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 sistem pembelajaran mesin semakin memberikan kemampuan tambahan bagi kajian pembentukan jaringan tubuh. Pada kajian biologi modern, ilmuwan menghadapi tantangan besar ketika mempelajari komunikasi antarsel. Sel dalam jaringan biologis selalu berinteraksi dengan lingkungannya. Melalui berbagai molekul sinyal, sel mengetahui perubahan kondisi sekitarnya. Informasi tersebut memengaruhi pembentukan berbagai jenis jaringan. Untuk memahami proses itu, peneliti MIT mengembangkan model AI IRIS yang digunakan untuk menganalisis pola respons genetik.

Penelitian tersebut dipimpin oleh Pulin Li, anggota fakultas biologi Massachusetts Institute of Technology yang juga menjadi anggota Whitehead Institute. Peneliti muda Nicholas Hutchins turut berperan penting dalam pengembangan pendekatan tersebut. Sistem kecerdasan buatan ini dibangun dengan pendekatan neural network untuk menganalisis perubahan aktivitas genetik. Berbeda dari metode yang meneliti setiap kombinasi sel secara terpisah, IRIS memungkinkan analisis lintas jenis sel. Dengan demikian, proses pemetaan sinyal berpotensi lebih efisien.

Teknologi Machine Learning Membaca Jejak Aktivitas Genetik

Untuk memahami kemampuan IRIS, kita perlu mengenali proses komunikasi antarsel. Sel tubuh mengirimkan pesan melalui molekul tertentu yang ditangkap melalui sistem penerima biologis. Saat reseptor mengenali rangsangan, serangkaian reaksi dapat terjadi. Mekanisme penyampaian informasi tersebut disebut jalur pensinyalan sel. Perubahan pada proses pensinyalan mengatur gen yang aktif maupun tidak aktif. Akibatnya, sel berpeluang berkembang menjadi jenis khusus sesuai konteks perkembangan tubuh.

Tim pengembang IRIS mengidentifikasi bahwa jalur sinyal tertentu menghasilkan karakteristik ekspresi gen tersendiri. Jejak molekuler tersebut dapat dipahami sebagai sidik jari biologis. Yang menarik, fingerprint suatu jalur relatif konsisten pada berbagai jenis sel. Berkat kesamaan tersebut, IRIS dapat menghubungkan ekspresi gen dengan sinyal terdahulu. Meski mampu menghasilkan prediksi, hasil analisis merupakan inferensi berdasarkan pola genetik. Karena itu, hasil harus ditafsirkan berdasarkan eksperimen.

Keunggulan Pembelajaran Transfer dalam Analisis Komunikasi Sel

Fitur yang membuat pendekatan tersebut menarik adalah penerapan teknik transfer pengetahuan. Dalam sistem pembelajaran mesin modern, transfer learning memungkinkan pengetahuan dari data pelatihan digunakan pada situasi terkait. Pada penelitian IRIS, data pelatihan berasal dari eksperimen terhadap sel punca embrionik manusia. Informasi biologis yang digunakan mencakup ribuan sel yang diberikan sejumlah perlakuan sinyal. Dengan demikian, IRIS dapat mengenali pola yang relevan pada tipe sel berbeda.

Dalam proses pelatihan, tim menguji kombinasi enam jalur pensinyalan utama pada sejumlah waktu pengamatan. Hasil ekspresi genetik membentuk kumpulan pola sinyal yang dapat dipelajari. Sesudah pola dikenali, peneliti mengevaluasi kemampuan model pada perkembangan embrio hewan. Hasilnya, IRIS menunjukkan kemampuan generalisasi ke jenis sel berbeda. Pencapaian tersebut membuka peluang pemetaan jaringan biologis lebih luas, karena pendekatan yang sama berpotensi digunakan pada banyak tipe jaringan.

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. 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. Kemampuan tersebut mendukung penelitian hubungan sinyal dengan pembentukan organ.

Pendekatan analisis baru tersebut berhasil memperkirakan pola sinyal pada calon sel pembentuk jantung, struktur saluran pencernaan, jaringan muskular, dan sumsum tulang belakang. Hasil tersebut membantu menjelaskan variasi perkembangan sel. Dalam konteks perkembangan organ, sel yang berasal dari embrio sama berpeluang memperoleh fungsi tidak sama karena mengalami sejarah pensinyalan yang tidak identik. Dengan demikian, IRIS membantu menjelaskan proses spesialisasi sel, tetapi tetap membutuhkan pembuktian pada sistem biologis.

Potensi IRIS untuk Rekayasa Jaringan dan Pengembangan Organoid

Peluang penting dari penelitian IRIS berada pada pengembangan rekayasa jaringan. Pada penelitian biomedis modern, ilmuwan berusaha mengarahkan sel punca menjadi tipe sel tertentu. Meski sel punca dapat membentuk berbagai jenis sel, menghasilkan jaringan yang tepat tidak selalu mudah. Setiap tahap, sel memerlukan petunjuk molekuler sesuai waktunya. Melalui pemetaan yang dilakukan IRIS, peneliti dapat mengidentifikasi kombinasi yang layak diuji. Berkat penggunaan data biologis yang lebih terarah, eksperimen dapat dirancang menggunakan informasi lebih lengkap.

Studi yang dilakukan tim MIT berpeluang mendukung penelitian model organ tiga dimensi. Organoid merupakan kumpulan sel laboratorium yang menyerupai aspek organ asli. Untuk studi perkembangan jaringan, organoid memberikan sarana mempelajari mekanisme seluler. Dalam salah satu eksperimen lanjutan, ilmuwan memanfaatkan IRIS untuk mengidentifikasi sinyal yang berkaitan dengan pembentukan sel penting bagi paru-paru. Prediksi model kemudian diuji melalui eksperimen pada embrio tikus. Berdasarkan eksperimen lanjutan, aktivasi jalur yang diprediksi mendukung perkembangan sel paru. Keberhasilan validasi itu 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 ilmu biologi perkembangan. Dengan memanfaatkan pola aktivitas genetik, IRIS berhasil mengenali pola aktivasi jalur sinyal pada berbagai jenis sel. Hasil analisis tersebut mendukung penggunaan pengetahuan lintas tipe sel. Pengujian pada embrio tikus menunjukkan kemampuan IRIS memperkirakan aktivasi sinyal. Walaupun hasilnya menjanjikan, kemampuan model tidak otomatis menghasilkan jaringan siap transplantasi. Dalam jangka panjang, analisis respons genetik mungkin mempercepat kajian terapi regeneratif. Apa pendapat Anda, apakah kecerdasan buatan untuk rekayasa jaringan akan membantu mempercepat penelitian medis? Silakan bagikan pendapat Anda mengenai peran AI dalam penelitian biologi.