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.

Inovasi Kecerdasan Buatan MIT dalam Memetakan Sinyal Biologis

Perkembangan metode komputasi biologis menghadirkan pendekatan inovatif bagi kajian pembentukan jaringan tubuh. Dalam penelitian perkembangan embrio, ilmuwan membutuhkan metode yang kompleks ketika memahami interaksi antara sel yang berkembang. Masing-masing sel tubuh tidak bekerja secara terpisah. Dengan menggunakan pesan kimia, sel mengetahui perubahan kondisi sekitarnya. Informasi tersebut berperan dalam menentukan perkembangan sel. Untuk memahami proses itu, peneliti MIT menciptakan model AI IRIS yang dirancang mengenali jejak aktivitas sinyal.

Studi yang dilakukan ilmuwan MIT berada di bawah kepemimpinan Pulin Li, anggota fakultas biologi Massachusetts Institute of Technology yang juga menjadi anggota Whitehead Institute. Peneliti muda Nicholas Hutchins turut berperan penting dalam pengembangan pendekatan tersebut. Sistem kecerdasan buatan ini memanfaatkan arsitektur pembelajaran mesin untuk mengidentifikasi karakteristik respons biologis. Tidak seperti cara konvensional yang membutuhkan banyak eksperimen khusus, IRIS dapat mengenali karakteristik sinyal pada sel berbeda. Melalui kemampuan tersebut, analisis komunikasi antarsel menjadi lebih terarah.

Teknologi Machine Learning Membaca Jejak Aktivitas Genetik

Dalam menjelaskan mekanisme model tersebut, kita perlu mengenali proses komunikasi antarsel. Sel tubuh menggunakan molekul kimia yang dapat diterima oleh sel lain. Setelah molekul pemberi pesan berinteraksi, aktivitas molekuler tertentu dapat dimulai. Rangkaian reaksi ini disebut jalur pensinyalan sel. Respons terhadap rangsangan biologis memengaruhi aktivitas gen tertentu. Akibatnya, sel dapat mengalami diferensiasi sesuai konteks perkembangan tubuh.

Tim pengembang IRIS mengidentifikasi bahwa jalur sinyal tertentu menghasilkan karakteristik ekspresi gen tersendiri. Pola tersebut dapat dipahami sebagai sidik jari biologis. Keunggulan pendekatan ini, karakteristik jalur sinyal memiliki kesamaan pada sel yang berbeda. Dengan memanfaatkan pola yang konsisten, IRIS dilatih untuk memperkirakan jalur sinyal yang pernah aktif. Walaupun pendekatan tersebut menjanjikan, hasil analisis merupakan inferensi berdasarkan pola genetik. Oleh sebab itu, prediksi model tetap memerlukan validasi biologis.

Cara Model AI MIT Mempelajari Pola Biologis Lintas Tipe Sel

Fitur yang membuat pendekatan tersebut menarik adalah penerapan teknik transfer pengetahuan. Dalam sistem pembelajaran mesin modern, transfer learning memungkinkan pengetahuan dari data pelatihan digunakan pada situasi terkait. Melalui sistem analisis yang dikembangkan, model dilatih menggunakan respons sel punca embrionik manusia. Informasi biologis yang digunakan berisi pengukuran dari ribuan sel yang diuji dengan kombinasi aktivasi jalur tertentu. Dengan demikian, IRIS mampu menerapkan pengetahuan pada lingkungan biologis lain.

Ketika menyusun data eksperimen, tim menggunakan enam signaling pathways penting pada berbagai tahap perkembangan. Perubahan aktivitas gen digunakan untuk membangun atlas komunikasi biologis. Sesudah pola dikenali, peneliti menguji sistem menggunakan sel dari embrio tikus. Berdasarkan pengujian tersebut, IRIS mampu memperkirakan aktivasi jalur sinyal pada sel yang belum dijumpai selama pelatihan. Pencapaian tersebut penting bagi penelitian embrio, karena pendekatan yang sama berpotensi digunakan pada banyak tipe jaringan.

