AI Ciptakan 16 Virus Penghancur Bakteri Resisten Antibiotik: Terobosan Melawan Superbug

Dunia sedang kalah dalam perlombaan melawan bakteri resisten antibiotik, dan sebuah kabar baik datang dari Stanford University. Para peneliti berhasil memakai kecerdasan buatan (AI) untuk merancang genom virus dari nol — dan virus buatan itu terbukti hidup, berkembang biak, serta membunuh Escherichia coli (E. coli), termasuk varian yang sudah kebal antibiotik. Studi yang dimuat di jurnal Science ini menjadi laporan pertama di dunia tentang makhluk biologis berfungsi yang lahir dari genom hasil rancangan AI.

Ringkasan

• AI merancang virus penuh, bukan sekadar protein — Evo 2 menulis seluruh genom bakteriofag ΦX174, virus pemakan bakteri.
• 16 dari 285 desain berhasil hidup — lebih dari separuh virus buatan ini bahkan lebih cepat membunuh bakteri dibanding versi alaminya.
• Koktail virus menaklukkan resistensi — campuran 16 fag bisa mengalahkan E. coli yang kebal terhadap fag alami, yang gagal dilakukan fag dari alam.
• Beberapa mutasi tak ada di alam — AI menemukan solusi yang tidak pernah “ditemukan” evolusi jutaan tahun.
• Pertaruhan keamanan hayati — model dibuka untuk publik, memicu perdebatan antara harapan medis dan risiko penyalahgunaan.

Bakteriofag: virus “baik” yang memburu bakteri

Bakteriofag, atau sering disingkat fag, adalah virus yang menginfeksi dan membunuh bakteri — bukan manusia, hewan, atau tanaman. Kata “fag” berasal dari bahasa Yunani phagein yang berarti “melahap”. Mereka adalah entitas biologis paling melimpah di Bumi dan telah berevolusi bersama bakteri selama miliaran tahun, seperti dijelaskan dalam laporan The Conversation.

Cara kerja fag cukup elegan: mereka mengenali molekul di permukaan bakteri, menempel, lalu menyuntikkan materi genetiknya. Virus itu kemudian membajak mesin molekuler bakteri untuk menggandakan diri, dan akhirnya sel bakteri pecah (lisis) serta melepaskan fag-fag baru.

Ketertarikan pada fag bukan tanpa alasan. Krisis resistensi antibiotik semakin mengkhawatirkan. Proyek GRAM yang terbit di The Lancet pada 2024 memprediksi resistensi antibiotik akan menyebabkan lebih dari 39 juta kematian langsung di dunia antara 2025 hingga 2050, seperti dirinci XenoSpectrum. Fag dianggap salah satu senjata paling menjanjikan karena bisa menargetkan bakteri secara spesifik tanpa menyentuh sel manusia. Organisasi Kesehatan Dunia (WHO) bahkan menyebut terapi fag sebagai bentuk “pengobatan personal” karena dapat disesuaikan dengan infeksi tiap pasien.

Masalahnya, selama ini mencari fag yang cocok seperti berburu harta karun — sangat bergantung pada keberuntungan menemukan fag yang tepat di alam. Di sinilah AI hadir mengubah permainan.

Evo 2, mesin AI penulis genom

Kuncinya adalah Evo 2, model AI yang diciptakan oleh Brian Hie, asisten profesor teknik kimia Stanford sekaligus pencipta model tersebut, bersama mahasiswa pascasarjana bioengineering Samuel King yang menjadi penulis utama studi ini.

Evo 2 bekerja seperti model bahasa besar (misalnya ChatGPT), tetapi dilatih untuk memahami “bahasa” DNA, bukan kata-kata. Model ini memiliki 4 miliar parameter dan dilatih pada 9,3 triliun nukleotida dari seluruh domain kehidupan — bakteri, arkea, eukariota, hingga virus. Dengan jendela konteks hingga satu juta pasangan basa, Evo 2 bisa “membaca” sekitar sepertiga genom manusia sekaligus. Model ini dikembangkan bersama oleh Arc Institute dan Nvidia serta disebut sebagai model AI terbuka terbesar di bidang biologi, dengan riset dasar yang terbit di Nature.

