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.

Inovasi Kecerdasan Buatan MIT dalam Memetakan Sinyal Biologis

Perkembangan teknologi kecerdasan buatan menghadirkan pendekatan inovatif bagi kajian pembentukan jaringan tubuh. Dalam penelitian perkembangan embrio, ilmuwan menghadapi tantangan besar ketika mempelajari komunikasi antarsel. Setiap sel memiliki hubungan dengan sel di sekitarnya. Berkat komunikasi molekuler, sel menerima informasi mengenai lingkungan. Informasi tersebut membantu mengarahkan spesialisasi sel. Untuk memahami proses itu, peneliti MIT menciptakan model AI IRIS yang digunakan untuk menganalisis pola respons genetik.

Studi yang dilakukan ilmuwan MIT berada di bawah kepemimpinan Pulin Li, asisten profesor biologi MIT yang juga menjadi anggota Whitehead Institute. Nicholas Hutchins menjadi bagian utama tim penelitian pendekatan tersebut. Model IRIS memanfaatkan arsitektur pembelajaran mesin untuk menganalisis perubahan aktivitas genetik. Berbeda dari metode yang meneliti setiap kombinasi sel secara terpisah, IRIS memungkinkan analisis lintas jenis sel. Berkat pendekatan ini, proses pemetaan sinyal berpotensi lebih efisien.

Teknologi Machine Learning Membaca Jejak Aktivitas Genetik

Sebagai dasar memahami penelitian ini, penting mengetahui bagaimana sel berkomunikasi. Berbagai jenis sel menggunakan molekul kimia yang dapat diterima oleh sel lain. Saat reseptor mengenali rangsangan, jalur komunikasi internal dapat diaktifkan. Mekanisme penyampaian informasi tersebut dikenal sebagai signaling pathway. Perubahan pada proses pensinyalan memengaruhi aktivitas gen tertentu. Sebagai hasilnya, sel memperoleh karakteristik biologis tertentu sesuai konteks perkembangan tubuh.

Tim pengembang IRIS mengidentifikasi bahwa respons terhadap suatu signaling pathway dapat dikenali melalui jejak genetik. Karakteristik aktivitas gen ini disebut sebagai fingerprint jalur sinyal. Hal penting dari temuan tersebut, pola penanda dapat ditemukan lintas tipe sel. Dengan memanfaatkan pola yang konsisten, IRIS dilatih untuk memperkirakan jalur sinyal yang pernah aktif. Walaupun pendekatan tersebut menjanjikan, model tidak merekam percakapan sel secara langsung. Dengan mempertimbangkan mekanismenya, hasil harus ditafsirkan berdasarkan eksperimen.

Cara Model AI MIT Mempelajari Pola Biologis Lintas Tipe Sel

Salah satu kemampuan utama IRIS adalah penerapan teknik transfer pengetahuan. Dalam sistem pembelajaran mesin modern, transfer learning membantu model menerapkan pola yang dipelajari pada data baru. Dalam eksperimen para ilmuwan MIT, model dilatih menggunakan respons sel punca embrionik manusia. Dataset tersebut menggunakan sejumlah besar pengamatan seluler yang diberikan sejumlah perlakuan sinyal. Berkat proses pembelajaran itu, IRIS dapat mengenali pola yang relevan pada tipe sel berbeda.

Pada tahap pengembangan dataset, tim mengukur respons terhadap kombinasi enam jalur sinyal pada beberapa fase diferensiasi sel. Perubahan aktivitas gen menjadi dasar pemetaan respons sel. Ketika proses pembelajaran selesai, peneliti menguji sistem menggunakan sel dari embrio tikus. Berdasarkan pengujian tersebut, IRIS dapat mengenali pola komunikasi pada konteks perkembangan baru. Hasil pengujian ini memberikan manfaat dalam analisis perkembangan tubuh, karena pendekatan yang sama berpotensi digunakan pada banyak tipe jaringan.

IRIS Membantu Memetakan Pembentukan Organ selama Perkembangan Embrio

Tahap validasi yang menarik dilakukan menggunakan data sel tunggal dari embrio tikus. Pengujian diarahkan pada fase gastrulasi, yaitu fase penting ketika jaringan embrionik mengalami spesialisasi. Dalam periode perkembangan ini, berbagai sel menerima petunjuk molekuler yang memengaruhi arah diferensiasi. Melalui penggunaan IRIS, peneliti dapat memperkirakan waktu dan lokasi aktivasi sinyal. Pendekatan analisis tersebut mendukung penelitian hubungan sinyal dengan pembentukan organ.

Model IRIS dapat memprediksi aktivitas pensinyalan pada garis keturunan sel jantung, struktur saluran pencernaan, jaringan muskular, dan jaringan spinal cord. Keberhasilan prediksi tersebut menunjukkan hubungan aktivasi jalur dengan posisi sel. Dalam konteks perkembangan organ, kelompok sel pada tahap awal berpeluang memperoleh fungsi tidak sama karena berada pada lingkungan molekuler berlainan. Dengan demikian, IRIS memberikan alat untuk mempelajari pembentukan jaringan, tetapi belum menggantikan pengamatan eksperimen langsung.

Model Komunikasi Antarsel Membantu Ilmuwan Membuat Jaringan Laboratorium

Peluang penting dari penelitian IRIS berada pada pembuatan jaringan biologis di laboratorium. Dalam bidang tersebut, ilmuwan mempelajari cara menghasilkan jaringan dengan fungsi khusus. Walaupun sel punca memiliki kemampuan berkembang, pengendalian diferensiasi membutuhkan banyak faktor. Selama proses pematangan, sel dapat merespons rangsangan biologis tertentu. Dengan informasi riwayat sinyal dari model, peneliti berpeluang menemukan petunjuk diferensiasi. Dengan demikian, eksperimen dapat dirancang menggunakan informasi lebih lengkap.

Penelitian tersebut berpeluang mendukung penelitian model organ tiga dimensi. Organoid merupakan kumpulan sel laboratorium yang menyerupai aspek organ asli. Pada pengujian obat, organoid berfungsi membantu pengamatan respons biologis. Dalam salah satu eksperimen lanjutan, ilmuwan memanfaatkan IRIS untuk memperkirakan jalur yang mendukung perkembangan jenis sel paru tertentu. Perkiraan jalur pensinyalan tersebut diperiksa kembali melalui pengujian biologis pada tikus. Hasil pengujiannya, aktivasi jalur yang diprediksi mendukung perkembangan sel paru. Keberhasilan validasi itu mendukung penelitian jaringan pernapasan untuk mengevaluasi terapi pada model biologis.

Masa Depan Teknologi IRIS untuk Penelitian Jaringan Manusia

Pengembangan model IRIS oleh MIT memberikan kontribusi menarik dalam penelitian rekayasa jaringan. Berkat pembelajaran mesin berbasis data sel, IRIS mampu memperkirakan riwayat pensinyalan pada tipe sel yang berbeda. Keunggulan model ini membantu mempercepat kajian komunikasi biologis. Pengujian pada embrio tikus memberikan dasar bagi pengembangan pendekatan rekayasa jaringan. Namun demikian, kemampuan model tidak otomatis menghasilkan jaringan siap transplantasi. Sebagai arah penelitian masa depan, analisis respons genetik berpotensi mendukung pengembangan organoid yang lebih akurat. Menurut pandangan Anda, apakah model AI seperti IRIS mampu memberikan kemajuan pada pengembangan organoid? Silakan bagikan pendapat Anda mengenai peran AI dalam penelitian biologi.