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 sistem pembelajaran mesin semakin memberikan peluang baru bagi pengembangan ilmu biomedis. Dalam penelitian perkembangan embrio, ilmuwan sering menemukan kesulitan ketika memahami interaksi antara sel yang berkembang. Setiap sel tidak bekerja secara terpisah. Dengan menggunakan pesan kimia, sel memperoleh petunjuk tentang posisi dan fungsi. Informasi tersebut membantu mengarahkan spesialisasi sel. Untuk memahami proses itu, peneliti MIT menciptakan model AI IRIS yang mampu memperkirakan riwayat komunikasi sel.

Studi yang dilakukan ilmuwan MIT dikoordinasikan oleh Pulin Li, asisten profesor biologi MIT yang juga berafiliasi dengan Whitehead Institute for Biomedical Research. Peneliti muda Nicholas Hutchins turut berperan penting dalam pengembangan pendekatan tersebut. Model IRIS memanfaatkan arsitektur pembelajaran mesin untuk mengidentifikasi karakteristik respons biologis. Tidak seperti cara konvensional yang membutuhkan banyak eksperimen khusus, IRIS membantu memperkirakan jalur komunikasi pada berbagai tipe sel. Dengan demikian, peneliti dapat mengurangi kebutuhan pengujian berulang.

Teknologi Machine Learning Membaca Jejak Aktivitas Genetik

Dalam menjelaskan mekanisme model tersebut, kita perlu mengenali proses komunikasi antarsel. Berbagai jenis sel mengirimkan pesan melalui molekul tertentu yang dapat diterima oleh sel lain. Ketika sinyal diterima, aktivitas molekuler tertentu dapat dimulai. Mekanisme penyampaian informasi tersebut merupakan bagian dari sistem transduksi sinyal. Perubahan pada proses pensinyalan dapat mengubah ekspresi gen. Melalui perubahan tersebut, sel memperoleh karakteristik biologis tertentu sesuai konteks perkembangan tubuh.

Tim pengembang IRIS mengidentifikasi bahwa setiap jalur pensinyalan meninggalkan pola aktivitas gen yang khas. Pola tersebut dapat dipahami sebagai sidik jari biologis. Yang menarik, pola penanda dapat ditemukan lintas tipe sel. Dengan memanfaatkan pola yang konsisten, IRIS dilatih untuk memperkirakan jalur sinyal yang pernah aktif. Namun demikian, model tidak merekam percakapan sel secara langsung. Karena itu, hasil harus ditafsirkan berdasarkan eksperimen.

Cara Model AI MIT Mempelajari Pola Biologis Lintas Tipe Sel

Keunggulan penting dari model AI MIT adalah pemanfaatan transfer learning. Dalam sistem pembelajaran mesin modern, transfer learning memungkinkan pengetahuan dari data pelatihan digunakan pada situasi terkait. Melalui sistem analisis yang dikembangkan, peneliti memanfaatkan pengukuran pada human embryonic stem cells. Dataset tersebut berisi pengukuran dari ribuan sel yang menerima berbagai kombinasi rangsangan. Berkat proses pembelajaran itu, IRIS dapat mengenali pola yang relevan pada tipe sel berbeda.

Ketika menyusun data eksperimen, tim menguji kombinasi enam jalur pensinyalan utama pada beberapa fase diferensiasi sel. Perubahan aktivitas gen digunakan untuk membangun atlas komunikasi biologis. Setelah model dilatih, peneliti menerapkan IRIS pada data embrio tikus. Hasilnya, IRIS menunjukkan kemampuan generalisasi ke jenis sel berbeda. Pencapaian tersebut penting bagi penelitian embrio, karena pendekatan yang sama berpotensi digunakan pada banyak tipe jaringan.

Model AI MIT Identifikasi Sinyal Pembentuk Jantung dan Jaringan Tubuh

Salah satu penerapan penting dilakukan menggunakan pengamatan individual pada sel embrio tikus. Tim ilmuwan melakukan analisis pada fase gastrulasi, yaitu fase penting ketika jaringan embrionik mengalami spesialisasi. Dalam periode perkembangan ini, sel berkembang mengikuti kombinasi instruksi biologis yang mengatur pembentukan jaringan tertentu. Berkat pemetaan pola ekspresi gen, peneliti menelusuri pola pensinyalan sepanjang perkembangan. Hasil pemetaan ini membantu memahami penyusunan struktur tubuh.

Model IRIS berhasil memperkirakan pola sinyal pada garis keturunan sel jantung, struktur saluran pencernaan, otot, dan jaringan spinal cord. Temuan pengujian ini memperlihatkan bagaimana sinyal berbeda mengarahkan pembentukan jaringan. Untuk memahami penerapannya, sel yang berasal dari embrio sama mampu mengambil arah diferensiasi berlainan karena menerima kombinasi sinyal berbeda. Dengan demikian, IRIS membantu menjelaskan proses spesialisasi sel, tetapi tidak otomatis menentukan seluruh mekanisme perkembangan.

Model Komunikasi Antarsel Membantu Ilmuwan Membuat Jaringan Laboratorium

Potensi utama pendekatan kecerdasan buatan ini berada pada pengembangan rekayasa jaringan. 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 dapat merespons rangsangan biologis tertentu. Berkat kemampuan memperkirakan jalur pensinyalan, peneliti dapat mengidentifikasi kombinasi yang layak diuji. Melalui pendekatan tersebut, eksperimen dapat dirancang menggunakan informasi lebih lengkap.

Penelitian tersebut memiliki potensi penting bagi pengembangan miniatur organ. Organoid merupakan kumpulan sel laboratorium yang menyerupai aspek organ asli. Untuk studi perkembangan jaringan, organoid memberikan sarana mempelajari mekanisme seluler. Tim MIT menggunakan IRIS untuk menganalisis kebutuhan pensinyalan pada sel pembentuk jaringan paru. Hasil analisis AI selanjutnya divalidasi menggunakan penelitian embrio tikus. Hasil pengujiannya, hasil percobaan sesuai dengan arah perkembangan yang diperkirakan. Temuan tersebut 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 menunjukkan kemajuan penting dalam pengembangan teknologi biomedis. Melalui analisis ekspresi gen, IRIS berhasil mengenali pola aktivasi jalur sinyal pada berbagai jenis sel. Hasil analisis tersebut membantu mempercepat kajian komunikasi biologis. Eksperimen lanjutan pada jaringan embrionik memperlihatkan potensi model dalam memahami pembentukan organ. Walaupun hasilnya menjanjikan, kemampuan model tidak otomatis menghasilkan jaringan siap transplantasi. Sebagai arah penelitian masa depan, pemetaan riwayat pensinyalan mungkin mempercepat kajian terapi regeneratif. Apa pendapat Anda, apakah model AI seperti IRIS berpotensi membuka peluang baru dalam bioteknologi? Silakan bagikan pendapat Anda mengenai peran AI dalam penelitian biologi.