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 teknologi kecerdasan buatan menghadirkan pendekatan inovatif bagi penelitian biologi sel. Pada kajian biologi modern, ilmuwan membutuhkan metode yang kompleks ketika mempelajari komunikasi antarsel. Setiap sel tidak bekerja secara terpisah. Melalui berbagai molekul sinyal, sel menerima informasi mengenai lingkungan. Pesan biologis ini berperan dalam menentukan perkembangan sel. Dalam upaya mengurai mekanisme tersebut, peneliti MIT mengembangkan model AI IRIS yang digunakan untuk menganalisis pola respons genetik.

Pengembangan model IRIS dikoordinasikan oleh Pulin Li, anggota fakultas biologi Massachusetts Institute of Technology yang juga menjadi anggota Whitehead Institute. Mahasiswa pascasarjana Nicholas Hutchins menjadi bagian utama tim penelitian pendekatan tersebut. Perangkat analisis berbasis AI tersebut memanfaatkan arsitektur pembelajaran mesin untuk menganalisis perubahan aktivitas genetik. Berbeda dari metode yang meneliti setiap kombinasi sel secara terpisah, IRIS memungkinkan analisis lintas jenis sel. Berkat pendekatan ini, analisis komunikasi antarsel menjadi lebih terarah.

Teknologi Machine Learning Membaca Jejak Aktivitas Genetik

Untuk memahami kemampuan IRIS, penting mengetahui bagaimana sel berkomunikasi. Berbagai jenis sel memanfaatkan senyawa pemberi sinyal yang dapat diterima oleh sel lain. Setelah molekul pemberi pesan berinteraksi, aktivitas molekuler tertentu dapat dimulai. Mekanisme penyampaian informasi tersebut merupakan bagian dari sistem transduksi sinyal. Aktivasi jalur tertentu dapat mengubah ekspresi gen. Melalui perubahan tersebut, sel berpeluang berkembang menjadi jenis khusus sesuai kondisi jaringan.

Tim pengembang IRIS mengidentifikasi bahwa setiap jalur pensinyalan meninggalkan pola aktivitas gen yang khas. Jejak molekuler tersebut menjadi penanda khas dari komunikasi sel. Keunggulan pendekatan ini, fingerprint suatu jalur relatif konsisten pada berbagai jenis sel. Dengan memanfaatkan pola yang konsisten, IRIS dilatih untuk memperkirakan jalur sinyal yang pernah aktif. Walaupun pendekatan tersebut menjanjikan, model tidak merekam percakapan sel secara langsung. Oleh sebab itu, prediksi model tetap memerlukan validasi biologis.

Keunggulan Pembelajaran Transfer dalam Analisis Komunikasi Sel

Fitur yang membuat pendekatan tersebut menarik adalah pemanfaatan transfer learning. Dalam teknologi kecerdasan buatan, transfer learning membantu model menerapkan pola yang dipelajari pada data baru. Melalui sistem analisis yang dikembangkan, peneliti memanfaatkan pengukuran pada human embryonic stem cells. Dataset tersebut mencakup ribuan sel 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 sejumlah waktu pengamatan. Hasil ekspresi genetik digunakan untuk membangun atlas komunikasi biologis. Sesudah pola dikenali, peneliti menguji sistem menggunakan sel dari embrio tikus. Hasilnya, IRIS mampu memperkirakan aktivasi jalur sinyal pada sel yang belum dijumpai selama pelatihan. Hasil pengujian ini penting bagi penelitian embrio, karena pengujian setiap kombinasi sel dapat dikurangi.

Pemanfaatan Data Sel Tunggal untuk Memahami Diferensiasi Embrionik

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, jaringan embrio merespons beragam sinyal yang membantu menentukan identitas akhirnya. Dengan analisis berbasis model AI, peneliti dapat memperkirakan waktu dan lokasi aktivasi sinyal. Kemampuan tersebut mendukung penelitian hubungan sinyal dengan pembentukan organ.

Model IRIS menunjukkan kemampuan mengidentifikasi aktivasi jalur pada garis keturunan sel jantung, calon jaringan pencernaan, otot, dan sumsum tulang belakang. Hasil tersebut membantu menjelaskan variasi perkembangan sel. Untuk memahami penerapannya, kelompok sel pada tahap awal mampu mengambil arah diferensiasi berlainan karena mengalami sejarah pensinyalan yang tidak identik. Dengan demikian, IRIS memperluas pemahaman tentang diferensiasi, tetapi tidak otomatis menentukan seluruh mekanisme perkembangan.

Model Komunikasi Antarsel Membantu Ilmuwan Membuat Jaringan Laboratorium

Peluang penting dari penelitian IRIS berada pada pembuatan jaringan biologis di laboratorium. Untuk kebutuhan rekayasa jaringan, ilmuwan berusaha mengarahkan sel punca menjadi tipe sel tertentu. Namun demikian, menghasilkan jaringan yang tepat tidak selalu mudah. Setiap tahap, sel mungkin membutuhkan kombinasi sinyal berbeda. Berkat kemampuan memperkirakan jalur pensinyalan, peneliti memiliki dasar untuk merancang eksperimen baru. Dengan demikian, proses pencarian kondisi diferensiasi mungkin menjadi lebih cepat.

Pengembangan IRIS juga berkaitan dengan pembuatan organoid. Organoid merupakan struktur sel tiga dimensi yang meniru sebagian karakteristik organ. Untuk studi perkembangan jaringan, organoid berfungsi membantu pengamatan respons biologis. Dalam salah satu eksperimen lanjutan, ilmuwan memanfaatkan IRIS untuk menganalisis kebutuhan pensinyalan pada sel pembentuk jaringan paru. Hasil analisis AI diperiksa kembali melalui pengujian biologis pada tikus. Berdasarkan eksperimen lanjutan, hasil percobaan sesuai dengan arah perkembangan yang diperkirakan. Keberhasilan validasi itu memberikan dasar bagi pengembangan organoid paru untuk mengamati mekanisme penyakit pernapasan.

Masa Depan Teknologi IRIS untuk Penelitian Jaringan Manusia

Pengembangan model IRIS oleh MIT menunjukkan kemajuan penting dalam penelitian rekayasa jaringan. Melalui analisis ekspresi gen, IRIS mampu memperkirakan riwayat pensinyalan pada tipe sel yang berbeda. Kemampuan tersebut membantu mempercepat kajian komunikasi biologis. Eksperimen lanjutan pada jaringan embrionik menunjukkan kemampuan IRIS memperkirakan aktivasi sinyal. Walaupun hasilnya menjanjikan, 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 teknologi pemetaan komunikasi antarsel akan membantu mempercepat penelitian medis? Sampaikan pandangan Anda mengenai perkembangan teknologi rekayasa jaringan.