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

Penerapan metode komputasi biologis semakin memberikan kemampuan tambahan bagi penelitian biologi sel. Selama ini, ilmuwan membutuhkan metode yang kompleks ketika memahami interaksi antara sel yang berkembang. Sel dalam jaringan biologis tidak bekerja secara terpisah. Melalui berbagai molekul sinyal, sel menerima informasi mengenai lingkungan. Pesan biologis ini membantu mengarahkan spesialisasi sel. Untuk memahami proses itu, peneliti MIT memperkenalkan model AI IRIS yang digunakan untuk menganalisis pola respons genetik.

Studi yang dilakukan ilmuwan MIT dikoordinasikan oleh Pulin Li, peneliti bidang biologi di MIT yang juga tergabung dalam Whitehead Institute for Biomedical Research. Nicholas Hutchins berkontribusi terhadap perancangan pendekatan tersebut. Sistem kecerdasan buatan ini memanfaatkan arsitektur pembelajaran mesin untuk mempelajari pola ekspresi gen. Berbeda dari metode yang meneliti setiap kombinasi sel secara terpisah, IRIS membantu memperkirakan jalur komunikasi pada berbagai tipe sel. Melalui kemampuan tersebut, analisis komunikasi antarsel menjadi lebih terarah.

Teknologi Machine Learning Membaca Jejak Aktivitas Genetik

Dalam menjelaskan mekanisme model tersebut, perlu memahami prinsip pertukaran sinyal biologis. Berbagai jenis sel memanfaatkan senyawa pemberi sinyal yang ditangkap melalui sistem penerima biologis. Saat reseptor mengenali rangsangan, aktivitas molekuler tertentu dapat dimulai. Proses tersebut dikenal sebagai signaling pathway. Aktivasi jalur tertentu mengatur gen yang aktif maupun tidak aktif. Sebagai hasilnya, sel berpeluang berkembang menjadi jenis khusus sesuai kondisi jaringan.

Peneliti MIT menemukan bahwa jalur sinyal tertentu menghasilkan karakteristik ekspresi gen tersendiri. Jejak molekuler tersebut dapat dipahami sebagai sidik jari biologis. Hal penting dari temuan tersebut, karakteristik jalur sinyal memiliki kesamaan pada sel yang berbeda. Berkat kesamaan tersebut, IRIS dilatih untuk memperkirakan jalur sinyal yang pernah aktif. Walaupun pendekatan tersebut menjanjikan, model tidak merekam percakapan sel secara langsung. Oleh sebab itu, prediksi model tetap memerlukan validasi biologis.

Keunggulan Pembelajaran Transfer dalam Analisis Komunikasi Sel

Keunggulan penting dari model AI MIT adalah penerapan teknik transfer pengetahuan. Pada pengembangan model machine learning, transfer learning mendukung pemanfaatan hasil pelatihan untuk tugas serupa. Melalui sistem analisis yang dikembangkan, model dilatih menggunakan respons sel punca embrionik manusia. Informasi biologis yang digunakan mencakup ribuan sel yang diberikan sejumlah perlakuan sinyal. Berkat proses pembelajaran itu, IRIS dapat mengenali pola yang relevan pada tipe sel berbeda.

Dalam proses pelatihan, tim mengukur respons terhadap kombinasi enam jalur sinyal pada berbagai tahap perkembangan. Hasil ekspresi genetik digunakan untuk membangun atlas komunikasi biologis. Sesudah pola dikenali, peneliti mengevaluasi kemampuan model pada perkembangan embrio hewan. Hasilnya, IRIS dapat mengenali pola komunikasi pada konteks perkembangan baru. Hasil pengujian ini membuka peluang pemetaan jaringan biologis lebih luas, karena pendekatan yang sama berpotensi digunakan pada banyak tipe jaringan.

Model AI MIT Identifikasi Sinyal Pembentuk Jantung dan Jaringan Tubuh

Salah satu penerapan penting 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, sel berkembang mengikuti kombinasi instruksi biologis yang memengaruhi arah diferensiasi. Dengan analisis berbasis model AI, 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 sel yang berkembang menjadi jaringan jantung, struktur saluran pencernaan, otot, dan sumsum tulang belakang. Hasil tersebut menunjukkan hubungan aktivasi jalur dengan posisi sel. Dalam konteks perkembangan organ, kelompok sel pada tahap awal mampu mengambil arah diferensiasi berlainan karena menerima kombinasi sinyal berbeda. Berdasarkan temuan tersebut, IRIS memperluas pemahaman tentang diferensiasi, tetapi tidak otomatis menentukan seluruh mekanisme perkembangan.

Kecerdasan Buatan MIT Dukung Penelitian Sel Punca dan Pengobatan Regeneratif

Potensi utama pendekatan kecerdasan buatan ini berada pada pengembangan rekayasa jaringan. Dalam bidang tersebut, ilmuwan mengembangkan metode diferensiasi sel secara terkendali. Walaupun sel punca memiliki kemampuan berkembang, menghasilkan jaringan yang tepat tidak selalu mudah. Selama proses pematangan, sel mungkin membutuhkan kombinasi sinyal berbeda. Melalui pemetaan yang dilakukan IRIS, peneliti berpeluang menemukan petunjuk diferensiasi. Berkat penggunaan data biologis yang lebih terarah, proses pencarian kondisi diferensiasi mungkin menjadi lebih cepat.

Pengembangan IRIS memiliki potensi penting bagi pengembangan miniatur organ. Organoid merupakan model biologis mini yang merepresentasikan fungsi tertentu jaringan. Untuk studi perkembangan jaringan, organoid dapat digunakan sebagai model eksperimen. Peneliti menerapkan model tersebut untuk mengidentifikasi sinyal yang berkaitan dengan pembentukan sel penting bagi paru-paru. Perkiraan jalur pensinyalan tersebut kemudian diuji melalui eksperimen pada embrio tikus. Berdasarkan eksperimen lanjutan, aktivasi jalur yang diprediksi mendukung perkembangan sel paru. Keberhasilan validasi itu memberikan dasar bagi pengembangan organoid paru untuk mempelajari asma dan fibrosis paru.

Kesimpulan Model AI MIT dalam Memetakan Komunikasi Antarsel

Pengembangan model IRIS oleh MIT memberikan kontribusi menarik dalam ilmu biologi perkembangan. Dengan memanfaatkan pola aktivitas genetik, IRIS berhasil mengenali pola aktivasi jalur sinyal pada berbagai jenis sel. Hasil analisis tersebut mengurangi ketergantungan pada pemetaan setiap jenis sel secara terpisah. Pengujian pada embrio tikus memperlihatkan potensi model dalam memahami pembentukan organ. Meski memiliki potensi besar, penerapan klinis masih membutuhkan penelitian lanjutan. Sebagai arah penelitian masa depan, pemahaman terhadap komunikasi antarsel mungkin mempercepat kajian terapi regeneratif. Apa pendapat Anda, apakah model AI seperti IRIS akan membantu mempercepat penelitian medis? Sampaikan pandangan Anda mengenai perkembangan teknologi rekayasa jaringan.