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 kemampuan tambahan bagi kajian pembentukan jaringan tubuh. Pada kajian biologi modern, ilmuwan sering menemukan kesulitan ketika memahami interaksi antara sel yang berkembang. Sel dalam jaringan biologis memiliki hubungan dengan sel di sekitarnya. Melalui berbagai molekul sinyal, sel menerima informasi mengenai lingkungan. Rangkaian sinyal tersebut berperan dalam menentukan perkembangan sel. Dalam upaya mengurai mekanisme tersebut, peneliti MIT menciptakan model AI IRIS yang mampu memperkirakan riwayat komunikasi sel.

Penelitian tersebut dipimpin oleh Pulin Li, anggota fakultas biologi Massachusetts Institute of Technology yang juga menjadi anggota Whitehead Institute. Nicholas Hutchins berkontribusi terhadap perancangan pendekatan tersebut. Sistem kecerdasan buatan ini menggunakan jaringan saraf komputasional untuk mempelajari pola ekspresi gen. Sebagai alternatif terhadap pendekatan pengujian satu per satu, IRIS dapat mengenali karakteristik sinyal pada sel berbeda. Melalui kemampuan tersebut, peneliti dapat mengurangi kebutuhan pengujian berulang.

Teknologi Machine Learning Membaca Jejak Aktivitas Genetik

Untuk memahami kemampuan IRIS, penting mengetahui bagaimana sel berkomunikasi. Sel tubuh mengirimkan pesan melalui molekul tertentu yang berinteraksi dengan reseptor pada sel sasaran. Setelah molekul pemberi pesan berinteraksi, aktivitas molekuler tertentu dapat dimulai. Mekanisme penyampaian informasi tersebut disebut jalur pensinyalan sel. Respons terhadap rangsangan biologis mengatur gen yang aktif maupun tidak aktif. Sebagai hasilnya, sel berpeluang berkembang menjadi jenis khusus sesuai konteks perkembangan tubuh.

Tim pengembang IRIS mengidentifikasi bahwa respons terhadap suatu signaling pathway dapat dikenali melalui jejak genetik. Jejak molekuler tersebut disebut sebagai fingerprint jalur sinyal. Yang menarik, fingerprint suatu jalur relatif konsisten pada berbagai jenis sel. Dengan memanfaatkan pola yang konsisten, IRIS dapat menghubungkan ekspresi gen dengan sinyal terdahulu. Meski mampu menghasilkan prediksi, IRIS tidak mengamati setiap pesan kimia secara real-time. Dengan mempertimbangkan mekanismenya, prediksi model tetap memerlukan validasi biologis.

Cara Model AI MIT Mempelajari Pola Biologis Lintas Tipe Sel

Keunggulan penting dari model AI MIT adalah penerapan teknik transfer pengetahuan. Pada pengembangan model machine learning, transfer learning membantu model menerapkan pola yang dipelajari pada data baru. Melalui sistem analisis yang dikembangkan, model dilatih menggunakan respons sel punca embrionik manusia. Kumpulan data penelitian ini mencakup ribuan sel yang diberikan sejumlah perlakuan sinyal. Melalui rancangan tersebut, IRIS berpotensi memperkirakan sinyal di luar jenis sel pelatihan.

Pada tahap pengembangan dataset, tim menggunakan enam signaling pathways penting pada beberapa fase diferensiasi sel. Perubahan aktivitas gen membentuk kumpulan pola sinyal yang dapat dipelajari. Sesudah pola dikenali, peneliti menerapkan IRIS pada data embrio tikus. Berdasarkan pengujian tersebut, IRIS mampu memperkirakan aktivasi jalur sinyal pada sel yang belum dijumpai selama pelatihan. Pencapaian tersebut membuka peluang pemetaan jaringan biologis lebih luas, karena pengujian setiap kombinasi sel dapat dikurangi.

IRIS Membantu Memetakan Pembentukan Organ selama Perkembangan Embrio

Pengujian utama setelah pelatihan 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, jaringan embrio merespons beragam sinyal yang memengaruhi arah diferensiasi. Berkat pemetaan pola ekspresi gen, peneliti dapat memperkirakan waktu dan lokasi aktivasi sinyal. Pendekatan analisis tersebut mendukung penelitian hubungan sinyal dengan pembentukan organ.

Pendekatan analisis baru tersebut berhasil memperkirakan pola sinyal pada garis keturunan sel jantung, jaringan usus, otot, dan struktur saraf pada tulang belakang. Keberhasilan prediksi tersebut menunjukkan hubungan aktivasi jalur dengan posisi sel. Dalam konteks perkembangan organ, sel yang berasal dari embrio sama dapat berkembang menjadi jaringan berbeda karena menerima kombinasi sinyal berbeda. Berdasarkan temuan tersebut, IRIS membantu menjelaskan proses spesialisasi sel, tetapi tidak otomatis menentukan seluruh mekanisme perkembangan.

Kecerdasan Buatan MIT Dukung Penelitian Sel Punca dan Pengobatan Regeneratif

Salah satu manfaat jangka panjang berada pada pembuatan jaringan biologis di laboratorium. Untuk kebutuhan rekayasa jaringan, ilmuwan mengembangkan metode diferensiasi sel secara terkendali. Namun demikian, pengendalian diferensiasi membutuhkan banyak faktor. Setiap tahap, sel mungkin membutuhkan kombinasi sinyal berbeda. Berkat kemampuan memperkirakan jalur pensinyalan, peneliti memiliki dasar untuk merancang eksperimen baru. Dengan demikian, proses pencarian kondisi diferensiasi mungkin menjadi lebih cepat.

Penelitian tersebut memiliki potensi penting bagi pengembangan miniatur organ. Organoid merupakan model biologis mini yang merepresentasikan fungsi tertentu jaringan. Untuk studi perkembangan jaringan, organoid berfungsi membantu pengamatan respons biologis. 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, temuan laboratorium menguatkan prediksi IRIS. Keberhasilan validasi itu berpotensi membantu pembuatan model penyakit paru untuk mengamati mekanisme penyakit pernapasan.

Kesimpulan Model AI MIT dalam Memetakan Komunikasi Antarsel

Inovasi teknologi analisis komunikasi antarsel memberikan kontribusi menarik dalam ilmu biologi perkembangan. Melalui analisis ekspresi gen, IRIS dapat mengidentifikasi jejak komunikasi biologis pada berbagai jenis sel. Keunggulan model ini membantu mempercepat kajian komunikasi biologis. Validasi menggunakan data perkembangan embrio menunjukkan kemampuan IRIS memperkirakan aktivasi sinyal. Walaupun hasilnya menjanjikan, kemampuan model tidak otomatis menghasilkan jaringan siap transplantasi. Untuk pengembangan selanjutnya, pemetaan riwayat pensinyalan berpotensi mendukung pengembangan organoid yang lebih akurat. Apa pendapat Anda, apakah teknologi pemetaan komunikasi antarsel akan membantu mempercepat penelitian medis? Bagikan pemikiran Anda mengenai perkembangan teknologi rekayasa jaringan.