Di tengah keterbatasan pendanaan dan keraguan terhadap teknologi komputasi kuantum, sekelompok ilmuwan di Technical University of Denmark (DTU) berhasil menunjukkan bahwa komputer kuantum dapat meningkatkan akurasi dan jangkauan model kecerdasan buatan generatif untuk penemuan obat. Yang menarik, penelitian ini dilakukan sebagai 'sisi lain' (side hustle) dari pekerjaan utama mereka, menggunakan waktu luang di akhir pekan dan sisa dana dari proyek lain. Penemuan tersebut membuka jalan baru bagi pengembangan peptida—rantai pendek asam amino—yang mampu mengikat protein spesifik dalam tubuh, langkah krusial dalam pembuatan vaksin dan imunoterapi.
Peptida memainkan peran penting dalam biologi molekuler karena dapat dirancang untuk berinteraksi dengan target protein tertentu, sehingga menjadi fondasi bagi terapi baru. Namun, pendekatan berbasis AI konvensional sering kali membutuhkan data pelatihan dalam jumlah sangat besar. Masalahnya, data medis global masih didominasi oleh populasi Barat, meninggalkan kelompok di Asia, Afrika, dan wilayah lain kurang terwakili. Ketimpangan ini membuat pengembangan peptida yang efektif untuk populasi terabaikan menjadi tantangan nyata.
Tim DTU yang dipimpin oleh profesor Timothy Patrick Jenkins menjalankan model AI generatif prediksi protein beriringan dengan komputer kuantum seukuran printer buatan startup Inggris, ORCA Computing. Perangkat hibrida ini menghubungkan mesin kuantum dengan prosesor klasik, sehingga mempercepat proses komputasi AI. Dengan teknik hibrida tersebut, mereka berhasil menghasilkan peptida baru yang secara teoritis mampu mengikat protein target di dalam tubuh manusia.
Aspek 'side hustle' dari riset ini cukup unik. Jenkins mengungkapkan bahwa sebagian besar sains inovatif dianggap terlalu menakutkan oleh lembaga filantropi sehingga sulit mendapatkan dana. Oleh karena itu, timnya terpaksa bekerja di akhir pekan dan mengumpulkan sisa anggaran dari proyek lain yang tidak terpakai. Hal ini mencerminkan celah pendanaan untuk eksperimen berisiko tinggi di bidang kuantum, sekaligus menunjukkan bahwa terobosan bisa lahir dari inisiatif mandiri.
Validasi laboratorium menjadi tahap kunci. Setelah membuat peptida secara fisik dan menguji ikatannya terhadap protein tertentu, tim menemukan bahwa model hibrida menghasilkan lebih banyak peptida sukses dibandingkan model klasik murni. Peningkatan terkuat terlihat pada area di mana data pelatihan sangat langka. Ini mengindikasikan bahwa komputasi kuantum membantu AI menghasilkan variasi lebih beragam ketika data minim, mirip dengan efek yang sebelumnya terlihat pada generasi gambar.
Jenkins, yang juga menggunakan dana dari Novo Nordisk Foundation untuk riset protein, awalnya adalah skeptik berat terhadap kuantum. Ia sempat yakin penerapan teknologi tersebut pada bidangnya baru akan terjadi beberapa dekade lagi. Namun, setelah mempelajari bahwa mesin kuantum dapat memperkaya keragaman output AI, ia dan timnya menghypotesiskan bahwa embedding komputer kuantum ke dalam alur kerja dapat mengatasi kekurangan data genetik global, terutama untuk populasi non-Barat yang kurang diteliti.
Kendati demikian, komputasi kuantum masih berada di tahap awal. Menurut mahasiswa PhD DTU Jonathan Funk, komputer kuantum saat ini belum cukup kuat untuk mengkodekan kompleksitas antibodi berukuran normal yang biasa mereka kerjakan. Menemukan peptida pengikat gen tertentu hanyalah satu langkah dari banyak tahapan panjang pengembangan vaksin, sehingga tidak serta-merta menghasilkan obat yang siap pakai. Keterbatasan perangkat keras kuantum menjadi penghambat adopsi luas saat ini.
Di sisi industri, CEO ORCA Computing Richard Murray mencatat bahwa banyak perusahaan menganggap kuantum sebagai teknologi kabur dan jauh dari penerapan nyata. Namun, studi DTU ini dinilai baru karena menunjukkan aplikasi komersial jangka pendek. Perusahaannya juga menerapkan teknologi serupa bersama raksasa minyak BP untuk kimia dan Toyota untuk efisiensi desain kendaraan. Ini sinyal bahwa kuantum mulai merambah sektor nyata meski perlahan.
Ke depan, tim DTU berencana menggunakan alur kerja tersebut dengan model generatif lebih mutakhir dan protein lebih besar. Jenkins menekankan bahwa metode ini sangat berharga untuk penyakit terabaikan yang mendapat sedikit dana riset, termasuk rencana merancang antitesis sintetik untuk racun ular. Meski belum revolusioner, bukti konsep ini memberikan harapan bahwa kolaborasi AI dan kuantum dapat mendorong inklusivitas dalam penemuan obat global.