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 teknologi kecerdasan buatan menghadirkan pendekatan inovatif bagi kajian pembentukan jaringan tubuh. Selama ini, ilmuwan menghadapi tantangan besar ketika menelusuri pertukaran sinyal biologis. Setiap sel selalu berinteraksi dengan lingkungannya. Dengan menggunakan pesan kimia, sel menerima informasi mengenai lingkungan. Informasi tersebut membantu mengarahkan spesialisasi sel. Untuk memahami proses itu, 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 berafiliasi dengan Whitehead Institute for Biomedical Research. Mahasiswa pascasarjana Nicholas Hutchins berkontribusi terhadap perancangan pendekatan tersebut. Perangkat analisis berbasis AI tersebut 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, analisis komunikasi antarsel menjadi lebih terarah.

Teknologi Machine Learning Membaca Jejak Aktivitas Genetik

Sebagai dasar memahami penelitian ini, penting mengetahui bagaimana sel berkomunikasi. Jaringan sel biologis mengirimkan pesan melalui molekul tertentu yang ditangkap melalui sistem penerima biologis. Setelah molekul pemberi pesan berinteraksi, serangkaian reaksi dapat terjadi. Proses tersebut dikenal sebagai signaling pathway. Perubahan pada proses pensinyalan memengaruhi aktivitas gen tertentu. Melalui perubahan tersebut, sel berpeluang berkembang menjadi jenis khusus sesuai rangkaian sinyal yang diterima.

Tim pengembang IRIS mengidentifikasi bahwa setiap jalur pensinyalan meninggalkan pola aktivitas gen yang khas. Pola tersebut disebut sebagai fingerprint jalur sinyal. Yang menarik, karakteristik jalur sinyal memiliki kesamaan pada sel yang berbeda. Dengan memanfaatkan pola yang konsisten, IRIS mampu mengidentifikasi riwayat aktivasi jalur biologis. Namun demikian, IRIS tidak mengamati setiap pesan kimia secara real-time. Karena itu, kesimpulan perlu didukung pengujian laboratorium.

Cara Model AI MIT Mempelajari Pola Biologis Lintas Tipe Sel

Salah satu kemampuan utama IRIS adalah penerapan teknik transfer pengetahuan. Dalam teknologi kecerdasan buatan, transfer learning memungkinkan pengetahuan dari data pelatihan digunakan pada situasi terkait. Melalui sistem analisis yang dikembangkan, peneliti memanfaatkan pengukuran pada human embryonic stem cells. Kumpulan data penelitian ini berisi pengukuran dari ribuan sel yang menerima berbagai kombinasi rangsangan. Berkat proses pembelajaran itu, IRIS berpotensi memperkirakan sinyal di luar jenis sel pelatihan.

Dalam proses pelatihan, tim menguji kombinasi enam jalur pensinyalan utama pada berbagai tahap perkembangan. Hasil ekspresi genetik membentuk kumpulan pola sinyal yang dapat dipelajari. Setelah model dilatih, peneliti menerapkan IRIS pada data embrio tikus. Berdasarkan pengujian tersebut, IRIS menunjukkan kemampuan generalisasi ke jenis sel berbeda. Hasil pengujian ini penting bagi penelitian embrio, karena pengujian setiap kombinasi sel dapat dikurangi.

IRIS Membantu Memetakan Pembentukan Organ selama Perkembangan Embrio

Pengujian utama setelah pelatihan dilakukan menggunakan dataset perkembangan embrio hewan. Peneliti memusatkan perhatian pada fase gastrulasi, yaitu periode awal pembentukan jenis sel yang berbeda. Pada tahap tersebut, berbagai sel menerima petunjuk molekuler yang memengaruhi arah diferensiasi. Berkat pemetaan pola ekspresi gen, peneliti dapat memperkirakan waktu dan lokasi aktivasi sinyal. Pendekatan analisis tersebut memberikan gambaran mengenai organisasi jaringan.

Model IRIS menunjukkan kemampuan mengidentifikasi aktivasi jalur pada sel yang berkembang menjadi jaringan jantung, calon jaringan pencernaan, otot, dan sumsum tulang belakang. Temuan pengujian ini memperlihatkan bagaimana sinyal berbeda mengarahkan pembentukan jaringan. Sebagai contoh, sel yang berasal dari embrio sama berpeluang memperoleh fungsi tidak sama karena menerima kombinasi sinyal berbeda. Berdasarkan temuan tersebut, IRIS memperluas pemahaman tentang diferensiasi, tetapi belum menggantikan pengamatan eksperimen langsung.

Potensi IRIS untuk Rekayasa Jaringan dan Pengembangan Organoid

Salah satu manfaat jangka panjang berada pada pengembangan rekayasa jaringan. Pada penelitian biomedis modern, ilmuwan mengembangkan metode diferensiasi sel secara terkendali. Walaupun sel punca memiliki kemampuan berkembang, 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. Berkat penggunaan data biologis yang lebih terarah, proses pencarian kondisi diferensiasi mungkin menjadi lebih cepat.

Penelitian tersebut berpeluang mendukung penelitian model organ tiga dimensi. Organoid merupakan model biologis mini yang merepresentasikan fungsi tertentu jaringan. Pada pengujian obat, organoid dapat digunakan sebagai model eksperimen. Dalam salah satu eksperimen lanjutan, ilmuwan memanfaatkan 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 mengevaluasi terapi pada model biologis.

Prospek Kecerdasan Buatan bagi Rekayasa Sel dan Pengobatan Regeneratif

Pengembangan model IRIS oleh MIT membuka pendekatan baru dalam ilmu biologi perkembangan. Berkat pembelajaran mesin berbasis data sel, IRIS dapat mengidentifikasi jejak komunikasi biologis pada tipe sel yang berbeda. Kemampuan tersebut mengurangi ketergantungan pada pemetaan setiap jenis sel secara terpisah. Pengujian pada embrio tikus memperlihatkan potensi model dalam memahami pembentukan organ. Meski memiliki potensi besar, penerapan klinis masih membutuhkan penelitian lanjutan. Sebagai arah penelitian masa depan, pemahaman terhadap komunikasi antarsel berpotensi mendukung pengembangan organoid yang lebih akurat. Apa pendapat Anda, apakah model AI seperti IRIS berpotensi membuka peluang baru dalam bioteknologi? Silakan bagikan pendapat Anda mengenai masa depan pengobatan regeneratif berbasis sel.