Kemajuan besar dalam pelipatan protein oleh kecerdasan buatan dalam beberapa tahun terakhir masih menjadi berita . DeepMind adalah anak perusahaan Google yang didedikasikan untuk mengembangkan kecerdasan buatan yang mampu memprediksi bagaimana rantai asam amino yang membentuk protein terlipat. Setiap tahun perusahaan ini menunjukkan bahwa tingkat kepercayaan prediksi meningkat secara eksponensial. Tidak lagi dalam kompetisi dua tahunan yang pada kesempatan lain telah disajikan dan dihancurkan. Sekarang secara langsung mampu memecahkan struktur protein yang seharusnya memakan waktu bertahun-tahun dan jutaan sumber daya hanya dalam beberapa menit.
Sebagai sentuhan baru, pencipta telah berjanji bahwa selama beberapa bulan ke depan mereka akan merilis struktur tiga dimensi dari hampir 100 juta protein, yang pada dasarnya adalah semua rangkaian asam amino yang diketahui. Saat ini, dan setelah beberapa dekade upaya, hanya 17% protein manusia yang telah dipelajari dari sudut pandang pelipatan . Proyek ini berharap dapat memperluas prediksi struktur protein hingga 98% dari proteom manusia. Artikel yang menerbitkan data ini di Nature yang bergengsi, mengumpulkan bahwa program secara akurat memastikan posisi hingga 58% residu rantai asam amino. AlphaFold, program yang dimaksud, mampu mengambil urutan asam amino dan memperhitungkan muatan positif dan negatif, cabang dan residu setiap asam amino, dapat memprediksi bagaimana struktur 3 dimensi dari protein kerja. Untuk melakukan ini, ini didasarkan pada pengalaman yang dikumpulkan oleh para ilmuwan selama beberapa dekade ini. Dalam databasenya terdapat semua struktur dan substruktur yang telah ditemukan dan bagaimana asam amino berinteraksi dalam protein yang telah kita ketahui.
Jelas sebagian dari komunitas ilmiah memandang penggunaan perangkat lunak ini dengan beberapa keengganan. Pertama-tama, karena seperti yang telah kami katakan, ini selalu prediksi dan sampai dikonfirmasi di laboratorium, bentuk protein yang tepat tidak dapat dikaitkan. Kedua, banyak peneliti berkomentar bahwa metode ini tidak menjelaskan bagaimana setiap protein terlipat, karena perangkat lunak tidak dirancang untuk memecahkan pertanyaan ini hanya untuk memberikan versi 3D. Kedua keberatan tersebut sangat sah dan mewakili kelemahan proyek. Namun, banyak proses lain, yang tidak terkait dengan pelipatan protein itu sendiri atau kebenaran pelipatan adalah sekunder, dapat dilakukan dengan cara ini. Dalam kasus ini kita mengacu pada proses industri farmasi, yang, misalnya, tidak tertarik pada bagaimana mereka dilipat, melainkan efektivitas interaksi yang mungkin. Banyak ilmuwan pelipatan protein menunjukkan bahwa Alphafold tidak memecahkan pelipatan protein, tetapi struktur akhir.
Banyak perusahaan sudah mendapat manfaat dari prediksi ini dan mengembangkan obat baru lebih cepat dari yang diharapkan. Faktanya, bahkan AI dapat membuat antibiotik itu sendiri dengan membuat prediksi seperti apa interaksi antara dua molekul itu nantinya.