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

Kemajuan sistem pembelajaran mesin terus membuka pendekatan inovatif bagi kajian pembentukan jaringan tubuh. Selama ini, ilmuwan sering menemukan kesulitan ketika mempelajari komunikasi antarsel. Setiap sel memiliki hubungan dengan sel di sekitarnya. Dengan menggunakan pesan kimia, sel mengetahui perubahan kondisi sekitarnya. Pesan biologis ini berperan dalam menentukan perkembangan sel. Sebagai langkah mempelajari komunikasi biologis, peneliti MIT mengembangkan model AI IRIS yang mampu memperkirakan riwayat komunikasi sel.

Pengembangan model IRIS dikoordinasikan oleh Pulin Li, asisten profesor biologi MIT yang juga menjadi anggota Whitehead Institute. Peneliti muda Nicholas Hutchins berkontribusi terhadap perancangan pendekatan tersebut. Sistem kecerdasan buatan ini 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. Dengan demikian, analisis komunikasi antarsel menjadi lebih terarah.

Teknologi Machine Learning Membaca Jejak Aktivitas Genetik

Dalam menjelaskan mekanisme model tersebut, penting mengetahui bagaimana sel berkomunikasi. Berbagai jenis sel mengirimkan pesan melalui molekul tertentu yang berinteraksi dengan reseptor pada sel sasaran. Setelah molekul pemberi pesan berinteraksi, aktivitas molekuler tertentu dapat dimulai. Mekanisme penyampaian informasi tersebut merupakan bagian dari sistem transduksi sinyal. Respons terhadap rangsangan biologis mengatur gen yang aktif maupun tidak aktif. Melalui perubahan tersebut, sel memperoleh karakteristik biologis tertentu sesuai kondisi jaringan.

Hasil penelitian menunjukkan bahwa setiap jalur pensinyalan meninggalkan pola aktivitas gen yang khas. Jejak molekuler tersebut disebut sebagai fingerprint jalur sinyal. Keunggulan pendekatan ini, karakteristik jalur sinyal memiliki kesamaan pada sel yang berbeda. Melalui karakteristik yang dapat dikenali, IRIS dilatih untuk memperkirakan jalur sinyal yang pernah aktif. Namun demikian, model tidak merekam percakapan sel secara langsung. Dengan mempertimbangkan mekanismenya, hasil harus ditafsirkan berdasarkan eksperimen.

Keunggulan Pembelajaran Transfer dalam Analisis Komunikasi Sel

Salah satu kemampuan utama IRIS adalah penerapan teknik transfer pengetahuan. Dalam sistem pembelajaran mesin modern, transfer learning memungkinkan pengetahuan dari data pelatihan digunakan pada situasi terkait. Dalam eksperimen para ilmuwan MIT, data pelatihan berasal dari eksperimen terhadap sel punca embrionik manusia. Informasi biologis yang digunakan menggunakan sejumlah besar pengamatan seluler yang menerima berbagai kombinasi rangsangan. Dengan demikian, IRIS dapat mengenali pola yang relevan pada tipe sel berbeda.

Dalam proses pelatihan, tim mengukur respons terhadap kombinasi enam jalur sinyal pada beberapa fase diferensiasi sel. Respons yang muncul menjadi dasar pemetaan respons sel. Ketika proses pembelajaran selesai, peneliti mengevaluasi kemampuan model pada perkembangan embrio hewan. Berdasarkan pengujian tersebut, IRIS dapat mengenali pola komunikasi pada konteks perkembangan baru. Hasil pengujian ini membuka peluang pemetaan jaringan biologis lebih luas, 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. Pengujian diarahkan pada fase gastrulasi, yaitu tahap perkembangan embrio ketika sel mulai membentuk berbagai garis keturunan. Pada tahap tersebut, jaringan embrio merespons beragam sinyal yang mengatur pembentukan jaringan tertentu. Berkat pemetaan pola ekspresi gen, peneliti mengidentifikasi kemungkinan jalur komunikasi pada bagian embrio tertentu. Pendekatan analisis tersebut memberikan gambaran mengenai organisasi jaringan.

Pendekatan analisis baru tersebut menunjukkan kemampuan mengidentifikasi aktivasi jalur pada sel yang berkembang menjadi jaringan jantung, jaringan usus, sel pembentuk otot, dan jaringan spinal cord. Keberhasilan prediksi tersebut memperlihatkan bagaimana sinyal berbeda mengarahkan pembentukan jaringan. Dalam konteks perkembangan organ, kelompok sel pada tahap awal berpeluang memperoleh fungsi tidak sama karena berada pada lingkungan molekuler berlainan. Melalui hasil ini, IRIS memperluas pemahaman tentang diferensiasi, tetapi tetap membutuhkan pembuktian pada sistem biologis.

Kecerdasan Buatan MIT Dukung Penelitian Sel Punca dan Pengobatan Regeneratif

Potensi utama pendekatan kecerdasan buatan ini berada pada pengembangan rekayasa jaringan. Pada penelitian biomedis modern, ilmuwan mempelajari cara menghasilkan jaringan dengan fungsi khusus. Walaupun sel punca memiliki kemampuan berkembang, pengendalian diferensiasi membutuhkan banyak faktor. Setiap tahap, sel mungkin membutuhkan kombinasi sinyal berbeda. Melalui pemetaan yang dilakukan IRIS, peneliti dapat mengidentifikasi kombinasi yang layak diuji. Dengan demikian, proses pencarian kondisi diferensiasi mungkin menjadi lebih cepat.

Pengembangan IRIS memiliki potensi penting bagi pengembangan miniatur organ. Organoid merupakan struktur sel tiga dimensi yang meniru sebagian karakteristik organ. 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 kemudian diuji melalui eksperimen pada embrio tikus. Dalam validasi tersebut, temuan laboratorium menguatkan prediksi IRIS. Temuan tersebut mendukung penelitian jaringan pernapasan untuk mengevaluasi terapi pada model biologis.

Prospek Kecerdasan Buatan bagi Rekayasa Sel dan Pengobatan Regeneratif

Pengembangan model IRIS oleh MIT menunjukkan kemajuan penting dalam ilmu biologi perkembangan. Berkat pembelajaran mesin berbasis data sel, IRIS berhasil mengenali pola aktivasi jalur sinyal pada berbagai jenis sel. Kemampuan tersebut mendukung penggunaan pengetahuan lintas tipe sel. Eksperimen lanjutan pada jaringan embrionik menunjukkan kemampuan IRIS memperkirakan aktivasi sinyal. Meski memiliki potensi besar, prediksi AI tetap memerlukan pengujian biologis. Untuk pengembangan selanjutnya, pemahaman terhadap komunikasi antarsel berpotensi mendukung pengembangan organoid yang lebih akurat. Apa pendapat Anda, apakah kecerdasan buatan untuk rekayasa jaringan berpotensi membuka peluang baru dalam bioteknologi? Silakan bagikan pendapat Anda mengenai peran AI dalam penelitian biologi.