Pemanfaatan Data Sel Tunggal untuk Memahami Diferensiasi Embrionik

Pengujian utama setelah pelatihan dilakukan menggunakan data sel tunggal dari embrio tikus. Peneliti memusatkan perhatian pada fase gastrulasi, yaitu fase penting ketika jaringan embrionik mengalami spesialisasi. Dalam periode perkembangan ini, sel berkembang mengikuti kombinasi instruksi biologis yang memengaruhi arah diferensiasi. Melalui penggunaan IRIS, peneliti dapat memperkirakan waktu dan lokasi aktivasi sinyal. Hasil pemetaan ini membantu memahami penyusunan struktur tubuh.

Sistem AI hasil penelitian MIT menunjukkan kemampuan mengidentifikasi aktivasi jalur pada calon sel pembentuk jantung, calon jaringan pencernaan, otot, dan struktur saraf pada tulang belakang. Hasil tersebut memperlihatkan bagaimana sinyal berbeda mengarahkan pembentukan jaringan. Untuk memahami penerapannya, kelompok sel pada tahap awal dapat berkembang menjadi jaringan berbeda karena mengalami sejarah pensinyalan yang tidak identik. Berdasarkan temuan tersebut, IRIS membantu menjelaskan proses spesialisasi sel, tetapi belum menggantikan pengamatan eksperimen langsung.

Model Komunikasi Antarsel Membantu Ilmuwan Membuat Jaringan Laboratorium

Salah satu manfaat jangka panjang berada pada penelitian tissue engineering. Dalam bidang tersebut, ilmuwan mengembangkan metode diferensiasi sel secara terkendali. Meski sel punca dapat membentuk berbagai jenis sel, proses pembentukan struktur biologis memerlukan kondisi khusus. Setiap tahap, sel memerlukan petunjuk molekuler sesuai waktunya. Dengan informasi riwayat sinyal dari model, peneliti berpeluang menemukan petunjuk diferensiasi. Melalui pendekatan tersebut, eksperimen dapat dirancang menggunakan informasi lebih lengkap.

Studi yang dilakukan tim MIT memiliki potensi penting bagi pengembangan miniatur organ. Organoid merupakan struktur sel tiga dimensi yang meniru sebagian karakteristik organ. Pada pengujian obat, organoid berfungsi membantu pengamatan respons biologis. Dalam salah satu eksperimen lanjutan, ilmuwan memanfaatkan IRIS untuk mengidentifikasi sinyal yang berkaitan dengan pembentukan sel penting bagi paru-paru. Hasil analisis AI kemudian diuji melalui eksperimen pada embrio tikus. Berdasarkan eksperimen lanjutan, temuan laboratorium menguatkan prediksi IRIS. Temuan tersebut berpotensi membantu pembuatan model penyakit paru untuk mengamati mekanisme penyakit pernapasan.

Kesimpulan Model AI MIT dalam Memetakan Komunikasi Antarsel

Pengembangan model IRIS oleh MIT menunjukkan kemajuan penting dalam pengembangan teknologi biomedis. Melalui analisis ekspresi gen, IRIS berhasil mengenali pola aktivasi jalur sinyal pada berbagai jenis sel. Hasil analisis tersebut mengurangi ketergantungan pada pemetaan setiap jenis sel secara terpisah. Validasi menggunakan data perkembangan embrio memberikan dasar bagi pengembangan pendekatan rekayasa jaringan. Namun demikian, kemampuan model tidak otomatis menghasilkan jaringan siap transplantasi. Sebagai arah penelitian masa depan, pemahaman terhadap komunikasi antarsel dapat membantu penelitian obat dan penyakit. Bagaimana menurut Anda, apakah kecerdasan buatan untuk rekayasa jaringan mampu memberikan kemajuan pada pengembangan organoid? Sampaikan pandangan Anda mengenai masa depan pengobatan regeneratif berbasis sel.