Model AI MIT Mampu Memetakan Komunikasi Antarsel untuk Mendukung Penelitian Rekayasa Jaringan

Para peneliti Massachusetts Institute of Technology (MIT) mengembangkan model kecerdasan buatan bernama IRIS yang mampu mengidentifikasi pola komunikasi antarsel berdasarkan aktivitas gen. Penelitian yang dipublikasikan dalam jurnal Nature Methods pada 8 September 2026 dan diperkenalkan melalui MIT News pada 15 Oktober 2026 ini membuka pendekatan baru dalam memahami pembentukan jaringan tubuh. Melalui teknologi machine learning, IRIS dapat memperkirakan jalur sinyal yang pernah diterima sel selama perkembangan embrio. Kemampuan tersebut berpotensi membantu penelitian sel punca, pengembangan organoid, serta rekayasa jaringan untuk mempelajari penyakit dan merancang metode pengobatan regeneratif.

Peneliti MIT Kembangkan Model AI IRIS untuk Membaca Komunikasi Antarsel

Kemajuan metode komputasi biologis semakin memberikan pendekatan inovatif bagi penelitian biologi sel. Pada kajian biologi modern, ilmuwan menghadapi tantangan besar ketika menelusuri pertukaran sinyal biologis. Setiap sel memiliki hubungan dengan sel di sekitarnya. Berkat komunikasi molekuler, sel memperoleh petunjuk tentang posisi dan fungsi. Informasi tersebut berperan dalam menentukan perkembangan sel. Sebagai langkah mempelajari komunikasi biologis, peneliti MIT menciptakan model AI IRIS yang digunakan untuk menganalisis pola respons genetik.

Penelitian tersebut berada di bawah kepemimpinan Pulin Li, asisten profesor biologi MIT yang juga berafiliasi dengan Whitehead Institute for Biomedical Research. Mahasiswa pascasarjana Nicholas Hutchins turut berperan penting dalam pengembangan pendekatan tersebut. Perangkat analisis berbasis AI tersebut memanfaatkan arsitektur pembelajaran mesin untuk mengidentifikasi karakteristik respons biologis. Sebagai alternatif terhadap pendekatan pengujian satu per satu, IRIS dapat mengenali karakteristik sinyal pada sel berbeda. Berkat pendekatan ini, peneliti dapat mengurangi kebutuhan pengujian berulang.

Mekanisme Pemetaan Komunikasi Antarsel melalui Signaling Pathways

Sebagai dasar memahami penelitian ini, penting mengetahui bagaimana sel berkomunikasi. Jaringan sel biologis menggunakan molekul kimia yang dapat diterima oleh sel lain. Setelah molekul pemberi pesan berinteraksi, aktivitas molekuler tertentu dapat dimulai. Proses tersebut dikenal sebagai signaling pathway. Respons terhadap rangsangan biologis memengaruhi aktivitas gen tertentu. Melalui perubahan tersebut, sel memperoleh karakteristik biologis tertentu sesuai kondisi jaringan.

Peneliti MIT menemukan bahwa setiap jalur pensinyalan meninggalkan pola aktivitas gen yang khas. Pola tersebut disebut sebagai fingerprint jalur sinyal. Hal penting dari temuan tersebut, fingerprint suatu jalur relatif konsisten pada berbagai jenis sel. Melalui karakteristik yang dapat dikenali, IRIS dapat menghubungkan ekspresi gen dengan sinyal terdahulu. Meski mampu menghasilkan prediksi, IRIS tidak mengamati setiap pesan kimia secara real-time. Karena itu, hasil harus ditafsirkan berdasarkan eksperimen.

Transfer Learning Memungkinkan IRIS Mengenali Sinyal pada Jenis Sel Baru

Fitur yang membuat pendekatan tersebut menarik adalah penggunaan pembelajaran transfer. Dalam sistem pembelajaran mesin modern, transfer learning memungkinkan pengetahuan dari data pelatihan digunakan pada situasi terkait. Dalam eksperimen para ilmuwan MIT, model dilatih menggunakan respons sel punca embrionik manusia. Kumpulan data penelitian ini menggunakan sejumlah besar pengamatan seluler yang menerima berbagai kombinasi rangsangan. Berkat proses pembelajaran itu, IRIS berpotensi memperkirakan sinyal di luar jenis sel pelatihan.