Namun, melatih model saja tidak cukup. Untuk bisa merancang fag spesifik, tim peneliti melakukan fine-tuning pada lebih dari 14.000 sekuens dari keluarga virus Microviridae — kerabat dekat fag ΦX174.

Tim lantas menargetkan fag ΦX174 (dibaca “fai-ex-1-7-4”), virus yang genomnya hanya sekitar 5.400 pasangan basa dan menyusun instruksi untuk 11 protein. Ukurannya jauh lebih sederhana dibanding genom manusia yang mencapai 3 miliar pasangan basa — bahkan lebih pendek dari satu gen manusia. Hie menyebutnya kandidat uji yang sempurna untuk kemampuan desain Evo 2.

“Kami ingin model menghasilkan seluruh genom dari awal hingga akhir dalam satu proses. Kami tidak menambahkan apa pun. Dalam uji lab, beberapa saran Evo memiliki kemampuan lebih tinggi daripada ΦX174 alami,” ujar Hie, dikutip dari Stanford Report.

285 desain, 16 virus yang hidup

Prosesnya terdengar sederhana, tetapi sangat menuntut. Evo 2 menghasilkan ribuan kandidat genom sebagai file teks. Kandidat-kandidat itu kemudian disaring melalui filter bioinformatika — memeriksa kelengkapan susunan gen, kelestarian protein spike penentu spesifisitas inang, hingga keragaman evolusi. Genom terpilih dipesan ke perusahaan sintesis DNA komersial, dirakit, lalu disuntikkan ke E. coli strain C.

Uji keberhasilan pun kentara: jika media kultur tetap keruh, berarti bakteri hidup dan virus gagal. Jika jernih, bakteri mati dan fag berfungsi. Dari 285 desain yang diuji dalam pelat 96 sumur, hanya 16 fag yang bertahan dan mampu bereproduksi — angka keberhasilan sekitar 5,6 persen. Kecil memang, tetapi sebagai percobaan pertama desain genom berskala penuh oleh AI, hasil ini jauh melampaui ekspektasi.

Perbandingan pendekatan lama versus baru cukup mencolok:

Yang lebih menarik: 13 dari 16 fag membawa mutasi yang tidak ditemukan di genom alami mana pun. Salah satunya, Evo-Φ2147, memiliki 392 mutasi dengan kemiripan hanya 93 persen terhadap kerabat terdekatnya — di beberapa ambang taksonomi, itu cukup untuk disebut spesies baru.

Ada juga Evo-Φ36, fag yang mengadopsi protein pembungkus DNA J dari fag G4 yang jauh secara evolusi. Upaya desain rasional sebelumnya gagal menggantikan protein ini, tetapi AI berhasil membuatnya berfungsi dengan mengorkestrasi mutasi kompensasi lain. Menurut analisis mikroskopi krio-elektron, kombinasi ini justru membuat protein yang lebih pendek itu bekerja dalam orientasi berbeda di dalam kapsid — bukti bahwa AI mampu mengoordinasikan banyak mutasi sekaligus.

Koktail fag: senjata melawan resistensi

Kabar paling menggembirakan datang dari uji melawan resistensi. Bakteri bisa berevolusi kebal terhadap fag, persis seperti kebal terhadap antibiotik. Untuk mengujinya, tim menciptakan tiga strain E. coli resisten yang membawa mutasi pada operon waa — bagian yang memodifikasi reseptor lipopolisakarida tempat ΦX174 menempel. ΦX174 alami sama sekali tidak bisa menginfeksi ketiganya.

Namun ketika koktail 16 fag hasil AI diberikan, lisis (kematian bakteri) pulih dalam satu hingga lima siklus pada semua strain resisten. Analisis sekuens mengungkap fag-fag pemenang adalah genom mozaik hasil rekombinasi, menggabungkan dua hingga tiga elemen genetik dari desain AI. Mutasi terkonsentrasi di wilayah permukaan yang berinteraksi dengan reseptor bakteri — keragaman desain menyediakan banyak jalur serangan yang sulit dihindari bakteri sekaligus.

