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

Penerapan sistem pembelajaran mesin semakin memberikan peluang baru bagi penelitian biologi sel. Dalam penelitian perkembangan embrio, ilmuwan membutuhkan metode yang kompleks ketika menelusuri pertukaran sinyal biologis. Setiap sel selalu berinteraksi dengan lingkungannya. Melalui berbagai molekul sinyal, sel mengetahui perubahan kondisi sekitarnya. Rangkaian sinyal tersebut berperan dalam menentukan perkembangan sel. Sebagai langkah mempelajari komunikasi biologis, peneliti MIT menciptakan model AI IRIS yang dirancang mengenali jejak aktivitas sinyal.

Studi yang dilakukan ilmuwan MIT dipimpin oleh Pulin Li, asisten profesor biologi MIT yang juga tergabung dalam Whitehead Institute for Biomedical Research. Mahasiswa pascasarjana Nicholas Hutchins berkontribusi terhadap perancangan pendekatan tersebut. Model IRIS dibangun dengan pendekatan neural network untuk mengidentifikasi karakteristik respons biologis. Berbeda dari metode yang meneliti setiap kombinasi sel secara terpisah, IRIS membantu memperkirakan jalur komunikasi pada berbagai tipe sel. Berkat pendekatan ini, peneliti dapat mengurangi kebutuhan pengujian berulang.

Cara Kerja Model AI IRIS dalam Mengidentifikasi Jalur Sinyal Sel

Untuk memahami kemampuan IRIS, perlu memahami prinsip pertukaran sinyal biologis. Sel tubuh memanfaatkan senyawa pemberi sinyal yang berinteraksi dengan reseptor pada sel sasaran. Ketika sinyal diterima, jalur komunikasi internal dapat diaktifkan. Rangkaian reaksi ini dikenal sebagai signaling pathway. Perubahan pada proses pensinyalan mengatur gen yang aktif maupun tidak aktif. Melalui perubahan tersebut, sel memperoleh karakteristik biologis tertentu sesuai rangkaian sinyal yang diterima.

Peneliti MIT menemukan bahwa jalur sinyal tertentu menghasilkan karakteristik ekspresi gen tersendiri. Karakteristik aktivitas gen ini menjadi penanda khas dari komunikasi sel. Keunggulan pendekatan ini, karakteristik jalur sinyal memiliki kesamaan pada sel yang berbeda. Melalui karakteristik yang dapat dikenali, IRIS dapat menghubungkan ekspresi gen dengan sinyal terdahulu. Meski mampu menghasilkan prediksi, hasil analisis merupakan inferensi berdasarkan pola genetik. Dengan mempertimbangkan mekanismenya, prediksi model tetap memerlukan validasi biologis.

Keunggulan Pembelajaran Transfer dalam Analisis Komunikasi Sel

Keunggulan penting dari model AI MIT adalah penggunaan pembelajaran transfer. Dalam teknologi kecerdasan buatan, transfer learning mendukung pemanfaatan hasil pelatihan untuk tugas serupa. Dalam eksperimen para ilmuwan MIT, model dilatih menggunakan respons sel punca embrionik manusia. Dataset tersebut menggunakan sejumlah besar pengamatan seluler yang menerima berbagai kombinasi rangsangan. Berkat proses pembelajaran itu, IRIS mampu menerapkan pengetahuan pada lingkungan biologis lain.

Ketika menyusun data eksperimen, tim menggunakan enam signaling pathways penting pada berbagai tahap perkembangan. Hasil ekspresi genetik membentuk kumpulan pola sinyal yang dapat dipelajari. Setelah model dilatih, peneliti menerapkan IRIS pada data embrio tikus. Dalam evaluasi ini, IRIS dapat mengenali pola komunikasi pada konteks perkembangan baru. Kemampuan lintas tipe sel tersebut membuka peluang pemetaan jaringan biologis lebih luas, karena ilmuwan tidak harus melatih model terpisah untuk setiap jenis sel.

