AlphaGenome 2 berhenti merata-ratakan sel Anda.

Pada 2024, sebuah tim di Francis Crick Institute menghabiskan satu setengah tahun kerja laboratorium untuk menemukan mengapa satu huruf DNA mendorong penyakit radang usus. Model baru Google DeepMind mereproduksi temuan itu dalam sekitar 30 menit. AlphaGenome 2 memprediksi apa yang dilakukan suatu varian di dalam tipe sel tertentu alih-alih rata-rata jaringan, dan pada satu tolok ukur sel imun model ini menemukan hampir dua kali lipat lebih banyak varian kausal dibandingkan kemajuan terbaru sebelumnya. Ini adalah lapisan ketiga dari tumpukan yang telah dibangun Google sejak AlphaFold — dan lapisan kelima masih hilang.

Pada 2024, sebuah tim di Francis Crick Institute di London melakukan sesuatu yang mahal. Mereka menghabiskan satu setengah tahun untuk penyuntingan gen dan biologi molekuler guna menjelaskan mengapa satu huruf DNA, yang berada di dalam rentang genom tanpa gen, meningkatkan risiko penyakit radang usus. Jawabannya adalah sakelar jauh yang mengaktifkan secara berlebihan sebuah gen bernama ETS2 di sel imun di usus.

Minggu ini, para peneliti di Google DeepMind mereproduksi hasil itu secara komputasional, tanpa pipet.

"Mereka berhasil menemukan jawabannya dalam 30 menit, sementara kami membutuhkan satu setengah tahun eksperimen," James Lee, ahli imunologi yang memimpin studi tahun 2024, kepada Nature. "Itu melegakan dari sudut pandang kami."

Model tersebut adalah AlphaGenome 2, yang diumumkan pada 11 November. Peningkatannya sempit, teknis, dan berdampak besar: model ini memprediksi apa yang dilakukan suatu varian DNA di dalam tipe sel atau keadaan sel tertentu, alih-alih merata-ratakan di seluruh jaringan.

Perbedaan itulah inti seluruh argumen. Jantung, otak, dan sistem kekebalan Anda membawa urutan DNA yang sama. Yang membedakan mereka adalah gen mana yang diaktifkan oleh setiap sel, dan seberapa banyak. Sebuah varian dapat merusak gen di satu sel dan tidak melakukan apa pun di sel sebelahnya, itulah sebabnya rata-rata jaringan dapat menyembunyikan mekanisme yang dibutuhkan program obat.

Empat langkah pada 2024 menjadi tiga pada 2026: varian, mekanisme, dan model yang dapat mencapainya tanpa jeda delapan belas bulan di antaranya.

Apa yang sebenarnya berubah

AlphaGenome 1, yang dipratinjau pada Juni 2025 dan diterbitkan di Nature pada Januari 2026, membaca satu juta huruf DNA dan menghasilkan prediksi untuk ribuan eksperimen di banyak jaringan sekaligus. DeepMind kini mengatakan bahwa desain itu "menyebarkan kapasitas model terlalu tipis" dan membuatnya sulit memisahkan jenis sel yang berkerabat dekat.

AlphaGenome 2 adalah model bersyarat. Selain sekuens DNA, model ini menerima kondisi biologis — jaringan, jenis sel, atau keadaan sel — dan menggunakan kondisi tersebut pada setiap tahap arsitekturnya, dengan memprediksi untuk satu kondisi pada satu waktu. Model ini dilatih pada lebih dari 107 juta profil sel individual, mencakup 637 jenis sel manusia dan 311 jenis sel tikus, dan menambahkan metilasi DNA, sebuah hasil pembacaan yang selama ini diminta para peneliti.

Dua konsekuensi lebih penting daripada tolok ukur. Pertama, ia dapat memprediksi pengukuran yang hilang: beri ia aktivitas gen sel tunggal dan ia akan memperkirakan aksesibilitas kromatin, yang memberi tahu laboratorium eksperimen mana yang layak dijalankan berikutnya. Kedua, ia beradaptasi terhadap keadaan sel yang belum pernah dilihatnya, dari beberapa lusin sel dan tanpa pelatihan ulang. Dengan data dari studi vaksin mRNA COVID-19, ia memisahkan sel T teraktivasi dari sel T istirahat, dan menemukan bahwa varian yang terkait dengan COVID-19 berat mengganggu aktivitas gen lebih kuat pada keadaan teraktivasi — efek yang akan tersembunyi oleh sel istirahat.

“Jika Anda ingin memahami varian yang terkait dengan penyakit genetik, maka Anda harus bertanya pada diri sendiri apa jenis sel yang terdampak,” kata Žiga Avsec, yang memimpin tim AlphaGenome, kepada Nature. Lee mengungkapkan keterbatasan versi sebelumnya dengan lebih blak-blakan: model yang tidak dapat memprediksi spesifisitas jenis sel “belum sangat berguna bagi kami”.

