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

Perkembangan sistem pembelajaran mesin semakin memberikan peluang baru bagi penelitian biologi sel. Dalam penelitian perkembangan embrio, ilmuwan membutuhkan metode yang kompleks ketika menelusuri pertukaran sinyal biologis. Setiap sel tidak bekerja secara terpisah. Melalui berbagai molekul sinyal, sel mengetahui perubahan kondisi sekitarnya. Pesan biologis ini berperan dalam menentukan perkembangan sel. Sebagai langkah mempelajari komunikasi biologis, peneliti MIT menciptakan model AI IRIS yang mampu memperkirakan riwayat komunikasi sel.

Pengembangan model IRIS berada di bawah kepemimpinan Pulin Li, asisten profesor biologi MIT yang juga berafiliasi dengan Whitehead Institute for Biomedical Research. Mahasiswa pascasarjana Nicholas Hutchins menjadi bagian utama tim penelitian pendekatan tersebut. Model IRIS menggunakan jaringan saraf komputasional untuk mempelajari pola ekspresi gen. Tidak seperti cara konvensional yang membutuhkan banyak eksperimen khusus, IRIS dapat mengenali karakteristik sinyal pada sel berbeda. Dengan demikian, proses pemetaan sinyal berpotensi lebih efisien.

Cara Kerja Model AI IRIS dalam Mengidentifikasi Jalur Sinyal Sel

Sebagai dasar memahami penelitian ini, kita perlu mengenali proses komunikasi antarsel. Berbagai jenis sel memanfaatkan senyawa pemberi sinyal yang berinteraksi dengan reseptor pada sel sasaran. Setelah molekul pemberi pesan berinteraksi, serangkaian reaksi dapat terjadi. Rangkaian reaksi ini merupakan bagian dari sistem transduksi sinyal. Respons terhadap rangsangan biologis memengaruhi aktivitas gen tertentu. Sebagai hasilnya, sel dapat mengalami diferensiasi sesuai rangkaian sinyal yang diterima.

Tim pengembang IRIS mengidentifikasi bahwa respons terhadap suatu signaling pathway dapat dikenali melalui jejak genetik. Jejak molekuler tersebut disebut sebagai fingerprint jalur sinyal. Yang menarik, pola penanda dapat ditemukan lintas tipe sel. Berkat kesamaan tersebut, IRIS mampu mengidentifikasi riwayat aktivasi jalur biologis. Namun demikian, model tidak merekam percakapan sel secara langsung. Dengan mempertimbangkan mekanismenya, prediksi model tetap memerlukan validasi biologis.

Transfer Learning Memungkinkan IRIS Mengenali Sinyal pada Jenis Sel Baru

Salah satu kemampuan utama IRIS adalah penerapan teknik transfer pengetahuan. Pada pengembangan model machine learning, transfer learning mendukung pemanfaatan hasil pelatihan untuk tugas serupa. 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.

Ketika menyusun data eksperimen, tim menggunakan enam signaling pathways penting pada sejumlah waktu pengamatan. Perubahan aktivitas gen digunakan untuk membangun atlas komunikasi biologis. Ketika proses pembelajaran selesai, peneliti mengevaluasi kemampuan model pada perkembangan embrio hewan. Dalam evaluasi ini, IRIS menunjukkan kemampuan generalisasi ke jenis sel berbeda. Kemampuan lintas tipe sel tersebut membuka peluang pemetaan jaringan biologis lebih luas, karena pendekatan yang sama berpotensi digunakan pada banyak tipe jaringan.

IRIS Membantu Memetakan Pembentukan Organ selama Perkembangan Embrio

Pengujian utama setelah pelatihan dilakukan menggunakan pengamatan individual pada sel embrio tikus. Pengujian diarahkan pada fase gastrulasi, yaitu tahap perkembangan embrio ketika sel mulai membentuk berbagai garis keturunan. Pada tahap tersebut, sel berkembang mengikuti kombinasi instruksi biologis yang membantu menentukan identitas akhirnya. Dengan analisis berbasis model AI, peneliti menelusuri pola pensinyalan sepanjang perkembangan. Hasil pemetaan ini memberikan gambaran mengenai organisasi jaringan.

Model IRIS menunjukkan kemampuan mengidentifikasi aktivasi jalur pada calon sel pembentuk jantung, calon jaringan pencernaan, jaringan muskular, dan struktur saraf pada tulang belakang. Hasil tersebut menunjukkan hubungan aktivasi jalur dengan posisi sel. Sebagai contoh, dua sel dengan informasi genetik serupa berpeluang memperoleh fungsi tidak sama karena menerima kombinasi sinyal berbeda. Dengan demikian, IRIS membantu menjelaskan proses spesialisasi sel, tetapi tidak otomatis menentukan seluruh mekanisme perkembangan.

Model Komunikasi Antarsel Membantu Ilmuwan Membuat Jaringan Laboratorium

Salah satu manfaat jangka panjang berada pada penelitian tissue engineering. 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 dapat merespons rangsangan biologis tertentu. Dengan informasi riwayat sinyal dari model, peneliti dapat mengidentifikasi kombinasi yang layak diuji. Melalui pendekatan tersebut, eksperimen dapat dirancang menggunakan informasi lebih lengkap.

Penelitian tersebut memiliki potensi penting bagi pengembangan miniatur organ. Organoid merupakan struktur sel tiga dimensi yang meniru sebagian karakteristik organ. Untuk studi perkembangan jaringan, organoid dapat digunakan sebagai model eksperimen. Peneliti menerapkan model tersebut untuk memperkirakan jalur yang mendukung perkembangan jenis sel paru tertentu. Perkiraan jalur pensinyalan tersebut kemudian diuji melalui eksperimen pada embrio tikus. Hasil pengujiannya, aktivasi jalur yang diprediksi mendukung perkembangan sel paru. Keberhasilan validasi itu berpotensi membantu pembuatan model penyakit paru untuk mengevaluasi terapi pada model biologis.

Kesimpulan Model AI MIT dalam Memetakan Komunikasi Antarsel

Inovasi teknologi analisis komunikasi antarsel menunjukkan kemajuan penting dalam penelitian rekayasa jaringan. Dengan memanfaatkan pola aktivitas genetik, IRIS mampu memperkirakan riwayat pensinyalan pada berbagai jenis sel. Keunggulan model ini mengurangi ketergantungan pada pemetaan setiap jenis sel secara terpisah. Pengujian pada embrio tikus menunjukkan kemampuan IRIS memperkirakan aktivasi sinyal. Walaupun hasilnya menjanjikan, prediksi AI tetap memerlukan pengujian biologis. Dalam jangka panjang, pemahaman terhadap komunikasi antarsel mungkin mempercepat kajian terapi regeneratif. Apa pendapat Anda, apakah kecerdasan buatan untuk rekayasa jaringan mampu memberikan kemajuan pada pengembangan organoid? Bagikan pemikiran Anda mengenai peran AI dalam penelitian biologi.