AlphaGenome Prediksi 9 Miliar Perubahan DNA untuk Riset Penyakit Genetik
Peneliti DeepMind Žiga Avsec menjelaskan AlphaGenome dipakai memprediksi dampak seluruh 9 miliar kemungkinan perubahan satu huruf pada DNA manusia. Hasilnya dihimpun dalam AlphaGenome Atlas, yang memberi skor dampak varian agar peneliti bisa memprioritaskan riset penyakit genetik.
Angka 9 miliar itu bukan kiasan. Menurut Avsec, genom manusia berisi 3 miliar pasangan basa DNA. Setiap posisi bisa mengalami perubahan satu huruf, sehingga total kemungkinan varian titik mencapai tiga kali lipat jumlah pasangan basa tersebut.
Baca juga: FKM Unhas Luncurkan ReALiSE dan DisAMR, Dua Konsorsium Riset Internasional
Google melalui unit riset DeepMind memaparkan cara kerja AlphaGenome dan dataset AlphaGenome Atlas untuk membantu peneliti memahami penyakit genetik, seperti dikutip dari Pintu News yang merangkum unggahan Google Blog pada 18 November 2026.
Kronologi Peluncuran AlphaGenome hingga AlphaGenome Atlas
AlphaGenome lebih dulu diluncurkan pada Juni 2025. Model ini dirancang membaca urutan DNA dan memprediksi bagaimana perubahan kecil di dalamnya memengaruhi fungsi biologis.
Setahun kemudian, September 2026, DeepMind memperkenalkan AlphaGenome Atlas. Atlas ini bukan model baru, melainkan kumpulan hasil prediksi berskala besar yang bisa diakses peneliti.
Perbedaan keduanya penting. AlphaGenome adalah alat untuk menguji varian tertentu, sementara Atlas menyediakan hasil prediksi untuk seluruh 9 miliar kemungkinan perubahan sekaligus.
Baca juga: Osteoporosis pada Anak Muda: Risiko Tersembunyi dari Pola Makan dan Gaya Hidup
Dengan begitu, peneliti tidak perlu memulai dari nol setiap kali ingin menilai sebuah varian. Mereka tinggal merujuk skor yang sudah tersedia di Atlas.
Avsec menyebut pendekatan ini sebagai upaya memindahkan beban komputasi berat dari meja peneliti ke infrastruktur DeepMind, sehingga laboratorium dengan sumber daya terbatas tetap bisa memanfaatkannya.
Skor Dampak Varian dan Cara Peneliti Memakainya
Inti AlphaGenome Atlas adalah skor dampak varian, atau AVI. Skor ini memberi gambaran seberapa besar sebuah perubahan satu huruf DNA berpotensi memengaruhi fungsi gen.
Dengan skor tersebut, peneliti bisa menyaring miliaran varian dan memilih yang paling layak diteliti lebih lanjut. Prioritas riset jadi lebih terarah, bukan sekadar menebak.
Google mencontohkan Gareth Hawkes dari University of Exeter. Ia memakai AlphaGenome Atlas untuk menyaring 1 miliar varian genetik.
Hawkes kemudian memfokuskan perhatian pada 1% varian yang paling berdampak. Dari situ ia menemukan 19 kelompok varian yang terkait dengan indeks massa tubuh.
Temuan itu menunjukkan bagaimana Atlas bisa mempersempit ruang pencarian dari miliaran varian menjadi puluhan kelompok yang relevan secara biologis.
Latar Belakang: Mengapa Perubahan Satu Huruf DNA Berbahaya
Banyak penyakit genetik dipicu oleh perubahan satu huruf pada DNA. Perubahan sekecil itu bisa mengubah cara protein dibentuk atau mengganggu pengaturan gen.
Masalahnya, tidak semua varian memberi dampak sama. Sebagian besar mungkin tidak berpengaruh, sementara sebagian kecil berkaitan dengan penyakit serius.
Selama ini peneliti menilai varian lewat eksperimen laboratorium atau studi populasi. Keduanya memakan waktu dan biaya besar, dan tidak mungkin dilakukan untuk 9 miliar kemungkinan.
