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

Perkembangan sistem pembelajaran mesin semakin memberikan kemampuan tambahan bagi pengembangan ilmu biomedis. Dalam penelitian perkembangan embrio, ilmuwan membutuhkan metode yang kompleks ketika mempelajari komunikasi antarsel. Sel dalam jaringan biologis memiliki hubungan dengan sel di sekitarnya. Melalui berbagai molekul sinyal, sel menerima informasi mengenai lingkungan. Rangkaian sinyal tersebut membantu mengarahkan spesialisasi sel. Sebagai langkah mempelajari komunikasi biologis, peneliti MIT memperkenalkan model AI IRIS yang mampu memperkirakan riwayat komunikasi sel.

Studi yang dilakukan ilmuwan MIT berada di bawah kepemimpinan Pulin Li, peneliti bidang biologi di MIT yang juga berafiliasi dengan Whitehead Institute for Biomedical Research. Mahasiswa pascasarjana Nicholas Hutchins menjadi bagian utama tim penelitian pendekatan tersebut. Model IRIS dibangun dengan pendekatan neural network untuk menganalisis perubahan aktivitas genetik. Sebagai alternatif terhadap pendekatan pengujian satu per satu, IRIS memungkinkan analisis lintas jenis sel. Berkat pendekatan ini, peneliti dapat mengurangi kebutuhan pengujian berulang.

Mekanisme Pemetaan Komunikasi Antarsel melalui Signaling Pathways

Dalam menjelaskan mekanisme model tersebut, penting mengetahui bagaimana sel berkomunikasi. Sel tubuh memanfaatkan senyawa pemberi sinyal yang berinteraksi dengan reseptor pada sel sasaran. Saat reseptor mengenali rangsangan, aktivitas molekuler tertentu dapat dimulai. Proses tersebut disebut jalur pensinyalan sel. Aktivasi jalur tertentu dapat mengubah ekspresi gen. Akibatnya, sel berpeluang berkembang menjadi jenis khusus sesuai konteks perkembangan tubuh.

Hasil penelitian menunjukkan bahwa jalur sinyal tertentu menghasilkan karakteristik ekspresi gen tersendiri. Jejak molekuler tersebut disebut sebagai fingerprint jalur sinyal. Yang menarik, karakteristik jalur sinyal memiliki kesamaan pada sel yang berbeda. 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. Oleh sebab itu, prediksi model tetap memerlukan validasi biologis.

Transfer Learning Memungkinkan IRIS Mengenali Sinyal pada Jenis Sel Baru

Salah satu kemampuan utama IRIS adalah pemanfaatan transfer learning. Pada pengembangan model machine learning, transfer learning membantu model menerapkan pola yang dipelajari pada data baru. Pada penelitian IRIS, data pelatihan berasal dari eksperimen terhadap sel punca embrionik manusia. Kumpulan data penelitian ini menggunakan sejumlah besar pengamatan seluler yang diuji dengan kombinasi aktivasi jalur tertentu. 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 beberapa fase diferensiasi sel. Respons yang muncul membentuk kumpulan pola sinyal yang dapat dipelajari. Setelah model dilatih, peneliti menerapkan IRIS pada data embrio tikus. Berdasarkan pengujian tersebut, IRIS dapat mengenali pola komunikasi pada konteks perkembangan baru. Pencapaian tersebut memberikan manfaat dalam analisis perkembangan tubuh, karena pengujian setiap kombinasi sel dapat dikurangi.

Model AI MIT Identifikasi Sinyal Pembentuk Jantung dan Jaringan Tubuh

Pengujian utama setelah pelatihan dilakukan menggunakan pengamatan individual pada sel embrio tikus. Peneliti memusatkan perhatian pada fase gastrulasi, yaitu tahap perkembangan embrio ketika sel mulai membentuk berbagai garis keturunan. Dalam periode perkembangan ini, berbagai sel menerima petunjuk molekuler yang membantu menentukan identitas akhirnya. Berkat pemetaan pola ekspresi gen, peneliti menelusuri pola pensinyalan sepanjang perkembangan. Hasil pemetaan ini membantu memahami penyusunan struktur tubuh.

Pendekatan analisis baru tersebut berhasil memperkirakan pola sinyal pada calon sel pembentuk jantung, calon jaringan pencernaan, sel pembentuk otot, dan jaringan spinal cord. Temuan pengujian ini menunjukkan hubungan aktivasi jalur dengan posisi sel. Sebagai contoh, 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 tetap membutuhkan pembuktian pada sistem biologis.

Kecerdasan Buatan MIT Dukung Penelitian Sel Punca dan Pengobatan Regeneratif

Peluang penting dari penelitian IRIS berada pada pembuatan jaringan biologis di laboratorium. Pada penelitian biomedis modern, ilmuwan berusaha mengarahkan sel punca menjadi tipe sel tertentu. Walaupun sel punca memiliki kemampuan berkembang, proses pembentukan struktur biologis memerlukan kondisi khusus. Selama proses pematangan, sel mungkin membutuhkan kombinasi sinyal berbeda. Melalui pemetaan yang dilakukan IRIS, peneliti berpeluang menemukan petunjuk diferensiasi. Melalui pendekatan tersebut, proses pencarian kondisi diferensiasi mungkin menjadi lebih cepat.

Pengembangan IRIS berpeluang mendukung penelitian model organ tiga dimensi. Organoid merupakan kumpulan sel laboratorium yang menyerupai aspek organ asli. Pada pengujian obat, organoid dapat digunakan sebagai model eksperimen. Peneliti menerapkan model tersebut untuk mengidentifikasi sinyal yang berkaitan dengan pembentukan sel penting bagi paru-paru. Hasil analisis AI kemudian diuji melalui eksperimen pada embrio tikus. Dalam validasi tersebut, aktivasi jalur yang diprediksi mendukung perkembangan sel paru. Temuan tersebut berpotensi membantu pembuatan model penyakit paru untuk mengevaluasi terapi pada model biologis.

Kesimpulan Model AI MIT dalam Memetakan Komunikasi Antarsel

Inovasi teknologi analisis komunikasi antarsel memberikan kontribusi menarik dalam pengembangan teknologi biomedis. Melalui analisis ekspresi gen, IRIS dapat mengidentifikasi jejak komunikasi biologis pada berbagai jenis sel. Kemampuan tersebut mendukung penggunaan pengetahuan lintas tipe sel. Validasi menggunakan data perkembangan embrio memperlihatkan potensi model dalam memahami pembentukan organ. Meski memiliki potensi besar, penerapan klinis masih membutuhkan penelitian lanjutan. Dalam jangka panjang, analisis respons genetik mungkin mempercepat kajian terapi regeneratif. Bagaimana menurut Anda, apakah model AI seperti IRIS akan membantu mempercepat penelitian medis? Sampaikan pandangan Anda mengenai peran AI dalam penelitian biologi.