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 terus membuka peluang baru bagi kajian pembentukan jaringan tubuh. Pada kajian biologi modern, ilmuwan menghadapi tantangan besar ketika mempelajari komunikasi antarsel. Setiap sel selalu berinteraksi dengan lingkungannya. Dengan menggunakan pesan kimia, sel mengetahui perubahan kondisi sekitarnya. Informasi tersebut memengaruhi pembentukan berbagai jenis jaringan. Untuk memahami proses itu, peneliti MIT memperkenalkan model AI IRIS yang dirancang mengenali jejak aktivitas sinyal.

Penelitian tersebut berada di bawah kepemimpinan Pulin Li, peneliti bidang biologi di MIT yang juga tergabung dalam Whitehead Institute for Biomedical Research. Nicholas Hutchins menjadi bagian utama tim penelitian pendekatan tersebut. Sistem kecerdasan buatan ini memanfaatkan arsitektur pembelajaran mesin untuk mengidentifikasi karakteristik respons biologis. Tidak seperti cara konvensional yang membutuhkan banyak eksperimen khusus, IRIS memungkinkan analisis lintas jenis sel. Dengan demikian, peneliti dapat mengurangi kebutuhan pengujian berulang.

Cara Kerja Model AI IRIS dalam Mengidentifikasi Jalur Sinyal Sel

Untuk memahami kemampuan IRIS, kita perlu mengenali proses komunikasi antarsel. Berbagai jenis sel memanfaatkan senyawa pemberi sinyal yang dapat diterima oleh sel lain. Setelah molekul pemberi pesan berinteraksi, serangkaian reaksi dapat terjadi. Rangkaian reaksi ini merupakan bagian dari sistem transduksi sinyal. Perubahan pada proses pensinyalan mengatur gen yang aktif maupun tidak aktif. Melalui perubahan tersebut, sel memperoleh karakteristik biologis tertentu sesuai konteks perkembangan tubuh.

Peneliti MIT menemukan 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. Melalui karakteristik yang dapat dikenali, IRIS mampu mengidentifikasi riwayat aktivasi jalur biologis. Meski mampu menghasilkan prediksi, hasil analisis merupakan inferensi berdasarkan pola genetik. Karena itu, hasil harus ditafsirkan berdasarkan eksperimen.

Transfer Learning Memungkinkan IRIS Mengenali Sinyal pada Jenis Sel Baru

Keunggulan penting dari model AI MIT adalah penggunaan pembelajaran transfer. 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. Dataset tersebut menggunakan sejumlah besar pengamatan seluler yang menerima berbagai kombinasi rangsangan. Berkat proses pembelajaran itu, IRIS dapat mengenali pola yang relevan pada tipe sel berbeda.

Pada tahap pengembangan dataset, tim menggunakan enam signaling pathways penting pada sejumlah waktu pengamatan. Perubahan aktivitas gen membentuk kumpulan pola sinyal yang dapat dipelajari. Ketika proses pembelajaran selesai, peneliti menguji sistem menggunakan sel dari embrio tikus. Hasilnya, IRIS dapat mengenali pola komunikasi pada konteks perkembangan baru. Kemampuan lintas tipe sel tersebut memberikan manfaat dalam analisis perkembangan tubuh, karena pengujian setiap kombinasi sel dapat dikurangi.

Pemanfaatan Data Sel Tunggal untuk Memahami Diferensiasi Embrionik

Tahap validasi yang menarik dilakukan menggunakan data sel tunggal dari embrio tikus. Pengujian diarahkan pada fase gastrulasi, yaitu tahap perkembangan embrio ketika sel mulai membentuk berbagai garis keturunan. Dalam periode perkembangan ini, berbagai sel menerima petunjuk molekuler yang memengaruhi arah diferensiasi. Dengan analisis berbasis model AI, peneliti dapat memperkirakan waktu dan lokasi aktivasi sinyal. Pendekatan analisis tersebut mendukung penelitian hubungan sinyal dengan pembentukan organ.

Pendekatan analisis baru tersebut dapat memprediksi aktivitas pensinyalan pada garis keturunan sel jantung, calon jaringan pencernaan, otot, dan jaringan spinal cord. Hasil tersebut menunjukkan hubungan aktivasi jalur dengan posisi sel. Sebagai contoh, sel yang berasal dari embrio sama dapat berkembang menjadi jaringan berbeda karena menerima kombinasi sinyal berbeda. Berdasarkan temuan tersebut, IRIS memperluas pemahaman tentang diferensiasi, 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. Namun demikian, proses pembentukan struktur biologis memerlukan kondisi khusus. Selama proses pematangan, sel memerlukan petunjuk molekuler sesuai waktunya. Melalui pemetaan yang dilakukan IRIS, peneliti memiliki dasar untuk merancang eksperimen baru. Melalui pendekatan tersebut, pengembangan jaringan laboratorium berpotensi lebih efisien.

Penelitian tersebut berpeluang mendukung penelitian model organ tiga dimensi. Organoid merupakan model biologis mini yang merepresentasikan fungsi tertentu jaringan. Pada pengujian obat, organoid dapat digunakan sebagai model eksperimen. Peneliti menerapkan model tersebut untuk menganalisis kebutuhan pensinyalan pada sel pembentuk jaringan paru. Hasil analisis AI kemudian diuji melalui eksperimen pada embrio tikus. Berdasarkan eksperimen lanjutan, temuan laboratorium menguatkan prediksi IRIS. Keberhasilan validasi itu berpotensi membantu pembuatan model penyakit paru untuk mengamati mekanisme penyakit pernapasan.

Masa Depan Teknologi IRIS untuk Penelitian Jaringan Manusia

Inovasi teknologi analisis komunikasi antarsel menunjukkan kemajuan penting dalam pengembangan teknologi biomedis. Berkat pembelajaran mesin berbasis data sel, IRIS dapat mengidentifikasi jejak komunikasi biologis pada berbagai jenis sel. Keunggulan model ini mendukung penggunaan pengetahuan lintas tipe sel. Pengujian pada embrio tikus memperlihatkan potensi model dalam memahami pembentukan organ. Walaupun hasilnya menjanjikan, prediksi AI tetap memerlukan pengujian biologis. Dalam jangka panjang, pemahaman terhadap komunikasi antarsel berpotensi mendukung pengembangan organoid yang lebih akurat. Apa pendapat Anda, apakah model AI seperti IRIS berpotensi membuka peluang baru dalam bioteknologi? Silakan bagikan pendapat Anda mengenai perkembangan teknologi rekayasa jaringan.