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

Kemajuan metode komputasi biologis terus membuka kemampuan tambahan bagi kajian pembentukan jaringan tubuh. Selama ini, ilmuwan membutuhkan metode yang kompleks ketika mempelajari komunikasi antarsel. Setiap sel selalu berinteraksi dengan lingkungannya. Melalui berbagai molekul sinyal, sel memperoleh petunjuk tentang posisi dan fungsi. Rangkaian sinyal tersebut membantu mengarahkan spesialisasi sel. Sebagai langkah mempelajari komunikasi biologis, peneliti MIT menciptakan model AI IRIS yang digunakan untuk menganalisis pola respons genetik.

Pengembangan model IRIS dipimpin oleh Pulin Li, asisten profesor biologi MIT yang juga berafiliasi dengan Whitehead Institute for Biomedical Research. Mahasiswa pascasarjana Nicholas Hutchins turut berperan penting dalam pengembangan pendekatan tersebut. Sistem kecerdasan buatan ini dibangun dengan pendekatan neural network untuk mempelajari pola ekspresi gen. Sebagai alternatif terhadap pendekatan pengujian satu per satu, IRIS dapat mengenali karakteristik sinyal pada sel berbeda. Berkat pendekatan ini, peneliti dapat mengurangi kebutuhan pengujian berulang.

Teknologi Machine Learning Membaca Jejak Aktivitas Genetik

Untuk memahami kemampuan IRIS, penting mengetahui bagaimana sel berkomunikasi. Berbagai jenis sel mengirimkan pesan melalui molekul tertentu yang dapat diterima oleh sel lain. Saat reseptor mengenali rangsangan, aktivitas molekuler tertentu dapat dimulai. Mekanisme penyampaian informasi tersebut dikenal sebagai signaling pathway. Respons terhadap rangsangan biologis mengatur gen yang aktif maupun tidak aktif. Akibatnya, sel memperoleh karakteristik biologis tertentu sesuai rangkaian sinyal yang diterima.

Peneliti MIT menemukan bahwa setiap jalur pensinyalan meninggalkan pola aktivitas gen yang khas. Jejak molekuler tersebut disebut sebagai fingerprint jalur sinyal. Keunggulan pendekatan ini, fingerprint suatu jalur relatif konsisten pada berbagai jenis sel. Melalui karakteristik yang dapat dikenali, IRIS mampu mengidentifikasi riwayat aktivasi jalur biologis. Namun demikian, 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

Fitur yang membuat pendekatan tersebut menarik adalah penggunaan pembelajaran transfer. Dalam sistem pembelajaran mesin modern, transfer learning memungkinkan pengetahuan dari data pelatihan digunakan pada situasi terkait. Dalam eksperimen para ilmuwan MIT, model dilatih menggunakan respons sel punca embrionik manusia. Dataset tersebut mencakup ribuan sel yang diuji dengan kombinasi aktivasi jalur tertentu. Dengan demikian, IRIS berpotensi memperkirakan sinyal di luar jenis sel pelatihan.

Pada tahap pengembangan dataset, tim menggunakan enam signaling pathways penting pada beberapa fase diferensiasi sel. Respons yang muncul membentuk kumpulan pola sinyal yang dapat dipelajari. Ketika proses pembelajaran selesai, peneliti mengevaluasi kemampuan model pada perkembangan embrio hewan. Berdasarkan pengujian tersebut, IRIS mampu memperkirakan aktivasi jalur sinyal pada sel yang belum dijumpai selama pelatihan. 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 fase penting ketika jaringan embrionik mengalami spesialisasi. Pada tahap tersebut, sel berkembang mengikuti kombinasi instruksi biologis yang memengaruhi arah diferensiasi. Dengan analisis berbasis model AI, peneliti mengidentifikasi kemungkinan jalur komunikasi pada bagian embrio tertentu. Hasil pemetaan ini mendukung penelitian hubungan sinyal dengan pembentukan organ.

Model IRIS menunjukkan kemampuan mengidentifikasi aktivasi jalur pada garis keturunan sel jantung, jaringan usus, sel pembentuk otot, dan struktur saraf pada tulang belakang. Hasil tersebut membantu menjelaskan variasi perkembangan sel. Sebagai contoh, dua sel dengan informasi genetik serupa dapat berkembang menjadi jaringan berbeda karena mengalami sejarah pensinyalan yang tidak identik. Berdasarkan temuan tersebut, IRIS membantu menjelaskan proses spesialisasi sel, tetapi belum menggantikan pengamatan eksperimen langsung.

Model Komunikasi Antarsel Membantu Ilmuwan Membuat Jaringan Laboratorium

Peluang penting dari penelitian IRIS berada pada pembuatan jaringan biologis di laboratorium. Dalam bidang tersebut, ilmuwan mengembangkan metode diferensiasi sel secara terkendali. Namun demikian, pengendalian diferensiasi membutuhkan banyak faktor. Dalam setiap fase perkembangan, sel mungkin membutuhkan kombinasi sinyal berbeda. Melalui pemetaan yang dilakukan IRIS, peneliti memiliki dasar untuk merancang eksperimen baru. Dengan demikian, pengembangan jaringan laboratorium berpotensi lebih efisien.

Pengembangan IRIS memiliki potensi penting bagi pengembangan miniatur organ. Organoid merupakan model biologis mini yang merepresentasikan fungsi tertentu jaringan. Untuk studi perkembangan jaringan, organoid berfungsi membantu pengamatan respons biologis. Peneliti menerapkan model tersebut untuk menganalisis kebutuhan pensinyalan pada sel pembentuk jaringan paru. Perkiraan jalur pensinyalan tersebut kemudian diuji melalui eksperimen pada embrio tikus. Berdasarkan eksperimen lanjutan, temuan laboratorium menguatkan prediksi IRIS. Pencapaian ini memberikan dasar bagi pengembangan organoid paru untuk mempelajari asma dan fibrosis paru.

Kesimpulan Model AI MIT dalam Memetakan Komunikasi Antarsel

Inovasi teknologi analisis komunikasi antarsel membuka pendekatan baru dalam penelitian rekayasa jaringan. Melalui analisis ekspresi gen, IRIS berhasil mengenali pola aktivasi jalur sinyal pada bermacam jaringan dalam perkembangan. Hasil analisis tersebut membantu mempercepat kajian komunikasi biologis. Validasi menggunakan data perkembangan embrio menunjukkan kemampuan IRIS memperkirakan aktivasi sinyal. 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. Menurut pandangan Anda, apakah teknologi pemetaan komunikasi antarsel berpotensi membuka peluang baru dalam bioteknologi? Sampaikan pandangan Anda mengenai masa depan pengobatan regeneratif berbasis sel.