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 pendekatan inovatif bagi pengembangan ilmu biomedis. Selama ini, ilmuwan membutuhkan metode yang kompleks ketika menelusuri pertukaran sinyal biologis. Masing-masing sel tubuh memiliki hubungan dengan sel di sekitarnya. Berkat komunikasi molekuler, sel memperoleh petunjuk tentang posisi dan fungsi. Informasi tersebut memengaruhi pembentukan berbagai jenis jaringan. Untuk memahami proses itu, peneliti MIT mengembangkan model AI IRIS yang digunakan untuk menganalisis pola respons genetik.

Pengembangan model IRIS berada di bawah kepemimpinan Pulin Li, anggota fakultas biologi Massachusetts Institute of Technology yang juga tergabung dalam Whitehead Institute for Biomedical Research. Nicholas Hutchins menjadi bagian utama tim penelitian pendekatan tersebut. Model IRIS menggunakan jaringan saraf komputasional untuk mempelajari pola ekspresi gen. Berbeda dari metode yang meneliti setiap kombinasi sel secara terpisah, IRIS dapat mengenali karakteristik sinyal pada sel berbeda. Melalui kemampuan tersebut, proses pemetaan sinyal berpotensi lebih efisien.

Teknologi Machine Learning Membaca Jejak Aktivitas Genetik

Untuk memahami kemampuan IRIS, perlu memahami prinsip pertukaran sinyal biologis. Jaringan sel biologis memanfaatkan senyawa pemberi sinyal yang dapat diterima oleh sel lain. Setelah molekul pemberi pesan berinteraksi, serangkaian reaksi dapat terjadi. Mekanisme penyampaian informasi tersebut disebut jalur pensinyalan sel. Respons terhadap rangsangan biologis mengatur gen yang aktif maupun tidak aktif. Melalui perubahan tersebut, sel dapat mengalami diferensiasi sesuai rangkaian sinyal yang diterima.

Hasil penelitian menunjukkan bahwa jalur sinyal tertentu menghasilkan karakteristik ekspresi gen tersendiri. Karakteristik aktivitas gen ini menjadi penanda khas dari komunikasi sel. Hal penting dari temuan tersebut, pola penanda dapat ditemukan lintas tipe sel. Melalui karakteristik yang dapat dikenali, IRIS dilatih untuk memperkirakan jalur sinyal yang pernah aktif. Namun demikian, hasil analisis merupakan inferensi berdasarkan pola genetik. Dengan mempertimbangkan mekanismenya, prediksi model tetap memerlukan validasi biologis.

Cara Model AI MIT Mempelajari Pola Biologis Lintas Tipe Sel

Salah satu kemampuan utama IRIS adalah penggunaan pembelajaran transfer. Pada pengembangan model machine learning, transfer learning membantu model menerapkan pola yang dipelajari pada data baru. Melalui sistem analisis yang dikembangkan, model dilatih menggunakan respons sel punca embrionik manusia. Dataset tersebut berisi pengukuran dari ribuan sel yang diberikan sejumlah perlakuan sinyal. Berkat proses pembelajaran itu, IRIS berpotensi memperkirakan sinyal di luar jenis sel pelatihan.

Pada tahap pengembangan dataset, 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 menunjukkan kemampuan generalisasi ke jenis sel berbeda. Pencapaian tersebut 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

Pengujian utama setelah pelatihan dilakukan menggunakan dataset perkembangan embrio hewan. Pengujian diarahkan pada fase gastrulasi, yaitu tahap perkembangan embrio ketika sel mulai membentuk berbagai garis keturunan. Pada tahap tersebut, berbagai sel menerima petunjuk molekuler yang mengatur pembentukan jaringan tertentu. Melalui penggunaan IRIS, peneliti dapat memperkirakan waktu dan lokasi aktivasi sinyal. Kemampuan tersebut membantu memahami penyusunan struktur tubuh.

Pendekatan analisis baru tersebut berhasil memperkirakan pola sinyal pada garis keturunan sel jantung, calon jaringan pencernaan, sel pembentuk otot, dan sumsum tulang belakang. Hasil tersebut memperlihatkan bagaimana sinyal berbeda mengarahkan pembentukan jaringan. Sebagai contoh, dua sel dengan informasi genetik serupa mampu mengambil arah diferensiasi berlainan karena berada pada lingkungan molekuler berlainan. Dengan demikian, IRIS memperluas pemahaman tentang diferensiasi, tetapi tetap membutuhkan pembuktian pada sistem biologis.

Model Komunikasi Antarsel Membantu Ilmuwan Membuat Jaringan Laboratorium

Salah satu manfaat jangka panjang berada pada pengembangan rekayasa jaringan. Dalam bidang tersebut, ilmuwan berusaha mengarahkan sel punca menjadi tipe sel tertentu. Walaupun sel punca memiliki kemampuan berkembang, pengendalian diferensiasi membutuhkan banyak faktor. Selama proses pematangan, sel mungkin membutuhkan kombinasi sinyal berbeda. Dengan informasi riwayat sinyal dari model, peneliti memiliki dasar untuk merancang eksperimen baru. Berkat penggunaan data biologis yang lebih terarah, proses pencarian kondisi diferensiasi mungkin menjadi lebih cepat.

Penelitian tersebut memiliki potensi penting bagi pengembangan miniatur organ. Organoid merupakan model biologis mini yang merepresentasikan fungsi tertentu jaringan. Pada pengujian obat, organoid memberikan sarana mempelajari mekanisme seluler. Peneliti menerapkan model tersebut untuk memperkirakan jalur yang mendukung perkembangan jenis sel paru tertentu. Hasil analisis AI diperiksa kembali melalui pengujian biologis pada 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.

Masa Depan Teknologi IRIS untuk Penelitian Jaringan Manusia

Inovasi teknologi analisis komunikasi antarsel membuka pendekatan baru dalam pengembangan teknologi biomedis. Melalui analisis ekspresi gen, IRIS berhasil mengenali pola aktivasi jalur sinyal pada tipe sel yang berbeda. Keunggulan model ini membantu mempercepat kajian komunikasi biologis. Pengujian pada embrio tikus memberikan dasar bagi pengembangan pendekatan rekayasa jaringan. Namun demikian, kemampuan model tidak otomatis menghasilkan jaringan siap transplantasi. Sebagai arah penelitian masa depan, pemahaman terhadap komunikasi antarsel mungkin mempercepat kajian terapi regeneratif. Menurut pandangan Anda, apakah teknologi pemetaan komunikasi antarsel akan membantu mempercepat penelitian medis? Bagikan pemikiran Anda mengenai peran AI dalam penelitian biologi.