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 metode komputasi biologis terus membuka pendekatan inovatif bagi penelitian biologi sel. Selama ini, ilmuwan membutuhkan metode yang kompleks ketika mempelajari komunikasi antarsel. Sel dalam jaringan biologis memiliki hubungan dengan sel di sekitarnya. Berkat komunikasi molekuler, sel memperoleh petunjuk tentang posisi dan fungsi. Pesan biologis ini memengaruhi pembentukan berbagai jenis jaringan. Untuk memahami proses itu, peneliti MIT menciptakan model AI IRIS yang dirancang mengenali jejak aktivitas sinyal.

Studi yang dilakukan ilmuwan MIT dipimpin oleh Pulin Li, peneliti bidang biologi di MIT yang juga tergabung dalam Whitehead Institute for Biomedical Research. Mahasiswa pascasarjana Nicholas Hutchins berkontribusi terhadap perancangan pendekatan tersebut. Model IRIS dibangun dengan pendekatan neural network untuk mempelajari pola ekspresi gen. Berbeda dari metode yang meneliti setiap kombinasi sel secara terpisah, IRIS membantu memperkirakan jalur komunikasi pada berbagai tipe sel. Berkat pendekatan ini, proses pemetaan sinyal berpotensi lebih efisien.

Teknologi Machine Learning Membaca Jejak Aktivitas Genetik

Untuk memahami kemampuan IRIS, kita perlu mengenali proses komunikasi antarsel. Sel tubuh memanfaatkan senyawa pemberi sinyal yang ditangkap melalui sistem penerima biologis. Setelah molekul pemberi pesan berinteraksi, aktivitas molekuler tertentu dapat dimulai. Mekanisme penyampaian informasi tersebut disebut jalur pensinyalan sel. Respons terhadap rangsangan biologis memengaruhi aktivitas gen tertentu. Akibatnya, sel memperoleh karakteristik biologis tertentu sesuai rangkaian sinyal yang diterima.

Peneliti MIT menemukan bahwa respons terhadap suatu signaling pathway dapat dikenali melalui jejak genetik. Pola tersebut menjadi penanda khas dari komunikasi sel. Keunggulan pendekatan ini, pola penanda dapat ditemukan lintas tipe sel. Melalui karakteristik yang dapat dikenali, IRIS dapat menghubungkan ekspresi gen dengan sinyal terdahulu. Meski mampu menghasilkan prediksi, hasil analisis merupakan inferensi berdasarkan pola genetik. Oleh sebab itu, prediksi model tetap memerlukan validasi biologis.

Cara Model AI MIT Mempelajari Pola Biologis Lintas Tipe Sel

Salah satu kemampuan utama IRIS adalah pemanfaatan transfer learning. Pada pengembangan model machine learning, 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. Kumpulan data penelitian ini mencakup ribuan sel yang diuji dengan kombinasi aktivasi jalur tertentu. Berkat proses pembelajaran itu, IRIS berpotensi memperkirakan sinyal di luar jenis sel pelatihan.

Dalam proses pelatihan, tim menguji kombinasi enam jalur pensinyalan utama pada sejumlah waktu pengamatan. Respons yang muncul digunakan untuk membangun atlas komunikasi biologis. Setelah model dilatih, peneliti mengevaluasi kemampuan model pada perkembangan embrio hewan. Dalam evaluasi ini, IRIS dapat mengenali pola komunikasi pada konteks perkembangan baru. Pencapaian tersebut memberikan manfaat dalam analisis perkembangan tubuh, karena pendekatan yang sama berpotensi digunakan pada banyak tipe jaringan.

IRIS Membantu Memetakan Pembentukan Organ selama Perkembangan Embrio

Pengujian utama setelah pelatihan dilakukan menggunakan data sel tunggal dari embrio tikus. Tim ilmuwan melakukan analisis pada fase gastrulasi, yaitu fase penting ketika jaringan embrionik mengalami spesialisasi. Selama proses gastrulasi, jaringan embrio merespons beragam sinyal yang membantu menentukan identitas akhirnya. Berkat pemetaan pola ekspresi gen, peneliti mengidentifikasi kemungkinan jalur komunikasi pada bagian embrio tertentu. Hasil pemetaan ini membantu memahami penyusunan struktur tubuh.

Model IRIS dapat memprediksi aktivitas pensinyalan pada calon sel pembentuk jantung, struktur saluran pencernaan, sel pembentuk otot, dan sumsum tulang belakang. Temuan pengujian ini menunjukkan hubungan aktivasi jalur dengan posisi sel. Sebagai contoh, dua sel dengan informasi genetik serupa dapat berkembang menjadi jaringan berbeda karena menerima kombinasi sinyal berbeda. Berdasarkan temuan tersebut, IRIS memberikan alat untuk mempelajari pembentukan jaringan, tetapi tetap membutuhkan pembuktian pada sistem biologis.

Kecerdasan Buatan MIT Dukung Penelitian Sel Punca dan Pengobatan Regeneratif

Potensi utama pendekatan kecerdasan buatan ini berada pada penelitian tissue engineering. Untuk kebutuhan rekayasa jaringan, ilmuwan berusaha mengarahkan sel punca menjadi tipe sel tertentu. Namun demikian, pengendalian diferensiasi membutuhkan banyak faktor. Dalam setiap fase perkembangan, sel dapat merespons rangsangan biologis tertentu. Dengan informasi riwayat sinyal dari model, peneliti dapat mengidentifikasi kombinasi yang layak diuji. Melalui pendekatan tersebut, eksperimen dapat dirancang menggunakan informasi lebih lengkap.

Penelitian tersebut berpeluang mendukung penelitian model organ tiga dimensi. Organoid merupakan model biologis mini yang merepresentasikan fungsi tertentu jaringan. Pada pengujian obat, organoid memberikan sarana mempelajari mekanisme seluler. Tim MIT menggunakan IRIS untuk mengidentifikasi sinyal yang berkaitan dengan pembentukan sel penting bagi paru-paru. Prediksi model kemudian diuji melalui eksperimen pada embrio tikus. Dalam validasi tersebut, aktivasi jalur yang diprediksi mendukung perkembangan sel paru. Keberhasilan validasi itu mendukung penelitian jaringan pernapasan untuk mengamati mekanisme penyakit pernapasan.

Prospek Kecerdasan Buatan bagi Rekayasa Sel dan Pengobatan Regeneratif

Pengembangan model IRIS oleh MIT membuka pendekatan baru dalam pengembangan teknologi biomedis. Berkat pembelajaran mesin berbasis data sel, IRIS berhasil mengenali pola aktivasi jalur sinyal pada bermacam jaringan dalam perkembangan. Hasil analisis tersebut mendukung penggunaan pengetahuan lintas tipe sel. Eksperimen lanjutan pada jaringan embrionik memperlihatkan potensi model dalam memahami pembentukan organ. Walaupun hasilnya menjanjikan, penerapan klinis masih membutuhkan penelitian lanjutan. Dalam jangka panjang, pemetaan riwayat pensinyalan dapat membantu penelitian obat dan penyakit. Menurut pandangan Anda, apakah model AI seperti IRIS berpotensi membuka peluang baru dalam bioteknologi? Silakan bagikan pendapat Anda mengenai perkembangan teknologi rekayasa jaringan.