Para ilmuwan telah berhasil ditunjukkan a sebanyak komputer dapat meningkatkan akurasi dan jangkauan generatif model penemuan obat kecerdasan buatan. Dan mereka melakukannya dengan menggunakan waktu luang dan sisa uang dari proyek lain.
Tim Technical University of Denmark menjalankan model AI generatif mereka untuk memprediksi protein bersama dengan komputer kuantum seukuran printer yang dibuat oleh startup Inggris ORCA Computing, yang mempercepat AI dengan menghubungkan mesin kuantum dengan prosesor tradisional. Para peneliti menggunakan teknik hibrida untuk menghasilkan peptida baru—rantai pendek asam amino—yang mampu mengikat protein spesifik dalam tubuh. Melakukan hal ini merupakan langkah penting dalam pengembangan vaksin.
Tim peneliti bekerja pada akhir pekan dan mengumpulkan uang yang belum terpakai dari proyek lain karena “sebagian besar ilmu pengetahuan inovatif terlalu menakutkan bagi yayasan,” menurut profesor DTU Timothy Patrick Jenkins, yang memimpin proyek tersebut.
Pembuatan peptida di laboratorium dan pengujian apakah peptida ini akan berikatan dengan protein tertentu menunjukkan bahwa model tersebut menghasilkan peptida yang lebih berhasil dibandingkan model klasiknya, dengan peningkatan terkuat ketika data pelatihan jarang ditemukan.
Tim percaya bahwa mesin ini dapat mempercepat pengembangan imunoterapi dan vaksin yang dipersonalisasi, serta meningkatkan kemanjuran obat pada kelompok yang belum diteliti.
“Kami harus benar-benar membuktikannya untuk meyakinkan mereka yang skeptis bahwa prediksi kami ada hubungannya dengan dunia nyata,” kata Patrick Jenkins kepada WIRED. Komputasi kuantum tetap a bidang yang baru lahir dan menghadapi pengawasan ketat karena tantangan teknis dalam membangun mesin ini dan berhasil menerapkannya untuk memecahkan masalah.
Bahkan Patrick Jenkins pada awalnya enggan untuk mengeksplorasi teknologi ini: “Saya adalah seorang yang sangat skeptis terhadap kuantum” katanya sambil tertawa, percaya bahwa penerapan apa pun pada karyanya akan memakan waktu “beberapa dekade lagi”.
Dia dan timnya menggunakan data besar dan AI untuk menemukan protein yang dapat membuka imunoterapi baru dengan lebih murah dan cepat, yang sering kali didanai oleh Novo Nordisk Foundation. Meskipun sebagian besar pembuat model biologis sangat membutuhkan lebih banyak data, tantangan khusus yang dihadapi timnya adalah kurangnya data mengenai keragaman informasi genetik seluruh umat manusia, karena sebagian besar penelitian medis berfokus pada populasi di negara-negara Barat. Hal ini dapat mempersulit pengembangan peptida yang dapat diterapkan pada populasi yang belum banyak diteliti, seperti di Asia dan Afrika, katanya.
Timnya berhipotesis bahwa menanamkan komputer kuantum ke dalam alur kerja mereka dapat menghasilkan rangkaian peptida yang lebih beragam, terutama untuk target yang memiliki lebih sedikit data, setelah mengetahui bahwa mesin tersebut memiliki efek serupa dalam menghasilkan gambar.
Proses yang baru ditemukan ini belum akan merevolusi penelitian karena komputer kuantum masih terlalu kecil untuk menjalankan model AI mutakhir dan berskala penuh, yang berarti hasil yang lebih baik dapat dicapai pada komputer klasik.
“Kuantum masih belum terlalu kuat, sehingga tingkat kerumitan yang dapat kami kodekan bukanlah antibodi berukuran normal, seperti yang biasa kami kerjakan,” kata mahasiswa PhD DTU, Jonathan Funk. Selain itu, menemukan peptida yang dapat berikatan dengan gen tertentu hanyalah salah satu langkah dalam pengembangan vaksin, dan tidak hanya menghasilkan obat yang berhasil.
“Saya pikir tidak mengherankan jika banyak perusahaan industri menganggap kuantum itu kabur dan jauh sekali,” kata CEO ORCA Computing Richard Murray kepada WIRED, sebagian karena teknologi tersebut “belum pernah memiliki contoh kegunaan jangka pendek yang jelas.”
Dia mengatakan penelitian ini merupakan hal baru karena menunjukkan penerapan komersial kuantum dalam jangka pendek. Perusahaannya juga menerapkan teknologi ini melalui proyek-proyek dengan perusahaan minyak besar BP di bidang kimia dan produsen mobil Toyota untuk membuat proses desainnya lebih efisien.
Tim DTU sekarang akan melihat apakah mereka dapat menggunakan alur kerja dengan model yang lebih mutakhir dan protein yang lebih besar. “Kami membutuhkan hal ini sebagai cara mudah untuk memvalidasi bahwa sekarang kami benar-benar mempunyai kesempatan untuk melakukan perubahan secara signifikan,” kata Patrick Jenkins, sambil menekankan bahwa alur kerja AI generatif sangat berharga dalam penyakit terabaikan yang hanya menerima sedikit dana penelitian. Dia juga mempertimbangkan penggunaan komputer kuantum untuk menyempurnakan metode AI generatifnya dalam mendesain penangkal sintetik untuk racun gigitan ular.
