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

Penerapan metode komputasi biologis terus membuka peluang baru bagi penelitian biologi sel. Selama ini, ilmuwan membutuhkan metode yang kompleks ketika memahami interaksi antara sel yang berkembang. Setiap sel tidak bekerja secara terpisah. Dengan menggunakan pesan kimia, sel menerima informasi mengenai lingkungan. Informasi tersebut membantu mengarahkan spesialisasi sel. Untuk memahami proses itu, peneliti MIT memperkenalkan model AI IRIS yang dirancang mengenali jejak aktivitas sinyal.

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. Model IRIS dibangun dengan pendekatan neural network untuk menganalisis perubahan aktivitas genetik. Sebagai alternatif terhadap pendekatan pengujian satu per satu, IRIS membantu memperkirakan jalur komunikasi pada berbagai tipe sel. Berkat pendekatan ini, peneliti dapat mengurangi kebutuhan pengujian berulang.

Teknologi Machine Learning Membaca Jejak Aktivitas Genetik

Sebagai dasar memahami penelitian ini, kita perlu mengenali proses komunikasi antarsel. 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. Aktivasi jalur tertentu mengatur gen yang aktif maupun tidak aktif. Melalui perubahan tersebut, sel memperoleh karakteristik biologis tertentu sesuai kondisi jaringan.

Hasil penelitian menunjukkan bahwa setiap jalur pensinyalan meninggalkan pola aktivitas gen yang khas. Karakteristik aktivitas gen ini dapat dipahami sebagai sidik jari biologis. Hal penting dari temuan tersebut, fingerprint suatu jalur relatif konsisten pada berbagai jenis sel. Berkat kesamaan tersebut, IRIS mampu mengidentifikasi riwayat aktivasi jalur biologis. Meski mampu menghasilkan prediksi, 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

Keunggulan penting dari model AI MIT 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. Kumpulan data penelitian ini menggunakan sejumlah besar pengamatan seluler yang diberikan sejumlah perlakuan sinyal. Dengan demikian, IRIS berpotensi memperkirakan sinyal di luar jenis sel pelatihan.

Dalam proses pelatihan, tim mengukur respons terhadap kombinasi enam jalur sinyal pada berbagai tahap perkembangan. Perubahan aktivitas gen menjadi dasar pemetaan respons sel. Ketika proses pembelajaran selesai, peneliti mengevaluasi kemampuan model pada perkembangan embrio hewan. Berdasarkan pengujian tersebut, IRIS menunjukkan kemampuan generalisasi ke jenis sel berbeda. Pencapaian tersebut penting bagi penelitian embrio, karena pendekatan yang sama berpotensi digunakan pada banyak tipe jaringan.

IRIS Membantu Memetakan Pembentukan Organ selama Perkembangan Embrio

Pengujian utama setelah pelatihan dilakukan menggunakan data sel tunggal dari embrio tikus. Pengujian diarahkan pada fase gastrulasi, yaitu tahap perkembangan embrio ketika sel mulai membentuk berbagai garis keturunan. Pada tahap tersebut, jaringan embrio merespons beragam sinyal yang membantu menentukan identitas akhirnya. Melalui penggunaan IRIS, peneliti menelusuri pola pensinyalan sepanjang perkembangan. Kemampuan tersebut membantu memahami penyusunan struktur tubuh.

Sistem AI hasil penelitian MIT menunjukkan kemampuan mengidentifikasi aktivasi jalur pada sel yang berkembang menjadi jaringan jantung, struktur saluran pencernaan, 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 menerima kombinasi sinyal berbeda. Melalui hasil ini, IRIS memberikan alat untuk mempelajari pembentukan jaringan, tetapi belum menggantikan pengamatan eksperimen langsung.

Potensi IRIS untuk Rekayasa Jaringan dan Pengembangan Organoid

Salah satu manfaat jangka panjang berada pada penelitian tissue engineering. Dalam bidang tersebut, ilmuwan berusaha mengarahkan sel punca menjadi tipe sel tertentu. Meski sel punca dapat membentuk berbagai jenis sel, pengendalian diferensiasi membutuhkan banyak faktor. Dalam setiap fase perkembangan, sel mungkin membutuhkan kombinasi sinyal berbeda. Berkat kemampuan memperkirakan jalur pensinyalan, peneliti memiliki dasar untuk merancang eksperimen baru. Melalui pendekatan tersebut, eksperimen dapat dirancang menggunakan informasi lebih lengkap.

Penelitian tersebut juga berkaitan dengan pembuatan organoid. Organoid merupakan model biologis mini yang merepresentasikan fungsi tertentu jaringan. Pada pengujian obat, organoid memberikan sarana mempelajari mekanisme seluler. Tim MIT menggunakan IRIS untuk memperkirakan jalur yang mendukung perkembangan jenis sel paru tertentu. Hasil analisis AI selanjutnya divalidasi menggunakan penelitian embrio tikus. Hasil pengujiannya, temuan laboratorium menguatkan prediksi IRIS. Temuan tersebut memberikan dasar bagi pengembangan organoid paru untuk mengevaluasi terapi pada model biologis.

Kesimpulan Model AI MIT dalam Memetakan Komunikasi Antarsel

Pengembangan model IRIS oleh MIT menunjukkan kemajuan penting dalam penelitian rekayasa jaringan. Dengan memanfaatkan pola aktivitas genetik, IRIS mampu memperkirakan riwayat pensinyalan pada berbagai jenis sel. Kemampuan tersebut mengurangi ketergantungan pada pemetaan setiap jenis sel secara terpisah. Eksperimen lanjutan pada jaringan embrionik memberikan dasar bagi pengembangan pendekatan rekayasa jaringan. Namun demikian, prediksi AI tetap memerlukan pengujian biologis. Dalam jangka panjang, pemetaan riwayat pensinyalan dapat membantu penelitian obat dan penyakit. Apa pendapat Anda, apakah teknologi pemetaan komunikasi antarsel mampu memberikan kemajuan pada pengembangan organoid? Sampaikan pandangan Anda mengenai perkembangan teknologi rekayasa jaringan.