Peneliti Stanford menggunakan model AI generatif Evo 2 untuk merancang dan menyintesis hampir 300 bakteriofag baru. Uji laboratorium mengonfirmasi bahwa 16 dari virus tersebut secara efisien membunuh E. coli. Karya ini menunjukkan bahwa desain biologis de novo dapat melompat dari baris kode menjadi agen antimikroba yang hidup.
Dari Urutan Digital ke Virus Nyata
Asisten Profesor Brian Hie, bersama dengan Dieter Schwarz Foundation Stanford Data Science Institute, memasukkan genom fage ΦX174 yang telah dipelajari dengan baik ke dalam Evo 2. Evo 2 memperlakukan DNA seperti bahasa, memprediksi urutan yang seharusnya melipat menjadi protein fungsional dan merakit menjadi virus yang layak. Model tersebut menghasilkan ratusan untaian DNA yang berbeda; sintesis kimia mengubahnya menjadi perpustakaan yang berisi hampir 300 partikel fage.
Mengubah untaian yang dihasilkan komputer menjadi virus fisik membutuhkan lebih dari sekadar langkah seperti mencetak. Tim memesan oligonukleotida DNA khusus, merakit genom lengkap, dan memasukkan setiap konstruk ke dalam inang bakteri yang dapat "menjalankan" (boot up) sebuah fage. Alur kerja tersebut—desain, sintesis, perakitan, dan penyelamatan (rescue)—telah lama menjadi standar untuk isolat fage alami tetapi jarang diterapkan pada genom yang sepenuhnya dibuat oleh AI.
Penapisan Aktivitas Antibakteri
Ujian sebenarnya adalah apakah ada fage yang dirancang AI yang dapat menginfeksi dan menghancurkan target bakteri. Para peneliti menguji 300 kandidat tersebut dengan galur laboratorium E. coli, penyebab umum infeksi saluran kemih dan model untuk studi resistensi antibiotik. Setelah uji plak dan pengukuran penghambatan pertumbuhan, 16 fage menonjol karena lisis cepat pada kultur bakteri dan ukuran burst yang tinggi (jumlah partikel fage baru yang dilepaskan per sel yang terinfeksi).
16 temuan tersebut tidak hanya bertahan dalam penapisan; mereka mengungguli banyak kerabat alami ΦX174 dalam efisiensi membunuh. Data menunjukkan bahwa Evo 2 dapat mereproduksi fungsi virus yang diketahui dan juga menjelajahi ruang urutan yang belum pernah disampel oleh biologi, menghasilkan solusi yang layak sekaligus ampuh.
Mengapa Ini Penting untuk Penelitian Antimikroba
Terapi fage—menggunakan virus yang memangsa bakteri—telah muncul kembali sebagai jawaban potensial terhadap peningkatan global infeksi yang resisten terhadap antibiotik. Penemuan tradisional bergantung pada pencarian fage di selokan, tanah, atau mikrobioma hewan, sebuah proses yang dapat memakan waktu berbulan-bulan dan memberikan hasil yang tidak dapat diprediksi. Evo 2 menawarkan alternatif berbasis komputasi: ilmuwan menentukan target bakteri, membiarkan model menghasilkan kandidat genom, lalu menguji set yang terfokus di laboratorium.
Jika alur kerja ini dapat diskalakan, hal ini dapat memadatkan pengambilan sampel lingkungan selama bertahun-tahun menjadi beberapa minggu desain in-silico dan sintesis throughput tinggi. Menyesuaikan genom fage sesuai permintaan juga membuka pintu untuk merekayasa sifat tambahan, seperti rentang inang yang lebih luas atau resistensi terhadap pertahanan anti-fage bakteri.
Risiko dan Pertanyaan Terbuka
Terobosan ini masih di tahap awal. Semua eksperimen terbatas pada cawan petri; belum ada model hewan atau uji klinis yang dijalankan. Kekhawatiran keamanan tetap ada—memasukkan virus sintetis ke dalam pasien atau lingkungan dapat memiliki dampak ekologis yang tidak terduga. Kerangka regulasi untuk fage yang direkayasa secara genetik masih terus berkembang, dan jalur dari kemanjuran laboratorium ke terapi yang disetujui bisa jadi panjang.
Selain itu, meskipun Evo 2 berhasil dengan fage yang relatif sederhana dan terkarakterisasi dengan baik seperti ΦX174, masih harus dilihat apakah model tersebut dapat menangani genom virus yang lebih besar dan lebih kompleks atau merancang fage yang harus menavigasi sistem kekebalan bakteri secara in vivo. Keberhasilan saat ini mungkin mencerminkan pelatihan model pada data ΦX174 yang melimpah, alih-alih kapasitas universal untuk menghasilkan virus apa pun dari nol.
Apa Selanjutnya
Tim Stanford akan menguji 16 fage unggulan terhadap galur E. coli yang relevan secara klinis, termasuk yang resisten terhadap berbagai antibiotik. Pekerjaan paralel akan mengeksplorasi apakah Evo 2 dapat diarahkan untuk merancang fage bagi bakteri bermasalah lainnya, seperti Klebsiella atau Pseudomonas. Peningkatan skala sintesis—dari beberapa ratus kandidat menjadi ribuan—juga akan menjadi prioritas, karena perpustakaan yang lebih besar dapat mengungkap virus yang bahkan lebih ampuh atau bekerja secara lebih luas.
Di luar terapi fage, metodologi ini dapat digunakan kembali untuk tujuan rekayasa hayati lainnya: merancang enzim untuk kimia industri, menciptakan jalur metabolik sintetis, atau bahkan membangun vektor vaksin baru. Kemampuan Evo 2 untuk menghasilkan urutan DNA fungsional menunjukkan masa depan di mana "kode" menjadi bahasa desain universal untuk sistem kehidupan.
Takeaway
Model Evo 2 dari Stanford telah mengubah prediksi komputasi menjadi alat antimikroba yang hidup, menunjukkan bahwa biologi de novo berbasis AI dapat menghasilkan virus fungsional yang mampu membunuh patogen utama. Bukti konsep ini memperkecil celah antara desain digital dan terapi dunia nyata, namun tantangan keamanan, regulasi, dan skalabilitas harus diselesaikan sebelum fag sintetis menjadi bagian rutin dari persenjataan antimikroba.