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

Perkembangan metode komputasi biologis semakin memberikan kemampuan tambahan bagi kajian pembentukan jaringan tubuh. Dalam penelitian perkembangan embrio, ilmuwan sering menemukan kesulitan ketika mempelajari komunikasi antarsel. Masing-masing sel tubuh tidak bekerja secara terpisah. Berkat komunikasi molekuler, sel mengetahui perubahan kondisi sekitarnya. Informasi tersebut membantu mengarahkan spesialisasi sel. Sebagai langkah mempelajari komunikasi biologis, peneliti MIT memperkenalkan model AI IRIS yang mampu memperkirakan riwayat komunikasi sel.

Pengembangan model IRIS dikoordinasikan oleh Pulin Li, anggota fakultas biologi Massachusetts Institute of Technology yang juga tergabung dalam Whitehead Institute for Biomedical Research. Mahasiswa pascasarjana Nicholas Hutchins berkontribusi terhadap perancangan pendekatan tersebut. Perangkat analisis berbasis AI tersebut memanfaatkan arsitektur pembelajaran mesin untuk mengidentifikasi karakteristik respons biologis. Berbeda dari metode yang meneliti setiap kombinasi sel secara terpisah, IRIS dapat mengenali karakteristik sinyal pada sel berbeda. Berkat pendekatan ini, analisis komunikasi antarsel menjadi lebih terarah.

Cara Kerja Model AI IRIS dalam Mengidentifikasi Jalur Sinyal Sel

Dalam menjelaskan mekanisme model tersebut, perlu memahami prinsip pertukaran sinyal biologis. Jaringan sel biologis mengirimkan pesan melalui molekul tertentu yang dapat diterima oleh sel lain. Ketika sinyal diterima, jalur komunikasi internal dapat diaktifkan. Mekanisme penyampaian informasi tersebut dikenal sebagai signaling pathway. Aktivasi jalur tertentu dapat mengubah ekspresi gen. Melalui perubahan tersebut, sel berpeluang berkembang menjadi jenis khusus sesuai konteks perkembangan tubuh.

Hasil penelitian menunjukkan bahwa jalur sinyal tertentu menghasilkan karakteristik ekspresi gen tersendiri. Pola tersebut menjadi penanda khas dari komunikasi sel. Yang menarik, fingerprint suatu jalur relatif konsisten pada berbagai jenis sel. Melalui karakteristik yang dapat dikenali, IRIS mampu mengidentifikasi riwayat aktivasi jalur biologis. Namun demikian, hasil analisis merupakan inferensi berdasarkan pola genetik. Karena itu, prediksi model tetap memerlukan validasi biologis.

Transfer Learning Memungkinkan IRIS Mengenali Sinyal pada Jenis Sel Baru

Keunggulan penting dari model AI MIT adalah penerapan teknik transfer pengetahuan. Dalam sistem pembelajaran mesin modern, transfer learning membantu model menerapkan pola yang dipelajari pada data baru. Melalui sistem analisis yang dikembangkan, model dilatih menggunakan respons sel punca embrionik manusia. Kumpulan data penelitian ini mencakup ribuan sel yang diuji dengan kombinasi aktivasi jalur tertentu. Dengan demikian, IRIS dapat mengenali pola yang relevan pada tipe sel berbeda.

Pada tahap pengembangan dataset, tim menguji kombinasi enam jalur pensinyalan utama pada berbagai tahap perkembangan. Respons yang muncul menjadi dasar pemetaan respons sel. Ketika proses pembelajaran selesai, peneliti menerapkan IRIS pada data embrio tikus. Hasilnya, IRIS mampu memperkirakan aktivasi jalur sinyal pada sel yang belum dijumpai selama pelatihan. Kemampuan lintas tipe sel tersebut memberikan manfaat dalam analisis perkembangan tubuh, karena ilmuwan tidak harus melatih model terpisah untuk setiap jenis sel.

IRIS Membantu Memetakan Pembentukan Organ selama Perkembangan Embrio

Tahap validasi yang menarik dilakukan menggunakan pengamatan individual pada sel embrio tikus. Tim ilmuwan melakukan analisis pada fase gastrulasi, yaitu fase penting ketika jaringan embrionik mengalami spesialisasi. Dalam periode perkembangan ini, sel berkembang mengikuti kombinasi instruksi biologis yang membantu menentukan identitas akhirnya. Melalui penggunaan IRIS, peneliti menelusuri pola pensinyalan sepanjang perkembangan. Pendekatan analisis tersebut memberikan gambaran mengenai organisasi jaringan.

Sistem AI hasil penelitian MIT dapat memprediksi aktivitas pensinyalan pada garis keturunan sel jantung, jaringan usus, sel pembentuk otot, dan sumsum tulang belakang. Hasil tersebut membantu menjelaskan variasi perkembangan sel. Dalam konteks perkembangan organ, kelompok sel pada tahap awal dapat berkembang menjadi jaringan berbeda 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

Potensi utama pendekatan kecerdasan buatan ini berada pada pengembangan rekayasa jaringan. Pada penelitian biomedis modern, ilmuwan mengembangkan metode diferensiasi sel secara terkendali. Walaupun sel punca memiliki kemampuan berkembang, pengendalian diferensiasi membutuhkan banyak faktor. Selama proses pematangan, sel memerlukan petunjuk molekuler sesuai waktunya. Dengan informasi riwayat sinyal dari model, peneliti berpeluang menemukan petunjuk diferensiasi. Melalui pendekatan tersebut, eksperimen dapat dirancang menggunakan informasi lebih lengkap.

Penelitian tersebut juga berkaitan dengan pembuatan organoid. Organoid merupakan kumpulan sel laboratorium yang menyerupai aspek organ asli. Dalam penelitian penyakit, organoid berfungsi membantu pengamatan respons biologis. Peneliti menerapkan model tersebut untuk mengidentifikasi sinyal yang berkaitan dengan pembentukan sel penting bagi paru-paru. Hasil analisis AI selanjutnya divalidasi menggunakan penelitian embrio tikus. Hasil pengujiannya, temuan laboratorium menguatkan prediksi IRIS. Pencapaian ini mendukung penelitian jaringan pernapasan untuk mengevaluasi terapi pada model biologis.

Prospek Kecerdasan Buatan bagi Rekayasa Sel dan Pengobatan Regeneratif

Penelitian kecerdasan buatan untuk memetakan sinyal sel membuka pendekatan baru dalam pengembangan teknologi biomedis. Dengan memanfaatkan pola aktivitas genetik, IRIS dapat mengidentifikasi jejak komunikasi biologis pada berbagai jenis sel. Keunggulan model ini membantu mempercepat kajian komunikasi biologis. Eksperimen lanjutan pada jaringan embrionik memberikan dasar bagi pengembangan pendekatan rekayasa jaringan. Meski memiliki potensi besar, kemampuan model tidak otomatis menghasilkan jaringan siap transplantasi. Dalam jangka panjang, pemetaan riwayat pensinyalan berpotensi mendukung pengembangan organoid yang lebih akurat. Bagaimana menurut Anda, apakah kecerdasan buatan untuk rekayasa jaringan akan membantu mempercepat penelitian medis? Sampaikan pandangan Anda mengenai perkembangan teknologi rekayasa jaringan.