IRIS Membantu Memetakan Pembentukan Organ selama Perkembangan Embrio

Tahap validasi yang menarik dilakukan menggunakan pengamatan individual pada sel embrio tikus. Peneliti memusatkan perhatian pada fase gastrulasi, yaitu tahap perkembangan embrio ketika sel mulai membentuk berbagai garis keturunan. Dalam periode perkembangan ini, sel berkembang mengikuti kombinasi instruksi biologis yang membantu menentukan identitas akhirnya. Dengan analisis berbasis model AI, peneliti dapat memperkirakan waktu dan lokasi aktivasi sinyal. Hasil pemetaan ini memberikan gambaran mengenai organisasi jaringan.

Pendekatan analisis baru tersebut dapat memprediksi aktivitas pensinyalan pada calon sel pembentuk jantung, calon jaringan pencernaan, sel pembentuk otot, dan struktur saraf pada tulang belakang. Keberhasilan prediksi tersebut memperlihatkan bagaimana sinyal berbeda mengarahkan pembentukan jaringan. Dalam konteks perkembangan organ, kelompok sel pada tahap awal mampu mengambil arah diferensiasi berlainan karena mengalami sejarah pensinyalan yang tidak identik. Dengan demikian, IRIS membantu menjelaskan proses spesialisasi sel, tetapi tetap membutuhkan pembuktian pada sistem biologis.

Model Komunikasi Antarsel Membantu Ilmuwan Membuat Jaringan Laboratorium

Salah satu manfaat jangka panjang berada pada penelitian tissue engineering. Untuk kebutuhan rekayasa jaringan, ilmuwan berusaha mengarahkan sel punca menjadi tipe sel tertentu. Walaupun sel punca memiliki kemampuan berkembang, pengendalian diferensiasi membutuhkan banyak faktor. Selama proses pematangan, sel dapat merespons rangsangan biologis tertentu. Melalui pemetaan yang dilakukan IRIS, peneliti dapat mengidentifikasi kombinasi yang layak diuji. Berkat penggunaan data biologis yang lebih terarah, pengembangan jaringan laboratorium berpotensi lebih efisien.

Studi yang dilakukan tim MIT memiliki potensi penting bagi pengembangan miniatur organ. Organoid merupakan model biologis mini yang merepresentasikan fungsi tertentu jaringan. Dalam penelitian penyakit, organoid memberikan sarana mempelajari mekanisme seluler. Dalam salah satu eksperimen lanjutan, ilmuwan memanfaatkan IRIS untuk menganalisis kebutuhan pensinyalan pada sel pembentuk jaringan paru. Hasil analisis AI kemudian diuji melalui eksperimen pada embrio tikus. Hasil pengujiannya, aktivasi jalur yang diprediksi mendukung perkembangan sel paru. Keberhasilan validasi itu memberikan dasar bagi pengembangan organoid paru untuk mempelajari asma dan fibrosis paru.

Prospek Kecerdasan Buatan bagi Rekayasa Sel dan Pengobatan Regeneratif

Penelitian kecerdasan buatan untuk memetakan sinyal sel menunjukkan kemajuan penting dalam ilmu biologi perkembangan. Berkat pembelajaran mesin berbasis data sel, IRIS berhasil mengenali pola aktivasi jalur sinyal pada bermacam jaringan dalam perkembangan. Hasil analisis tersebut mengurangi ketergantungan pada pemetaan setiap jenis sel secara terpisah. Validasi menggunakan data perkembangan embrio memperlihatkan potensi model dalam memahami pembentukan organ. Namun demikian, kemampuan model tidak otomatis menghasilkan jaringan siap transplantasi. Dalam jangka panjang, pemetaan riwayat pensinyalan berpotensi mendukung pengembangan organoid yang lebih akurat. Menurut pandangan Anda, apakah model AI seperti IRIS berpotensi membuka peluang baru dalam bioteknologi? Sampaikan pandangan Anda mengenai masa depan pengobatan regeneratif berbasis sel.