Google DeepMind Meluncurkan AlphaGenome: Inovasi AI untuk Analisis DNA dengan Konteks Hingga 1 MB
Diedit oleh: Maria Sagir
Tim peneliti dari Google DeepMind secara resmi telah mengumumkan kehadiran AlphaGenome, sebuah model kecerdasan buatan (AI) mutakhir yang menandai lompatan besar dalam bidang genomika komputasi. Hasil penelitian mendalam mengenai AlphaGenome ini telah dipublikasikan dalam jurnal ilmiah bergengsi, Nature, pada tanggal 28 Januari 2026. Model revolusioner ini dirancang dengan kemampuan luar biasa untuk menganalisis urutan DNA yang sangat panjang, mencapai hingga satu juta pasangan basa (1 Mb), dengan tingkat akurasi yang jauh lebih tinggi dibandingkan teknologi yang ada sebelumnya.
AlphaGenome hadir sebagai penerus dari model Borzoi, yang sebelumnya hanya mampu memproses urutan DNA hingga sekitar 500.000 pasangan basa. Peningkatan jendela konteks yang signifikan ini memungkinkan arsitektur baru tersebut untuk menangkap interaksi regulasi yang lebih luas dan kompleks di dalam genom manusia. Secara teknis, arsitektur model ini berbasis pada struktur U-Net yang canggih, yang mencakup komponen enkoder untuk merangkum data secara efisien, blok transformer untuk memodelkan ketergantungan jangka panjang antar elemen genetik, serta dekoder yang mampu memulihkan data keluaran dengan resolusi presisi hingga satu pasangan basa tunggal.
Salah satu keunggulan krusial dari AlphaGenome adalah kemampuannya yang multifungsi, di mana model ini sanggup memprediksi hasil dari sebelas proses genomik utama secara simultan, termasuk ekspresi gen, penyambungan (splicing), dan aksesibilitas kromatin. Berbeda dengan pendahulunya, Borzoi, AlphaGenome mampu memprediksi situs penyambungan sekaligus penggunaannya secara eksplisit, sehingga memberikan informasi yang jauh lebih mendetail mengenai mekanisme penyambungan RNA. Berdasarkan data dari para pengembang, model ini telah melampaui berbagai pendekatan alternatif dan menunjukkan performa superior dalam mayoritas pengujian evaluasi konsekuensi fungsional dari varian genetik. Untuk sejumlah tugas prediksi eQTL (lokus sifat kuantitatif yang terkait dengan ekspresi gen), AlphaGenome memberikan peningkatan kualitas yang sangat nyata dibandingkan dengan model Borzoi.
Teknologi mutakhir ini dirancang untuk mengakselerasi identifikasi faktor genetik penyebab berbagai penyakit serta memfasilitasi pengembangan pendekatan terapeutik baru yang lebih efektif. Hal ini dimungkinkan karena AlphaGenome mengizinkan studi yang lebih mendalam terhadap wilayah non-coding dalam genom, yang mencakup sekitar 98% dari total DNA manusia dan mengandung elemen-elemen regulasi yang sangat penting. Sejumlah pakar genomika berpendapat bahwa model seperti ini mampu mengubah kode genomik yang bersifat statis menjadi bahasa yang lebih mudah dipahami untuk berbagai penemuan ilmiah. Namun, ditekankan pula bahwa saat ini AlphaGenome belum ditujukan untuk diagnosis klinis secara langsung atau penentuan metode pengobatan, mengingat model tersebut masih menghadapi tantangan dalam memprediksi perubahan ekspresi gen pada individu tertentu secara andal.
Untuk mendukung kemajuan komunitas ilmiah global, Google DeepMind telah menyediakan kode sumber dan bobot model AlphaGenome secara terbuka untuk keperluan riset non-komersial, lengkap dengan API yang tersedia untuk integrasi ke dalam alur kerja laboratorium. Menurut laporan dari pihak pengembang, ribuan ilmuwan di seluruh dunia sudah mulai memanfaatkan alat ini dalam berbagai proyek penelitian untuk mempelajari varian regulasi dan dasar genetik dari penyakit kompleks. Para spesialis di bidang onkologi dan genomika meyakini bahwa pendekatan semacam ini meletakkan fondasi yang kuat bagi interpretasi fungsional genom yang lebih komprehensif serta pengembangan strategi terapi yang jauh lebih presisi dan terarah di masa depan.
13 Tampilan
Sumber-sumber
GIGAZINE
Google DeepMind
IFLScience
SiliconANGLE
Science Media Centre
Science News
Baca lebih banyak berita tentang topik ini:
Apakah Anda menemukan kesalahan atau ketidakakuratan?Kami akan mempertimbangkan komentar Anda sesegera mungkin.