Tumpukan yang sedang dibangun Google

Bacalah rilis-rilis itu secara berurutan dan sebuah struktur akan muncul. Masing-masing memecahkan lapisan di atas yang sebelumnya, dan masing-masing tidak berguna jika berdiri sendiri.

Isomorphic Labs, perusahaan sempalan Alphabet yang menjalankan pekerjaan desain obat DeepMind secara komersial, menggalang $2,1 miliar pada Mei dan mengatakan uji klinis pertamanya diperkirakan akan dimulai sebelum akhir tahun ini — target yang sebelumnya ditetapkan untuk 2025. AlphaFold memberi tahu kita bentuk gemboknya. AlphaGenome memberi tahu kita di pintu mana gembok itu terpasang dan di ruangan mana. Isomorphic memotong kuncinya. Tak satu pun dari itu menentukan apakah kunci tersebut sampai ke ruangan itu.

Penghantaran adalah titik ketika biologi berhenti menjadi masalah informasi. Obat yang mengikat protein yang tepat di cawan petri tetap harus bertahan di aliran darah, menembus membran yang tepat, dan masuk ke sel yang dituju. Penghantaran tertarget sudah ada — nanopartikel lipid, konjugat antibodi-obat, sel T rekayasa — tetapi dipilih per organ dan per molekul, bukan dihitung dari suatu sekuens. Uji klinis tetap menjadi satu-satunya uji yang berarti, dan uji tersebut lambat karena alasan-alasan yang belum diubah oleh model mana pun.

Apa yang diperlukan dalam tiga hingga lima tahun

Alasan untuk segera menuntaskan biologi bukanlah bahwa model-model itu magis. Alasannya adalah bahwa biaya langkah pertama — membentuk hipotesis yang benar tentang mekanisme — telah anjlok lebih cepat daripada yang diprediksi siapa pun. Tiga puluh menit dibandingkan delapan belas bulan bukanlah peningkatan produktivitas; itu adalah jenis pekerjaan yang berbeda.

Tiga hal harus terpenuhi. Rantai varian-ke-sel-ke-obat harus terus menutup celah, yang untuk pertama kalinya dibuat masuk akal oleh model ini. Validasi lab basah harus terus mengimbangi, yang merupakan masalah robotika dan reagen, bukan masalah AI. Dan lapisan lima harus dipecahkan sekali, pada satu jaringan, untuk satu kelas molekul — setelah itu polanya cenderung menggeneralisasi.

AlphaGenome 2 tidak menyembuhkan apa pun. Produk ini hanya untuk penggunaan riset, tidak divalidasi untuk pekerjaan klinis, dan prediksinya adalah hipotesis yang masih harus diuji oleh laboratorium. Banyak penyakit melibatkan lusinan varian; beberapa enhancer mengatur gen dari jarak yang lebih jauh daripada yang dapat dilihat model. Hasil dalam 30 menit itu mereproduksi sesuatu yang sudah diketahui.

Namun, stack itu sekarang memiliki bentuk, dan bagian yang hilang sudah punya nama. Itu situasi yang berbeda dari lima tahun demo-demo yang menjanjikan.

Sumber: Google DeepMind, "AlphaGenome 2: Menguraikan cara sel membaca DNA untuk lebih memahami penyakit" (11 November 2026); berita Nature, "AI superkuat DeepMind untuk pemetaan genom memukau para ilmuwan" (11 November 2026); pengumuman pendanaan Isomorphic Labs (12 Mei 2026).

Kontak: [email protected]

Harap dicatat bahwa versi bahasa Indonesia didukung oleh AI dan karena itu mungkin terjadi kesalahan kecil.

Penulis

Ai-Banking-NetworkSecurity (ABN), ABN ASIA didirikan oleh orang-orang dengan akar yang kuat di dunia akademis, dengan pengalaman kerja di Amerika Serikat, Belanda, Hungaria, Jepang, Korea Selatan, Singapura, dan Vietnam. ABN Asia adalah tempat di mana akademik dan teknologi bertemu dengan peluang. Dengan solusi terdepan kami dan layanan pengembangan perangkat lunak yang kompeten, kami membantu bisnis untuk meningkatkan level dan bersaing di panggung global. Komitmen kami: Lebih Cepat. Lebih Baik. Lebih handal. Dalam kebanyakan kasus: Lebih murah juga.

Jangan ragu untuk menghubungi kami jika Anda membutuhkan layanan IT, konsultasi digital, solusi perangkat lunak siap pakai, atau jika Anda ingin mengirimkan permintaan proposal (RFP). Anda dapat menghubungi kami di [email protected]. Kami siap membantu Anda dengan semua kebutuhan teknologi Anda.

© ABN ASIA