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

Kemajuan teknologi kecerdasan buatan terus membuka kemampuan tambahan bagi pengembangan ilmu biomedis. Dalam penelitian perkembangan embrio, ilmuwan menghadapi tantangan besar ketika memahami interaksi antara sel yang berkembang. Masing-masing sel tubuh tidak bekerja secara terpisah. Berkat komunikasi molekuler, sel menerima informasi mengenai lingkungan. Informasi tersebut membantu mengarahkan spesialisasi sel. Dalam upaya mengurai mekanisme tersebut, peneliti MIT memperkenalkan model AI IRIS yang dirancang mengenali jejak aktivitas sinyal.

Pengembangan model IRIS berada di bawah kepemimpinan Pulin Li, peneliti bidang biologi di MIT yang juga tergabung dalam Whitehead Institute for Biomedical Research. Peneliti muda Nicholas Hutchins turut berperan penting dalam pengembangan pendekatan tersebut. Model IRIS dibangun dengan pendekatan neural network untuk mempelajari pola ekspresi gen. Sebagai alternatif terhadap pendekatan pengujian satu per satu, IRIS memungkinkan analisis lintas jenis sel. Dengan demikian, proses pemetaan sinyal berpotensi lebih efisien.

Mekanisme Pemetaan Komunikasi Antarsel melalui Signaling Pathways

Untuk memahami kemampuan IRIS, penting mengetahui bagaimana sel berkomunikasi. Jaringan sel biologis menggunakan molekul kimia yang dapat diterima oleh sel lain. Saat reseptor mengenali rangsangan, jalur komunikasi internal dapat diaktifkan. Mekanisme penyampaian informasi tersebut merupakan bagian dari sistem transduksi sinyal. Respons terhadap rangsangan biologis mengatur gen yang aktif maupun tidak aktif. Melalui perubahan tersebut, sel berpeluang berkembang menjadi jenis khusus sesuai rangkaian sinyal yang diterima.

Peneliti MIT menemukan bahwa jalur sinyal tertentu menghasilkan karakteristik ekspresi gen tersendiri. Jejak molekuler tersebut menjadi penanda khas dari komunikasi sel. Hal penting dari temuan tersebut, pola penanda dapat ditemukan lintas tipe sel. Berkat kesamaan tersebut, IRIS dilatih untuk memperkirakan jalur sinyal yang pernah aktif. Meski mampu menghasilkan prediksi, IRIS tidak mengamati setiap pesan kimia secara real-time. Karena itu, hasil harus ditafsirkan berdasarkan eksperimen.

Cara Model AI MIT Mempelajari Pola Biologis Lintas Tipe Sel

Fitur yang membuat pendekatan tersebut menarik adalah penerapan teknik transfer pengetahuan. 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 mencakup ribuan sel yang menerima berbagai kombinasi rangsangan. Dengan demikian, IRIS mampu menerapkan pengetahuan pada lingkungan biologis lain.

Pada tahap pengembangan dataset, tim mengukur respons terhadap kombinasi enam jalur sinyal pada beberapa fase diferensiasi sel. Respons yang muncul membentuk kumpulan pola sinyal yang dapat dipelajari. Ketika proses pembelajaran selesai, peneliti mengevaluasi kemampuan model pada perkembangan embrio hewan. Berdasarkan pengujian tersebut, IRIS dapat mengenali pola komunikasi pada konteks perkembangan baru. Kemampuan lintas tipe sel tersebut 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

Salah satu penerapan penting dilakukan menggunakan dataset perkembangan embrio hewan. Tim ilmuwan melakukan analisis pada fase gastrulasi, yaitu fase penting ketika jaringan embrionik mengalami spesialisasi. Selama proses gastrulasi, sel berkembang mengikuti kombinasi instruksi biologis yang mengatur pembentukan jaringan tertentu. Melalui penggunaan IRIS, peneliti menelusuri pola pensinyalan sepanjang perkembangan. Pendekatan analisis tersebut membantu memahami penyusunan struktur tubuh.

Sistem AI hasil penelitian MIT dapat memprediksi aktivitas pensinyalan pada calon sel pembentuk jantung, calon jaringan pencernaan, sel pembentuk otot, dan jaringan spinal cord. Hasil tersebut menunjukkan hubungan aktivasi jalur dengan posisi sel. Dalam konteks perkembangan organ, sel yang berasal dari embrio sama berpeluang memperoleh fungsi tidak sama karena berada pada lingkungan molekuler berlainan. Berdasarkan temuan tersebut, IRIS memberikan alat untuk mempelajari pembentukan jaringan, tetapi belum menggantikan pengamatan eksperimen langsung.

Kecerdasan Buatan MIT Dukung Penelitian Sel Punca dan Pengobatan Regeneratif

Salah satu manfaat jangka panjang berada pada pengembangan rekayasa jaringan. Pada penelitian biomedis modern, ilmuwan mengembangkan metode diferensiasi sel secara terkendali. Meski sel punca dapat membentuk berbagai jenis sel, menghasilkan jaringan yang tepat tidak selalu mudah. Setiap tahap, sel dapat merespons rangsangan biologis tertentu. Dengan informasi riwayat sinyal dari model, peneliti berpeluang menemukan petunjuk diferensiasi. Melalui pendekatan tersebut, proses pencarian kondisi diferensiasi mungkin menjadi lebih cepat.

Penelitian tersebut juga berkaitan dengan pembuatan organoid. Organoid merupakan kumpulan sel laboratorium yang menyerupai aspek organ asli. Untuk studi perkembangan jaringan, organoid dapat digunakan sebagai model eksperimen. Tim MIT menggunakan IRIS untuk mengidentifikasi sinyal yang berkaitan dengan pembentukan sel penting bagi paru-paru. Prediksi model diperiksa kembali melalui pengujian biologis pada tikus. Berdasarkan eksperimen lanjutan, hasil percobaan sesuai dengan arah perkembangan yang diperkirakan. Temuan tersebut memberikan dasar bagi pengembangan organoid paru untuk mempelajari asma dan fibrosis paru.

Prospek Kecerdasan Buatan bagi Rekayasa Sel dan Pengobatan Regeneratif

Pengembangan model IRIS oleh MIT memberikan kontribusi menarik dalam penelitian rekayasa jaringan. Melalui analisis ekspresi gen, IRIS mampu memperkirakan riwayat pensinyalan pada tipe sel yang berbeda. Kemampuan tersebut mendukung penggunaan pengetahuan lintas tipe sel. Eksperimen lanjutan pada jaringan embrionik memberikan dasar bagi pengembangan pendekatan rekayasa jaringan. Namun demikian, kemampuan model tidak otomatis menghasilkan jaringan siap transplantasi. Untuk pengembangan selanjutnya, pemetaan riwayat pensinyalan dapat membantu penelitian obat dan penyakit. Apa pendapat Anda, apakah kecerdasan buatan untuk rekayasa jaringan akan membantu mempercepat penelitian medis? Sampaikan pandangan Anda mengenai perkembangan teknologi rekayasa jaringan.