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.

Teknologi IRIS Membantu Ilmuwan Memahami Pembentukan Jaringan Tubuh

Kemajuan sistem pembelajaran mesin terus membuka kemampuan tambahan bagi kajian pembentukan jaringan tubuh. Dalam penelitian perkembangan embrio, ilmuwan membutuhkan metode yang kompleks ketika mempelajari komunikasi antarsel. Setiap sel tidak bekerja secara terpisah. Dengan menggunakan pesan kimia, sel menerima informasi mengenai lingkungan. Rangkaian sinyal tersebut memengaruhi pembentukan berbagai jenis jaringan. Dalam upaya mengurai mekanisme tersebut, peneliti MIT mengembangkan model AI IRIS yang dirancang mengenali jejak aktivitas sinyal.

Pengembangan model IRIS berada di bawah kepemimpinan Pulin Li, anggota fakultas biologi Massachusetts Institute of Technology yang juga menjadi anggota Whitehead Institute. Mahasiswa pascasarjana Nicholas Hutchins turut berperan penting dalam pengembangan pendekatan tersebut. Sistem kecerdasan buatan ini dibangun dengan pendekatan neural network untuk mengidentifikasi karakteristik respons biologis. Tidak seperti cara konvensional yang membutuhkan banyak eksperimen khusus, IRIS dapat mengenali karakteristik sinyal pada sel berbeda. Dengan demikian, analisis komunikasi antarsel menjadi lebih terarah.

Teknologi Machine Learning Membaca Jejak Aktivitas Genetik

Sebagai dasar memahami penelitian ini, penting mengetahui bagaimana sel berkomunikasi. Berbagai jenis sel mengirimkan pesan melalui molekul tertentu yang berinteraksi dengan reseptor pada sel sasaran. Setelah molekul pemberi pesan berinteraksi, aktivitas molekuler tertentu dapat dimulai. Proses tersebut merupakan bagian dari sistem transduksi sinyal. Perubahan pada proses pensinyalan mengatur gen yang aktif maupun tidak aktif. Akibatnya, sel berpeluang berkembang menjadi jenis khusus sesuai kondisi jaringan.

Tim pengembang IRIS mengidentifikasi bahwa jalur sinyal tertentu menghasilkan karakteristik ekspresi gen tersendiri. Karakteristik aktivitas gen ini dapat dipahami sebagai sidik jari biologis. Hal penting dari temuan tersebut, fingerprint suatu jalur relatif konsisten pada berbagai jenis sel. Melalui karakteristik yang dapat dikenali, IRIS dilatih untuk memperkirakan jalur sinyal yang pernah aktif. Walaupun pendekatan tersebut menjanjikan, IRIS tidak mengamati setiap pesan kimia secara real-time. Karena itu, hasil harus ditafsirkan berdasarkan eksperimen.

Transfer Learning Memungkinkan IRIS Mengenali Sinyal pada Jenis Sel Baru

Salah satu kemampuan utama IRIS adalah penerapan teknik transfer pengetahuan. Dalam teknologi kecerdasan buatan, transfer learning mendukung pemanfaatan hasil pelatihan untuk tugas serupa. Melalui sistem analisis yang dikembangkan, peneliti memanfaatkan pengukuran pada human embryonic stem cells. Informasi biologis yang digunakan berisi pengukuran dari ribuan sel yang diuji dengan kombinasi aktivasi jalur tertentu. Berkat proses pembelajaran itu, IRIS berpotensi memperkirakan sinyal di luar jenis sel pelatihan.

Ketika menyusun data eksperimen, tim menguji kombinasi enam jalur pensinyalan utama pada berbagai tahap perkembangan. Perubahan aktivitas gen membentuk kumpulan pola sinyal yang dapat dipelajari. Sesudah pola dikenali, peneliti menguji sistem menggunakan sel dari embrio tikus. Berdasarkan pengujian tersebut, IRIS mampu memperkirakan aktivasi jalur sinyal pada sel yang belum dijumpai selama pelatihan. Kemampuan lintas tipe sel tersebut memberikan manfaat dalam analisis perkembangan tubuh, karena pendekatan yang sama berpotensi digunakan pada banyak tipe jaringan.

Model AI MIT Identifikasi Sinyal Pembentuk Jantung dan Jaringan Tubuh

Tahap validasi yang menarik dilakukan menggunakan pengamatan individual pada sel embrio tikus. Tim ilmuwan melakukan analisis 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. Hasil pemetaan ini membantu memahami penyusunan struktur tubuh.

Model IRIS berhasil memperkirakan pola sinyal pada garis keturunan sel jantung, struktur saluran pencernaan, otot, dan sumsum tulang belakang. Temuan pengujian ini memperlihatkan bagaimana sinyal berbeda mengarahkan pembentukan jaringan. Dalam konteks perkembangan organ, kelompok sel pada tahap awal dapat berkembang menjadi jaringan berbeda karena menerima kombinasi sinyal berbeda. Melalui hasil ini, IRIS memberikan alat untuk mempelajari pembentukan jaringan, tetapi tidak otomatis menentukan seluruh mekanisme perkembangan.

Model Komunikasi Antarsel Membantu Ilmuwan Membuat Jaringan Laboratorium

Salah satu manfaat jangka panjang berada pada penelitian tissue engineering. Untuk kebutuhan rekayasa jaringan, ilmuwan mempelajari cara menghasilkan jaringan dengan fungsi khusus. Walaupun sel punca memiliki kemampuan berkembang, proses pembentukan struktur biologis memerlukan kondisi khusus. Dalam setiap fase perkembangan, sel dapat merespons rangsangan biologis tertentu. Melalui pemetaan yang dilakukan IRIS, peneliti memiliki dasar untuk merancang eksperimen baru. Berkat penggunaan data biologis yang lebih terarah, pengembangan jaringan laboratorium berpotensi lebih efisien.

Studi yang dilakukan tim MIT berpeluang mendukung penelitian model organ tiga dimensi. Organoid merupakan kumpulan sel laboratorium yang menyerupai aspek organ asli. Untuk studi perkembangan jaringan, organoid dapat digunakan sebagai model eksperimen. Peneliti menerapkan model tersebut untuk memperkirakan jalur yang mendukung perkembangan jenis sel paru tertentu. Hasil analisis AI diperiksa kembali melalui pengujian biologis pada tikus. Dalam validasi tersebut, temuan laboratorium menguatkan prediksi IRIS. Temuan tersebut berpotensi membantu pembuatan model penyakit paru untuk mengevaluasi terapi pada model biologis.

Kesimpulan Model AI MIT dalam Memetakan Komunikasi Antarsel

Penelitian kecerdasan buatan untuk memetakan sinyal sel menunjukkan kemajuan penting dalam ilmu biologi perkembangan. Dengan memanfaatkan pola aktivitas genetik, IRIS mampu memperkirakan riwayat pensinyalan pada tipe sel yang berbeda. Hasil analisis tersebut mengurangi ketergantungan pada pemetaan setiap jenis sel secara terpisah. Eksperimen lanjutan pada jaringan embrionik menunjukkan kemampuan IRIS memperkirakan aktivasi sinyal. Meski memiliki potensi besar, kemampuan model tidak otomatis menghasilkan jaringan siap transplantasi. Sebagai arah penelitian masa depan, analisis respons genetik mungkin mempercepat kajian terapi regeneratif. Menurut pandangan Anda, apakah model AI seperti IRIS mampu memberikan kemajuan pada pengembangan organoid? Silakan bagikan pendapat Anda mengenai masa depan pengobatan regeneratif berbasis sel.