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 menghadirkan pendekatan inovatif bagi kajian pembentukan jaringan tubuh. Dalam penelitian perkembangan embrio, ilmuwan sering menemukan kesulitan ketika mempelajari komunikasi antarsel. Setiap sel selalu berinteraksi dengan lingkungannya. Berkat komunikasi molekuler, sel mengetahui perubahan kondisi sekitarnya. Informasi tersebut berperan dalam menentukan perkembangan sel. Sebagai langkah mempelajari komunikasi biologis, peneliti MIT menciptakan model AI IRIS yang digunakan untuk menganalisis pola respons genetik.

Pengembangan model IRIS dipimpin oleh Pulin Li, anggota fakultas biologi Massachusetts Institute of Technology yang juga tergabung dalam Whitehead Institute for Biomedical Research. Peneliti muda Nicholas Hutchins berkontribusi terhadap perancangan pendekatan tersebut. Perangkat analisis berbasis AI tersebut memanfaatkan arsitektur pembelajaran mesin untuk menganalisis perubahan aktivitas genetik. Berbeda dari metode yang meneliti setiap kombinasi sel secara terpisah, IRIS memungkinkan analisis lintas jenis sel. Berkat pendekatan ini, proses pemetaan sinyal berpotensi lebih efisien.

Teknologi Machine Learning Membaca Jejak Aktivitas Genetik

Sebagai dasar memahami penelitian ini, perlu memahami prinsip pertukaran sinyal biologis. Jaringan sel biologis menggunakan molekul kimia yang dapat diterima oleh sel lain. Setelah molekul pemberi pesan berinteraksi, serangkaian reaksi dapat terjadi. Rangkaian reaksi ini dikenal sebagai signaling pathway. Aktivasi jalur tertentu mengatur gen yang aktif maupun tidak aktif. Sebagai hasilnya, sel berpeluang berkembang menjadi jenis khusus sesuai konteks perkembangan tubuh.

Peneliti MIT menemukan bahwa jalur sinyal tertentu menghasilkan karakteristik ekspresi gen tersendiri. Karakteristik aktivitas gen ini disebut sebagai fingerprint jalur sinyal. Keunggulan pendekatan ini, pola penanda dapat ditemukan lintas tipe sel. Dengan memanfaatkan pola yang konsisten, IRIS dapat menghubungkan ekspresi gen dengan sinyal terdahulu. Meski mampu menghasilkan prediksi, model tidak merekam percakapan sel secara langsung. 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 pemanfaatan transfer learning. Dalam sistem pembelajaran mesin modern, transfer learning membantu model menerapkan pola yang dipelajari pada data baru. Pada penelitian IRIS, model dilatih menggunakan respons sel punca embrionik manusia. Dataset tersebut berisi pengukuran dari ribuan sel yang diberikan sejumlah perlakuan sinyal. Berkat proses pembelajaran itu, IRIS berpotensi memperkirakan sinyal di luar jenis sel pelatihan.

Ketika menyusun data eksperimen, tim menguji kombinasi enam jalur pensinyalan utama pada beberapa fase diferensiasi sel. Respons yang muncul digunakan untuk membangun atlas komunikasi biologis. Sesudah pola dikenali, peneliti mengevaluasi kemampuan model pada perkembangan embrio hewan. Berdasarkan pengujian tersebut, IRIS mampu memperkirakan aktivasi jalur sinyal pada sel yang belum dijumpai selama pelatihan. Hasil pengujian ini 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

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. Selama proses gastrulasi, sel berkembang mengikuti kombinasi instruksi biologis yang memengaruhi arah diferensiasi. Melalui penggunaan IRIS, peneliti mengidentifikasi kemungkinan jalur komunikasi pada bagian embrio tertentu. Kemampuan tersebut memberikan gambaran mengenai organisasi jaringan.

Sistem AI hasil penelitian MIT berhasil memperkirakan pola sinyal pada calon sel pembentuk jantung, struktur saluran pencernaan, jaringan muskular, dan jaringan spinal cord. Keberhasilan prediksi 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. Melalui hasil ini, IRIS memberikan alat untuk mempelajari pembentukan jaringan, tetapi belum menggantikan pengamatan eksperimen langsung.

Model Komunikasi Antarsel Membantu Ilmuwan Membuat Jaringan Laboratorium

Potensi utama pendekatan kecerdasan buatan ini berada pada pembuatan jaringan biologis di laboratorium. Pada penelitian biomedis modern, ilmuwan mengembangkan metode diferensiasi sel secara terkendali. Meski sel punca dapat membentuk berbagai jenis sel, pengendalian diferensiasi membutuhkan banyak faktor. Setiap tahap, sel memerlukan petunjuk molekuler sesuai waktunya. Melalui pemetaan yang dilakukan IRIS, peneliti memiliki dasar untuk merancang eksperimen baru. Melalui pendekatan tersebut, 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. Untuk studi perkembangan jaringan, organoid memberikan sarana mempelajari mekanisme seluler. Peneliti menerapkan model tersebut untuk mengidentifikasi sinyal yang berkaitan dengan pembentukan sel penting bagi paru-paru. Hasil analisis AI diperiksa kembali melalui pengujian biologis pada tikus. Dalam validasi tersebut, hasil percobaan sesuai dengan arah perkembangan yang diperkirakan. Pencapaian ini mendukung penelitian jaringan pernapasan untuk mempelajari asma dan fibrosis paru.

Masa Depan Teknologi IRIS untuk Penelitian Jaringan Manusia

Inovasi teknologi analisis komunikasi antarsel menunjukkan kemajuan penting dalam pengembangan teknologi biomedis. Melalui analisis ekspresi gen, IRIS mampu memperkirakan riwayat pensinyalan pada bermacam jaringan dalam perkembangan. Kemampuan tersebut membantu mempercepat kajian komunikasi biologis. 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. Menurut pandangan Anda, apakah teknologi pemetaan komunikasi antarsel berpotensi membuka peluang baru dalam bioteknologi? Sampaikan pandangan Anda mengenai peran AI dalam penelitian biologi.