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

Kemajuan teknologi kecerdasan buatan semakin memberikan peluang baru bagi kajian pembentukan jaringan tubuh. Selama ini, ilmuwan sering menemukan kesulitan ketika memahami interaksi antara sel yang berkembang. Masing-masing sel tubuh selalu berinteraksi dengan lingkungannya. Melalui berbagai molekul sinyal, sel menerima informasi mengenai lingkungan. Pesan biologis ini membantu mengarahkan spesialisasi sel. Sebagai langkah mempelajari komunikasi biologis, peneliti MIT memperkenalkan model AI IRIS yang mampu memperkirakan riwayat komunikasi sel.

Pengembangan model IRIS dipimpin oleh Pulin Li, peneliti bidang biologi di MIT yang juga menjadi anggota Whitehead Institute. Nicholas Hutchins berkontribusi terhadap perancangan pendekatan tersebut. Perangkat analisis berbasis AI tersebut memanfaatkan arsitektur pembelajaran mesin untuk mempelajari pola ekspresi gen. Tidak seperti cara konvensional yang membutuhkan banyak eksperimen khusus, IRIS memungkinkan analisis lintas jenis sel. Dengan demikian, peneliti dapat mengurangi kebutuhan pengujian berulang.

Teknologi Machine Learning Membaca Jejak Aktivitas Genetik

Sebagai dasar memahami penelitian ini, kita perlu mengenali proses komunikasi antarsel. Berbagai jenis sel memanfaatkan senyawa pemberi sinyal yang ditangkap melalui sistem penerima biologis. Ketika sinyal diterima, aktivitas molekuler tertentu dapat dimulai. Proses tersebut dikenal sebagai signaling pathway. Perubahan pada proses pensinyalan mengatur gen yang aktif maupun tidak aktif. Sebagai hasilnya, sel memperoleh karakteristik biologis tertentu sesuai kondisi jaringan.

Hasil penelitian menunjukkan bahwa respons terhadap suatu signaling pathway dapat dikenali melalui jejak genetik. Jejak molekuler tersebut dapat dipahami sebagai sidik jari biologis. Keunggulan pendekatan ini, fingerprint suatu jalur relatif konsisten pada berbagai jenis sel. Melalui karakteristik yang dapat dikenali, IRIS dapat menghubungkan ekspresi gen dengan sinyal terdahulu. Meski mampu menghasilkan prediksi, model tidak merekam percakapan sel secara langsung. Oleh sebab itu, prediksi model tetap memerlukan validasi biologis.

Keunggulan Pembelajaran Transfer dalam Analisis Komunikasi Sel

Keunggulan penting dari model AI MIT adalah penggunaan pembelajaran transfer. Pada pengembangan model machine learning, transfer learning mendukung pemanfaatan hasil pelatihan untuk tugas serupa. Dalam eksperimen para ilmuwan MIT, model dilatih menggunakan respons sel punca embrionik manusia. Kumpulan data penelitian ini menggunakan sejumlah besar pengamatan seluler yang menerima berbagai kombinasi rangsangan. Dengan demikian, IRIS mampu menerapkan pengetahuan pada lingkungan biologis lain.

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. Setelah model dilatih, peneliti menguji sistem menggunakan sel dari embrio tikus. Hasilnya, IRIS dapat mengenali pola komunikasi pada konteks perkembangan baru. Kemampuan lintas tipe sel tersebut membuka peluang pemetaan jaringan biologis lebih luas, karena ilmuwan tidak harus melatih model terpisah untuk setiap jenis sel.

Pemanfaatan Data Sel Tunggal untuk Memahami Diferensiasi Embrionik

Salah satu penerapan penting dilakukan menggunakan data sel tunggal dari embrio tikus. Tim ilmuwan melakukan analisis pada fase gastrulasi, yaitu fase penting ketika jaringan embrionik mengalami spesialisasi. Dalam periode perkembangan ini, jaringan embrio merespons beragam sinyal yang mengatur pembentukan jaringan tertentu. Berkat pemetaan pola ekspresi gen, peneliti mengidentifikasi kemungkinan jalur komunikasi pada bagian embrio tertentu. Kemampuan tersebut mendukung penelitian hubungan sinyal dengan pembentukan organ.

Sistem AI hasil penelitian MIT dapat memprediksi aktivitas pensinyalan pada calon sel pembentuk jantung, struktur saluran pencernaan, otot, dan jaringan spinal cord. Temuan pengujian ini menunjukkan hubungan aktivasi jalur dengan posisi sel. Sebagai contoh, dua sel dengan informasi genetik serupa mampu mengambil arah diferensiasi berlainan karena menerima kombinasi sinyal berbeda. Berdasarkan temuan tersebut, IRIS memperluas pemahaman tentang diferensiasi, tetapi tetap membutuhkan pembuktian pada sistem biologis.

Kecerdasan Buatan MIT Dukung Penelitian Sel Punca dan Pengobatan Regeneratif

Salah satu manfaat jangka panjang berada pada pengembangan rekayasa jaringan. Dalam bidang tersebut, ilmuwan mempelajari cara menghasilkan jaringan dengan fungsi khusus. Meski sel punca dapat membentuk berbagai jenis sel, pengendalian diferensiasi membutuhkan banyak faktor. Setiap tahap, sel mungkin membutuhkan kombinasi sinyal berbeda. Berkat kemampuan memperkirakan jalur pensinyalan, peneliti dapat mengidentifikasi kombinasi yang layak diuji. Berkat penggunaan data biologis yang lebih terarah, proses pencarian kondisi diferensiasi mungkin menjadi lebih cepat.

Penelitian tersebut juga berkaitan dengan pembuatan organoid. Organoid merupakan struktur sel tiga dimensi yang meniru sebagian karakteristik organ. Pada pengujian obat, organoid berfungsi membantu pengamatan respons biologis. Peneliti menerapkan model tersebut untuk memperkirakan jalur yang mendukung perkembangan jenis sel paru tertentu. Hasil analisis AI kemudian diuji melalui eksperimen pada embrio tikus. Dalam validasi tersebut, aktivasi jalur yang diprediksi mendukung perkembangan sel paru. Keberhasilan validasi itu berpotensi membantu pembuatan model penyakit paru untuk mengamati mekanisme penyakit pernapasan.

Masa Depan Teknologi IRIS untuk Penelitian Jaringan Manusia

Inovasi teknologi analisis komunikasi antarsel menunjukkan kemajuan penting 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 menunjukkan kemampuan IRIS memperkirakan aktivasi sinyal. Meski memiliki potensi besar, prediksi AI tetap memerlukan pengujian biologis. Sebagai arah penelitian masa depan, pemetaan riwayat pensinyalan berpotensi mendukung pengembangan organoid yang lebih akurat. Bagaimana menurut Anda, apakah model AI seperti IRIS berpotensi membuka peluang baru dalam bioteknologi? Bagikan pemikiran Anda mengenai perkembangan teknologi rekayasa jaringan.