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 sistem pembelajaran mesin menghadirkan peluang baru bagi pengembangan ilmu biomedis. Selama ini, ilmuwan sering menemukan kesulitan ketika mempelajari komunikasi antarsel. Setiap sel selalu berinteraksi dengan lingkungannya. Berkat komunikasi molekuler, sel menerima informasi mengenai lingkungan. Pesan biologis ini memengaruhi pembentukan berbagai jenis jaringan. Sebagai langkah mempelajari komunikasi biologis, peneliti MIT mengembangkan model AI IRIS yang dirancang mengenali jejak aktivitas sinyal.

Pengembangan model IRIS dikoordinasikan oleh Pulin Li, peneliti bidang biologi di MIT yang juga tergabung dalam Whitehead Institute for Biomedical Research. Peneliti muda Nicholas Hutchins berkontribusi terhadap perancangan pendekatan tersebut. Model IRIS menggunakan jaringan saraf komputasional untuk menganalisis perubahan aktivitas genetik. Tidak seperti cara konvensional yang membutuhkan banyak eksperimen khusus, 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

Dalam menjelaskan mekanisme model tersebut, kita perlu mengenali proses komunikasi antarsel. Sel tubuh memanfaatkan senyawa pemberi sinyal yang ditangkap melalui sistem penerima biologis. Saat reseptor mengenali rangsangan, serangkaian reaksi dapat terjadi. Proses tersebut merupakan bagian dari sistem transduksi sinyal. Aktivasi jalur tertentu memengaruhi aktivitas gen tertentu. Akibatnya, sel memperoleh karakteristik biologis tertentu sesuai rangkaian sinyal yang diterima.

Tim pengembang IRIS mengidentifikasi bahwa setiap jalur pensinyalan meninggalkan pola aktivitas gen yang khas. Karakteristik aktivitas gen ini dapat dipahami sebagai sidik jari biologis. Yang menarik, pola penanda dapat ditemukan lintas tipe sel. Berkat kesamaan tersebut, IRIS mampu mengidentifikasi riwayat aktivasi jalur biologis. Namun demikian, hasil analisis merupakan inferensi berdasarkan pola genetik. Dengan mempertimbangkan mekanismenya, kesimpulan perlu didukung pengujian laboratorium.

Transfer Learning Memungkinkan IRIS Mengenali Sinyal pada Jenis Sel Baru

Keunggulan penting dari model AI MIT adalah penggunaan pembelajaran transfer. 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. Dataset tersebut berisi pengukuran dari ribuan sel yang menerima berbagai kombinasi rangsangan. Berkat proses pembelajaran itu, IRIS mampu menerapkan pengetahuan pada lingkungan biologis lain.

Ketika menyusun data eksperimen, tim menguji kombinasi enam jalur pensinyalan utama pada sejumlah waktu pengamatan. Hasil ekspresi genetik digunakan untuk membangun atlas komunikasi biologis. Sesudah pola dikenali, peneliti mengevaluasi kemampuan model pada perkembangan embrio hewan. Berdasarkan pengujian tersebut, IRIS dapat mengenali pola komunikasi pada konteks perkembangan baru. Kemampuan lintas tipe sel tersebut penting bagi penelitian embrio, karena pengujian setiap kombinasi sel dapat dikurangi.

Model AI MIT Identifikasi Sinyal Pembentuk Jantung dan Jaringan Tubuh

Tahap validasi yang menarik dilakukan menggunakan pengamatan individual pada sel embrio tikus. Peneliti memusatkan perhatian pada fase gastrulasi, yaitu fase penting ketika jaringan embrionik mengalami spesialisasi. Dalam periode perkembangan ini, sel berkembang mengikuti kombinasi instruksi biologis yang memengaruhi arah diferensiasi. Berkat pemetaan pola ekspresi gen, peneliti dapat memperkirakan waktu dan lokasi aktivasi sinyal. Pendekatan analisis tersebut membantu memahami penyusunan struktur tubuh.

Sistem AI hasil penelitian MIT dapat memprediksi aktivitas pensinyalan pada sel yang berkembang menjadi jaringan jantung, calon jaringan pencernaan, otot, dan jaringan spinal cord. Keberhasilan prediksi tersebut menunjukkan hubungan aktivasi jalur dengan posisi sel. Untuk memahami penerapannya, kelompok sel pada tahap awal mampu mengambil arah diferensiasi berlainan karena menerima kombinasi sinyal berbeda. Berdasarkan temuan tersebut, IRIS memberikan alat untuk mempelajari pembentukan jaringan, tetapi tetap membutuhkan pembuktian pada sistem biologis.

Model Komunikasi Antarsel Membantu Ilmuwan Membuat Jaringan Laboratorium

Peluang penting dari penelitian IRIS berada pada pengembangan rekayasa jaringan. Dalam bidang tersebut, ilmuwan berusaha mengarahkan sel punca menjadi tipe sel tertentu. 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 berpeluang menemukan petunjuk diferensiasi. Dengan demikian, eksperimen dapat dirancang menggunakan informasi lebih lengkap.

Studi yang dilakukan tim MIT berpeluang mendukung penelitian model organ tiga dimensi. Organoid merupakan struktur sel tiga dimensi yang meniru sebagian karakteristik organ. Untuk studi perkembangan jaringan, organoid berfungsi membantu pengamatan respons biologis. Tim MIT menggunakan IRIS untuk mengidentifikasi sinyal yang berkaitan dengan pembentukan sel penting bagi paru-paru. Prediksi model selanjutnya divalidasi menggunakan penelitian embrio tikus. Berdasarkan eksperimen lanjutan, aktivasi jalur yang diprediksi mendukung perkembangan sel paru. Keberhasilan validasi itu berpotensi membantu pembuatan model penyakit paru untuk mempelajari asma dan fibrosis paru.

Prospek Kecerdasan Buatan bagi Rekayasa Sel dan Pengobatan Regeneratif

Pengembangan model IRIS oleh MIT membuka pendekatan baru dalam penelitian rekayasa jaringan. Berkat pembelajaran mesin berbasis data sel, IRIS berhasil mengenali pola aktivasi jalur sinyal pada bermacam jaringan dalam perkembangan. Keunggulan model ini mengurangi ketergantungan pada pemetaan setiap jenis sel secara terpisah. Eksperimen lanjutan pada jaringan embrionik memperlihatkan potensi model dalam memahami pembentukan organ. Namun demikian, kemampuan model tidak otomatis menghasilkan jaringan siap transplantasi. Sebagai arah penelitian masa depan, pemahaman terhadap komunikasi antarsel berpotensi mendukung pengembangan organoid yang lebih akurat. Menurut pandangan Anda, apakah model AI seperti IRIS berpotensi membuka peluang baru dalam bioteknologi? Bagikan pemikiran Anda mengenai perkembangan teknologi rekayasa jaringan.