Prediksi AlphaMissense dapat membantu mempercepat penelitian dan diagnosis kelainan langka
Para ilmuwan di Google DeepMind telah membangun program kecerdasan buatan yang dapat memprediksi apakah jutaan mutasi genetik tidak berbahaya atau cenderung menyebabkan penyakit, dalam upaya mempercepat penelitian dan diagnosis kelainan langka.
Program ini membuat prediksi tentang apa yang disebut mutasi missense, yaitu satu huruf yang salah eja dalam kode DNA. Mutasi semacam ini seringkali tidak berbahaya namun dapat mengganggu cara kerja protein dan menyebabkan penyakit mulai dari fibrosis kistik dan anemia sel sabit hingga kanker dan masalah pada perkembangan otak.
Para peneliti menggunakan AlphaMissense untuk menilai 71 juta mutasi satu huruf yang dapat mempengaruhi protein manusia. Ketika mereka menetapkan presisi program menjadi 90%, mereka memperkirakan bahwa 57% mutasi missense mungkin tidak berbahaya dan 32% mungkin berbahaya. Dampak lainnya masih belum pasti.
Berdasarkan temuan tersebut, para ilmuwan telah merilis katalog online gratis yang berisi prediksi tersebut untuk membantu ahli genetika dan dokter yang mempelajari bagaimana mutasi mendorong penyakit atau mendiagnosis pasien yang memiliki kelainan langka.
Rata-rata orang memiliki sekitar 9.000 mutasi missense di seluruh genomnya. Dari lebih dari 4 juta spesies yang terlihat pada manusia, hanya 2% yang diklasifikasikan sebagai jinak atau patogen. Dokter sudah mempunyai program komputer untuk memprediksi mutasi mana yang dapat menyebabkan penyakit, namun karena prediksi tersebut tidak akurat, mereka hanya dapat memberikan bukti pendukung untuk membuat diagnosis.
Menulis di Science, Dr Jun Cheng dan yang lainnya menjelaskan bagaimana kinerja AlphaMissense lebih baik daripada program “prediktor efek varian” saat ini dan akan membantu para ahli menentukan dengan lebih cepat mutasi mana yang mendorong penyakit. Program ini juga dapat menandai mutasi yang sebelumnya tidak dikaitkan dengan kelainan tertentu dan memandu dokter untuk mendapatkan perawatan yang lebih baik.
AI ini merupakan adaptasi dari program AlphaFold DeepMind, yang memprediksi struktur 3D protein manusia dari susunan kimianya.
AlphaMissense diberi data DNA dari manusia dan primata yang berkerabat dekat untuk mempelajari mutasi missense mana yang umum terjadi, dan oleh karena itu mungkin jinak, dan mana yang jarang serta berpotensi membahayakan. Pada saat yang sama, program ini membiasakan diri dengan “bahasa” protein dengan mempelajari jutaan rangkaian protein dan mempelajari seperti apa protein yang “sehat”.
Ketika AI yang dilatih diberi mutasi, AI akan menghasilkan skor yang mencerminkan seberapa besar risiko perubahan genetik tersebut, meskipun AI tidak dapat menjelaskan bagaimana mutasi tersebut menyebabkan masalah.
“Ini sangat mirip dengan bahasa manusia,” kata Cheng. “Jika kita mengganti sebuah kata dalam sebuah kalimat bahasa Inggris, orang yang paham bahasa Inggris bisa langsung melihat apakah kata substitusi akan mengubah arti kalimat tersebut atau tidak.”
Prof Joe Marsh, ahli biologi komputasi di Universitas Edinburgh yang tidak terlibat dalam penelitian ini, mengatakan AlphaMissense memiliki “potensi besar”.
“Kami mempunyai masalah dengan prediktor komputasi di mana semua orang mengatakan metode baru mereka adalah yang terbaik,” katanya. “Anda tidak bisa mempercayai orang, tapi [para peneliti DeepMind] tampaknya telah melakukan pekerjaan dengan cukup baik.”
Jika para ahli klinis memutuskan bahwa AlphaMissense dapat diandalkan, prediksinya mungkin akan lebih berpengaruh dalam diagnosis penyakit di masa depan, katanya.
Prof Ben Lehner, pemimpin senior kelompok genetika manusia di Wellcome Sanger Institute, mengatakan prediksi Al perlu diverifikasi oleh ilmuwan lain, namun tampaknya Al bagus dalam mengidentifikasi perubahan DNA mana yang menyebabkan penyakit dan mana yang tidak.
“Salah satu kekhawatiran tentang model DeepMind adalah model ini sangat rumit,” kata Lehrer. “Model seperti ini mungkin ternyata lebih rumit daripada biologi yang coba diprediksi. Sungguh menyedihkan menyadari bahwa kita mungkin tidak akan pernah bisa memahami cara kerja model ini. Apakah ini sebuah masalah? Ini mungkin tidak berlaku untuk beberapa penerapan, namun akankah dokter merasa nyaman mengambil keputusan tentang pasien yang tidak mereka pahami dan tidak dapat mereka jelaskan?
“Model DeepMind mampu memprediksi dengan baik apa yang rusak,” tambahnya. “Mengetahui apa yang rusak adalah langkah awal yang baik. Namun Anda juga perlu mengetahui bagaimana sesuatu yang rusak jika ingin memperbaikinya. Banyak dari kita yang sangat sibuk menghasilkan data besar yang diperlukan untuk melatih model AI generasi berikutnya yang tidak hanya akan memberi tahu kita perubahan mana pada DNA yang buruk, tetapi juga apa sebenarnya masalahnya dan bagaimana kita dapat memperbaikinya.”