“Jika bakteri kebal terhadap satu fag, itu sudah tamat untuk obat tersebut. Tetapi jika Anda punya banyak fag yang berbeda secara genetik dalam satu campuran, akan lebih sulit bagi bakteri untuk mengembangkan resistensi terhadap seluruh koktail,” kata Hie.

Menariknya, campuran fag dari alam dengan fungsi sebanding gagal melakukan hal yang sama. Dengan kata lain, keragaman yang dihasilkan AI secara artifisial memberi keunggulan yang tidak dimiliki alam. Tim peneliti menulis bahwa temuan ini “membuka jalan untuk menghasilkan terapi fag yang adaptif dan tangguh melawan patogen yang berevolusi cepat,” seperti dilaporkan CNN.

Harapan besar, pertanyaan keamanan hayati

Terobosan ini tidak lepas dari kekhawatiran. Evo 2 dirilis terbuka penuh — parameter model, kode, hingga dataset pelatihannya — sehingga siapa pun bisa mengunduh dan merancang genom sendiri. Ini memicu perdebatan keamanan hayati (biosecurity).

Para dokter dari Johns Hopkins Center for Health Security menulis artikel pendamping di Science yang menegaskan: “Kemampuan menyusun genom virus dengan AI generatif kini sudah ada; tata kelola untuk mengarahkannya dengan aman belum.” Mereka juga menunjuk area berisiko yang seharusnya tidak dikerjakan — patogen penginfeksi eukariota yang bisa menimbulkan infeksi pada manusia seperti malaria.

Hie sendiri mengakui kekhawatiran itu. “Model-model ini berevolusi sangat cepat. Riset kami dilakukan dengan mempertimbangkan keamanan, tetapi begitu model tersebar luas, tidak ada jaminan kelompok lain akan berhati-hati seperti kami,” ujarnya. Sebagai langkah mitigasi, sekuens virus eukariotik sengaja dikeluarkan dari data pelatihan Evo 2.

Namun ada juga yang menilai risikonya lebih rendah dari yang dibayangkan. Jordi García Ojalvo, profesor biologi sistem di Pompeu Fabra University, berargumen tingkat keberhasilan yang rendah — hanya 16 virus hidup dari ratusan ribu genom yang dihasilkan — membuat “sulit membayangkan model ini secara otomatis menghasilkan genom yang hidup begitu saja.”

Masih panjang jalan menuju pengobatan

Meski menggembirakan, The Conversation mengingatkan bahwa jarak antara merancang fag di komputer dan menyembuhkan pasien masih sangat jauh. Fag dalam studi ini sangat sederhana dan menginfeksi E. coli laboratorium yang tidak terkait penyakit. Fag yang berguna melawan infeksi serius umumnya punya genom jauh lebih besar dan mesin biologis yang belum sepenuhnya dipahami.

Calon pengobatan juga harus lolos uji klinis pada bakteri penyebab infeksi nyata, diproduksi sesuai standar obat, dan melewati regulasi yang rumit untuk fag yang didesain per pasien. Para penulis menegaskan studi ini lebih tepat dilihat sebagai demonstrasi kemungkinan daripada kedatangan terapi fag rancangan AI.

“Fag sudah membantu biologi selama puluhan tahun untuk memahami genetika dasar. Kini mereka memberi cara untuk menguji apakah AI bisa melakukan lebih dari sekadar membaca DNA yang ada — bisakah AI merancang genom lengkap yang benar-benar bekerja?” tulis para penulis The Conversation.

Pertanyaan itu kini sudah terjawab sebagian: bisa. Sejarah genom ΦX174 sendiri seperti ringkasan tiga era genomika — Sanger membacanya pada 1977, Venter menulisnya pada 2003, dan kini Hie mendesainnya. Tantangan berikutnya adalah memperluas kemampuan ini ke genom yang lebih kompleks, bakteri penyebab infeksi nyata seperti MRSA dan Pseudomonas aeruginosa, serta memastikan tata kelola keamanan hayati berjalan seiring laju teknologi.