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 teknologi kecerdasan buatan menghadirkan peluang baru bagi penelitian biologi sel. Selama ini, ilmuwan menghadapi tantangan besar ketika menelusuri pertukaran sinyal biologis. Masing-masing sel tubuh selalu berinteraksi dengan lingkungannya. Melalui berbagai molekul sinyal, sel mengetahui perubahan kondisi sekitarnya. Pesan biologis ini berperan dalam menentukan perkembangan sel. Untuk memahami proses itu, peneliti MIT menciptakan model AI IRIS yang dirancang mengenali jejak aktivitas sinyal.

Pengembangan model IRIS dipimpin oleh Pulin Li, asisten profesor biologi MIT yang juga tergabung dalam Whitehead Institute for Biomedical Research. Mahasiswa pascasarjana Nicholas Hutchins menjadi bagian utama tim penelitian pendekatan tersebut. Model IRIS 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. Melalui kemampuan tersebut, analisis komunikasi antarsel menjadi lebih terarah.

Mekanisme Pemetaan Komunikasi Antarsel melalui Signaling Pathways

Untuk memahami kemampuan IRIS, penting mengetahui bagaimana sel berkomunikasi. Sel tubuh mengirimkan pesan melalui molekul tertentu yang dapat diterima oleh sel lain. Ketika sinyal diterima, serangkaian reaksi dapat terjadi. Mekanisme penyampaian informasi tersebut dikenal sebagai signaling pathway. Perubahan pada proses pensinyalan memengaruhi aktivitas gen tertentu. Melalui perubahan tersebut, sel berpeluang berkembang menjadi jenis khusus sesuai kondisi jaringan.

Tim pengembang IRIS mengidentifikasi bahwa respons terhadap suatu signaling pathway dapat dikenali melalui jejak genetik. Pola tersebut disebut sebagai fingerprint jalur sinyal. 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. Walaupun pendekatan tersebut menjanjikan, model tidak merekam percakapan sel secara langsung. Oleh sebab itu, hasil harus ditafsirkan berdasarkan eksperimen.

Transfer Learning Memungkinkan IRIS Mengenali Sinyal pada Jenis Sel Baru

Salah satu kemampuan utama IRIS adalah penggunaan pembelajaran transfer. Dalam teknologi kecerdasan buatan, transfer learning memungkinkan pengetahuan dari data pelatihan digunakan pada situasi terkait. Pada penelitian IRIS, peneliti memanfaatkan pengukuran pada human embryonic stem cells. Kumpulan data penelitian ini berisi pengukuran dari ribuan sel yang diberikan sejumlah perlakuan sinyal. Melalui rancangan tersebut, IRIS mampu menerapkan pengetahuan pada lingkungan biologis lain.

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. Ketika proses pembelajaran selesai, peneliti menguji sistem menggunakan sel dari embrio tikus. Dalam evaluasi ini, IRIS menunjukkan kemampuan generalisasi ke jenis sel berbeda. Hasil pengujian ini membuka peluang pemetaan jaringan biologis lebih luas, karena pengujian setiap kombinasi sel dapat dikurangi.

Pemanfaatan Data Sel Tunggal untuk Memahami Diferensiasi Embrionik

Salah satu penerapan penting dilakukan menggunakan dataset perkembangan embrio hewan. Peneliti memusatkan perhatian pada fase gastrulasi, yaitu tahap perkembangan embrio ketika sel mulai membentuk berbagai garis keturunan. Dalam periode perkembangan ini, jaringan embrio merespons beragam sinyal yang mengatur pembentukan jaringan tertentu. Berkat pemetaan pola ekspresi gen, peneliti menelusuri pola pensinyalan sepanjang perkembangan. Hasil pemetaan ini membantu memahami penyusunan struktur tubuh.

Sistem AI hasil penelitian MIT menunjukkan kemampuan mengidentifikasi aktivasi jalur pada garis keturunan sel jantung, calon jaringan pencernaan, jaringan muskular, dan struktur saraf pada tulang belakang. Temuan pengujian ini membantu menjelaskan variasi perkembangan sel. Sebagai contoh, sel yang berasal dari embrio sama mampu mengambil arah diferensiasi berlainan karena menerima kombinasi sinyal berbeda. Berdasarkan temuan tersebut, IRIS membantu menjelaskan proses spesialisasi sel, tetapi tetap membutuhkan pembuktian pada sistem biologis.

Potensi IRIS untuk Rekayasa Jaringan dan Pengembangan Organoid

Potensi utama pendekatan kecerdasan buatan ini berada pada pengembangan rekayasa jaringan. Pada penelitian biomedis modern, ilmuwan berusaha mengarahkan sel punca menjadi tipe sel tertentu. Meski sel punca dapat membentuk berbagai jenis sel, pengendalian diferensiasi membutuhkan banyak faktor. Dalam setiap fase perkembangan, sel memerlukan petunjuk molekuler sesuai waktunya. Dengan informasi riwayat sinyal dari model, peneliti berpeluang menemukan petunjuk diferensiasi. 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 struktur sel tiga dimensi yang meniru sebagian karakteristik organ. Pada pengujian obat, organoid berfungsi membantu pengamatan respons biologis. Dalam salah satu eksperimen lanjutan, ilmuwan memanfaatkan IRIS untuk mengidentifikasi sinyal yang berkaitan dengan pembentukan sel penting bagi paru-paru. Prediksi model selanjutnya divalidasi menggunakan penelitian embrio tikus. Hasil pengujiannya, aktivasi jalur yang diprediksi mendukung perkembangan sel paru. Keberhasilan validasi itu berpotensi membantu pembuatan model penyakit paru untuk mengevaluasi terapi pada model biologis.

Kesimpulan Model AI MIT dalam Memetakan Komunikasi Antarsel

Pengembangan model IRIS oleh MIT membuka pendekatan baru dalam pengembangan teknologi biomedis. Dengan memanfaatkan pola aktivitas genetik, IRIS mampu memperkirakan riwayat pensinyalan pada bermacam jaringan dalam perkembangan. Keunggulan model ini mendukung penggunaan pengetahuan lintas tipe sel. Eksperimen lanjutan pada jaringan embrionik menunjukkan kemampuan IRIS memperkirakan aktivasi sinyal. Meski memiliki potensi besar, penerapan klinis masih membutuhkan penelitian lanjutan. Dalam jangka panjang, analisis respons genetik mungkin mempercepat kajian terapi regeneratif. Apa pendapat Anda, apakah teknologi pemetaan komunikasi antarsel mampu memberikan kemajuan pada pengembangan organoid? Sampaikan pandangan Anda mengenai perkembangan teknologi rekayasa jaringan.