AlphaGenome 2 Diluncurkan Google: AI Baru Deteksi Hampir Dua Kali Lipat Perubahan DNA Penyebab Penyakit

Alphabet ($GOOGL) memperkenalkan AlphaGenome 2 pada Rabu. Model AI baru Google ini dirancang membantu ilmuwan memahami bagaimana perubahan pada DNA memengaruhi sel dan memicu penyakit, dengan klaim cakupan deteksi hampir dua kali lipat dibanding model sebelumnya.

Pengumuman itu disampaikan lewat kanal resmi perusahaan dan langsung menjadi sorotan karena menyentuh salah satu persoalan paling rumit di dunia genetika: memilah varian DNA yang benar-benar berbahaya dari sekian juta perubahan yang tampak acak. Informasi awal mengenai peluncuran ini dilaporkan TipRanks.

AlphaGenome 2 dan Klaim Cakupan Deteksi yang Lebih Luas

Inti klaim Google sederhana untuk dipahami, tetapi berat dampaknya. AlphaGenome 2 disebut mampu mengidentifikasi hampir dua kali lipat jumlah perubahan DNA yang berkaitan dengan penyakit dibandingkan kemampuan model generasi sebelumnya.

Artinya, jangkauan analisis terhadap varian genetik melebar. Perubahan-perubahan yang sebelumnya lolos dari deteksi kini masuk radar model. Bagi peneliti, selisih cakupan sebesar itu bukan angka kosmetik. Setiap varian tambahan yang berhasil dijelaskan membuka peluang baru untuk memahami mekanisme sebuah penyakit.

Model ini bekerja dengan membaca hubungan antara urutan DNA dan perilaku sel. Perubahan kecil pada DNA bisa mengubah cara gen dinyalakan atau dimatikan, dan efeknya berbeda-beda tergantung jenis sel. Di sinilah model berbasis kecerdasan buatan dibutuhkan, karena jumlah kombinasi yang harus diuji terlalu besar untuk dikerjakan manual.

Google menempatkan AlphaGenome 2 sebagai alat bantu riset, bukan pengganti laboratorium. Model memberi petunjuk awal tentang varian mana yang layak diuji lebih jauh, sehingga peneliti bisa memprioritaskan sumber daya pada kandidat yang paling menjanjikan.

Mengapa Perubahan DNA Sulit Dipetakan

Setiap manusia membawa jutaan perbedaan kecil pada urutan DNA-nya. Sebagian besar tidak berdampak apa pun. Sebagian lain berkaitan dengan risiko penyakit, tetapi tidak jelas bagaimana mekanismenya bekerja.

Selama ini, peneliti mengandalkan studi asosiasi genom untuk menemukan kaitan antara varian tertentu dan penyakit. Metode itu berhasil menunjukkan lokasi, tetapi sering gagal menjelaskan fungsi. Banyak varian ditemukan berada di wilayah DNA yang tidak mengkode protein, sehingga perannya sulit dibaca.

Model prediktif seperti AlphaGenome mencoba menutup celah itu. Dengan mempelajari pola dari data eksperimen yang sudah ada, model dapat memperkirakan dampak sebuah perubahan terhadap ekspresi gen di berbagai jaringan tubuh.

Pendekatan ini sudah menjadi arah utama riset genom dalam beberapa tahun terakhir. Google sendiri sebelumnya dikenal lewat AlphaFold, model yang memecahkan teka-teki struktur protein dan menjadi salah satu terobosan paling berpengaruh di bidang biologi komputasi.

Posisi Alphabet di Tengah Persaingan AI untuk Ilmu Hayati

Peluncuran AlphaGenome 2 mempertegas posisi Alphabet sebagai pemain serius di persimpangan AI dan ilmu hayati. Google bukan satu-satunya perusahaan yang mengejar bidang ini, tetapi rekam jejaknya di riset protein memberi bobot tersendiri pada setiap produk barunya.

Bagi investor, langkah ini juga dibaca sebagai sinyal arah bisnis. Alphabet menandai produk ini dengan ticker $GOOGL, isyarat bahwa perusahaan ingin publik melihat riset AI-nya sebagai bagian dari nilai jangka panjang, bukan sekadar proyek laboratorium.

