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 teknologi kecerdasan buatan menghadirkan kemampuan tambahan bagi penelitian biologi sel. Pada kajian biologi modern, ilmuwan membutuhkan metode yang kompleks ketika mempelajari komunikasi antarsel. Sel dalam jaringan biologis memiliki hubungan dengan sel di sekitarnya. Melalui berbagai molekul sinyal, sel memperoleh petunjuk tentang posisi dan fungsi. Pesan biologis ini berperan dalam menentukan perkembangan sel. Dalam upaya mengurai mekanisme tersebut, peneliti MIT memperkenalkan model AI IRIS yang digunakan untuk menganalisis pola respons genetik.

Pengembangan model IRIS berada di bawah kepemimpinan Pulin Li, peneliti bidang biologi di MIT yang juga menjadi anggota Whitehead Institute. Mahasiswa pascasarjana Nicholas Hutchins berkontribusi terhadap perancangan pendekatan tersebut. Model IRIS dibangun dengan pendekatan neural network untuk mengidentifikasi karakteristik respons biologis. Sebagai alternatif terhadap pendekatan pengujian satu per satu, IRIS dapat mengenali karakteristik sinyal pada sel berbeda. Berkat pendekatan ini, proses pemetaan sinyal berpotensi lebih efisien.

Cara Kerja Model AI IRIS dalam Mengidentifikasi Jalur Sinyal Sel

Dalam menjelaskan mekanisme model tersebut, perlu memahami prinsip pertukaran sinyal biologis. Sel tubuh mengirimkan pesan melalui molekul tertentu yang ditangkap melalui sistem penerima biologis. Ketika sinyal diterima, aktivitas molekuler tertentu dapat dimulai. Mekanisme penyampaian informasi tersebut merupakan bagian dari sistem transduksi sinyal. Aktivasi jalur tertentu memengaruhi aktivitas gen tertentu. Sebagai hasilnya, sel dapat mengalami diferensiasi sesuai kondisi jaringan.

Hasil penelitian menunjukkan bahwa respons terhadap suatu signaling pathway dapat dikenali melalui jejak genetik. Pola tersebut dapat dipahami sebagai sidik jari biologis. Hal penting dari temuan tersebut, fingerprint suatu jalur relatif konsisten pada berbagai jenis sel. Dengan memanfaatkan pola yang konsisten, IRIS dilatih untuk memperkirakan jalur sinyal yang pernah aktif. Walaupun pendekatan tersebut menjanjikan, model tidak merekam percakapan sel secara langsung. Dengan mempertimbangkan mekanismenya, hasil harus ditafsirkan berdasarkan eksperimen.

Transfer Learning Memungkinkan IRIS Mengenali Sinyal pada Jenis Sel Baru

Keunggulan penting dari model AI MIT adalah pemanfaatan transfer learning. Dalam teknologi kecerdasan buatan, transfer learning mendukung pemanfaatan hasil pelatihan untuk tugas serupa. Melalui sistem analisis yang dikembangkan, data pelatihan berasal dari eksperimen terhadap sel punca embrionik manusia. Informasi biologis yang digunakan mencakup ribuan sel yang menerima berbagai kombinasi rangsangan. 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 menjadi dasar pemetaan respons sel. Ketika proses pembelajaran selesai, peneliti menguji sistem menggunakan sel dari embrio tikus. Dalam evaluasi ini, IRIS mampu memperkirakan aktivasi jalur sinyal pada sel yang belum dijumpai selama pelatihan. Pencapaian tersebut penting bagi penelitian embrio, karena pengujian setiap kombinasi sel dapat dikurangi.

Model AI MIT Identifikasi Sinyal Pembentuk Jantung dan Jaringan Tubuh

Salah satu penerapan penting dilakukan menggunakan pengamatan individual pada sel embrio tikus. Tim ilmuwan melakukan analisis pada fase gastrulasi, yaitu tahap perkembangan embrio ketika sel mulai membentuk berbagai garis keturunan. Selama proses gastrulasi, jaringan embrio merespons beragam sinyal yang memengaruhi arah diferensiasi. Melalui penggunaan IRIS, peneliti menelusuri pola pensinyalan sepanjang perkembangan. Hasil pemetaan ini mendukung penelitian hubungan sinyal dengan pembentukan organ.

Sistem AI hasil penelitian MIT dapat memprediksi aktivitas pensinyalan pada calon sel pembentuk jantung, calon jaringan pencernaan, otot, dan struktur saraf pada tulang belakang. Hasil tersebut memperlihatkan bagaimana sinyal berbeda mengarahkan pembentukan jaringan. Dalam konteks perkembangan organ, sel yang berasal dari embrio sama 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 pengembangan rekayasa jaringan. Pada penelitian biomedis modern, ilmuwan berusaha mengarahkan sel punca menjadi tipe sel tertentu. Namun demikian, menghasilkan jaringan yang tepat tidak selalu mudah. Dalam setiap fase perkembangan, sel memerlukan petunjuk molekuler sesuai waktunya. Berkat kemampuan memperkirakan jalur pensinyalan, peneliti dapat mengidentifikasi kombinasi yang layak diuji. Dengan demikian, pengembangan jaringan laboratorium berpotensi lebih efisien.

Studi yang dilakukan tim MIT memiliki potensi penting bagi pengembangan miniatur organ. Organoid merupakan kumpulan sel laboratorium yang menyerupai aspek organ asli. Pada pengujian obat, organoid dapat digunakan sebagai model eksperimen. Peneliti menerapkan model tersebut untuk memperkirakan jalur yang mendukung perkembangan jenis sel paru tertentu. Prediksi model selanjutnya divalidasi menggunakan penelitian embrio tikus. Dalam validasi tersebut, hasil percobaan sesuai dengan arah perkembangan yang diperkirakan. Temuan tersebut memberikan dasar bagi pengembangan organoid paru untuk mempelajari asma dan fibrosis paru.

Masa Depan Teknologi IRIS untuk Penelitian Jaringan Manusia

Inovasi teknologi analisis komunikasi antarsel menunjukkan kemajuan penting dalam penelitian rekayasa jaringan. Dengan memanfaatkan pola aktivitas genetik, IRIS berhasil mengenali pola aktivasi jalur sinyal pada berbagai jenis sel. Keunggulan model ini membantu mempercepat kajian komunikasi biologis. Eksperimen lanjutan pada jaringan embrionik memperlihatkan potensi model dalam memahami pembentukan organ. Meski memiliki potensi besar, penerapan klinis masih membutuhkan penelitian lanjutan. Untuk pengembangan selanjutnya, analisis respons genetik mungkin mempercepat kajian terapi regeneratif. Bagaimana menurut Anda, apakah kecerdasan buatan untuk rekayasa jaringan akan membantu mempercepat penelitian medis? Silakan bagikan pendapat Anda mengenai perkembangan teknologi rekayasa jaringan.