Topik strategis ini menjadi fokus utama dalam Bincang Riset Pusat Riset Bahan Baku Obat dan Obat Tradisional (PR BBOOT) 2025, yang digelar daring pada Rabu (8/10) dengan tema “Computational Approach for Drug Discovery.”
Acara ini menghadirkan pakar bioinformatika dan kimia komputasi dari dalam maupun luar negeri, termasuk Prof. Kenji Mizuguchi (Osaka University, Jepang), serta dua perekayasa BRIN, Donny Ramadhan, Ph.D. Cand. dan Elpri Eka Permadi, M.Sc., yang aktif meneliti pemanfaatan AI untuk penemuan obat berbasis senyawa alami.
Kepala Organisasi Riset Kesehatan BRIN, Indi Dharmayanti, menekankan pentingnya pergeseran riset obat nasional menuju pemanfaatan teknologi digital. Menurutnya, tren global kini mengarah pada penggunaan machine learning dan virtual screening yang mampu mempercepat penemuan kandidat bahan aktif, sekaligus menekan biaya dan meningkatkan efisiensi.
Forum seperti ini, lanjut Indi, menjadi ruang strategis bagi akademisi, peneliti, dan profesional untuk berbagi pengetahuan, memperluas jejaring, serta memperkuat ekosistem riset obat di Indonesia.
Kepala PR BBOOT-BRIN, Sofa Fajriah, menyoroti tingginya ketergantungan Indonesia pada bahan baku obat impor yang berdampak pada ketahanan kesehatan nasional. Menurutnya, pendekatan komputasi berbasis AI dapat menjadi solusi strategis untuk mempercepat kemandirian farmasi.
Sofa menambahkan, kekayaan hayati Indonesia menyimpan potensi besar sebagai sumber senyawa bioaktif baru. Namun, tantangan terbesar adalah efisiensi dalam menyaring dan menganalisis ribuan molekul. Di sinilah metode komputasi berperan penting sebagai penghubung antara potensi alam dan inovasi farmasi modern.
“Inovasi berbasis sains komputasi bukan sekadar tren global, melainkan kebutuhan strategis bangsa untuk memperkuat ketahanan kesehatan,” tegasnya.
Dalam sesi ilmiah, Donny Ramadhan menjelaskan pergeseran riset penemuan obat dari eksperimen laboratorium tradisional menuju simulasi digital in silico. Pendekatan ini memungkinkan seleksi jutaan senyawa kimia secara virtual sebelum diuji di laboratorium fisik, sehingga mempercepat eliminasi kandidat yang tidak potensial.
Metode virtual screening dan molecular docking memungkinkan ilmuwan mengidentifikasi molekul paling menjanjikan hanya dalam hitungan hari, sekaligus memprediksi kekuatan ikatan senyawa dengan protein target. “Dengan teknologi in silico, kita dapat memilih kandidat obat terbaik secara presisi, hemat waktu, dan efisien biaya,” ujarnya.
Elpri Eka Permadi memaparkan riset kolaboratif dengan Osaka University bertajuk “Multi-task Learning for Improving Prediction Model on Small-size Dataset.” Penelitian ini berfokus pada pengembangan model machine learning untuk meningkatkan akurasi prediksi interaksi molekul, khususnya pada enzim Cytochrome P450 (CYP) yang berperan penting dalam metabolisme obat.
Dengan mengintegrasikan multi-task learning dan teknik data imputation, timnya berhasil meningkatkan kinerja model prediksi, sekaligus membantu mengidentifikasi inhibitor potensial pada tahap awal riset.
Sementara itu, Prof. Kenji Mizuguchi menegaskan bahwa pendekatan komputasi kini menjadi tulang punggung penemuan obat modern. Integrasi bioinformatika, kimia komputasi, dan machine learning telah mengubah paradigma riset menjadi lebih prediktif, presisi, dan berbasis data.
Diskusi ditutup dengan penekanan pada pentingnya kolaborasi lintas disiplin antara ilmuwan komputer, kimiawan, dan ahli biomedis. BRIN berkomitmen memperkuat kapasitas riset nasional melalui penguasaan teknologi komputasi, AI, serta pemanfaatan kekayaan hayati Indonesia.
“Kolaborasi, sains terbuka, dan adopsi teknologi adalah kunci. Dengan riset berbasis komputasi, kita tidak hanya mengejar ketertinggalan, tetapi juga membangun masa depan farmasi yang mandiri, efisien, dan berdaya saing global,” pungkas Sofa Fajriah.
Cek Berita dan Artikel yang lain di
Google News
Viral! 18 Kampus ternama memberikan beasiswa full sampai lulus untuk S1 dan S2 di Beasiswa OSC. Info lebih lengkap klik : osc.medcom.id
