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 kemampuan tambahan bagi pengembangan ilmu biomedis. Selama ini, ilmuwan sering menemukan kesulitan ketika menelusuri pertukaran sinyal biologis. Masing-masing sel tubuh memiliki hubungan dengan sel di sekitarnya. Melalui berbagai molekul sinyal, sel mengetahui perubahan kondisi sekitarnya. Pesan biologis ini membantu mengarahkan spesialisasi sel. Sebagai langkah mempelajari komunikasi biologis, peneliti MIT mengembangkan model AI IRIS yang dirancang mengenali jejak aktivitas sinyal.

Studi yang dilakukan ilmuwan MIT dipimpin oleh Pulin Li, asisten profesor biologi MIT yang juga berafiliasi dengan Whitehead Institute for Biomedical Research. Mahasiswa pascasarjana Nicholas Hutchins turut berperan penting dalam pengembangan pendekatan tersebut. Sistem kecerdasan buatan ini menggunakan jaringan saraf komputasional untuk menganalisis perubahan aktivitas genetik. 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

Untuk memahami kemampuan IRIS, penting mengetahui bagaimana sel berkomunikasi. Sel tubuh memanfaatkan senyawa pemberi sinyal yang ditangkap melalui sistem penerima biologis. Ketika sinyal diterima, jalur komunikasi internal dapat diaktifkan. Rangkaian reaksi ini disebut jalur pensinyalan sel. Perubahan pada proses pensinyalan dapat mengubah ekspresi gen. Melalui perubahan tersebut, sel dapat mengalami diferensiasi sesuai kondisi jaringan.

Peneliti MIT menemukan bahwa respons terhadap suatu signaling pathway dapat dikenali melalui jejak genetik. Jejak molekuler tersebut dapat dipahami sebagai sidik jari biologis. Keunggulan pendekatan ini, fingerprint suatu jalur relatif konsisten pada berbagai jenis sel. Melalui karakteristik yang dapat dikenali, IRIS mampu mengidentifikasi riwayat aktivasi jalur biologis. Walaupun pendekatan tersebut menjanjikan, hasil analisis merupakan inferensi berdasarkan pola genetik. Karena itu, hasil harus ditafsirkan berdasarkan eksperimen.

Cara Model AI MIT Mempelajari Pola Biologis Lintas Tipe Sel

Keunggulan penting dari model AI MIT adalah pemanfaatan transfer learning. Dalam sistem pembelajaran mesin modern, transfer learning memungkinkan pengetahuan dari data pelatihan digunakan pada situasi terkait. Melalui sistem analisis yang dikembangkan, peneliti memanfaatkan pengukuran pada human embryonic stem cells. Dataset tersebut mencakup ribuan sel yang menerima berbagai kombinasi rangsangan. Berkat proses pembelajaran itu, IRIS dapat mengenali pola yang relevan pada tipe sel berbeda.

Ketika menyusun data eksperimen, tim menguji kombinasi enam jalur pensinyalan utama pada sejumlah waktu pengamatan. Perubahan aktivitas gen digunakan untuk membangun atlas komunikasi biologis. Sesudah pola dikenali, peneliti menerapkan IRIS pada data embrio tikus. Berdasarkan pengujian tersebut, IRIS mampu memperkirakan aktivasi jalur sinyal pada sel yang belum dijumpai selama pelatihan. Hasil pengujian ini 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 dataset perkembangan embrio hewan. Pengujian diarahkan pada fase gastrulasi, yaitu periode awal pembentukan jenis sel yang berbeda. Pada tahap tersebut, sel berkembang mengikuti kombinasi instruksi biologis yang mengatur pembentukan jaringan tertentu. Berkat pemetaan pola ekspresi gen, peneliti mengidentifikasi kemungkinan jalur komunikasi pada bagian embrio tertentu. Kemampuan tersebut mendukung penelitian hubungan sinyal dengan pembentukan organ.

Pendekatan analisis baru tersebut menunjukkan kemampuan mengidentifikasi aktivasi jalur pada garis keturunan sel jantung, calon jaringan pencernaan, jaringan muskular, dan jaringan spinal cord. Hasil tersebut membantu menjelaskan variasi perkembangan sel. Dalam konteks perkembangan organ, dua sel dengan informasi genetik serupa mampu mengambil arah diferensiasi berlainan karena mengalami sejarah pensinyalan yang tidak identik. Melalui hasil ini, 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 pembuatan jaringan biologis di laboratorium. Pada penelitian biomedis modern, ilmuwan mengembangkan metode diferensiasi sel secara terkendali. Namun demikian, pengendalian diferensiasi membutuhkan banyak faktor. Dalam setiap fase perkembangan, sel dapat merespons rangsangan biologis tertentu. Dengan informasi riwayat sinyal dari model, peneliti dapat mengidentifikasi kombinasi yang layak diuji. Melalui pendekatan tersebut, pengembangan jaringan laboratorium berpotensi lebih efisien.

Pengembangan IRIS berpeluang mendukung penelitian model organ tiga dimensi. Organoid merupakan model biologis mini yang merepresentasikan fungsi tertentu jaringan. Untuk studi perkembangan jaringan, organoid memberikan sarana mempelajari mekanisme seluler. Peneliti menerapkan model tersebut untuk mengidentifikasi sinyal yang berkaitan dengan pembentukan sel penting bagi paru-paru. Hasil analisis AI diperiksa kembali melalui pengujian biologis pada tikus. Berdasarkan eksperimen lanjutan, temuan laboratorium menguatkan prediksi IRIS. Pencapaian ini berpotensi membantu pembuatan model penyakit paru untuk mempelajari asma dan fibrosis paru.

Prospek Kecerdasan Buatan bagi Rekayasa Sel dan Pengobatan Regeneratif

Penelitian kecerdasan buatan untuk memetakan sinyal sel memberikan kontribusi menarik dalam ilmu biologi perkembangan. Berkat pembelajaran mesin berbasis data sel, IRIS mampu memperkirakan riwayat pensinyalan pada bermacam jaringan dalam perkembangan. Hasil analisis tersebut membantu mempercepat kajian komunikasi biologis. Validasi menggunakan data perkembangan embrio menunjukkan kemampuan IRIS memperkirakan aktivasi sinyal. Walaupun hasilnya menjanjikan, kemampuan model tidak otomatis menghasilkan jaringan siap transplantasi. Untuk pengembangan selanjutnya, pemetaan riwayat pensinyalan berpotensi mendukung pengembangan organoid yang lebih akurat. Menurut pandangan Anda, apakah model AI seperti IRIS mampu memberikan kemajuan pada pengembangan organoid? Bagikan pemikiran Anda mengenai masa depan pengobatan regeneratif berbasis sel.