Stanford Rancang 16 Fag Baru Pembunuh E. coli dengan AI Evo 2

Sekelompok peneliti Stanford baru saja membuktikan bahwa AI bisa merancang genom virus baru dari nol — dan virus itu benar-benar bisa membunuh bakteri.

Penelitian mereka, dipublikasikan di jurnal Science (DOI: 10.1126/science.aec2657), menggunakan model genomik AI bernama Evo 2 untuk mendesain hampir 300 fag bakteriofag baru. Uji laboratorium menyisakan 16 fag yang terbukti sangat efektif membunuh E. coli — bakteri yang bisa fatal kalau infeksi tidak terkendali.

Dari Mana Semua Bermula

Bacteriophage — atau fag — adalah virus yang secara alami memangsa bakteri. Berbeda dari antibiotik yang bekerja secara luas, fag bisa didesain untuk menargetkan jenis bakteri tertentu.

Profesor Brian Hie dari Departemen Teknik Kimia Stanford memimpin proyek ini bersama mahasiswa pascasarjana Samuel King. Tim mereka memilih fag ΦX174 (dibaca “FYE-ex-1-7-4”) sebagai template — fag dengan genom hanya sekitar 5.400 pasangan basa, jauh lebih sederhana dari genom manusia yang 3 miliar pasangan basa.

“Dalam kasus ini, kami meminta model untuk menghasilkan seluruh genom dari ujung ke ujung dalam satu passes kiri-ke-kanan. Kami tidak menambahkan apa pun,” jelas Hie.

Evo 2 bukan model biasa. Model ini dilatih pada sekuens DNA dari seluruh pohon kehidupan — dari bakteri hingga manusia. Dari semacam benih DNA ΦX174, Evo 2 menghasilkan ribuan alternatif genom fag baru yang secara teoretis bisa memproduksi fag yang hidup dan mampu membunuh bakteri.

Proses Seleksi Ketat

Dari ribuan kandidat yang dihasilkan Evo 2, tim mengembangkan kerangka komputasional untuk menyaring yang paling menjanjikan. King membangun sistem evaluasi yang memfilter berdasarkan kriteria desain tertentu sebelum sintesis DNA fisik dilakukan.

“Salah satu bagian utama dari kerangka desain adalah menentukan trait apa yang seharusnya dimiliki genom berdasarkan ΦX174 dan fag terkait,” kata King. “Kerangka itu melibatkan beberapa langkah: menghasilkan genom menggunakan Evo 2, mengevaluasi opsi berdasarkan kriteria desain, memilih kandidat optimal, mensintesisnya secara kimia, lalu mengujinya di laboratorium.”

Dengan biaya sintesis DNA yang masih tinggi, tim hanya bisa memesan dan menguji sebagian kecil dari ribuan kandidat. Kerangka komputasional King membantu mereka fokus hanya pada alternatif yang paling layak.

Hasilnya: 285 desain diuji, dan 16 di antaranya menghasilkan fag yang hidup — mampu bereplikasi dan menghambat pertumbuhan E. coli. Beberapa bahkan menunjukkan fitness lebih tinggi dibanding ΦX174 alami dalam eksperimen laboratorium.

Mengapa Campuran, Bukan Satu Saja

Bakteri bisa mengembangkan resistensi terhadap satu jenis fag. Kalau satu fag saja yang digunakan, bakteri bisa kebal dan terapi gagal.

“Kalau bakteri mengembangkan resistensi terhadap satu fag, permainan selesai untuk obat itu,” kata Hie. “Tapi kalau Anda memiliki beberapa fag yang secara genetik berbeda dalam campuran, akan jauh lebih sulit bagi bakteri untuk mengembangkan resistensi terhadap seluruh koktail.”

Tim Hie lalu menguji apakah campuran fag-fag baru itu bisa membunuh strain E. coli yang sudah kebal terhadap ΦX174 alami. Koktail 16 fag yang didesain AI berhasil membunuh strain-resistan itu — bukti konsep penting bahwa diversitas genom yang dihasilkan secara komputasional benar-benar menghasilkan perbedaan biologis yang bermakna.

Model AI: Sumber Terbuka, tapi Ada Kekhawatiran

Evo 2 dikembangkan oleh tim dari Arc Institute, Stanford University, NVIDIA, dan kolaborator lainnya. Model ini tersedia secara terbuka di GitHub — siapa pun bisa mengunduh dan mendesain genom baru.

Keputusan ini sengaja. Hie yakin keterbukaan penting untuk mempercepat riset dan penerapan di dunia nyata. Tapi keputusan itu juga memicu diskusi soal keamanan hayati.

Kekhawatirian yang jelas adalah bahwa versi modifikasi dari alat ini bisa digunakan oleh pihak jahat. Tapi Hie menekankan bahwa patogen alami yang sudah ada masih menghadirkan risiko lebih besar — lebih mudah diakses dan diproduksi, dan tidak seperti AI, tidak ada safety check yang bisa disematkan ke dalam proses evolusi alami.

“AI seperti Evo 2 justru memberikan keuntungan besar bagi manusia untuk melawan pandemi alami dan meningkatkan kemampuan pertahanan terhadap ancaman biologis yang dibuat manusia,” tegas Hie.

Ke Mana Arahnya

Penelitian ini belum memasuki uji klinis. Semua eksperimen dilakukan secara in vitro — di cawan petri, bukan di hewan atau manusia. Pengembangan selanjutnya memerlukan validasi pada model hewan, studi keamanan, dan uji klinis yang proper.

Selain E. coli, peneliti menjajaki potensi target lain: Pseudomonas aeruginosa (penyebab infeksi nosokomial), Staphylococcus aureus resisten metisilin (MRSA), dan bakteri penyebab tuberkulosis.

Hie juga sedang mengeksplorasi kemungkinan menerapkan Evo 2 pada DNA yang lebih panjang dan kompleks — bahkan mungkin genom bakteri kecil yang bisa direkayasa untuk memproduksi bahan kimia berguna, obat-obatan, atau bahan bakar.

“Dua pertanyaan terbuka terbesar bagi saya adalah: bagaimana kita mendapatkan noveltas genetik yang lebih besar, dan bagaimana kita mendapatkan kontrol yang lebih besar terhadap hasilnya?” kata Hie.

Fase berikutnya sangat bergantung pada apakah aktivitas penghindaran resistensi yang terlihat di laboratorium bisa terbukti efektif di dalam tubuh pasien yang sebenarnya.

---

Sumber

1. Ars Technica — “Large genome models used to design new viruses” (2026)
2. The Verge — “AI is now designing brand new biological viruses” (2026)
3. AllSci — “Stanford researchers use Evo AI models to design novel bacteriophages against E. coli” (2026)
4. C&EN — “AI program designs new bacteriophages” (6 Agustus 2026)
5. Precedence Research — “Stanford Evo 2 AI Model generates phages against E. coli” (13 Agustus 2026)