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

Penerapan teknologi kecerdasan buatan menghadirkan pendekatan inovatif bagi kajian pembentukan jaringan tubuh. Dalam penelitian perkembangan embrio, ilmuwan menghadapi tantangan besar ketika mempelajari komunikasi antarsel. Setiap sel selalu berinteraksi dengan lingkungannya. Melalui berbagai molekul sinyal, sel mengetahui perubahan kondisi sekitarnya. Pesan biologis ini memengaruhi pembentukan berbagai jenis jaringan. Untuk memahami proses itu, peneliti MIT menciptakan model AI IRIS yang dirancang mengenali jejak aktivitas sinyal.

Pengembangan model IRIS dipimpin oleh Pulin Li, asisten profesor biologi MIT yang juga menjadi anggota Whitehead Institute. Nicholas Hutchins menjadi bagian utama tim penelitian pendekatan tersebut. Model IRIS memanfaatkan arsitektur pembelajaran mesin untuk menganalisis perubahan aktivitas genetik. Berbeda dari metode yang meneliti setiap kombinasi sel secara terpisah, IRIS memungkinkan analisis lintas jenis sel. Melalui kemampuan tersebut, proses pemetaan sinyal berpotensi lebih efisien.

Mekanisme Pemetaan Komunikasi Antarsel melalui Signaling Pathways

Sebagai dasar memahami penelitian ini, perlu memahami prinsip pertukaran sinyal biologis. Sel tubuh menggunakan molekul kimia yang berinteraksi dengan reseptor pada sel sasaran. Ketika sinyal diterima, jalur komunikasi internal dapat diaktifkan. Proses tersebut merupakan bagian dari sistem transduksi sinyal. Perubahan pada proses pensinyalan mengatur gen yang aktif maupun tidak aktif. Melalui perubahan tersebut, sel dapat mengalami diferensiasi sesuai konteks perkembangan tubuh.

Peneliti MIT menemukan bahwa respons terhadap suatu signaling pathway dapat dikenali melalui jejak genetik. Karakteristik aktivitas gen ini dapat dipahami sebagai sidik jari biologis. Keunggulan pendekatan ini, karakteristik jalur sinyal memiliki kesamaan pada sel yang berbeda. Melalui karakteristik yang dapat dikenali, IRIS dilatih untuk memperkirakan jalur sinyal yang pernah aktif. Meski mampu menghasilkan prediksi, hasil analisis merupakan inferensi berdasarkan pola genetik. Oleh sebab itu, prediksi model tetap memerlukan validasi biologis.

Keunggulan Pembelajaran Transfer dalam Analisis Komunikasi Sel

Fitur yang membuat pendekatan tersebut menarik adalah pemanfaatan transfer learning. Dalam sistem pembelajaran mesin modern, transfer learning membantu model menerapkan pola yang dipelajari pada data baru. Dalam eksperimen para ilmuwan MIT, data pelatihan berasal dari eksperimen terhadap sel punca embrionik manusia. Kumpulan data penelitian ini mencakup ribuan sel yang menerima berbagai kombinasi rangsangan. Berkat proses pembelajaran itu, IRIS dapat mengenali pola yang relevan pada tipe sel berbeda.

Dalam proses pelatihan, tim menguji kombinasi enam jalur pensinyalan utama pada beberapa fase diferensiasi sel. Respons yang muncul membentuk kumpulan pola sinyal yang dapat dipelajari. Ketika proses pembelajaran selesai, peneliti menerapkan IRIS pada data embrio tikus. Hasilnya, IRIS menunjukkan kemampuan generalisasi ke jenis sel berbeda. Kemampuan lintas tipe sel tersebut memberikan manfaat dalam analisis perkembangan tubuh, karena pendekatan yang sama berpotensi digunakan pada banyak tipe jaringan.

Model AI MIT Identifikasi Sinyal Pembentuk Jantung dan Jaringan Tubuh

Salah satu penerapan penting dilakukan menggunakan pengamatan individual pada sel embrio tikus. Peneliti memusatkan perhatian pada fase gastrulasi, yaitu periode awal pembentukan jenis sel yang berbeda. Dalam periode perkembangan ini, sel berkembang mengikuti kombinasi instruksi biologis yang mengatur pembentukan jaringan tertentu. Berkat pemetaan pola ekspresi gen, peneliti mengidentifikasi kemungkinan jalur komunikasi pada bagian embrio tertentu. Kemampuan tersebut mendukung penelitian hubungan sinyal dengan pembentukan organ.

Pendekatan analisis baru tersebut berhasil memperkirakan pola sinyal pada garis keturunan sel jantung, jaringan usus, sel pembentuk otot, dan jaringan spinal cord. Keberhasilan prediksi tersebut membantu menjelaskan variasi perkembangan sel. Untuk memahami penerapannya, sel yang berasal dari embrio sama dapat berkembang menjadi jaringan berbeda karena menerima kombinasi sinyal berbeda. Dengan demikian, IRIS membantu menjelaskan proses spesialisasi sel, tetapi tetap membutuhkan pembuktian pada sistem biologis.

Potensi IRIS untuk Rekayasa Jaringan dan Pengembangan Organoid

Salah satu manfaat jangka panjang berada pada pembuatan jaringan biologis di laboratorium. Untuk kebutuhan rekayasa jaringan, ilmuwan mengembangkan metode diferensiasi sel secara terkendali. Meski sel punca dapat membentuk berbagai jenis sel, pengendalian diferensiasi membutuhkan banyak faktor. Dalam setiap fase perkembangan, sel memerlukan petunjuk molekuler sesuai waktunya. Dengan informasi riwayat sinyal dari model, peneliti berpeluang menemukan petunjuk diferensiasi. Melalui pendekatan tersebut, pengembangan jaringan laboratorium berpotensi lebih efisien.

Pengembangan IRIS berpeluang mendukung penelitian model organ tiga dimensi. Organoid merupakan kumpulan sel laboratorium yang menyerupai aspek organ asli. Dalam penelitian penyakit, 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. Perkiraan jalur pensinyalan tersebut kemudian diuji melalui eksperimen pada embrio tikus. Dalam validasi tersebut, hasil percobaan sesuai dengan arah perkembangan yang diperkirakan. Pencapaian ini mendukung penelitian jaringan pernapasan untuk mempelajari asma dan fibrosis paru.

Prospek Kecerdasan Buatan bagi Rekayasa Sel dan Pengobatan Regeneratif

Pengembangan model IRIS oleh MIT memberikan kontribusi menarik dalam ilmu biologi perkembangan. Berkat pembelajaran mesin berbasis data sel, IRIS mampu memperkirakan riwayat pensinyalan pada berbagai jenis sel. Hasil analisis tersebut mendukung penggunaan pengetahuan lintas tipe sel. Validasi menggunakan data perkembangan embrio menunjukkan kemampuan IRIS memperkirakan aktivasi sinyal. Namun demikian, penerapan klinis masih membutuhkan penelitian lanjutan. Sebagai arah penelitian masa depan, analisis respons genetik dapat membantu penelitian obat dan penyakit. Apa pendapat Anda, apakah kecerdasan buatan untuk rekayasa jaringan akan membantu mempercepat penelitian medis? Silakan bagikan pendapat Anda mengenai perkembangan teknologi rekayasa jaringan.