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.

Teknologi IRIS Membantu Ilmuwan Memahami Pembentukan Jaringan Tubuh

Kemajuan sistem pembelajaran mesin menghadirkan pendekatan inovatif bagi pengembangan ilmu biomedis. Selama ini, ilmuwan sering menemukan kesulitan ketika menelusuri pertukaran sinyal biologis. Masing-masing sel tubuh tidak bekerja secara terpisah. Melalui berbagai molekul sinyal, sel mengetahui perubahan kondisi sekitarnya. Informasi tersebut membantu mengarahkan spesialisasi sel. Dalam upaya mengurai mekanisme tersebut, peneliti MIT mengembangkan model AI IRIS yang digunakan untuk menganalisis pola respons genetik.

Pengembangan model IRIS berada di bawah kepemimpinan Pulin Li, peneliti bidang biologi di MIT yang juga tergabung dalam Whitehead Institute for Biomedical Research. Peneliti muda Nicholas Hutchins berkontribusi terhadap perancangan pendekatan tersebut. Perangkat analisis berbasis AI tersebut menggunakan jaringan saraf komputasional untuk menganalisis perubahan aktivitas genetik. 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

Sebagai dasar memahami penelitian ini, penting mengetahui bagaimana sel berkomunikasi. Sel tubuh mengirimkan pesan melalui molekul tertentu yang dapat diterima oleh sel lain. Saat reseptor mengenali rangsangan, aktivitas molekuler tertentu dapat dimulai. Mekanisme penyampaian informasi tersebut disebut jalur pensinyalan sel. Respons terhadap rangsangan biologis dapat mengubah ekspresi gen. Sebagai hasilnya, sel memperoleh karakteristik biologis tertentu sesuai rangkaian sinyal yang diterima.

Hasil penelitian menunjukkan bahwa jalur sinyal tertentu menghasilkan karakteristik ekspresi gen tersendiri. Karakteristik aktivitas gen ini disebut sebagai fingerprint jalur sinyal. Yang menarik, karakteristik jalur sinyal memiliki kesamaan pada sel yang berbeda. Dengan memanfaatkan pola yang konsisten, IRIS mampu mengidentifikasi riwayat aktivasi jalur biologis. Meski mampu menghasilkan prediksi, model tidak merekam percakapan sel secara langsung. Oleh sebab itu, prediksi model tetap memerlukan validasi biologis.

Transfer Learning Memungkinkan IRIS Mengenali Sinyal pada Jenis Sel Baru

Fitur yang membuat pendekatan tersebut menarik adalah penerapan teknik transfer pengetahuan. Dalam sistem pembelajaran mesin modern, transfer learning membantu model menerapkan pola yang dipelajari pada data baru. Melalui sistem analisis yang dikembangkan, peneliti memanfaatkan pengukuran pada human embryonic stem cells. Kumpulan data penelitian ini menggunakan sejumlah besar pengamatan seluler yang diuji dengan kombinasi aktivasi jalur tertentu. Melalui rancangan tersebut, IRIS mampu menerapkan pengetahuan pada lingkungan biologis lain.

Dalam proses pelatihan, tim mengukur respons terhadap kombinasi enam jalur sinyal pada berbagai tahap perkembangan. Respons yang muncul membentuk kumpulan pola sinyal yang dapat dipelajari. Ketika proses pembelajaran selesai, peneliti menguji sistem menggunakan sel dari embrio tikus. Berdasarkan pengujian tersebut, IRIS menunjukkan kemampuan generalisasi ke jenis sel berbeda. 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

Salah satu penerapan penting dilakukan menggunakan data sel tunggal dari embrio tikus. Peneliti memusatkan perhatian pada fase gastrulasi, yaitu periode awal pembentukan jenis sel yang berbeda. Selama proses gastrulasi, sel berkembang mengikuti kombinasi instruksi biologis yang memengaruhi arah diferensiasi. Dengan analisis berbasis model AI, peneliti mengidentifikasi kemungkinan jalur komunikasi pada bagian embrio tertentu. Hasil pemetaan ini membantu memahami penyusunan struktur tubuh.

Model IRIS berhasil memperkirakan pola sinyal pada garis keturunan sel jantung, struktur saluran pencernaan, jaringan muskular, dan jaringan spinal cord. Keberhasilan prediksi tersebut membantu menjelaskan variasi perkembangan sel. Sebagai contoh, kelompok sel pada tahap awal berpeluang memperoleh fungsi tidak sama karena menerima kombinasi sinyal berbeda. Berdasarkan temuan tersebut, IRIS memberikan alat untuk mempelajari pembentukan jaringan, tetapi belum menggantikan pengamatan eksperimen langsung.

Kecerdasan Buatan MIT Dukung Penelitian Sel Punca dan Pengobatan Regeneratif

Potensi utama pendekatan kecerdasan buatan ini berada pada pengembangan rekayasa jaringan. Dalam bidang tersebut, ilmuwan mengembangkan metode diferensiasi sel secara terkendali. Namun demikian, menghasilkan jaringan yang tepat tidak selalu mudah. Dalam setiap fase perkembangan, sel memerlukan petunjuk molekuler sesuai waktunya. Melalui pemetaan yang dilakukan IRIS, peneliti dapat mengidentifikasi kombinasi yang layak diuji. Berkat penggunaan data biologis yang lebih terarah, eksperimen dapat dirancang menggunakan informasi lebih lengkap.

Pengembangan IRIS juga berkaitan dengan pembuatan organoid. Organoid merupakan struktur sel tiga dimensi yang meniru sebagian karakteristik organ. Pada pengujian obat, organoid memberikan sarana mempelajari mekanisme seluler. Tim MIT menggunakan IRIS untuk mengidentifikasi sinyal yang berkaitan dengan pembentukan sel penting bagi paru-paru. Hasil analisis AI diperiksa kembali melalui pengujian biologis pada tikus. Hasil pengujiannya, aktivasi jalur yang diprediksi mendukung perkembangan sel paru. Temuan tersebut memberikan dasar bagi pengembangan organoid paru untuk mengamati mekanisme penyakit pernapasan.

Kesimpulan Model AI MIT dalam Memetakan Komunikasi Antarsel

Penelitian kecerdasan buatan untuk memetakan sinyal sel memberikan kontribusi menarik dalam pengembangan teknologi biomedis. Berkat pembelajaran mesin berbasis data sel, IRIS berhasil mengenali pola aktivasi jalur sinyal pada tipe sel yang berbeda. Hasil analisis tersebut membantu mempercepat kajian komunikasi biologis. Eksperimen lanjutan pada jaringan embrionik menunjukkan kemampuan IRIS memperkirakan aktivasi sinyal. Namun demikian, kemampuan model tidak otomatis menghasilkan jaringan siap transplantasi. Sebagai arah penelitian masa depan, analisis respons genetik mungkin mempercepat kajian terapi regeneratif. Menurut pandangan Anda, apakah model AI seperti IRIS mampu memberikan kemajuan pada pengembangan organoid? Bagikan pemikiran Anda mengenai masa depan pengobatan regeneratif berbasis sel.