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.

Inovasi Kecerdasan Buatan MIT dalam Memetakan Sinyal Biologis

Perkembangan metode komputasi biologis terus membuka pendekatan inovatif bagi kajian pembentukan jaringan tubuh. Pada kajian biologi modern, ilmuwan menghadapi tantangan besar ketika menelusuri pertukaran sinyal biologis. Setiap sel selalu berinteraksi dengan lingkungannya. Berkat komunikasi molekuler, sel memperoleh petunjuk tentang posisi dan fungsi. Informasi tersebut membantu mengarahkan spesialisasi sel. Sebagai langkah mempelajari komunikasi biologis, peneliti MIT menciptakan model AI IRIS yang dirancang mengenali jejak aktivitas sinyal.

Studi yang dilakukan ilmuwan MIT berada di bawah kepemimpinan Pulin Li, peneliti bidang biologi di MIT yang juga menjadi anggota Whitehead Institute. Mahasiswa pascasarjana Nicholas Hutchins menjadi bagian utama tim penelitian pendekatan tersebut. Sistem kecerdasan buatan ini menggunakan jaringan saraf komputasional untuk mengidentifikasi karakteristik respons biologis. Sebagai alternatif terhadap pendekatan pengujian satu per satu, 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. Jaringan sel biologis menggunakan molekul kimia yang ditangkap melalui sistem penerima biologis. Setelah molekul pemberi pesan berinteraksi, aktivitas molekuler tertentu dapat dimulai. Rangkaian reaksi ini dikenal sebagai signaling pathway. Aktivasi jalur tertentu memengaruhi aktivitas gen tertentu. Melalui perubahan tersebut, sel berpeluang berkembang menjadi jenis khusus sesuai rangkaian sinyal yang diterima.

Hasil penelitian menunjukkan bahwa jalur sinyal tertentu menghasilkan karakteristik ekspresi gen tersendiri. Karakteristik aktivitas gen ini menjadi penanda khas dari komunikasi sel. Hal penting dari temuan tersebut, fingerprint suatu jalur relatif konsisten pada berbagai jenis sel. Dengan memanfaatkan pola yang konsisten, IRIS dapat menghubungkan ekspresi gen dengan sinyal terdahulu. Namun demikian, IRIS tidak mengamati setiap pesan kimia secara real-time. Dengan mempertimbangkan mekanismenya, hasil harus ditafsirkan berdasarkan eksperimen.

Transfer Learning Memungkinkan IRIS Mengenali Sinyal pada Jenis Sel Baru

Keunggulan penting dari model AI MIT adalah penggunaan pembelajaran transfer. Dalam sistem pembelajaran mesin modern, transfer learning memungkinkan pengetahuan dari data pelatihan digunakan pada situasi terkait. Dalam eksperimen para ilmuwan MIT, data pelatihan berasal dari eksperimen terhadap sel punca embrionik manusia. Dataset tersebut menggunakan sejumlah besar pengamatan seluler yang diuji dengan kombinasi aktivasi jalur tertentu. Melalui rancangan tersebut, IRIS mampu menerapkan pengetahuan pada lingkungan biologis lain.

Dalam proses pelatihan, tim mengukur respons terhadap kombinasi enam jalur sinyal pada sejumlah waktu pengamatan. Hasil ekspresi genetik menjadi dasar pemetaan respons sel. Setelah model dilatih, peneliti mengevaluasi kemampuan model pada perkembangan embrio hewan. Dalam evaluasi ini, IRIS mampu memperkirakan aktivasi jalur sinyal pada sel yang belum dijumpai selama pelatihan. Kemampuan lintas tipe sel tersebut memberikan manfaat dalam analisis perkembangan tubuh, karena pendekatan yang sama berpotensi digunakan pada banyak tipe jaringan.

Pemanfaatan Data Sel Tunggal untuk Memahami Diferensiasi Embrionik

Pengujian utama setelah pelatihan dilakukan menggunakan pengamatan individual pada sel embrio tikus. Pengujian diarahkan pada fase gastrulasi, yaitu tahap perkembangan embrio ketika sel mulai membentuk berbagai garis keturunan. Selama proses gastrulasi, jaringan embrio merespons beragam sinyal yang mengatur pembentukan jaringan tertentu. Melalui penggunaan IRIS, peneliti dapat memperkirakan waktu dan lokasi aktivasi sinyal. Pendekatan analisis tersebut membantu memahami penyusunan struktur tubuh.

Sistem AI hasil penelitian MIT menunjukkan kemampuan mengidentifikasi aktivasi jalur pada sel yang berkembang menjadi jaringan jantung, struktur saluran pencernaan, jaringan muskular, dan struktur saraf pada tulang belakang. Hasil tersebut memperlihatkan bagaimana sinyal berbeda mengarahkan pembentukan jaringan. Untuk memahami penerapannya, kelompok sel pada tahap awal dapat berkembang menjadi jaringan berbeda karena menerima kombinasi sinyal berbeda. Dengan demikian, IRIS memberikan alat untuk mempelajari pembentukan jaringan, tetapi belum menggantikan pengamatan eksperimen langsung.

Model Komunikasi Antarsel Membantu Ilmuwan Membuat Jaringan Laboratorium

Peluang penting dari penelitian IRIS berada pada penelitian tissue engineering. Pada penelitian biomedis modern, ilmuwan mengembangkan metode diferensiasi sel secara terkendali. Walaupun sel punca memiliki kemampuan berkembang, pengendalian diferensiasi membutuhkan banyak faktor. Selama proses pematangan, sel dapat merespons rangsangan biologis tertentu. Melalui pemetaan yang dilakukan IRIS, peneliti dapat mengidentifikasi kombinasi yang layak diuji. Dengan demikian, eksperimen dapat dirancang menggunakan informasi lebih lengkap.

Studi yang dilakukan tim MIT memiliki potensi penting bagi pengembangan miniatur organ. Organoid merupakan kumpulan sel laboratorium yang menyerupai aspek organ asli. Pada pengujian obat, 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 diperiksa kembali melalui pengujian biologis pada tikus. Hasil pengujiannya, aktivasi jalur yang diprediksi mendukung perkembangan sel paru. Temuan tersebut memberikan dasar bagi pengembangan organoid paru untuk mengamati mekanisme penyakit pernapasan.

Prospek Kecerdasan Buatan bagi Rekayasa Sel dan Pengobatan Regeneratif

Inovasi teknologi analisis komunikasi antarsel memberikan kontribusi menarik dalam penelitian rekayasa jaringan. Dengan memanfaatkan pola aktivitas genetik, IRIS mampu memperkirakan riwayat pensinyalan pada tipe sel yang berbeda. Keunggulan model ini mengurangi ketergantungan pada pemetaan setiap jenis sel secara terpisah. Pengujian pada embrio tikus memberikan dasar bagi pengembangan pendekatan rekayasa jaringan. Namun demikian, kemampuan model tidak otomatis menghasilkan jaringan siap transplantasi. Dalam jangka panjang, pemahaman terhadap komunikasi antarsel mungkin mempercepat kajian terapi regeneratif. Apa pendapat Anda, apakah model AI seperti IRIS berpotensi membuka peluang baru dalam bioteknologi? Bagikan pemikiran Anda mengenai masa depan pengobatan regeneratif berbasis sel.