine learning baru menghasilkan akurasi jauh melampaui model sebelumnya. Tim berencana memperluas alat AI mereka untuk menganalisis selektivitas enzim — membantu mengeliminasi enzim dengan efek off-target.1 Penyempurnaan berkelanjutan dengan lebih banyak data eksperimental juga direncanakan.

Daftar Pustaka

Download PDF tentang EZSpecificity: Inovasi Model K (telah di download 34 kali)
Penulis
Swante Adi Krisna
Penikmat musik Ska, Reggae dan Rocksteady sejak 2004. Gooners sejak 1998. Blogger dan ai paruh waktu sejak 2014. Graphic Designer autodidak sejak 2001. Website Programmer autodidak sejak 2003. Woodworker autodidak sejak 2024. Sarjana Hukum Pidana dari salah satu Perguruan Tinggi Negeri di Surakarta. Magister Hukum Pidana di bidang cybercrime dari salah satu Perguruan Tinggi Swasta di Surakarta. Magister Kenotariatan di bidang hukum teknologi, khususnya cybernotary dari salah satu Perguruan Tinggi Negeri di Surakarta. Bagian dari Keluarga Besar Kementerian Pertahanan Republik Indonesia.