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

Kemajuan teknologi kecerdasan buatan terus membuka pendekatan inovatif bagi kajian pembentukan jaringan tubuh. Selama ini, ilmuwan menghadapi tantangan besar ketika menelusuri pertukaran sinyal biologis. Setiap sel tidak bekerja secara terpisah. Melalui berbagai molekul sinyal, sel mengetahui perubahan kondisi sekitarnya. Rangkaian sinyal tersebut membantu mengarahkan spesialisasi sel. Untuk memahami proses itu, peneliti MIT memperkenalkan model AI IRIS yang mampu memperkirakan riwayat komunikasi sel.

Penelitian tersebut berada di bawah kepemimpinan Pulin Li, anggota fakultas biologi Massachusetts Institute of Technology yang juga menjadi anggota Whitehead Institute. Nicholas Hutchins berkontribusi terhadap perancangan pendekatan tersebut. Sistem kecerdasan buatan ini dibangun dengan pendekatan neural network untuk mempelajari pola ekspresi gen. Sebagai alternatif terhadap pendekatan pengujian satu per satu, IRIS membantu memperkirakan jalur komunikasi pada berbagai tipe sel. Dengan demikian, peneliti dapat mengurangi kebutuhan pengujian berulang.

Mekanisme Pemetaan Komunikasi Antarsel melalui Signaling Pathways

Untuk memahami kemampuan IRIS, penting mengetahui bagaimana sel berkomunikasi. Sel tubuh menggunakan molekul kimia yang berinteraksi dengan reseptor pada sel sasaran. Saat reseptor mengenali rangsangan, jalur komunikasi internal dapat diaktifkan. Rangkaian reaksi ini merupakan bagian dari sistem transduksi sinyal. Aktivasi jalur tertentu mengatur gen yang aktif maupun tidak aktif. Melalui perubahan tersebut, sel dapat mengalami diferensiasi sesuai konteks perkembangan tubuh.

Tim pengembang IRIS mengidentifikasi bahwa respons terhadap suatu signaling pathway dapat dikenali melalui jejak genetik. Karakteristik aktivitas gen ini dapat dipahami sebagai sidik jari biologis. Yang menarik, fingerprint suatu jalur relatif konsisten pada berbagai jenis sel. Melalui karakteristik yang dapat dikenali, IRIS dapat menghubungkan ekspresi gen dengan sinyal terdahulu. Walaupun pendekatan tersebut menjanjikan, IRIS tidak mengamati setiap pesan kimia secara real-time. Dengan mempertimbangkan mekanismenya, kesimpulan perlu didukung pengujian laboratorium.

Transfer Learning Memungkinkan IRIS Mengenali Sinyal pada Jenis Sel Baru

Keunggulan penting dari model AI MIT adalah penerapan teknik transfer pengetahuan. Dalam sistem pembelajaran mesin modern, transfer learning membantu model menerapkan pola yang dipelajari pada data baru. Pada penelitian IRIS, peneliti memanfaatkan pengukuran pada human embryonic stem cells. Informasi biologis yang digunakan berisi pengukuran dari ribuan sel yang diuji dengan kombinasi aktivasi jalur tertentu. Melalui rancangan tersebut, IRIS berpotensi memperkirakan sinyal di luar jenis sel pelatihan.

Dalam proses pelatihan, tim menguji kombinasi enam jalur pensinyalan utama pada berbagai tahap perkembangan. Perubahan aktivitas gen menjadi dasar pemetaan respons sel. Sesudah pola dikenali, peneliti mengevaluasi kemampuan model pada perkembangan embrio hewan. Hasilnya, IRIS dapat mengenali pola komunikasi pada konteks perkembangan baru. Pencapaian tersebut memberikan manfaat dalam analisis perkembangan tubuh, karena pengujian setiap kombinasi sel dapat dikurangi.

IRIS Membantu Memetakan Pembentukan Organ selama Perkembangan Embrio

Tahap validasi yang menarik dilakukan menggunakan pengamatan individual pada sel embrio tikus. Pengujian diarahkan pada fase gastrulasi, yaitu tahap perkembangan embrio ketika sel mulai membentuk berbagai garis keturunan. Pada tahap tersebut, berbagai sel menerima petunjuk molekuler yang membantu menentukan identitas akhirnya. Berkat pemetaan pola ekspresi gen, peneliti dapat memperkirakan waktu dan lokasi aktivasi sinyal. Kemampuan tersebut membantu memahami penyusunan struktur tubuh.

Sistem AI hasil penelitian MIT dapat memprediksi aktivitas pensinyalan pada calon sel pembentuk jantung, jaringan usus, sel pembentuk otot, dan sumsum tulang belakang. Temuan pengujian ini menunjukkan hubungan aktivasi jalur dengan posisi sel. Sebagai contoh, sel yang berasal dari embrio sama berpeluang memperoleh fungsi tidak sama karena berada pada lingkungan molekuler berlainan. Berdasarkan temuan tersebut, IRIS membantu menjelaskan proses spesialisasi sel, tetapi tetap membutuhkan pembuktian pada sistem biologis.

Kecerdasan Buatan MIT Dukung Penelitian Sel Punca dan Pengobatan Regeneratif

Salah satu manfaat jangka panjang berada pada pembuatan jaringan biologis di laboratorium. Untuk kebutuhan rekayasa jaringan, ilmuwan berusaha mengarahkan sel punca menjadi tipe sel tertentu. Walaupun sel punca memiliki kemampuan berkembang, menghasilkan jaringan yang tepat tidak selalu mudah. Selama proses pematangan, sel memerlukan petunjuk molekuler sesuai waktunya. Dengan informasi riwayat sinyal dari model, peneliti memiliki dasar untuk merancang eksperimen baru. Dengan demikian, eksperimen dapat dirancang menggunakan informasi lebih lengkap.

Penelitian tersebut berpeluang mendukung penelitian model organ tiga dimensi. Organoid merupakan kumpulan sel laboratorium yang menyerupai aspek organ asli. Pada pengujian obat, organoid dapat digunakan sebagai model eksperimen. Tim MIT menggunakan IRIS untuk memperkirakan jalur yang mendukung perkembangan jenis sel paru tertentu. Prediksi model kemudian diuji melalui eksperimen pada embrio tikus. Dalam validasi tersebut, hasil percobaan sesuai dengan arah perkembangan yang diperkirakan. Temuan tersebut mendukung penelitian jaringan pernapasan untuk mengamati mekanisme penyakit pernapasan.

Kesimpulan Model AI MIT dalam Memetakan Komunikasi Antarsel

Inovasi teknologi analisis komunikasi antarsel menunjukkan kemajuan penting dalam ilmu biologi perkembangan. Dengan memanfaatkan pola aktivitas genetik, IRIS mampu memperkirakan riwayat pensinyalan pada berbagai jenis sel. Keunggulan model ini mengurangi ketergantungan pada pemetaan setiap jenis sel secara terpisah. Eksperimen lanjutan pada jaringan embrionik memperlihatkan potensi model dalam memahami pembentukan organ. Walaupun hasilnya menjanjikan, penerapan klinis masih membutuhkan penelitian lanjutan. Dalam jangka panjang, pemetaan riwayat pensinyalan berpotensi mendukung pengembangan organoid yang lebih akurat. Apa pendapat Anda, apakah teknologi pemetaan komunikasi antarsel berpotensi membuka peluang baru dalam bioteknologi? Sampaikan pandangan Anda mengenai peran AI dalam penelitian biologi.