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

Penerapan sistem pembelajaran mesin terus membuka peluang baru bagi penelitian biologi sel. Dalam penelitian perkembangan embrio, ilmuwan membutuhkan metode yang kompleks ketika memahami interaksi antara sel yang berkembang. Setiap sel tidak bekerja secara terpisah. Dengan menggunakan pesan kimia, sel memperoleh petunjuk tentang posisi dan fungsi. Pesan biologis ini membantu mengarahkan spesialisasi sel. Dalam upaya mengurai mekanisme tersebut, peneliti MIT menciptakan model AI IRIS yang dirancang mengenali jejak aktivitas sinyal.

Penelitian tersebut dipimpin oleh Pulin Li, asisten profesor biologi MIT yang juga tergabung dalam Whitehead Institute for Biomedical Research. Peneliti muda Nicholas Hutchins turut berperan penting dalam pengembangan pendekatan tersebut. Perangkat analisis berbasis AI tersebut dibangun dengan pendekatan neural network untuk mempelajari pola ekspresi gen. Tidak seperti cara konvensional yang membutuhkan banyak eksperimen khusus, IRIS dapat mengenali karakteristik sinyal pada sel berbeda. Melalui kemampuan tersebut, proses pemetaan sinyal berpotensi lebih efisien.

Teknologi Machine Learning Membaca Jejak Aktivitas Genetik

Untuk memahami kemampuan IRIS, perlu memahami prinsip pertukaran sinyal biologis. Berbagai jenis sel menggunakan molekul kimia yang ditangkap melalui sistem penerima biologis. Saat reseptor mengenali rangsangan, serangkaian reaksi dapat terjadi. Mekanisme penyampaian informasi tersebut disebut jalur pensinyalan sel. Perubahan pada proses pensinyalan mengatur gen yang aktif maupun tidak aktif. Sebagai hasilnya, sel berpeluang berkembang menjadi jenis khusus sesuai rangkaian sinyal yang diterima.

Hasil penelitian menunjukkan bahwa respons terhadap suatu signaling pathway dapat dikenali melalui jejak genetik. Karakteristik aktivitas gen ini disebut sebagai fingerprint jalur sinyal. Keunggulan pendekatan ini, karakteristik jalur sinyal memiliki kesamaan pada sel yang berbeda. Berkat kesamaan tersebut, IRIS mampu mengidentifikasi riwayat aktivasi jalur biologis. Namun demikian, hasil analisis merupakan inferensi berdasarkan pola genetik. Oleh sebab itu, prediksi model tetap memerlukan validasi biologis.

Keunggulan Pembelajaran Transfer dalam Analisis Komunikasi Sel

Fitur yang membuat pendekatan tersebut menarik adalah penggunaan pembelajaran transfer. Dalam teknologi kecerdasan buatan, transfer learning mendukung pemanfaatan hasil pelatihan untuk tugas serupa. Pada penelitian IRIS, data pelatihan berasal dari eksperimen terhadap sel punca embrionik manusia. Kumpulan data penelitian ini menggunakan sejumlah besar pengamatan seluler yang diuji dengan kombinasi aktivasi jalur tertentu. Melalui rancangan tersebut, IRIS mampu menerapkan pengetahuan pada lingkungan biologis lain.

Dalam proses pelatihan, tim mengukur respons terhadap kombinasi enam jalur sinyal pada berbagai tahap perkembangan. Respons yang muncul membentuk kumpulan pola sinyal yang dapat dipelajari. Sesudah pola dikenali, peneliti mengevaluasi kemampuan model pada perkembangan embrio hewan. Berdasarkan pengujian tersebut, IRIS menunjukkan kemampuan generalisasi ke jenis sel berbeda. Kemampuan lintas tipe sel tersebut membuka peluang pemetaan jaringan biologis lebih luas, 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 data sel tunggal dari embrio tikus. Peneliti memusatkan perhatian pada fase gastrulasi, yaitu tahap perkembangan embrio ketika sel mulai membentuk berbagai garis keturunan. Pada tahap tersebut, sel berkembang mengikuti kombinasi instruksi biologis yang membantu menentukan identitas akhirnya. Melalui penggunaan IRIS, peneliti dapat memperkirakan waktu dan lokasi aktivasi sinyal. Kemampuan tersebut memberikan gambaran mengenai organisasi jaringan.

Sistem AI hasil penelitian MIT menunjukkan kemampuan mengidentifikasi aktivasi jalur pada calon sel pembentuk jantung, struktur saluran pencernaan, sel pembentuk otot, dan jaringan spinal cord. Temuan pengujian ini menunjukkan hubungan aktivasi jalur dengan posisi sel. Untuk memahami penerapannya, sel yang berasal dari embrio sama mampu mengambil arah diferensiasi berlainan karena menerima kombinasi sinyal berbeda. Berdasarkan temuan tersebut, IRIS memperluas pemahaman tentang diferensiasi, tetapi belum menggantikan pengamatan eksperimen langsung.

Potensi IRIS untuk Rekayasa Jaringan dan Pengembangan Organoid

Peluang penting dari penelitian IRIS berada pada penelitian tissue engineering. Pada penelitian biomedis modern, ilmuwan berusaha mengarahkan sel punca menjadi tipe sel tertentu. Meski sel punca dapat membentuk berbagai jenis sel, pengendalian diferensiasi membutuhkan banyak faktor. Dalam setiap fase perkembangan, sel memerlukan petunjuk molekuler sesuai waktunya. Berkat kemampuan memperkirakan jalur pensinyalan, peneliti berpeluang menemukan petunjuk diferensiasi. Dengan demikian, pengembangan jaringan laboratorium berpotensi lebih efisien.

Studi yang dilakukan tim MIT memiliki potensi penting bagi pengembangan miniatur organ. Organoid merupakan struktur sel tiga dimensi yang meniru sebagian karakteristik organ. Dalam penelitian penyakit, organoid memberikan sarana mempelajari mekanisme seluler. Dalam salah satu eksperimen lanjutan, ilmuwan memanfaatkan IRIS untuk mengidentifikasi sinyal yang berkaitan dengan pembentukan sel penting bagi paru-paru. Hasil analisis AI kemudian diuji melalui eksperimen pada embrio tikus. Berdasarkan eksperimen lanjutan, hasil percobaan sesuai dengan arah perkembangan yang diperkirakan. Pencapaian ini mendukung penelitian jaringan pernapasan untuk mengamati mekanisme penyakit pernapasan.

Prospek Kecerdasan Buatan bagi Rekayasa Sel dan Pengobatan Regeneratif

Penelitian kecerdasan buatan untuk memetakan sinyal sel memberikan kontribusi menarik dalam ilmu biologi perkembangan. Dengan memanfaatkan pola aktivitas genetik, IRIS mampu memperkirakan riwayat pensinyalan pada berbagai jenis sel. Hasil analisis tersebut membantu mempercepat kajian komunikasi biologis. Eksperimen lanjutan pada jaringan embrionik menunjukkan kemampuan IRIS memperkirakan aktivasi sinyal. Walaupun hasilnya menjanjikan, penerapan klinis masih membutuhkan penelitian lanjutan. Dalam jangka panjang, pemetaan riwayat pensinyalan berpotensi mendukung pengembangan organoid yang lebih akurat. Menurut pandangan Anda, apakah kecerdasan buatan untuk rekayasa jaringan berpotensi membuka peluang baru dalam bioteknologi? Silakan bagikan pendapat Anda mengenai masa depan pengobatan regeneratif berbasis sel.