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 metode komputasi biologis terus membuka kemampuan tambahan bagi pengembangan ilmu biomedis. Selama ini, ilmuwan sering menemukan kesulitan ketika menelusuri pertukaran sinyal biologis. Sel dalam jaringan biologis tidak bekerja secara terpisah. Melalui berbagai molekul sinyal, sel memperoleh petunjuk tentang posisi dan fungsi. Rangkaian sinyal tersebut membantu mengarahkan spesialisasi sel. Dalam upaya mengurai mekanisme tersebut, peneliti MIT memperkenalkan model AI IRIS yang dirancang mengenali jejak aktivitas sinyal.

Pengembangan model IRIS dipimpin oleh Pulin Li, peneliti bidang biologi di MIT yang juga menjadi anggota Whitehead Institute. Nicholas Hutchins berkontribusi terhadap perancangan pendekatan tersebut. Model IRIS dibangun dengan pendekatan neural network untuk mengidentifikasi karakteristik respons biologis. Berbeda dari metode yang meneliti setiap kombinasi sel secara terpisah, IRIS membantu memperkirakan jalur komunikasi pada berbagai tipe sel. Berkat pendekatan ini, peneliti dapat mengurangi kebutuhan pengujian berulang.

Mekanisme Pemetaan Komunikasi Antarsel melalui Signaling Pathways

Untuk memahami kemampuan IRIS, kita perlu mengenali proses komunikasi antarsel. Berbagai jenis sel memanfaatkan senyawa pemberi sinyal yang berinteraksi dengan reseptor pada sel sasaran. Ketika sinyal diterima, aktivitas molekuler tertentu dapat dimulai. Mekanisme penyampaian informasi tersebut disebut jalur pensinyalan sel. Perubahan pada proses pensinyalan dapat mengubah ekspresi gen. Akibatnya, sel memperoleh karakteristik biologis tertentu sesuai rangkaian sinyal yang diterima.

Tim pengembang IRIS mengidentifikasi bahwa setiap jalur pensinyalan meninggalkan pola aktivitas gen yang khas. Pola tersebut menjadi penanda khas dari komunikasi sel. Keunggulan pendekatan ini, pola penanda dapat ditemukan lintas tipe sel. Dengan memanfaatkan pola yang konsisten, IRIS mampu mengidentifikasi riwayat aktivasi jalur biologis. Namun demikian, hasil analisis merupakan inferensi berdasarkan pola genetik. Karena itu, prediksi model tetap memerlukan validasi biologis.

Transfer Learning Memungkinkan IRIS Mengenali Sinyal pada Jenis Sel Baru

Fitur yang membuat pendekatan tersebut menarik adalah pemanfaatan transfer learning. Dalam teknologi kecerdasan buatan, transfer learning memungkinkan pengetahuan dari data pelatihan digunakan pada situasi terkait. Melalui sistem analisis yang dikembangkan, data pelatihan berasal dari eksperimen terhadap sel punca embrionik manusia. Kumpulan data penelitian ini mencakup ribuan sel yang diuji dengan kombinasi aktivasi jalur tertentu. Melalui rancangan tersebut, IRIS mampu menerapkan pengetahuan pada lingkungan biologis lain.

Dalam proses pelatihan, tim menggunakan enam signaling pathways penting pada sejumlah waktu pengamatan. Respons yang muncul menjadi dasar pemetaan respons sel. Setelah model dilatih, peneliti menerapkan IRIS pada data embrio tikus. Berdasarkan pengujian tersebut, IRIS mampu memperkirakan aktivasi jalur sinyal pada sel yang belum dijumpai selama pelatihan. Hasil pengujian ini membuka peluang pemetaan jaringan biologis lebih luas, karena pengujian setiap kombinasi sel dapat dikurangi.

Model AI MIT Identifikasi Sinyal Pembentuk Jantung dan Jaringan Tubuh

Pengujian utama setelah pelatihan dilakukan menggunakan data sel tunggal dari embrio tikus. Tim ilmuwan melakukan analisis pada fase gastrulasi, yaitu fase penting ketika jaringan embrionik mengalami spesialisasi. Selama proses gastrulasi, berbagai sel menerima petunjuk molekuler yang mengatur pembentukan jaringan tertentu. Dengan analisis berbasis model AI, peneliti dapat memperkirakan waktu dan lokasi aktivasi sinyal. Pendekatan analisis tersebut mendukung penelitian hubungan sinyal dengan pembentukan organ.

Model IRIS menunjukkan kemampuan mengidentifikasi aktivasi jalur pada calon sel pembentuk jantung, jaringan usus, sel pembentuk otot, dan sumsum tulang belakang. Keberhasilan prediksi tersebut membantu menjelaskan variasi perkembangan sel. Sebagai contoh, kelompok sel pada tahap awal berpeluang memperoleh fungsi tidak sama karena mengalami sejarah pensinyalan yang tidak identik. 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

Peluang penting dari penelitian IRIS berada pada pengembangan rekayasa jaringan. Dalam bidang tersebut, ilmuwan berusaha mengarahkan sel punca menjadi tipe sel tertentu. Meski sel punca dapat membentuk berbagai jenis sel, pengendalian diferensiasi membutuhkan banyak faktor. Dalam setiap fase perkembangan, sel dapat merespons rangsangan biologis tertentu. Dengan informasi riwayat sinyal dari model, peneliti memiliki dasar untuk merancang eksperimen baru. Melalui pendekatan tersebut, eksperimen dapat dirancang menggunakan informasi lebih lengkap.

Pengembangan IRIS memiliki potensi penting bagi pengembangan miniatur organ. Organoid merupakan struktur sel tiga dimensi yang meniru sebagian karakteristik organ. Untuk studi perkembangan jaringan, organoid berfungsi membantu pengamatan respons biologis. Peneliti menerapkan model tersebut untuk mengidentifikasi sinyal yang berkaitan dengan pembentukan sel penting bagi paru-paru. Perkiraan jalur pensinyalan tersebut selanjutnya divalidasi menggunakan penelitian embrio tikus. Berdasarkan eksperimen lanjutan, temuan laboratorium menguatkan prediksi IRIS. Temuan tersebut mendukung penelitian jaringan pernapasan untuk mengamati mekanisme penyakit pernapasan.

Masa Depan Teknologi IRIS untuk Penelitian Jaringan Manusia

Inovasi teknologi analisis komunikasi antarsel memberikan kontribusi menarik dalam ilmu biologi perkembangan. Berkat pembelajaran mesin berbasis data sel, IRIS dapat mengidentifikasi jejak komunikasi biologis pada berbagai jenis sel. Keunggulan model ini mengurangi ketergantungan pada pemetaan setiap jenis sel secara terpisah. Validasi menggunakan data perkembangan embrio menunjukkan kemampuan IRIS memperkirakan aktivasi sinyal. Meski memiliki potensi besar, prediksi AI tetap memerlukan pengujian biologis. Untuk pengembangan selanjutnya, pemetaan riwayat pensinyalan berpotensi mendukung pengembangan organoid yang lebih akurat. Menurut pandangan Anda, apakah kecerdasan buatan untuk rekayasa jaringan akan membantu mempercepat penelitian medis? Silakan bagikan pendapat Anda mengenai perkembangan teknologi rekayasa jaringan.