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.

Teknologi IRIS Membantu Ilmuwan Memahami Pembentukan Jaringan Tubuh

Perkembangan metode komputasi biologis terus membuka pendekatan inovatif bagi penelitian biologi sel. Selama ini, ilmuwan membutuhkan metode yang kompleks ketika memahami interaksi antara sel yang berkembang. Setiap sel memiliki hubungan dengan sel di sekitarnya. Dengan menggunakan pesan kimia, sel memperoleh petunjuk tentang posisi dan fungsi. Pesan biologis ini berperan dalam menentukan perkembangan sel. Dalam upaya mengurai mekanisme tersebut, peneliti MIT mengembangkan model AI IRIS yang mampu memperkirakan riwayat komunikasi sel.

Pengembangan model IRIS dipimpin oleh Pulin Li, asisten profesor biologi MIT yang juga berafiliasi dengan Whitehead Institute for Biomedical Research. Mahasiswa pascasarjana Nicholas Hutchins turut berperan penting dalam pengembangan pendekatan tersebut. Model IRIS dibangun dengan pendekatan neural network untuk mempelajari pola ekspresi gen. Tidak seperti cara konvensional yang membutuhkan banyak eksperimen khusus, IRIS memungkinkan analisis lintas jenis sel. Melalui kemampuan tersebut, peneliti dapat mengurangi kebutuhan pengujian berulang.

Mekanisme Pemetaan Komunikasi Antarsel melalui Signaling Pathways

Dalam menjelaskan mekanisme model tersebut, kita perlu mengenali proses komunikasi antarsel. Jaringan sel biologis memanfaatkan senyawa pemberi sinyal yang ditangkap melalui sistem penerima biologis. Ketika sinyal diterima, serangkaian reaksi dapat terjadi. Rangkaian reaksi ini disebut jalur pensinyalan sel. Perubahan pada proses pensinyalan mengatur gen yang aktif maupun tidak aktif. Melalui perubahan tersebut, 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, karakteristik jalur sinyal memiliki kesamaan pada sel yang berbeda. Dengan memanfaatkan pola yang konsisten, IRIS mampu mengidentifikasi riwayat aktivasi jalur biologis. 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 pemanfaatan transfer learning. Dalam teknologi kecerdasan buatan, transfer learning membantu model menerapkan pola yang dipelajari pada data baru. Melalui sistem analisis yang dikembangkan, model dilatih menggunakan respons sel punca embrionik manusia. Dataset tersebut menggunakan sejumlah besar pengamatan seluler yang menerima berbagai kombinasi rangsangan. Melalui rancangan tersebut, IRIS dapat mengenali pola yang relevan pada tipe sel berbeda.

Ketika menyusun data eksperimen, tim mengukur respons terhadap kombinasi enam jalur sinyal pada berbagai tahap perkembangan. Hasil ekspresi genetik membentuk kumpulan pola sinyal yang dapat dipelajari. Sesudah pola dikenali, peneliti mengevaluasi kemampuan model pada perkembangan embrio hewan. Dalam evaluasi ini, IRIS mampu memperkirakan aktivasi jalur sinyal pada sel yang belum dijumpai selama pelatihan. Pencapaian tersebut penting bagi penelitian embrio, 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 periode awal pembentukan jenis sel yang berbeda. Selama proses gastrulasi, sel berkembang mengikuti kombinasi instruksi biologis yang mengatur pembentukan jaringan tertentu. Dengan analisis berbasis model AI, peneliti mengidentifikasi kemungkinan jalur komunikasi pada bagian embrio tertentu. Pendekatan analisis tersebut memberikan gambaran mengenai organisasi jaringan.

Model IRIS dapat memprediksi aktivitas pensinyalan pada garis keturunan sel jantung, jaringan usus, jaringan muskular, dan struktur saraf pada tulang belakang. Temuan pengujian ini memperlihatkan bagaimana sinyal berbeda mengarahkan pembentukan jaringan. Untuk memahami penerapannya, kelompok sel pada tahap awal mampu mengambil arah diferensiasi berlainan karena menerima kombinasi sinyal berbeda. Berdasarkan temuan tersebut, IRIS memperluas pemahaman tentang diferensiasi, tetapi tidak otomatis menentukan seluruh mekanisme perkembangan.

Potensi IRIS untuk Rekayasa Jaringan dan Pengembangan Organoid

Salah satu manfaat jangka panjang berada pada pengembangan rekayasa jaringan. Dalam bidang tersebut, ilmuwan mengembangkan metode diferensiasi sel secara terkendali. Namun demikian, menghasilkan jaringan yang tepat tidak selalu mudah. Setiap tahap, sel mungkin membutuhkan kombinasi sinyal berbeda. Dengan informasi riwayat sinyal dari model, peneliti memiliki dasar untuk merancang eksperimen baru. Dengan demikian, proses pencarian kondisi diferensiasi mungkin menjadi lebih cepat.

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. Hasil analisis AI kemudian diuji melalui eksperimen pada embrio tikus. Hasil pengujiannya, hasil percobaan sesuai dengan arah perkembangan yang diperkirakan. Temuan tersebut memberikan dasar bagi pengembangan organoid paru untuk mengamati mekanisme penyakit pernapasan.

Kesimpulan Model AI MIT dalam Memetakan Komunikasi Antarsel

Pengembangan model IRIS oleh MIT membuka pendekatan baru dalam pengembangan teknologi biomedis. Berkat pembelajaran mesin berbasis data sel, IRIS dapat mengidentifikasi jejak komunikasi biologis pada berbagai jenis sel. Keunggulan model ini mendukung penggunaan pengetahuan lintas tipe sel. Validasi menggunakan data perkembangan embrio memberikan dasar bagi pengembangan pendekatan rekayasa jaringan. Meski memiliki potensi besar, kemampuan model tidak otomatis menghasilkan jaringan siap transplantasi. Untuk pengembangan selanjutnya, pemahaman terhadap komunikasi antarsel mungkin mempercepat kajian terapi regeneratif. Bagaimana menurut Anda, apakah kecerdasan buatan untuk rekayasa jaringan akan membantu mempercepat penelitian medis? Sampaikan pandangan Anda mengenai masa depan pengobatan regeneratif berbasis sel.