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.

Peneliti MIT Kembangkan Model AI IRIS untuk Membaca Komunikasi Antarsel

Kemajuan teknologi kecerdasan buatan menghadirkan pendekatan inovatif bagi penelitian biologi sel. Dalam penelitian perkembangan embrio, ilmuwan sering menemukan kesulitan ketika menelusuri pertukaran sinyal biologis. Setiap sel memiliki hubungan dengan sel di sekitarnya. Dengan menggunakan pesan kimia, sel memperoleh petunjuk tentang posisi dan fungsi. Informasi tersebut membantu mengarahkan spesialisasi sel. Sebagai langkah mempelajari komunikasi biologis, peneliti MIT memperkenalkan model AI IRIS yang digunakan untuk menganalisis pola respons genetik.

Pengembangan model IRIS dipimpin oleh Pulin Li, asisten profesor biologi MIT yang juga tergabung dalam Whitehead Institute for Biomedical Research. Nicholas Hutchins turut berperan penting dalam pengembangan pendekatan tersebut. Sistem kecerdasan buatan ini dibangun dengan pendekatan neural network untuk mempelajari pola ekspresi gen. Berbeda dari metode yang meneliti setiap kombinasi sel secara terpisah, IRIS dapat mengenali karakteristik sinyal pada sel berbeda. Berkat pendekatan ini, peneliti dapat mengurangi kebutuhan pengujian berulang.

Cara Kerja Model AI IRIS dalam Mengidentifikasi Jalur Sinyal Sel

Dalam menjelaskan mekanisme model tersebut, perlu memahami prinsip pertukaran sinyal biologis. Berbagai jenis sel mengirimkan pesan melalui molekul tertentu yang dapat diterima oleh sel lain. Saat reseptor mengenali rangsangan, aktivitas molekuler tertentu dapat dimulai. Proses tersebut merupakan bagian dari sistem transduksi sinyal. Aktivasi jalur tertentu memengaruhi aktivitas gen tertentu. Sebagai hasilnya, sel dapat mengalami diferensiasi sesuai konteks perkembangan tubuh.

Peneliti MIT menemukan bahwa jalur sinyal tertentu menghasilkan karakteristik ekspresi gen tersendiri. Jejak molekuler tersebut dapat dipahami sebagai sidik jari biologis. Keunggulan pendekatan ini, karakteristik jalur sinyal memiliki kesamaan pada sel yang berbeda. Dengan memanfaatkan pola yang konsisten, IRIS dilatih untuk memperkirakan jalur sinyal yang pernah aktif. Meski mampu menghasilkan prediksi, hasil analisis merupakan inferensi berdasarkan pola genetik. Oleh sebab itu, kesimpulan perlu didukung pengujian laboratorium.

Transfer Learning Memungkinkan IRIS Mengenali Sinyal pada Jenis Sel Baru

Salah satu kemampuan utama IRIS adalah penggunaan pembelajaran transfer. Dalam teknologi kecerdasan buatan, transfer learning membantu model menerapkan pola yang dipelajari pada data baru. Pada penelitian IRIS, data pelatihan berasal dari eksperimen terhadap sel punca embrionik manusia. Kumpulan data penelitian ini menggunakan sejumlah besar pengamatan seluler yang diberikan sejumlah perlakuan sinyal. Berkat proses pembelajaran itu, IRIS dapat mengenali pola yang relevan pada tipe sel berbeda.

Dalam proses pelatihan, tim menggunakan enam signaling pathways penting pada sejumlah waktu pengamatan. Hasil ekspresi genetik membentuk kumpulan pola sinyal yang dapat dipelajari. Sesudah pola dikenali, peneliti menguji sistem menggunakan sel dari embrio tikus. Dalam evaluasi ini, IRIS menunjukkan kemampuan generalisasi ke jenis sel berbeda. 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

Pengujian utama setelah pelatihan dilakukan menggunakan data sel tunggal dari embrio tikus. Peneliti memusatkan perhatian pada fase gastrulasi, yaitu tahap perkembangan embrio ketika sel mulai membentuk berbagai garis keturunan. Dalam periode perkembangan ini, jaringan embrio merespons beragam sinyal yang mengatur pembentukan jaringan tertentu. Berkat pemetaan pola ekspresi gen, peneliti dapat memperkirakan waktu dan lokasi aktivasi sinyal. Hasil pemetaan ini membantu memahami penyusunan struktur tubuh.

Sistem AI hasil penelitian MIT menunjukkan kemampuan mengidentifikasi aktivasi jalur pada calon sel pembentuk jantung, jaringan usus, jaringan muskular, dan struktur saraf pada tulang belakang. Hasil tersebut memperlihatkan bagaimana sinyal berbeda mengarahkan pembentukan jaringan. Dalam konteks perkembangan organ, dua sel dengan informasi genetik serupa mampu mengambil arah diferensiasi berlainan karena berada pada lingkungan molekuler berlainan. Melalui hasil ini, IRIS memperluas pemahaman tentang diferensiasi, tetapi tidak otomatis menentukan seluruh mekanisme perkembangan.

Kecerdasan Buatan MIT Dukung Penelitian Sel Punca dan Pengobatan Regeneratif

Salah satu manfaat jangka panjang berada pada penelitian tissue engineering. Dalam bidang tersebut, ilmuwan mempelajari cara menghasilkan jaringan dengan fungsi khusus. Walaupun sel punca memiliki kemampuan berkembang, proses pembentukan struktur biologis memerlukan kondisi khusus. Selama proses pematangan, sel dapat merespons rangsangan biologis tertentu. Dengan informasi riwayat sinyal dari model, peneliti berpeluang menemukan petunjuk diferensiasi. Melalui pendekatan tersebut, proses pencarian kondisi diferensiasi mungkin menjadi lebih cepat.

Studi yang dilakukan tim MIT berpeluang mendukung penelitian model organ tiga dimensi. Organoid merupakan model biologis mini yang merepresentasikan fungsi tertentu jaringan. Pada pengujian obat, organoid memberikan sarana mempelajari mekanisme seluler. Tim MIT menggunakan IRIS untuk mengidentifikasi sinyal yang berkaitan dengan pembentukan sel penting bagi paru-paru. Prediksi model selanjutnya divalidasi menggunakan penelitian embrio tikus. Hasil pengujiannya, aktivasi jalur yang diprediksi mendukung perkembangan sel paru. Pencapaian ini berpotensi membantu pembuatan model penyakit paru untuk mengevaluasi terapi pada model biologis.

Prospek Kecerdasan Buatan bagi Rekayasa Sel dan Pengobatan Regeneratif

Penelitian kecerdasan buatan untuk memetakan sinyal sel memberikan kontribusi menarik dalam penelitian rekayasa jaringan. Melalui analisis ekspresi gen, IRIS mampu memperkirakan riwayat pensinyalan pada bermacam jaringan dalam perkembangan. Keunggulan model ini membantu mempercepat kajian komunikasi biologis. Eksperimen lanjutan pada jaringan embrionik memberikan dasar bagi pengembangan pendekatan rekayasa jaringan. Namun demikian, kemampuan model tidak otomatis menghasilkan jaringan siap transplantasi. Untuk pengembangan selanjutnya, 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 masa depan pengobatan regeneratif berbasis sel.