Virus Desain AI Bereplikasi Lebih Cepat daripada Fage Alami, Menurut Stanford

Peneliti dari Universitas Stanford dan Arc Institute telah mencapai tonggak sejarah dengan menggunakan model AI generatif untuk merancang genom virus lengkap dari nol. Terobosan ini menandai peralihan dari penemuan biologis tradisional ke era desain komputasi, di mana AI mendikte arsitektur kehidupan.

Evo: Large Language Model untuk Genomik

Inti dari penelitian ini adalah Evo, sebuah model generatif khusus yang berfungsi serupa dengan Large Language Model (LLM) tetapi beroperasi pada "bahasa" DNA. Berbeda dengan model berbasis teks, Evo dilatih pada kumpulan data masif yang terdiri dari sekitar sembilan triliun nukleotida yang bersumber dari jutaan organisme, termasuk hewan, tumbuhan, mikroba, dan virus.

Untuk menyempurnakan presisinya, para peneliti menggunakan proses pelatihan dua tahap. Setelah mempelajari pola dasar pohon kehidupan, Evo menjalani putaran pelatihan kedua yang khusus menggunakan 11 gen dari bakteriofag phiX174 dan sekitar 15.000 kerabat terdekatnya. Hal ini memungkinkan model tersebut untuk menguasai nuansa spesifik yang diperlukan untuk merancang entitas biologis yang fungsional dan dapat bereplikasi.

Dari 700.000 Proposal Menjadi Virus Fungsional

Skala kemampuan generatif Evo sangatlah besar. Model ini mengusulkan 700.000 potensi genom virus. Tim peneliti kemudian mempersempit pilihan tersebut melalui seleksi yang ketat, menyintesis secara kimiawi 285 urutan sebagai untaian DNA dan memasukkannya ke dalam bakteri E. coli.

Hasilnya sangat sukses: 16 dari urutan yang disintesis menghasilkan virus yang mampu bereplikasi. Menariknya, virus yang dihasilkan AI ini bukan sekadar versi yang "lemah" atau tidak sehat dari spesies yang sudah ada; mereka sama kuatnya dengan virus alami, bahkan beberapa di antaranya bereplikasi lebih cepat daripada phiX174 asli. Para ahli mencatat bahwa AI tersebut bahkan memperkenalkan perubahan tak terduga pada urutan dan susunan gen yang belum pernah dipertimbangkan oleh ilmuwan manusia sebelumnya.

Pedang Bermata Dua: Terobosan Medis vs. Celah Keamanan Hayati

Implikasinya terhadap bioteknologi sangat mendalam. Virus yang dirancang AI dapat merevolusi terapi fag—menggunakan virus untuk membunuh bakteri yang resistan terhadap berbagai obat—dan meningkatkan terapi gen dengan menciptakan kendaraan pengantar materi genetik yang lebih efisien.

Namun, perkembangan ini telah menyoroti adanya "ketidakterhubungan" kritis dalam regulasi keamanan hayati global. Kebijakan National Institutes of Health (NIH) AS saat ini berfokus pada pelarangan eksperimen yang membuat patogen yang sudah dikenal menjadi lebih berbahaya, tetapi kebijakan tersebut tidak secara eksplisit mencakup pekerjaan yang murni bersifat komputasi—perancangan DNA virus di komputer. Hal ini menciptakan kekosongan regulasi untuk risiko yang "tidak diketahui": jika AI merancang patogen baru yang sangat menular yang belum pernah ada di alam, pagar pengaman yang ada mungkin gagal mengidentifikasi ancaman tersebut.

Untuk memitigasi hal ini, tim Stanford menerapkan langkah-langkah keamanan proaktif dengan memastikan Evo tidak pernah dilatih pada patogen manusia atau virus hewan/tumbuhan terkait, sehingga secara efektif mencegah model tersebut agar tidak dapat menghasilkan genom yang menginfeksi manusia.

Mengapa hasilnya penting bagi dunia medis

Terapi fag, yang menggunakan virus untuk menargetkan bakteri yang resistan terhadap antibiotik, telah lama terhambat oleh keterbatasan alat dari fag alami. AI yang dapat menciptakan kapsid virus baru yang efisien dapat memperluas alat tersebut secara drastis. Demikian pula, vektor terapi gen—sering kali berupa virus hasil rekayasa yang mengangkut DNA terapeutik ke dalam sel—mungkin menjadi lebih presisi dan kurang imunogenik jika dirancang dari nol, alih-alih dimodifikasi dari galur yang sudah ada.

Titik Buta Regulasi Terungkap

Lembaga pendanaan AS saat ini membatasi eksperimen yang membuat patogen yang sudah dikenal menjadi lebih berbahaya, tetapi mereka tidak secara eksplisit menangani pembuatan patogen baru melalui desain komputasi murni. Pekerjaan Evo menghindari klausul tersebut karena model tersebut tidak pernah melihat virus yang menginfeksi manusia selama pelatihan; para peneliti sengaja mengecualikan urutan apa pun yang dapat menimbulkan patogen manusia. Meskipun demikian, tetap ada kemungkinan bahwa AI, tanpa pengamanan semacam itu, dapat merancang virus tanpa preseden alami—sebuah "ketidaktahuan sintetis" (synthetic unknown) yang mungkin tidak akan ditandai oleh dewan peninjau yang ada.

Kesenjangan ini bukan sekadar masalah akademis. Jika sebuah model diizinkan untuk berlatih pada kumpulan data virus yang lebih luas, ia mungkin mempelajari blok bangunan dari transmisi tinggi atau penghindaran imun, lalu menghasilkan genom yang, setelah disintesis, dapat menimbulkan ancaman skala pandemi. Mekanisme pengawasan saat ini berfokus pada manipulasi laboratorium basah (wet-lab); mereka kekurangan mandat yang jelas untuk mengevaluasi risiko desain in silico, yang dapat dilakukan dari jarak jauh dan dalam skala besar.

Virus yang dihasilkan adalah bakteriofag—virus yang menginfeksi bakteri, bukan manusia. Kegunaannya sebagian besar terbatas pada pengendalian bakteri dan penelitian laboratorium, sehingga membatasi kekhawatiran kesehatan masyarakat yang mendesak.

Intinya

Evo menunjukkan bahwa AI dapat beralih dari sekadar memprediksi struktur protein menjadi menyusun seluruh genom virus yang fungsional. Teknologi ini menjanjikan alat yang lebih cepat dan serbaguna untuk melawan bakteri yang resistan terhadap obat dan memberikan terapi gen, tetapi ia juga memaksa regulator untuk menghadapi kelas risiko baru: cetak biru digital bagi kehidupan yang belum pernah ada di alam.