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

Penerapan metode komputasi biologis terus membuka kemampuan tambahan bagi penelitian biologi sel. Selama ini, ilmuwan menghadapi tantangan besar ketika memahami interaksi antara sel yang berkembang. Sel dalam jaringan biologis memiliki hubungan dengan sel di sekitarnya. Melalui berbagai molekul sinyal, sel mengetahui perubahan kondisi sekitarnya. Rangkaian sinyal tersebut membantu mengarahkan spesialisasi sel. Dalam upaya mengurai mekanisme tersebut, peneliti MIT menciptakan model AI IRIS yang mampu memperkirakan riwayat komunikasi sel.

Penelitian tersebut berada di bawah kepemimpinan Pulin Li, asisten profesor biologi MIT yang juga tergabung dalam Whitehead Institute for Biomedical Research. Peneliti muda Nicholas Hutchins menjadi bagian utama tim penelitian pendekatan tersebut. Sistem kecerdasan buatan ini memanfaatkan arsitektur pembelajaran mesin untuk mengidentifikasi karakteristik respons biologis. Sebagai alternatif terhadap pendekatan pengujian satu per satu, IRIS membantu memperkirakan jalur komunikasi pada berbagai tipe sel. Berkat pendekatan ini, proses pemetaan sinyal berpotensi lebih efisien.

Teknologi Machine Learning Membaca Jejak Aktivitas Genetik

Sebagai dasar memahami penelitian ini, perlu memahami prinsip pertukaran sinyal biologis. Sel tubuh memanfaatkan senyawa pemberi sinyal 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 mengatur gen yang aktif maupun tidak aktif. Akibatnya, sel memperoleh karakteristik biologis tertentu sesuai rangkaian sinyal yang diterima.

Hasil penelitian menunjukkan bahwa jalur sinyal tertentu menghasilkan karakteristik ekspresi gen tersendiri. Jejak molekuler tersebut disebut sebagai fingerprint jalur sinyal. Keunggulan pendekatan ini, karakteristik jalur sinyal memiliki kesamaan pada sel yang berbeda. Berkat kesamaan tersebut, IRIS dilatih untuk memperkirakan jalur sinyal yang pernah aktif. Meski mampu menghasilkan prediksi, hasil analisis merupakan inferensi berdasarkan pola genetik. Oleh sebab itu, hasil harus ditafsirkan berdasarkan eksperimen.

Cara Model AI MIT Mempelajari Pola Biologis Lintas Tipe Sel

Fitur yang membuat pendekatan tersebut menarik adalah penggunaan pembelajaran transfer. Dalam teknologi kecerdasan buatan, transfer learning mendukung pemanfaatan hasil pelatihan untuk tugas serupa. Pada penelitian IRIS, data pelatihan berasal dari eksperimen terhadap sel punca embrionik manusia. Dataset tersebut menggunakan sejumlah besar pengamatan seluler yang menerima berbagai kombinasi rangsangan. Berkat proses pembelajaran itu, IRIS dapat mengenali pola yang relevan pada tipe sel berbeda.

Pada tahap pengembangan dataset, tim menguji kombinasi enam jalur pensinyalan utama pada berbagai tahap perkembangan. Hasil ekspresi genetik membentuk kumpulan pola sinyal yang dapat dipelajari. Ketika proses pembelajaran selesai, peneliti menguji sistem menggunakan sel dari embrio tikus. Berdasarkan pengujian tersebut, IRIS mampu memperkirakan aktivasi jalur sinyal pada sel yang belum dijumpai selama pelatihan. Pencapaian tersebut penting bagi penelitian embrio, karena ilmuwan tidak harus melatih model terpisah untuk setiap jenis sel.

Pemanfaatan Data Sel Tunggal untuk Memahami Diferensiasi Embrionik

Tahap validasi yang menarik dilakukan menggunakan data sel tunggal dari embrio tikus. Tim ilmuwan melakukan analisis pada fase gastrulasi, yaitu tahap perkembangan embrio ketika sel mulai membentuk berbagai garis keturunan. Pada tahap tersebut, berbagai sel menerima petunjuk molekuler yang memengaruhi arah diferensiasi. Melalui penggunaan IRIS, peneliti mengidentifikasi kemungkinan jalur komunikasi pada bagian embrio tertentu. Kemampuan tersebut membantu memahami penyusunan struktur tubuh.

Sistem AI hasil penelitian MIT menunjukkan kemampuan mengidentifikasi aktivasi jalur pada calon sel pembentuk jantung, jaringan usus, otot, dan struktur saraf pada tulang belakang. Keberhasilan prediksi tersebut membantu menjelaskan variasi perkembangan sel. Dalam konteks perkembangan organ, kelompok sel pada tahap awal berpeluang memperoleh fungsi tidak sama karena mengalami sejarah pensinyalan yang tidak identik. Berdasarkan temuan tersebut, IRIS memberikan alat untuk mempelajari pembentukan jaringan, tetapi tidak otomatis menentukan seluruh mekanisme perkembangan.

Model Komunikasi Antarsel Membantu Ilmuwan Membuat Jaringan Laboratorium

Potensi utama pendekatan kecerdasan buatan ini berada pada pembuatan jaringan biologis di laboratorium. Untuk kebutuhan rekayasa jaringan, ilmuwan mempelajari cara menghasilkan jaringan dengan fungsi khusus. Meski sel punca dapat membentuk berbagai jenis sel, proses pembentukan struktur biologis memerlukan kondisi khusus. Setiap tahap, sel dapat merespons rangsangan biologis tertentu. Melalui pemetaan yang dilakukan IRIS, peneliti memiliki dasar untuk merancang eksperimen baru. Melalui pendekatan tersebut, eksperimen dapat dirancang menggunakan informasi lebih lengkap.

Studi yang dilakukan tim MIT berpeluang mendukung penelitian model organ tiga dimensi. Organoid merupakan kumpulan sel laboratorium yang menyerupai aspek organ asli. Dalam penelitian penyakit, organoid dapat digunakan sebagai model eksperimen. Peneliti menerapkan model tersebut untuk memperkirakan jalur yang mendukung perkembangan jenis sel paru tertentu. Prediksi model selanjutnya divalidasi menggunakan penelitian embrio tikus. Berdasarkan eksperimen lanjutan, hasil percobaan sesuai dengan arah perkembangan yang diperkirakan. Temuan tersebut mendukung penelitian jaringan pernapasan untuk mengevaluasi terapi pada model biologis.

Kesimpulan Model AI MIT dalam Memetakan Komunikasi Antarsel

Inovasi teknologi analisis komunikasi antarsel menunjukkan kemajuan penting dalam penelitian rekayasa jaringan. Dengan memanfaatkan pola aktivitas genetik, IRIS mampu memperkirakan riwayat pensinyalan pada berbagai jenis sel. Hasil analisis tersebut 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. Sebagai arah penelitian masa depan, analisis respons genetik berpotensi mendukung pengembangan organoid yang lebih akurat. Menurut pandangan Anda, apakah kecerdasan buatan untuk rekayasa jaringan akan membantu mempercepat penelitian medis? Sampaikan pandangan Anda mengenai peran AI dalam penelitian biologi.