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 sistem pembelajaran mesin terus membuka peluang baru bagi pengembangan ilmu biomedis. Selama ini, ilmuwan membutuhkan metode yang kompleks ketika mempelajari komunikasi antarsel. Sel dalam jaringan biologis memiliki hubungan dengan sel di sekitarnya. Melalui berbagai molekul sinyal, sel mengetahui perubahan kondisi sekitarnya. Pesan biologis ini berperan dalam menentukan perkembangan sel. Dalam upaya mengurai mekanisme tersebut, 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 berafiliasi dengan Whitehead Institute for Biomedical Research. Nicholas Hutchins menjadi bagian utama tim penelitian pendekatan tersebut. Model IRIS dibangun dengan pendekatan neural network untuk menganalisis perubahan aktivitas genetik. Sebagai alternatif terhadap pendekatan pengujian satu per satu, IRIS dapat mengenali karakteristik sinyal pada sel berbeda. Melalui kemampuan tersebut, peneliti dapat mengurangi kebutuhan pengujian berulang.

Cara Kerja Model AI IRIS dalam Mengidentifikasi Jalur Sinyal Sel

Dalam menjelaskan mekanisme model tersebut, kita perlu mengenali proses komunikasi antarsel. Sel tubuh mengirimkan pesan melalui molekul tertentu yang dapat diterima oleh sel lain. Saat reseptor mengenali rangsangan, jalur komunikasi internal dapat diaktifkan. Mekanisme penyampaian informasi tersebut dikenal sebagai signaling pathway. Perubahan pada proses pensinyalan memengaruhi aktivitas gen tertentu. Melalui perubahan tersebut, sel dapat mengalami diferensiasi sesuai rangkaian sinyal yang diterima.

Hasil penelitian menunjukkan bahwa jalur sinyal tertentu menghasilkan karakteristik ekspresi gen tersendiri. Pola tersebut menjadi penanda khas dari komunikasi sel. Keunggulan pendekatan ini, fingerprint suatu jalur relatif konsisten pada berbagai jenis sel. Melalui karakteristik yang dapat dikenali, IRIS mampu mengidentifikasi riwayat aktivasi jalur biologis. Namun demikian, hasil analisis merupakan inferensi berdasarkan pola genetik. Karena itu, prediksi model tetap memerlukan validasi biologis.

Cara Model AI MIT Mempelajari Pola Biologis Lintas Tipe Sel

Fitur yang membuat pendekatan tersebut menarik adalah penggunaan pembelajaran transfer. Pada pengembangan model machine learning, transfer learning mendukung pemanfaatan hasil pelatihan untuk tugas serupa. Dalam eksperimen para ilmuwan MIT, data pelatihan berasal dari eksperimen terhadap sel punca embrionik manusia. Informasi biologis yang digunakan menggunakan sejumlah besar pengamatan seluler yang diberikan sejumlah perlakuan sinyal. Melalui rancangan tersebut, IRIS dapat mengenali pola yang relevan pada tipe sel berbeda.

Ketika menyusun data eksperimen, tim menguji kombinasi enam jalur pensinyalan utama pada berbagai tahap perkembangan. Hasil ekspresi genetik menjadi dasar pemetaan respons sel. Ketika proses pembelajaran selesai, peneliti mengevaluasi kemampuan model pada perkembangan embrio hewan. Berdasarkan pengujian tersebut, IRIS mampu memperkirakan aktivasi jalur sinyal pada sel yang belum dijumpai selama pelatihan. Pencapaian tersebut penting bagi penelitian embrio, karena pengujian setiap kombinasi sel dapat dikurangi.

Pemanfaatan Data Sel Tunggal untuk Memahami Diferensiasi Embrionik

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. Pada tahap tersebut, sel berkembang mengikuti kombinasi instruksi biologis yang membantu menentukan identitas akhirnya. Melalui penggunaan IRIS, peneliti mengidentifikasi kemungkinan jalur komunikasi pada bagian embrio tertentu. Pendekatan analisis tersebut membantu memahami penyusunan struktur tubuh.

Model IRIS menunjukkan kemampuan mengidentifikasi aktivasi jalur pada calon sel pembentuk jantung, jaringan usus, otot, dan struktur saraf pada tulang belakang. Keberhasilan prediksi tersebut memperlihatkan bagaimana sinyal berbeda mengarahkan pembentukan jaringan. Dalam konteks perkembangan organ, sel yang berasal dari embrio sama mampu mengambil arah diferensiasi berlainan karena menerima kombinasi sinyal berbeda. Melalui hasil ini, IRIS memperluas pemahaman tentang diferensiasi, tetapi tidak otomatis menentukan seluruh mekanisme perkembangan.

Kecerdasan Buatan MIT Dukung Penelitian Sel Punca dan Pengobatan Regeneratif

Salah satu manfaat jangka panjang berada pada pengembangan rekayasa jaringan. Untuk kebutuhan rekayasa jaringan, ilmuwan berusaha mengarahkan sel punca menjadi tipe sel tertentu. Namun demikian, pengendalian diferensiasi membutuhkan banyak faktor. Selama proses pematangan, sel memerlukan petunjuk molekuler sesuai waktunya. Berkat kemampuan memperkirakan jalur pensinyalan, peneliti berpeluang menemukan petunjuk diferensiasi. Melalui pendekatan tersebut, pengembangan jaringan laboratorium berpotensi lebih efisien.

Penelitian tersebut memiliki potensi penting bagi pengembangan miniatur organ. Organoid merupakan kumpulan sel laboratorium yang menyerupai aspek organ asli. Dalam penelitian penyakit, organoid dapat digunakan sebagai model eksperimen. Peneliti menerapkan model tersebut untuk memperkirakan jalur yang mendukung perkembangan jenis sel paru tertentu. Prediksi model 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.

Prospek Kecerdasan Buatan bagi Rekayasa Sel dan Pengobatan Regeneratif

Penelitian kecerdasan buatan untuk memetakan sinyal sel menunjukkan kemajuan penting dalam penelitian rekayasa jaringan. Berkat pembelajaran mesin berbasis data sel, IRIS mampu memperkirakan riwayat pensinyalan pada bermacam jaringan dalam perkembangan. Hasil analisis tersebut mendukung penggunaan pengetahuan lintas tipe sel. 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. Bagaimana menurut Anda, apakah kecerdasan buatan untuk rekayasa jaringan akan membantu mempercepat penelitian medis? Sampaikan pandangan Anda mengenai perkembangan teknologi rekayasa jaringan.