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.

Peneliti MIT Kembangkan Model AI IRIS untuk Membaca Komunikasi Antarsel

Perkembangan sistem pembelajaran mesin menghadirkan pendekatan inovatif bagi pengembangan ilmu biomedis. Dalam penelitian perkembangan embrio, ilmuwan sering menemukan kesulitan ketika memahami interaksi antara sel yang berkembang. Masing-masing sel tubuh selalu berinteraksi dengan lingkungannya. Dengan menggunakan pesan kimia, sel mengetahui perubahan kondisi sekitarnya. Informasi tersebut berperan dalam menentukan perkembangan sel. Untuk memahami proses itu, peneliti MIT mengembangkan model AI IRIS yang mampu memperkirakan riwayat komunikasi sel.

Penelitian tersebut dikoordinasikan oleh Pulin Li, asisten profesor biologi MIT yang juga tergabung dalam Whitehead Institute for Biomedical Research. Peneliti muda Nicholas Hutchins menjadi bagian utama tim penelitian 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 memungkinkan analisis lintas jenis sel. Dengan demikian, proses pemetaan sinyal berpotensi lebih efisien.

Teknologi Machine Learning Membaca Jejak Aktivitas Genetik

Sebagai dasar memahami penelitian ini, kita perlu mengenali proses komunikasi antarsel. Berbagai jenis sel mengirimkan pesan melalui molekul tertentu yang berinteraksi dengan reseptor pada sel sasaran. Ketika sinyal diterima, serangkaian reaksi dapat terjadi. Proses tersebut disebut jalur pensinyalan sel. Aktivasi jalur tertentu mengatur gen yang aktif maupun tidak aktif. Akibatnya, sel berpeluang berkembang menjadi jenis khusus sesuai konteks perkembangan tubuh.

Tim pengembang IRIS mengidentifikasi bahwa setiap jalur pensinyalan meninggalkan pola aktivitas gen yang khas. Jejak molekuler tersebut disebut sebagai fingerprint jalur sinyal. Hal penting dari temuan tersebut, pola penanda dapat ditemukan lintas tipe sel. Berkat kesamaan tersebut, IRIS mampu mengidentifikasi riwayat aktivasi jalur biologis. Namun demikian, hasil analisis merupakan inferensi berdasarkan pola genetik. Dengan mempertimbangkan mekanismenya, prediksi model tetap memerlukan validasi biologis.

Keunggulan Pembelajaran Transfer dalam Analisis Komunikasi Sel

Fitur yang membuat pendekatan tersebut menarik adalah pemanfaatan transfer learning. Dalam teknologi kecerdasan buatan, transfer learning memungkinkan pengetahuan dari data pelatihan digunakan pada situasi terkait. Melalui sistem analisis yang dikembangkan, data pelatihan berasal dari eksperimen terhadap sel punca embrionik manusia. Dataset tersebut menggunakan sejumlah besar pengamatan seluler yang menerima berbagai kombinasi rangsangan. Melalui rancangan tersebut, IRIS mampu menerapkan pengetahuan pada lingkungan biologis lain.

Pada tahap pengembangan dataset, tim menggunakan enam signaling pathways penting pada beberapa fase diferensiasi sel. Perubahan aktivitas gen menjadi dasar pemetaan respons sel. Ketika proses pembelajaran selesai, peneliti mengevaluasi kemampuan model pada perkembangan embrio hewan. Berdasarkan pengujian tersebut, IRIS menunjukkan kemampuan generalisasi ke jenis sel berbeda. Hasil pengujian ini membuka peluang pemetaan jaringan biologis lebih luas, karena ilmuwan tidak harus melatih model terpisah untuk setiap jenis sel.

Pemanfaatan Data Sel Tunggal untuk Memahami Diferensiasi Embrionik

Tahap validasi yang menarik dilakukan menggunakan data sel tunggal dari embrio tikus. Tim ilmuwan melakukan analisis pada fase gastrulasi, yaitu periode awal pembentukan jenis sel yang berbeda. Dalam periode perkembangan ini, berbagai sel menerima petunjuk molekuler yang memengaruhi arah diferensiasi. Melalui penggunaan IRIS, peneliti menelusuri pola pensinyalan sepanjang perkembangan. Kemampuan tersebut membantu memahami penyusunan struktur tubuh.

Model IRIS berhasil memperkirakan pola sinyal pada sel yang berkembang menjadi jaringan jantung, calon jaringan pencernaan, sel pembentuk otot, dan struktur saraf pada tulang belakang. Hasil tersebut menunjukkan hubungan aktivasi jalur dengan posisi sel. Untuk memahami penerapannya, kelompok sel pada tahap awal berpeluang memperoleh fungsi tidak sama karena menerima kombinasi sinyal berbeda. Melalui hasil ini, IRIS memberikan alat untuk mempelajari pembentukan jaringan, tetapi belum menggantikan pengamatan eksperimen langsung.

Kecerdasan Buatan MIT Dukung Penelitian Sel Punca dan Pengobatan Regeneratif

Peluang penting dari penelitian IRIS berada pada pengembangan rekayasa jaringan. Pada penelitian biomedis modern, ilmuwan mempelajari cara menghasilkan jaringan dengan fungsi khusus. Meski sel punca dapat membentuk berbagai jenis sel, proses pembentukan struktur biologis memerlukan kondisi khusus. Selama proses pematangan, sel mungkin membutuhkan kombinasi sinyal berbeda. Berkat kemampuan memperkirakan jalur pensinyalan, peneliti dapat mengidentifikasi kombinasi yang layak diuji. Berkat penggunaan data biologis yang lebih terarah, eksperimen dapat dirancang menggunakan informasi lebih lengkap.

Pengembangan IRIS memiliki potensi penting bagi pengembangan miniatur organ. Organoid merupakan struktur sel tiga dimensi yang meniru sebagian karakteristik organ. Dalam penelitian penyakit, organoid dapat digunakan sebagai model eksperimen. Peneliti menerapkan model tersebut untuk menganalisis kebutuhan pensinyalan pada sel pembentuk jaringan paru. Hasil analisis AI diperiksa kembali melalui pengujian biologis pada tikus. Dalam validasi tersebut, temuan laboratorium menguatkan prediksi IRIS. Pencapaian ini berpotensi membantu pembuatan model penyakit paru untuk mempelajari asma dan fibrosis paru.

Kesimpulan Model AI MIT dalam Memetakan Komunikasi Antarsel

Penelitian kecerdasan buatan untuk memetakan sinyal sel memberikan kontribusi menarik dalam pengembangan teknologi biomedis. Melalui analisis ekspresi gen, IRIS dapat mengidentifikasi jejak komunikasi biologis pada tipe sel yang berbeda. Keunggulan model ini mengurangi ketergantungan pada pemetaan setiap jenis sel secara terpisah. Pengujian pada embrio tikus memperlihatkan potensi model dalam memahami pembentukan organ. Namun demikian, prediksi AI tetap memerlukan pengujian biologis. Untuk pengembangan selanjutnya, pemetaan riwayat pensinyalan mungkin mempercepat kajian terapi regeneratif. Menurut pandangan Anda, apakah model AI seperti IRIS akan membantu mempercepat penelitian medis? Bagikan pemikiran Anda mengenai masa depan pengobatan regeneratif berbasis sel.