Di sinilah model komputasi seperti AlphaGenome berperan. Model ini belajar dari data genom dan epigenom untuk memperkirakan dampak sebuah varian tanpa harus mengujinya satu per satu di laboratorium.
AlphaGenome Atlas lalu mengubah prediksi itu menjadi sumber daya terbuka yang bisa dipakai komunitas riset lebih luas.
Dampak bagi Diagnosis Penyakit Langka dan Penemuan Obat
Avsec menyebut alat ini berpotensi mempercepat diagnosis penyakit langka. Pasien dengan penyakit langka sering menunggu bertahun-tahun karena varian penyebabnya sulit dipastikan.
Dengan skor AVI, dokter dan peneliti bisa lebih cepat menyaring varian yang diduga bertanggung jawab. Proses diagnosis pun berpeluang lebih singkat.
Selain diagnosis, Atlas disebut berguna untuk penemuan obat. Peneliti bisa mengidentifikasi target genetik yang paling masuk akal sebelum masuk ke tahap pengujian.
Manfaat lain yang disebut Avsec adalah pemuliaan tanaman yang tahan iklim. Prediksi dampak varian tidak hanya relevan untuk manusia, tetapi juga untuk tanaman yang hendak diseleksi sifatnya.
Daftar potensi itu memperlihatkan bahwa AlphaGenome tidak dirancang untuk satu bidang saja:
- Mempercepat diagnosis penyakit langka dengan menyaring varian penyebab.
- Membantu penemuan obat lewat prioritas target genetik.
- Mendukung pemuliaan tanaman yang tahan terhadap perubahan iklim.
- Mempermudah laboratorium kecil mengakses prediksi berskala besar.
Langkah Selanjutnya dan Tantangan Validasi
Setelah Atlas diperkenalkan pada September 2026, pertanyaan berikutnya adalah seberapa akurat prediksinya di dunia nyata. Prediksi komputasi tetap perlu dibandingkan dengan data eksperimen.
Contoh Hawkes di University of Exeter menjadi salah satu bukti awal bahwa pendekatan ini bisa bekerja. Namun validasi semacam itu masih perlu diperluas ke berbagai jenis penyakit dan populasi.
DeepMind memosisikan AlphaGenome dan Atlas sebagai alat bantu, bukan pengganti riset laboratorium. Skor dampak varian menjadi titik awal, sementara pembuktian tetap dilakukan lewat penelitian lanjutan.
Bagi peneliti di Indonesia dan negara lain, akses ke dataset sebesar ini membuka peluang untuk ikut menguji varian yang relevan dengan populasi lokal, yang selama ini jarang terwakili dalam basis data genom global.
Informasi lebih lanjut soal cakupan dan cara akses AlphaGenome Atlas dapat dilihat pada pengumuman resmi Google Blog.
Analisis Redaksi
Yang membuat AlphaGenome Atlas layak diperhatikan bukan klaim bahwa ia bisa memprediksi 9 miliar varian, melainkan perubahan cara kerja riset genetika. Selama ini peneliti menghabiskan banyak waktu hanya untuk memilih varian mana yang perlu diuji. Atlas memindahkan sebagian beban itu ke tahap awal, sehingga energi peneliti bisa dipakai untuk pembuktian di laboratorium.
Tetapi prediksi tetap prediksi. Skor dampak varian tidak sama dengan bukti klinis. Kasus 19 kelompok varian terkait indeks massa tubuh yang ditemukan Hawkes menarik, namun temuan itu masih harus melewati pengujian independen sebelum dipakai dalam praktik medis. Tanpa validasi berlapis, risiko false positive bisa menyesatkan arah riset.
Kritik lain menyangkut keterwakilan data. Basis data genom global masih didominasi populasi Eropa. Jika Atlas dilatih pada data yang tidak seimbang, prediksinya untuk populasi lain bisa kurang akurat. Karena itu, keterbukaan akses perlu dibarengi dengan dorongan agar peneliti dari berbagai negara menyumbang dan menguji data lokal, bukan hanya menjadi pengguna pasif.
What's Your Reaction?
Like
0
Dislike
0
Love
0
Funny
0
Angry
0
Sad
0
Wow
0