OpenProtein.AI: Mudahkan Ilmuwan Desain Protein Lewat Platform No-Code

CAMBRIDGE, (17 April 2026).

Artificial Intelligence (AI) telah membuktikan kemampuannya dalam mempercepat pengembangan obat dan meningkatkan pemahaman kita terhadap penyakit. Namun, tantangan terbesarnya adalah menghadirkan model tercanggih ke tangan para ilmuwan yang sebagian besar bukanlah ahli pemrograman. Mengutip laporan dari MIT News, OpenProtein.AI hadir untuk menjembatani celah tersebut melalui platform no-code yang revolusioner.

Didirikan oleh alumni MIT, Tristan Bepler dan mantan profesor madya MIT Tim Lu, OpenProtein.AI memberikan akses kepada para peneliti di perusahaan farmasi dan bioteknologi ke berbagai foundation models serta alat desain protein. Platform ini memungkinkan ilmuwan memprediksi struktur dan fungsi protein, serta melatih model secara mandiri tanpa harus menguasai bahasa pemrograman yang rumit.

Inovasi Protein Language Model

Tristan Bepler, yang mengembangkan model Generative AI pertama untuk desain protein saat menempuh PhD di MIT, menjelaskan bahwa platform ini bertujuan menciptakan "bahasa" untuk mendeskripsikan sistem biologi. Salah satu fitur unggulannya adalah PoET (Protein Evolutionary Transformer), sebuah protein language model yang dilatih menggunakan data evolusi.

"Model ini tidak hanya membuat protein engineering menjadi lebih efisien—yang memperpendek siklus pengembangan terapi—tetapi juga meningkatkan kemampuan kita dalam mendesain protein baru dengan sifat spesifik," ujar Bepler. Melalui platform ini, peneliti dapat mengunggah data mereka sendiri untuk melakukan optimasi urutan protein menggunakan infrastruktur Cloud Computing dan GPU yang sudah disediakan di balik layar.

Pada awal 2025, perusahaan farmasi raksasa Boehringer Ingelheim mulai mengadopsi platform OpenProtein.AI. Kolaborasi ini kini diperluas untuk mengintegrasikan model AI tersebut ke dalam alur kerja rekayasa protein guna mengobati penyakit kompleks seperti kanker serta kondisi autoimun.

Aksesibilitas di Garis Depan Riset

Salah satu keunggulan utama OpenProtein.AI adalah efisiensinya. Versi terbaru mereka, PoET-2, diklaim mampu mengungguli model yang jauh lebih besar meskipun hanya menggunakan sebagian kecil dari sumber daya komputasi dan data eksperimental. Selain melayani sektor industri, OpenProtein.AI juga menyediakan platformnya secara gratis bagi ilmuwan di lingkungan akademisi untuk mendorong kemajuan ilmu pengetahuan secara kolektif.

Tim Lu menekankan pentingnya ekosistem terbuka dalam AI dan biologi. "Ada risiko di mana sumber daya AI bisa terkonsentrasi sedemikian rupa sehingga peneliti rata-rata tidak bisa menggunakannya. Akses terbuka sangat penting bagi bidang ilmiah untuk membuat kemajuan," ungkapnya.

Dampak bagi Indonesia

Kehadiran platform no-code seperti OpenProtein.AI memiliki implikasi signifikan bagi ekosistem bioteknologi di Indonesia:

1. Akselerasi Riset Lokal: Peneliti di lembaga seperti BRIN atau perusahaan farmasi lokal (seperti Bio Farma dan Kalbe Farma) dapat memanfaatkan foundation models canggih tanpa harus melakukan investasi besar pada tim Machine Learning khusus atau infrastruktur GPU internal yang mahal.
2. Pemanfaatan Biodiversitas: Ilmuwan Indonesia dapat menggunakan alat ini untuk menganalisis dan mendesain ulang protein dari kekayaan hayati lokal guna menemukan kandidat obat baru atau enzim industri, yang selaras dengan agenda transformasi kesehatan digital Kemenkes RI.
3. Efisiensi Biaya: Dengan model seperti PoET-2 yang lebih hemat daya komputasi, biaya operasional riset berbasis Cloud Computing menjadi lebih terjangkau bagi institusi pendidikan di Indonesia. Jika dikonversi, penghematan ini bisa mencapai ratusan juta rupiah dalam biaya sewa server per proyek riset.
4. Peningkatan Skill Peneliti: Memungkinkan transisi biologiwan konvensional menjadi peneliti berbasis data (data-driven) dengan kurva pembelajaran yang singkat, meningkatkan daya saing talenta riset Indonesia di tingkat global.

---

Artikel ini akan diperbarui seiring tersedianya informasi baru. Join Komunitas Rekayasa AI di Discord untuk diskusi lebih lanjut.