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 menghadirkan kemampuan tambahan bagi kajian pembentukan jaringan tubuh. Pada kajian biologi modern, ilmuwan sering menemukan kesulitan ketika mempelajari komunikasi antarsel. Sel dalam jaringan biologis tidak bekerja secara terpisah. Dengan menggunakan pesan kimia, sel menerima informasi mengenai lingkungan. Informasi tersebut memengaruhi pembentukan berbagai jenis jaringan. Sebagai langkah mempelajari komunikasi biologis, peneliti MIT memperkenalkan model AI IRIS yang mampu memperkirakan riwayat komunikasi sel.

Penelitian tersebut dikoordinasikan oleh Pulin Li, peneliti bidang biologi di MIT yang juga berafiliasi dengan Whitehead Institute for Biomedical Research. Nicholas Hutchins turut berperan penting dalam pengembangan pendekatan tersebut. Model IRIS menggunakan jaringan saraf komputasional untuk menganalisis perubahan aktivitas genetik. Tidak seperti cara konvensional yang membutuhkan banyak eksperimen khusus, IRIS dapat mengenali karakteristik sinyal pada sel berbeda. Dengan demikian, analisis komunikasi antarsel menjadi lebih terarah.

Teknologi Machine Learning Membaca Jejak Aktivitas Genetik

Untuk memahami kemampuan IRIS, kita perlu mengenali proses komunikasi antarsel. Sel tubuh mengirimkan pesan melalui molekul tertentu yang berinteraksi dengan reseptor pada sel sasaran. Ketika sinyal diterima, aktivitas molekuler tertentu dapat dimulai. Proses tersebut dikenal sebagai signaling pathway. Respons terhadap rangsangan biologis memengaruhi aktivitas gen tertentu. Melalui perubahan tersebut, sel memperoleh karakteristik biologis tertentu 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. Hal penting dari temuan tersebut, pola penanda dapat ditemukan lintas tipe sel. Melalui karakteristik yang dapat dikenali, IRIS dapat menghubungkan ekspresi gen dengan sinyal terdahulu. Walaupun pendekatan tersebut menjanjikan, model tidak merekam percakapan sel secara langsung. Dengan mempertimbangkan mekanismenya, prediksi model tetap memerlukan validasi biologis.

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 memungkinkan pengetahuan dari data pelatihan digunakan pada situasi terkait. Melalui sistem analisis yang dikembangkan, data pelatihan berasal dari eksperimen terhadap sel punca embrionik manusia. Informasi biologis yang digunakan berisi pengukuran dari ribuan sel yang diberikan sejumlah perlakuan sinyal. Berkat proses pembelajaran itu, IRIS dapat mengenali pola yang relevan pada tipe sel berbeda.

Pada tahap pengembangan dataset, tim menggunakan enam signaling pathways penting pada berbagai tahap perkembangan. Perubahan aktivitas gen menjadi dasar pemetaan respons sel. Ketika proses pembelajaran selesai, peneliti menguji sistem menggunakan sel dari embrio tikus. Dalam evaluasi ini, IRIS dapat mengenali pola komunikasi pada konteks perkembangan baru. Hasil pengujian ini membuka peluang pemetaan jaringan biologis lebih luas, karena pendekatan yang sama berpotensi digunakan pada banyak tipe jaringan.

IRIS Membantu Memetakan Pembentukan Organ selama Perkembangan Embrio

Pengujian utama setelah pelatihan dilakukan menggunakan dataset perkembangan embrio hewan. Pengujian diarahkan pada fase gastrulasi, yaitu periode awal pembentukan jenis sel yang berbeda. Dalam periode perkembangan ini, berbagai sel menerima petunjuk molekuler yang mengatur pembentukan jaringan tertentu. Dengan analisis berbasis model AI, peneliti mengidentifikasi kemungkinan jalur komunikasi pada bagian embrio tertentu. Pendekatan analisis tersebut mendukung penelitian hubungan sinyal dengan pembentukan organ.

Pendekatan analisis baru tersebut berhasil memperkirakan pola sinyal pada calon sel pembentuk jantung, struktur saluran pencernaan, jaringan muskular, dan jaringan spinal cord. Hasil tersebut menunjukkan hubungan aktivasi jalur dengan posisi sel. Sebagai contoh, sel yang berasal dari embrio sama dapat berkembang menjadi jaringan berbeda karena mengalami sejarah pensinyalan yang tidak identik. Berdasarkan temuan tersebut, IRIS memberikan alat untuk mempelajari pembentukan jaringan, tetapi tetap membutuhkan pembuktian pada sistem biologis.

Potensi IRIS untuk Rekayasa Jaringan dan Pengembangan Organoid

Peluang penting dari penelitian IRIS berada pada pengembangan rekayasa jaringan. Untuk kebutuhan rekayasa jaringan, ilmuwan mempelajari cara menghasilkan jaringan dengan fungsi khusus. Meski sel punca dapat membentuk berbagai jenis sel, pengendalian diferensiasi membutuhkan banyak faktor. Dalam setiap fase perkembangan, sel dapat merespons rangsangan biologis tertentu. Melalui pemetaan yang dilakukan IRIS, peneliti berpeluang menemukan petunjuk diferensiasi. Dengan demikian, pengembangan jaringan laboratorium berpotensi lebih efisien.

Studi yang dilakukan tim MIT juga berkaitan dengan pembuatan organoid. Organoid merupakan model biologis mini yang merepresentasikan fungsi tertentu jaringan. Dalam penelitian penyakit, organoid berfungsi membantu pengamatan respons biologis. Peneliti menerapkan model tersebut untuk mengidentifikasi sinyal yang berkaitan dengan pembentukan sel penting bagi paru-paru. Perkiraan jalur pensinyalan tersebut kemudian diuji melalui eksperimen pada embrio tikus. Hasil pengujiannya, temuan laboratorium menguatkan prediksi IRIS. Keberhasilan validasi itu mendukung penelitian jaringan pernapasan untuk mempelajari asma dan fibrosis paru.

Prospek Kecerdasan Buatan bagi Rekayasa Sel dan Pengobatan Regeneratif

Penelitian kecerdasan buatan untuk memetakan sinyal sel membuka pendekatan baru dalam pengembangan teknologi biomedis. Melalui analisis ekspresi gen, IRIS dapat mengidentifikasi jejak komunikasi biologis pada tipe sel yang berbeda. Hasil analisis tersebut membantu mempercepat kajian komunikasi biologis. Validasi menggunakan data perkembangan embrio memberikan dasar bagi pengembangan pendekatan rekayasa jaringan. Meski memiliki potensi besar, penerapan klinis masih membutuhkan penelitian lanjutan. Dalam jangka panjang, pemetaan riwayat pensinyalan mungkin mempercepat kajian terapi regeneratif. Apa pendapat Anda, apakah teknologi pemetaan komunikasi antarsel mampu memberikan kemajuan pada pengembangan organoid? Bagikan pemikiran Anda mengenai peran AI dalam penelitian biologi.