Sejumlah perusahaan teknologi dan bioteknologi lain juga mengembangkan model serupa untuk memprediksi fungsi DNA. Persaingan bergerak pada dua jalur sekaligus: siapa yang punya model paling akurat, dan siapa yang paling cepat mengubah akurasi itu menjadi alat yang dipakai peneliti sehari-hari.

Di sisi lain, riset genom menyimpan persoalan etika yang tidak ringan. Data genetik bersifat pribadi, dan kemampuan memprediksi risiko penyakit dari DNA memunculkan pertanyaan soal privasi serta penyalahgunaan informasi.

Dampak bagi Riset Genetika dan Pengembangan Obat

Jika klaim cakupan deteksi itu terbukti dalam pengujian independen, dampaknya akan terasa di beberapa titik sekaligus. Berikut area yang paling mungkin terpengaruh:

• Penemuan target obat. Varian yang sebelumnya tidak terjelaskan bisa mengarahkan peneliti ke gen atau jalur biologis baru yang layak dijadikan sasaran terapi.
• Diagnosis penyakit langka. Pasien dengan kondisi genetik tanpa jawaban jelas berpeluang mendapat penjelasan dari varian yang kini terdeteksi model.
• Efisiensi riset. Laboratorium dapat menyaring kandidat varian lebih cepat sebelum mengeluarkan biaya untuk uji eksperimental yang mahal.
• Kedokteran presisi. Pemahaman yang lebih rinci soal efek varian membuka jalan bagi perawatan yang disesuaikan dengan profil genetik pasien.

Namun, prediksi model bukan bukti final. Setiap temuan tetap harus diverifikasi lewat eksperimen laboratorium dan studi populasi. Model AI mempercepat proses, tetapi tidak menghapus kebutuhan akan validasi ilmiah.

Untuk konteks perkembangan riset genom global, publikasi ilmiah seperti Nature secara rutin menjadi rujukan utama ketika model-model semacam ini diuji oleh komunitas peneliti independen.

Langkah Selanjutnya yang Layak Dicermati

Pertanyaan pertama yang akan diajukan komunitas ilmiah adalah seberapa akurat AlphaGenome 2 di luar data yang dipakai melatihnya. Klaim dua kali lipat cakupan deteksi perlu dibuktikan pada kumpulan data baru yang tidak pernah dilihat model.

Pertanyaan kedua menyangkut akses. Google belum merinci bagaimana peneliti bisa menggunakan model ini, apakah lewat API, publikasi terbuka, atau kemitraan terbatas. Akses terbuka akan mempercepat pengujian, sementara akses terbatas memperlambat verifikasi independen.

Pertanyaan ketiga soal biaya komputasi. Model genom berskala besar menuntut daya olah tinggi, dan tidak semua laboratorium memiliki sumber daya setara. Tanpa mekanisme berbagi, alat canggih seperti ini berisiko hanya beredar di lingkaran riset besar.

Google menyebut peluncuran ini sebagai langkah lanjutan dari upaya panjangnya di bidang AI untuk sains. Bagi publik, ukuran keberhasilannya bukan pada pengumuman hari Rabu, melainkan pada berapa banyak temuan laboratorium yang benar-benar berubah menjadi pemahaman baru tentang penyakit.

Analisis Redaksi

Klaim "hampir dua kali lipat" adalah jenis pernyataan yang mudah menarik perhatian dan sulit dibuktikan. Sejauh ini, angka itu datang dari pihak yang mengembangkan model, bukan dari pengujian pihak ketiga. Publik perlu membaca peluncuran ini sebagai janji riset, bukan hasil final.

Yang lebih menarik justru arah strategisnya. Alphabet terus memperluas AI dari produk konsumen ke instrumen ilmiah. AlphaFold membuka pintu itu, dan AlphaGenome 2 menunjukkan perusahaan ingin membangun lini alat riset yang saling menopang. Bagi peneliti, kehadiran pemain besar dengan sumber daya raksasa bisa mempercepat kemajuan, tetapi juga memusatkan infrastruktur penting pada segelintir perusahaan.

Karena itu, transparansi menjadi taruhan utama. Model genom yang hanya bisa diakses terbatas akan sulit diverifikasi, dan tanpa verifikasi, klaim cakupan deteksi tinggal menjadi bahan rilis pers. Ilmu genetika bergerak maju lewat replikasi, bukan lewat pengumuman.

Sumber: nature.com