vikaspota.com – Pada akhir Januari 2026, Wakil Presiden Riset Google DeepMind, Pushmeet Kohli, memperkenalkan terobosan baru dalam riset genetika berbasis kecerdasan buatan. Ia menyebut penyelesaian peta genom manusia pada 2003 sebagai “kitab kehidupan”. Namun, menurutnya, kepemilikan kitab tersebut belum cukup tanpa memahami tata bahasanya. Tubuh manusia menyimpan sekitar tiga miliar pasangan nukleotida DNA. Dari jumlah tersebut, hanya sekitar dua persen yang berfungsi sebagai pembuat protein. Sisanya selama bertahun-tahun dianggap tidak memiliki peran jelas. Pandangan ini kini mulai berubah seiring kemajuan teknologi komputasi dan AI. AlphaGenome dikembangkan untuk menjawab tantangan tersebut. Sistem ini dirancang untuk membaca pola dan makna di balik bagian DNA yang selama ini kurang dipahami. Dengan pendekatan baru ini, DeepMind ingin mengungkap logika tersembunyi yang mengatur aktivitas gen manusia.
“Baca Juga: Virtua Fighter 5 R.E.V.O. World Stage Bidik Switch 2″
Peran DNA Non-Coding dalam Pengaturan Aktivitas Gen
Sekitar 98 persen genom manusia terdiri dari DNA non-coding. Wilayah ini dahulu sering disebut sebagai DNA sampah karena tidak menghasilkan protein. Namun, riset terbaru menunjukkan perannya sangat krusial. DNA non-coding berfungsi sebagai pengatur aktivitas gen. Bagian ini menentukan kapan gen diaktifkan atau dinonaktifkan. Wilayah tersebut juga mengatur di jaringan tubuh mana gen bekerja. Selain itu, DNA non-coding memengaruhi seberapa kuat suatu gen diekspresikan. AlphaGenome dirancang untuk memetakan fungsi pengaturan ini secara sistematis. Model tersebut mampu mengidentifikasi mutasi pada wilayah pengatur gen. Mutasi ini diketahui berkaitan dengan berbagai penyakit serius. Gangguan kesehatan mental, penyakit autoimun, dan kanker anak menjadi beberapa contohnya. Dengan memahami peran DNA non-coding, ilmuwan memperoleh gambaran lebih utuh tentang mekanisme penyakit.
Pelatihan Data Lintas Spesies untuk Akurasi Prediksi
Untuk membangun model yang andal, DeepMind melatih AlphaGenome menggunakan basis data publik. Data tersebut mencakup informasi genetika manusia dan tikus. Pendekatan lintas spesies ini dipilih untuk meningkatkan akurasi prediksi. Model dilatih menggunakan data dari ratusan jenis sel dan jaringan. Dengan cara ini, AlphaGenome mempelajari variasi regulasi gen di berbagai konteks biologis. Sistem ini tidak hanya membaca urutan DNA secara statis. AlphaGenome juga memprediksi dampak biologis dari perubahan kecil pada kode genetik. Kemampuan ini memungkinkan peneliti memahami bagaimana mutasi mengganggu mekanisme pengendalian gen. Analisis dilakukan pada rangkaian DNA yang sangat panjang. Pendekatan ini penting untuk melihat konteks gen secara menyeluruh. Model mampu membandingkan DNA normal dan bermutasi secara langsung. Hasilnya memberikan wawasan baru tentang hubungan sebab akibat dalam genom.
Peluang Baru dalam Terapi Gen Presisi Tinggi
Peneliti utama proyek ini, Ziga Avsec, menjelaskan pentingnya analisis detail terhadap DNA. Menurutnya, memahami lingkungan gen secara utuh membuka peluang terapi baru. Dengan AlphaGenome, ilmuwan dapat merancang urutan DNA sintetis secara lebih presisi. Urutan tersebut dapat diatur agar mengaktifkan gen tertentu. Aktivasi gen bisa dibatasi hanya pada sel sasaran. Contohnya adalah sel hati atau sel saraf. Pendekatan ini berpotensi meningkatkan efektivitas terapi gen. Risiko efek samping juga dapat ditekan. Teknologi ini mendukung pengembangan pengobatan yang lebih personal. Terapi dapat disesuaikan dengan profil genetik pasien. Dengan demikian, AlphaGenome menjadi alat penting dalam kedokteran presisi. Aplikasi ini diharapkan mempercepat riset translasi dari laboratorium ke klinik.
“Baca Juga: Xbox Laporkan Kerugian Lagi di Periode Awal 2026″
Dampak Klinis dan Respons Komunitas Ilmiah Global
Di ranah klinis, AlphaGenome mulai menjanjikan dampak nyata. Marc Mansour dari University College London menyebut teknologi ini sebagai perubahan besar. Ia menilai AlphaGenome membantu mengidentifikasi penggerak genetik kanker anak. Selama ini, kompleksitas genom sering menjadi hambatan utama. Gareth Hawkes dari University of Exeter juga menilai kemampuan AlphaGenome sebagai lompatan besar. Ia menekankan bahwa pemahaman terhadap 98 persen genom merupakan kemajuan signifikan. Meski demikian, komunitas ilmiah tetap berhati-hati. Ben Lehner dari Universitas Cambridge mengingatkan ketergantungan model pada kualitas data pelatihan. Robert Goldstone dari Francis Crick Institute menegaskan AI bukan solusi ajaib. Faktor lingkungan juga memengaruhi ekspresi gen. Saat ini, AlphaGenome tersedia gratis untuk penggunaan non-komersial. Lebih dari 3.000 ilmuwan di 160 negara telah mengujinya. Langkah ini menegaskan ambisi DeepMind membentuk masa depan kesehatan global berbasis AI.
Leave a Reply