Dalam proses pelatihan, tim menguji kombinasi enam jalur pensinyalan utama pada berbagai tahap perkembangan. Perubahan aktivitas gen membentuk kumpulan pola sinyal yang dapat dipelajari. Setelah model dilatih, peneliti menguji sistem menggunakan sel dari embrio tikus. Berdasarkan pengujian tersebut, IRIS dapat mengenali pola komunikasi pada konteks perkembangan baru. Kemampuan lintas tipe sel tersebut membuka peluang pemetaan jaringan biologis lebih luas, karena ilmuwan tidak harus melatih model terpisah untuk setiap jenis sel.

Model AI MIT Identifikasi Sinyal Pembentuk Jantung dan Jaringan Tubuh

Pengujian utama setelah pelatihan dilakukan menggunakan pengamatan individual pada sel embrio tikus. Pengujian diarahkan pada fase gastrulasi, yaitu periode awal pembentukan jenis sel yang berbeda. Selama proses gastrulasi, sel berkembang mengikuti kombinasi instruksi biologis yang mengatur pembentukan jaringan tertentu. Berkat pemetaan pola ekspresi gen, peneliti menelusuri pola pensinyalan sepanjang perkembangan. Kemampuan tersebut mendukung penelitian hubungan sinyal dengan pembentukan organ.

Model IRIS berhasil memperkirakan pola sinyal pada calon sel pembentuk jantung, jaringan usus, sel pembentuk otot, dan jaringan spinal cord. Keberhasilan prediksi tersebut memperlihatkan bagaimana sinyal berbeda mengarahkan pembentukan jaringan. Dalam konteks perkembangan organ, sel yang berasal dari embrio sama berpeluang memperoleh fungsi tidak sama karena mengalami sejarah pensinyalan yang tidak identik. Dengan demikian, IRIS membantu menjelaskan proses spesialisasi sel, tetapi tidak otomatis menentukan seluruh mekanisme perkembangan.

Potensi IRIS untuk Rekayasa Jaringan dan Pengembangan Organoid

Potensi utama pendekatan kecerdasan buatan ini berada pada pembuatan jaringan biologis di laboratorium. Pada penelitian biomedis modern, ilmuwan berusaha mengarahkan sel punca menjadi tipe sel tertentu. Namun demikian, menghasilkan jaringan yang tepat tidak selalu mudah. Selama proses pematangan, sel dapat merespons rangsangan biologis tertentu. Melalui pemetaan yang dilakukan IRIS, peneliti berpeluang menemukan petunjuk diferensiasi. Melalui pendekatan tersebut, proses pencarian kondisi diferensiasi mungkin menjadi lebih cepat.

Penelitian tersebut berpeluang mendukung penelitian model organ tiga dimensi. Organoid merupakan kumpulan sel laboratorium yang menyerupai aspek organ asli. Dalam penelitian penyakit, organoid memberikan sarana mempelajari mekanisme seluler. Peneliti menerapkan model tersebut untuk menganalisis kebutuhan pensinyalan pada sel pembentuk jaringan paru. Perkiraan jalur pensinyalan tersebut selanjutnya divalidasi menggunakan penelitian embrio tikus. Dalam validasi tersebut, aktivasi jalur yang diprediksi mendukung perkembangan sel paru. Pencapaian ini memberikan dasar bagi pengembangan organoid paru untuk mengevaluasi terapi pada model biologis.

Kesimpulan Model AI MIT dalam Memetakan Komunikasi Antarsel

Pengembangan model IRIS oleh MIT memberikan kontribusi menarik dalam ilmu biologi perkembangan. Melalui analisis ekspresi gen, IRIS mampu memperkirakan riwayat pensinyalan pada berbagai jenis sel. Hasil analisis tersebut membantu mempercepat kajian komunikasi biologis. Validasi menggunakan data perkembangan embrio memperlihatkan potensi model dalam memahami pembentukan organ. Namun demikian, prediksi AI tetap memerlukan pengujian biologis. Untuk pengembangan selanjutnya, analisis respons genetik mungkin mempercepat kajian terapi regeneratif. Apa pendapat Anda, apakah model AI seperti IRIS akan membantu mempercepat penelitian medis? Silakan bagikan pendapat Anda mengenai perkembangan teknologi rekayasa jaringan.