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

Perkembangan metode komputasi biologis menghadirkan peluang baru bagi penelitian biologi sel. Selama ini, ilmuwan sering menemukan kesulitan ketika menelusuri pertukaran sinyal biologis. Masing-masing sel tubuh tidak bekerja secara terpisah. Berkat komunikasi molekuler, sel mengetahui perubahan kondisi sekitarnya. Pesan biologis ini memengaruhi pembentukan berbagai jenis jaringan. Dalam upaya mengurai mekanisme tersebut, peneliti MIT memperkenalkan model AI IRIS yang digunakan untuk menganalisis pola respons genetik.

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 menjadi bagian utama tim penelitian pendekatan tersebut. Perangkat analisis berbasis AI tersebut dibangun dengan pendekatan neural network untuk mengidentifikasi karakteristik respons biologis. Sebagai alternatif terhadap pendekatan pengujian satu per satu, IRIS membantu memperkirakan jalur komunikasi pada berbagai tipe sel. Dengan demikian, peneliti dapat mengurangi kebutuhan pengujian berulang.

Teknologi Machine Learning Membaca Jejak Aktivitas Genetik

Untuk memahami kemampuan IRIS, kita perlu mengenali proses komunikasi antarsel. Jaringan sel biologis memanfaatkan senyawa pemberi sinyal yang berinteraksi dengan reseptor pada sel sasaran. Setelah molekul pemberi pesan berinteraksi, jalur komunikasi internal dapat diaktifkan. Proses tersebut dikenal sebagai signaling pathway. Respons terhadap rangsangan biologis mengatur gen yang aktif maupun tidak aktif. Melalui perubahan tersebut, sel memperoleh karakteristik biologis tertentu sesuai rangkaian sinyal yang diterima.

Hasil penelitian menunjukkan bahwa respons terhadap suatu signaling pathway dapat dikenali melalui jejak genetik. Jejak molekuler tersebut menjadi penanda khas dari komunikasi sel. Yang menarik, fingerprint suatu jalur relatif konsisten pada berbagai jenis sel. Melalui karakteristik yang dapat dikenali, IRIS dilatih untuk memperkirakan jalur sinyal yang pernah aktif. Meski mampu menghasilkan prediksi, model tidak merekam percakapan sel secara langsung. Karena itu, kesimpulan perlu didukung pengujian laboratorium.

Transfer Learning Memungkinkan IRIS Mengenali Sinyal pada Jenis Sel Baru

Fitur yang membuat pendekatan tersebut menarik adalah penerapan teknik transfer pengetahuan. Dalam sistem pembelajaran mesin modern, transfer learning mendukung pemanfaatan hasil pelatihan untuk tugas serupa. Melalui sistem analisis yang dikembangkan, data pelatihan berasal dari eksperimen terhadap sel punca embrionik manusia. Informasi biologis yang digunakan menggunakan sejumlah besar pengamatan seluler yang diberikan sejumlah perlakuan sinyal. Melalui rancangan tersebut, IRIS berpotensi memperkirakan sinyal di luar jenis sel pelatihan.

Dalam proses pelatihan, tim menggunakan enam signaling pathways penting pada sejumlah waktu pengamatan. Hasil ekspresi genetik 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 penting bagi penelitian embrio, karena pengujian setiap kombinasi sel dapat dikurangi.

Pemanfaatan Data Sel Tunggal untuk Memahami Diferensiasi Embrionik

Tahap validasi yang menarik dilakukan menggunakan dataset perkembangan embrio hewan. Pengujian diarahkan pada fase gastrulasi, yaitu fase penting ketika jaringan embrionik mengalami spesialisasi. Pada tahap tersebut, jaringan embrio merespons beragam sinyal yang membantu menentukan identitas akhirnya. Berkat pemetaan pola ekspresi gen, 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 sel yang berkembang menjadi jaringan jantung, calon jaringan pencernaan, otot, dan sumsum tulang belakang. Keberhasilan prediksi tersebut membantu menjelaskan variasi perkembangan sel. Dalam konteks perkembangan organ, dua sel dengan informasi genetik serupa mampu mengambil arah diferensiasi berlainan karena menerima kombinasi sinyal berbeda. Berdasarkan temuan tersebut, IRIS memperluas pemahaman tentang diferensiasi, tetapi tetap membutuhkan pembuktian pada sistem biologis.

Model Komunikasi Antarsel Membantu Ilmuwan Membuat Jaringan Laboratorium

Potensi utama pendekatan kecerdasan buatan ini berada pada pengembangan rekayasa jaringan. Untuk kebutuhan rekayasa jaringan, ilmuwan berusaha mengarahkan sel punca menjadi tipe sel tertentu. Meski sel punca dapat membentuk berbagai jenis sel, pengendalian diferensiasi membutuhkan banyak faktor. Setiap tahap, sel dapat merespons rangsangan biologis tertentu. Berkat kemampuan memperkirakan jalur pensinyalan, peneliti berpeluang menemukan petunjuk diferensiasi. Melalui pendekatan tersebut, eksperimen dapat dirancang menggunakan informasi lebih lengkap.

Studi yang dilakukan tim MIT juga berkaitan dengan pembuatan organoid. Organoid merupakan struktur sel tiga dimensi yang meniru sebagian karakteristik organ. Dalam penelitian penyakit, organoid dapat digunakan sebagai model eksperimen. Tim MIT menggunakan IRIS untuk memperkirakan jalur yang mendukung perkembangan jenis sel paru tertentu. Perkiraan jalur pensinyalan tersebut selanjutnya divalidasi menggunakan penelitian embrio tikus. Dalam validasi tersebut, temuan laboratorium menguatkan prediksi IRIS. Temuan tersebut mendukung penelitian jaringan pernapasan untuk mempelajari asma dan fibrosis paru.

Prospek Kecerdasan Buatan bagi Rekayasa Sel dan Pengobatan Regeneratif

Inovasi teknologi analisis komunikasi antarsel membuka pendekatan baru dalam pengembangan teknologi biomedis. Berkat pembelajaran mesin berbasis data sel, IRIS dapat mengidentifikasi jejak komunikasi biologis pada berbagai jenis sel. Keunggulan model ini mengurangi ketergantungan pada pemetaan setiap jenis sel secara terpisah. Eksperimen lanjutan pada jaringan embrionik memperlihatkan potensi model dalam memahami pembentukan organ. Walaupun hasilnya menjanjikan, penerapan klinis masih membutuhkan penelitian lanjutan. Dalam jangka panjang, pemetaan riwayat pensinyalan mungkin mempercepat kajian terapi regeneratif. Apa pendapat Anda, apakah teknologi pemetaan komunikasi antarsel akan membantu mempercepat penelitian medis? Bagikan pemikiran Anda mengenai peran AI dalam penelitian biologi.