Sebuah tim peneliti lintas disiplin di AS berhasil menghasilkan puluhan kandidat peptida baru dengan bantuan kombinasi model AI generatif dan simulasi kuantum—tanpa dukungan industri farmasi atau hibah pemerintah utama. Mereka bekerja di luar jam kerja resmi, memanfaatkan akses terbatas ke platform kuantum cloud dan dataset publik, lalu memvalidasi hasilnya melalui eksperimen laboratorium skala kecil di universitas lokal.
Siapa yang Membiayai Desain Obat untuk Penyakit Langka?
Desain obat berbasis peptida selama ini menjadi domain perusahaan farmasi besar dengan anggaran R&D ratusan juta dolar. Namun, penyakit langka—yang menurut Organisasi Kesehatan Dunia (WHO) memengaruhi kurang dari 1 dari 2.000 orang—sering diabaikan karena biaya pengembangan tidak sebanding dengan potensi pasar. Di Indonesia, misalnya, hanya 3 dari 7.000 penyakit langka yang memiliki terapi tersertifikasi BPOM, dan tidak satu pun dikembangkan secara domestik. Tim ini justru memilih jalur berbeda: mereka menghindari target protein konvensional seperti kinase atau GPCR, lalu fokus pada struktur peptida pendek yang bisa menembus membran sel tanpa bantuan vektor; kunci untuk terapi di daerah dengan infrastruktur dingin terbatas.
Dilansir Wired, para ilmuwan tersebut mengumpulkan dana dari hibah mikro lembaga swadaya masyarakat, donasi komunitas biohacker, dan sisa anggaran riset internal universitas. Mereka tidak mengajukan paten awal, melainkan mempublikasikan kode simulasi dan daftar peptida kandidat di GitHub dengan lisensi open science. Pendekatan ini berbeda dari praktik umum di industri farmasi, di mana 87% kandidat obat baru gagal di uji klinis fase II karena ketidaksesuaian target biologis—bukan karena kekurangan data, tapi karena desain awal yang terlalu bergantung pada analogi struktural lama.
Baca juga: 28 Mainan STEM untuk Anak: Saat Robot Edukasi Lebih Murah dari Tablet
Cara Kerja Platform Hybrid AI-Kuantum
Platform yang mereka bangun bukan superkomputer kuantum fisik, melainkan antarmuka cerdas antara model bahasa molekuler (seperti ProtGPT2) dan simulator kuantum berbasis variational quantum eigensolver (VQE). AI bertugas menghasilkan ribuan urutan asam amino berpotensi stabil; lalu VQE mensimulasikan energi ikatan hidrogen dan interaksi lipofilik di tingkat elektron—sesuatu yang masih di luar jangkauan simulasi klasik untuk sistem lebih dari 50 atom. Hasilnya bukan prediksi 'apakah ini akan bekerja', tapi 'dengan parameter fisiologis apa peptida ini tetap aktif di suhu 32°C dan pH 6,8—kondisi nyata di saluran pencernaan pasien di daerah tropis'.
Wired mencatat bahwa salah satu peptida kandidat, bernama QP-7B, menunjukkan stabilitas 4,3 kali lebih tinggi dibandingkan analog sintetis serupa dalam uji degradasi enzimatik di laboratorium Universitas Texas Selatan.
tim ini sengaja membatasi pelatihan AI hanya pada dataset dari negara berpenghasilan rendah dan menengah—termasuk urutan peptida dari bakteri endemik Indonesia dan Filipina. Mereka menghindari bias 'Barat-sentris' yang kerap membuat model AI gagal memprediksi efektivitas obat pada populasi Asia Tenggara karena perbedaan profil mikrobioma dan ekspresi enzim CYP450. Ini tidak hanya penyesuaian teknis, tapi juga pernyataan metodologis: desain obat harus dimulai dari konteks fisiologis lokal, bukan dari standar klinis Boston atau Zurich.
Baca juga: Nopia Synth: Saat Synthesizer Mini Jadi Alat Musik Kelas Studio
Di Indonesia, potensi penerapan pendekatan ini justru lebih besar daripada di negara maju—bukan karena infrastruktur kuantumnya lebih baik, tapi karena kebutuhan mendesak akan terapi murah dan tahan panas. Sebagai perbandingan, vaksin mRNA harus disimpan di -70°C, sementara peptida stabil bisa dikemas dalam tablet oral biasa. Jika dikembangkan bersama laboratorium farmasi nasional seperti Kimia Farma atau Biofarma, platform semacam ini bisa memangkas waktu pra-klinis dari 18 bulan menjadi kurang dari 6 bulan—dengan biaya di bawah Rp2 miliar, bukan triliunan rupiah.
Fakta tambahan yang jarang disebut: semua simulasi kuantum dalam proyek ini dilakukan di atas IBM Quantum Experience—platform gratis yang terbuka untuk akademisi. Artinya, tidak ada hardware eksklusif yang dibutuhkan. Yang dibutuhkan justru keberanian ilmiah untuk menggabungkan dua bidang yang selama ini dipisahkan oleh budaya institusi: biokimia eksperimental dan teori informasi kuantum. Dan itu, justru dimulai dari meja kerja sampingan para peneliti—bukan dari ruang rapat dewan direksi.