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.

Inovasi Kecerdasan Buatan MIT dalam Memetakan Sinyal Biologis

Kemajuan teknologi kecerdasan buatan semakin memberikan kemampuan tambahan bagi kajian pembentukan jaringan tubuh. Pada kajian biologi modern, ilmuwan sering menemukan kesulitan ketika menelusuri pertukaran sinyal biologis. Setiap sel tidak bekerja secara terpisah. Berkat komunikasi molekuler, sel memperoleh petunjuk tentang posisi dan fungsi. Informasi tersebut berperan dalam menentukan perkembangan sel. Sebagai langkah mempelajari komunikasi biologis, peneliti MIT mengembangkan model AI IRIS yang dirancang mengenali jejak aktivitas sinyal.

Penelitian tersebut berada di bawah kepemimpinan Pulin Li, anggota fakultas biologi Massachusetts Institute of Technology yang juga berafiliasi dengan Whitehead Institute for Biomedical Research. Peneliti muda Nicholas Hutchins menjadi bagian utama tim penelitian pendekatan tersebut. Sistem kecerdasan buatan ini dibangun dengan pendekatan neural network untuk mempelajari pola ekspresi gen. Tidak seperti cara konvensional yang membutuhkan banyak eksperimen khusus, IRIS memungkinkan analisis lintas jenis sel. Berkat pendekatan ini, analisis komunikasi antarsel menjadi lebih terarah.

Mekanisme Pemetaan Komunikasi Antarsel melalui Signaling Pathways

Untuk memahami kemampuan IRIS, penting mengetahui bagaimana sel berkomunikasi. Jaringan sel biologis memanfaatkan senyawa pemberi sinyal yang dapat diterima oleh sel lain. Saat reseptor mengenali rangsangan, serangkaian reaksi dapat terjadi. Proses tersebut merupakan bagian dari sistem transduksi sinyal. Respons terhadap rangsangan biologis mengatur gen yang aktif maupun tidak aktif. Sebagai hasilnya, sel dapat mengalami diferensiasi 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. Keunggulan pendekatan ini, pola penanda dapat ditemukan lintas tipe sel. Berkat kesamaan tersebut, IRIS mampu mengidentifikasi riwayat aktivasi jalur biologis. Meski mampu menghasilkan prediksi, hasil analisis merupakan inferensi berdasarkan pola genetik. Karena itu, prediksi model tetap memerlukan validasi biologis.

Keunggulan Pembelajaran Transfer dalam Analisis Komunikasi Sel

Fitur yang membuat pendekatan tersebut menarik adalah penggunaan pembelajaran transfer. Dalam teknologi kecerdasan buatan, transfer learning memungkinkan pengetahuan dari data pelatihan digunakan pada situasi terkait. Dalam eksperimen para ilmuwan MIT, peneliti memanfaatkan pengukuran pada human embryonic stem cells. Informasi biologis yang digunakan berisi pengukuran dari ribuan sel yang diberikan sejumlah perlakuan sinyal. Dengan demikian, IRIS dapat mengenali pola yang relevan pada tipe sel berbeda.

Ketika menyusun data eksperimen, tim mengukur respons terhadap kombinasi enam jalur sinyal pada sejumlah waktu pengamatan. Respons yang muncul membentuk kumpulan pola sinyal yang dapat dipelajari. Ketika proses pembelajaran selesai, peneliti menerapkan IRIS pada data embrio tikus. Dalam evaluasi ini, 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.

Model AI MIT Identifikasi Sinyal Pembentuk Jantung dan Jaringan Tubuh

Salah satu penerapan penting dilakukan menggunakan pengamatan individual pada sel embrio tikus. Peneliti memusatkan perhatian pada fase gastrulasi, yaitu periode awal pembentukan jenis sel yang berbeda. Selama proses gastrulasi, jaringan embrio merespons beragam sinyal yang mengatur pembentukan jaringan tertentu. Melalui penggunaan IRIS, peneliti mengidentifikasi kemungkinan jalur komunikasi pada bagian embrio tertentu. Kemampuan tersebut memberikan gambaran mengenai organisasi jaringan.

Model IRIS menunjukkan kemampuan mengidentifikasi aktivasi jalur pada sel yang berkembang menjadi jaringan jantung, jaringan usus, sel pembentuk otot, dan sumsum tulang belakang. Temuan pengujian ini membantu menjelaskan variasi perkembangan sel. Sebagai contoh, dua sel dengan informasi genetik serupa dapat berkembang menjadi jaringan berbeda karena mengalami sejarah pensinyalan yang tidak identik. Dengan demikian, IRIS memberikan alat untuk mempelajari pembentukan jaringan, tetapi tetap membutuhkan pembuktian pada sistem biologis.

Model Komunikasi Antarsel Membantu Ilmuwan Membuat Jaringan Laboratorium

Salah satu manfaat jangka panjang berada pada penelitian tissue engineering. Pada penelitian biomedis modern, ilmuwan berusaha mengarahkan sel punca menjadi tipe sel tertentu. Meski sel punca dapat membentuk berbagai jenis sel, menghasilkan jaringan yang tepat tidak selalu mudah. Selama proses pematangan, sel memerlukan petunjuk molekuler sesuai waktunya. Berkat kemampuan memperkirakan jalur pensinyalan, peneliti dapat mengidentifikasi kombinasi yang layak diuji. Melalui pendekatan tersebut, pengembangan jaringan laboratorium berpotensi lebih efisien.

Pengembangan IRIS memiliki potensi penting bagi pengembangan miniatur organ. Organoid merupakan model biologis mini yang merepresentasikan fungsi tertentu jaringan. Pada pengujian obat, organoid berfungsi membantu pengamatan respons biologis. Tim MIT menggunakan IRIS untuk menganalisis kebutuhan pensinyalan pada sel pembentuk jaringan paru. Hasil analisis AI kemudian diuji melalui eksperimen pada embrio tikus. Hasil pengujiannya, aktivasi jalur yang diprediksi mendukung perkembangan sel paru. Keberhasilan validasi itu mendukung penelitian jaringan pernapasan untuk mengamati mekanisme penyakit pernapasan.

Kesimpulan Model AI MIT dalam Memetakan Komunikasi Antarsel

Inovasi teknologi analisis komunikasi antarsel memberikan kontribusi menarik dalam ilmu biologi perkembangan. Berkat pembelajaran mesin berbasis data sel, IRIS dapat mengidentifikasi jejak komunikasi biologis pada tipe sel yang berbeda. Keunggulan model ini mengurangi ketergantungan pada pemetaan setiap jenis sel secara terpisah. Eksperimen lanjutan pada jaringan embrionik memperlihatkan potensi model dalam memahami pembentukan organ. Walaupun hasilnya menjanjikan, prediksi AI tetap memerlukan pengujian biologis. Dalam jangka panjang, pemetaan riwayat pensinyalan mungkin mempercepat kajian terapi regeneratif. Bagaimana menurut Anda, apakah teknologi pemetaan komunikasi antarsel mampu memberikan kemajuan pada pengembangan organoid? Silakan bagikan pendapat Anda mengenai peran AI dalam penelitian biologi.