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 metode komputasi biologis semakin memberikan pendekatan inovatif bagi penelitian biologi sel. Pada kajian biologi modern, ilmuwan membutuhkan metode yang kompleks ketika menelusuri pertukaran sinyal biologis. Masing-masing sel tubuh memiliki hubungan dengan sel di sekitarnya. Dengan menggunakan pesan kimia, sel menerima informasi mengenai lingkungan. Rangkaian sinyal tersebut membantu mengarahkan spesialisasi sel. Untuk memahami proses itu, peneliti MIT mengembangkan model AI IRIS yang dirancang mengenali jejak aktivitas sinyal.
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 menjadi bagian utama tim penelitian pendekatan tersebut. Sistem kecerdasan buatan ini menggunakan jaringan saraf komputasional untuk mengidentifikasi karakteristik respons biologis. Tidak seperti cara konvensional yang membutuhkan banyak eksperimen khusus, IRIS memungkinkan analisis lintas jenis sel. Dengan demikian, peneliti dapat mengurangi kebutuhan pengujian berulang.
Mekanisme Pemetaan Komunikasi Antarsel melalui Signaling Pathways
Untuk memahami kemampuan IRIS, kita perlu mengenali proses komunikasi antarsel. Jaringan sel biologis menggunakan molekul kimia yang berinteraksi dengan reseptor pada sel sasaran. Setelah molekul pemberi pesan berinteraksi, jalur komunikasi internal dapat diaktifkan. Mekanisme penyampaian informasi tersebut merupakan bagian dari sistem transduksi sinyal. Respons terhadap rangsangan biologis dapat mengubah ekspresi gen. Akibatnya, sel dapat mengalami diferensiasi sesuai rangkaian sinyal yang diterima.
Hasil penelitian menunjukkan bahwa setiap jalur pensinyalan meninggalkan pola aktivitas gen yang khas. Pola tersebut menjadi penanda khas dari komunikasi sel. Hal penting dari temuan tersebut, pola penanda dapat ditemukan lintas tipe sel. Melalui karakteristik yang dapat dikenali, IRIS dapat menghubungkan ekspresi gen dengan sinyal terdahulu. Namun demikian, model tidak merekam percakapan sel secara langsung. Oleh sebab itu, prediksi model tetap memerlukan validasi biologis.
Cara Model AI MIT Mempelajari Pola Biologis Lintas Tipe Sel
Salah satu kemampuan utama IRIS adalah penerapan teknik transfer pengetahuan. Dalam teknologi kecerdasan buatan, transfer learning memungkinkan pengetahuan dari data pelatihan digunakan pada situasi terkait. Pada penelitian IRIS, model dilatih menggunakan respons sel punca embrionik manusia. Dataset tersebut berisi pengukuran dari ribuan sel yang menerima berbagai kombinasi rangsangan. Melalui rancangan tersebut, IRIS berpotensi memperkirakan sinyal di luar jenis sel pelatihan.
Dalam proses pelatihan, tim mengukur respons terhadap kombinasi enam jalur sinyal pada beberapa fase diferensiasi sel. Respons yang muncul membentuk kumpulan pola sinyal yang dapat dipelajari. Sesudah pola dikenali, peneliti menerapkan IRIS pada data embrio tikus. Berdasarkan pengujian tersebut, IRIS dapat mengenali pola komunikasi pada konteks perkembangan baru. Kemampuan lintas tipe sel tersebut memberikan manfaat dalam analisis perkembangan tubuh, 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 dataset perkembangan embrio hewan. Tim ilmuwan melakukan analisis pada fase gastrulasi, yaitu fase penting ketika jaringan embrionik mengalami spesialisasi. Pada tahap tersebut, jaringan embrio merespons beragam sinyal yang membantu menentukan identitas akhirnya. Dengan analisis berbasis model AI, peneliti mengidentifikasi kemungkinan jalur komunikasi pada bagian embrio tertentu. Kemampuan tersebut membantu memahami penyusunan struktur tubuh.
Sistem AI hasil penelitian MIT dapat memprediksi aktivitas pensinyalan pada garis keturunan sel jantung, jaringan usus, jaringan muskular, dan jaringan spinal cord. Temuan pengujian ini memperlihatkan bagaimana sinyal berbeda mengarahkan pembentukan jaringan. Sebagai contoh, dua sel dengan informasi genetik serupa mampu mengambil arah diferensiasi berlainan karena berada pada lingkungan molekuler berlainan. Berdasarkan temuan tersebut, IRIS memperluas pemahaman tentang diferensiasi, tetapi belum menggantikan pengamatan eksperimen langsung.
Model Komunikasi Antarsel Membantu Ilmuwan Membuat Jaringan Laboratorium
Peluang penting dari penelitian IRIS berada pada pengembangan rekayasa jaringan. Untuk kebutuhan rekayasa jaringan, ilmuwan mempelajari cara menghasilkan jaringan dengan fungsi khusus. Namun demikian, pengendalian diferensiasi membutuhkan banyak faktor. Dalam setiap fase perkembangan, sel dapat merespons rangsangan biologis tertentu. Berkat kemampuan memperkirakan jalur pensinyalan, peneliti berpeluang menemukan petunjuk diferensiasi. Berkat penggunaan data biologis yang lebih terarah, pengembangan jaringan laboratorium berpotensi lebih efisien.
Penelitian tersebut juga berkaitan dengan pembuatan organoid. Organoid merupakan model biologis mini yang merepresentasikan fungsi tertentu jaringan. Untuk studi perkembangan jaringan, organoid dapat digunakan sebagai model eksperimen. Peneliti menerapkan model tersebut untuk menganalisis kebutuhan pensinyalan pada sel pembentuk jaringan paru. Hasil analisis AI selanjutnya divalidasi menggunakan penelitian embrio tikus. Hasil pengujiannya, aktivasi jalur yang diprediksi mendukung perkembangan sel paru. Temuan tersebut mendukung penelitian jaringan pernapasan untuk mempelajari asma dan fibrosis paru.
Kesimpulan Model AI MIT dalam Memetakan Komunikasi Antarsel
Penelitian kecerdasan buatan untuk memetakan sinyal sel menunjukkan kemajuan penting dalam ilmu biologi perkembangan. Melalui analisis ekspresi gen, IRIS dapat mengidentifikasi jejak komunikasi biologis pada tipe sel yang berbeda. Hasil analisis tersebut mendukung penggunaan pengetahuan lintas tipe sel. Pengujian pada embrio tikus menunjukkan kemampuan IRIS memperkirakan aktivasi sinyal. Walaupun hasilnya menjanjikan, prediksi AI tetap memerlukan pengujian biologis. Sebagai arah penelitian masa depan, analisis respons genetik berpotensi mendukung pengembangan organoid yang lebih akurat. Apa pendapat Anda, apakah model AI seperti IRIS mampu memberikan kemajuan pada pengembangan organoid? Silakan bagikan pendapat Anda mengenai perkembangan teknologi rekayasa jaringan.
