Teknologi Artificial Intelligence (Kecerdasan Buatan) kini telah mencapai terobosan spektakuler dlm bidang biologi molekuler. Model PLAID yang dikembangkan oleh peneliti Berkeley berhasil menciptakan protein sintetik dengan struktur 3D lengkap hanya dari data sekuens, membuka era baru dlm desain obat yg lebih efektif1.
Terobosan Model PLAID dalam Generasi Protein
Model generatif multimodal bernama PLAID (Protein Latent diffusion) ini menggunakan pendekatan revolusioner yg memungkinkan pembuatan protein baru secara simultan pada level sekuens 1D dan struktur 3D. Berbeda dengan metode konvensional yg membutuhkan data struktur eksperimental yang mahal, PLAID hanya memerlukan data sekuens protein untuk pelatihan2. Hal ini menjadi sangat penting karena database sekuens protein 2-4 kali lebih besar daripada database struktur.
Keunggulan utama PLAID terletak pada kemampuannya mengatasi masalah generasi multimodal - yaitu menghasilkan sekuens diskret dan koordinat struktural kontinu secara bersamaan. Dr. Amy Lu dan timnya berhasil mengembangkan sistem yg dapat menerima prompt komposisional untuk fungsi dan organisme tertentu3.
Dampak Positif untuk Industri Farmasi Global
Pengembangan protein sintetik melalui AI membawa harapan besar bagi industri farmasi dunia. Metode tradisional untuk menemukan obat baru biasanya memakan waktu bertahun-tahun dan biaya triliunan rupiah. Dengan teknologi PLAID, proses ini dapat dipercepat secara signifikan karena mampu menghasilkan ribuan kandidat protein fungsional dalam waktu singkat4.
Spesifisitas Organisme dan Kontrol Generasi
Salah satu aspek revolusioner dari PLAID adalah kemampuannya menghasilkan protein yang disesuaikan dengan organisme tertentu. Untuk pengobatan manusia, protein biologis perlu "dihumanisasi" agar tidak dihancurkan oleh sistem imun manusia5. Model ini juga memungkinkan kontrol spesifikasi yang kompleks, termasuk aspek praktis seperti kelarutan untuk formulasi tablet.
Pembelajaran dari Database Sekuens yang Lebih Besar
PLAID menggunakan strategi cerdas dengan melatih model difusi pada ruang laten dari model protein folding. Selama inferensi, sampel dari ruang laten protein yang valid dapat didekodekan menjadi struktur menggunakan frozen weights dari model ESMFold6. Pendekatan ini memungkinkan pemanfaatan database sekuens yg jauh lebih besar dan beragam dibandingkan dengan database struktural.
Teknologi CHEAP untuk Kompresi Ruang Laten
Untuk mengatasi tantangan ruang laten ESMFold yang memerlukan regularisasi besar, tim peneliti juga mengembangkan CHEAP (Compressed Hourglass Embedding Adaptations of Proteins). Teknologi ini mempelajari model kompresi untuk embedding gabungan sekuens dan struktur protein7. Mereka menemukan bahwa ruang laten ini sangat dapat dikompres melalui pendekatan mechanistic interpretability.
Potensi Aplikasi dalam Berbagai Bidang
Keberhasilan PLAID dalam menghasilkan protein dengan pola koordinasi tetraedron sistein-Fe2+/Fe3+ yg sering ditemukan pada metaloprotein menunjukkan kemampuan model untuk mempelajari hubungan fungsi-struktur-sekuens sambil mempertahankan keragaman tinggi pada level sekuens8. Hal ini membuka peluang aplikasi luas mulai dari desain enzim industri hingga terapi gen.
Model ini juga menunjukkan konsistensi dalam menghasilkan protein transmembran dengan residu hidrofobik di inti, di mana protein tersebut tertanam dalam lapisan asam lemak9. Kemampuan ini sangat penting untuk pengembangan obat yg menargetkan protein membran.
Kesimpulan
Pengembangan PLAID menandai era baru dalam desain protein computational yg akan merevolusi industri bioteknologi dan farmasi. Dengan kemampuan menghasilkan protein all-atom dari data sekuens saja, teknologi ini berpotensi mempercepat penemuan obat baru dan mengurangi biaya pengembangan secara dramatis. Masa depan pengobatan personalized dan terapi inovatif semakin dekat dengan kemajuan AI dalam biologi molekuler.
Referensi
- Berkeley Artificial Intelligence Research Blog. (2025, April 8). Repurposing Protein Folding Models for Generation with Latent Diffusion. Retrieved from http://bair.berkeley.edu/blog/2025/04/08/plaid/
- Technology Review. (2025, September 12). How do AI models generate videos? Retrieved from https://www.technologyreview.com/2025/09/12/1123562/how-do-ai-models-generate-videos/
- AZoRobotics. (2025, September 12). New AI Model Designs Effective Antibiotics from Scratch. Retrieved from https://www.azorobotics.com/News.aspx?newsID=16173
- MSN Technology. (2025, September 2). Generative AI Designs Thousands of Peptides to Fight Drug-Resistant Bacteria. Retrieved from https://www.msn.com/en-gb/technology/biotechnology/generative-ai-designs-thousands-of-peptides-to-fight-drug-resistant-bacteria/ar-AA1LLuXX
- The Daily Pennsylvanian. (2025, September 2). Penn researchers develop AI tool that creates antibiotics. Retrieved from https://www.thedp.com/article/2025/09/penn-engineering-artificial-intelligence-research-antibiotics
- MSN Health. (2025, September 2). Antibiotics instead of images: Generative AI designs molecules. Retrieved from https://www.msn.com/en-us/health/other/antibiotics-instead-of-images-generative-ai-designs-molecules-that-kill-drug-resistant-bacteria/ar-AA1LILet
- MSN Health UK. (2025, September 3). AI Tool for Designing Antibiotics from Scratch. Retrieved from https://www.msn.com/en-gb/health/other/ai-tool-for-designing-antibiotics-from-scratch/ar-AA1LNcQg
- Sohu Technology. (2025, September 5). China Electric Power Construction Applies for AI-Assisted Design Patent. Retrieved from https://www.sohu.com/a/932255850_122328931
- Forbes Technology Council. (2025, September 8). The Great Identity Schism. Retrieved from https://www.forbes.com/councils/forbestechcouncil/2025/09/08/the-great-identity-schism/
