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 menghadirkan pendekatan inovatif bagi kajian pembentukan jaringan tubuh. Dalam penelitian perkembangan embrio, ilmuwan sering menemukan kesulitan ketika memahami interaksi antara sel yang berkembang. Setiap sel tidak bekerja secara terpisah. Dengan menggunakan pesan kimia, sel menerima informasi mengenai lingkungan. Pesan biologis ini memengaruhi pembentukan berbagai jenis jaringan. Untuk memahami proses itu, peneliti MIT menciptakan model AI IRIS yang mampu memperkirakan riwayat komunikasi sel.

Pengembangan model IRIS dikoordinasikan oleh Pulin Li, anggota fakultas biologi Massachusetts Institute of Technology yang juga tergabung dalam Whitehead Institute for Biomedical Research. Peneliti muda Nicholas Hutchins berkontribusi terhadap perancangan pendekatan tersebut. Model IRIS dibangun dengan pendekatan neural network untuk menganalisis perubahan aktivitas genetik. Berbeda dari metode yang meneliti setiap kombinasi sel secara terpisah, IRIS membantu memperkirakan jalur komunikasi pada berbagai tipe sel. Berkat pendekatan ini, peneliti dapat mengurangi kebutuhan pengujian berulang.

Teknologi Machine Learning Membaca Jejak Aktivitas Genetik

Sebagai dasar memahami penelitian ini, 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. Proses tersebut merupakan bagian dari sistem transduksi sinyal. Respons terhadap rangsangan biologis dapat mengubah ekspresi gen. Melalui perubahan tersebut, sel berpeluang berkembang menjadi jenis khusus sesuai konteks perkembangan tubuh.

Peneliti MIT menemukan bahwa respons terhadap suatu signaling pathway dapat dikenali melalui jejak genetik. Karakteristik aktivitas gen ini menjadi penanda khas dari komunikasi sel. Yang menarik, karakteristik jalur sinyal memiliki kesamaan pada sel yang berbeda. Berkat kesamaan tersebut, IRIS mampu mengidentifikasi riwayat aktivasi jalur biologis. Meski mampu menghasilkan prediksi, hasil analisis merupakan inferensi berdasarkan pola genetik. Dengan mempertimbangkan mekanismenya, kesimpulan perlu didukung pengujian laboratorium.

Cara Model AI MIT Mempelajari Pola Biologis Lintas Tipe Sel

Keunggulan penting dari model AI MIT adalah penerapan teknik transfer pengetahuan. Pada pengembangan model machine learning, transfer learning mendukung pemanfaatan hasil pelatihan untuk tugas serupa. Pada penelitian IRIS, peneliti memanfaatkan pengukuran pada human embryonic stem cells. Kumpulan data penelitian ini menggunakan sejumlah besar pengamatan seluler yang diberikan sejumlah perlakuan sinyal. Dengan demikian, IRIS dapat mengenali pola yang relevan pada tipe sel berbeda.

Ketika menyusun data eksperimen, tim menggunakan enam signaling pathways penting pada sejumlah waktu pengamatan. Hasil ekspresi genetik digunakan untuk membangun atlas komunikasi biologis. Sesudah pola dikenali, peneliti menguji sistem menggunakan sel dari embrio tikus. Hasilnya, IRIS mampu memperkirakan aktivasi jalur sinyal pada sel yang belum dijumpai selama pelatihan. Kemampuan lintas tipe sel tersebut penting bagi penelitian embrio, karena pendekatan yang sama berpotensi digunakan pada banyak tipe jaringan.

Model AI MIT Identifikasi Sinyal Pembentuk Jantung dan Jaringan Tubuh

Pengujian utama setelah pelatihan dilakukan menggunakan dataset perkembangan embrio hewan. 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. Melalui penggunaan IRIS, peneliti mengidentifikasi kemungkinan jalur komunikasi pada bagian embrio tertentu. Kemampuan tersebut memberikan gambaran mengenai organisasi jaringan.

Sistem AI hasil penelitian MIT menunjukkan kemampuan mengidentifikasi aktivasi jalur pada calon sel pembentuk jantung, calon jaringan pencernaan, sel pembentuk otot, dan struktur saraf pada tulang belakang. Temuan pengujian ini membantu menjelaskan variasi perkembangan sel. Sebagai contoh, dua sel dengan informasi genetik serupa mampu mengambil arah diferensiasi berlainan karena mengalami sejarah pensinyalan yang tidak identik. Dengan demikian, IRIS memperluas pemahaman tentang diferensiasi, tetapi belum menggantikan pengamatan eksperimen langsung.

Potensi IRIS untuk Rekayasa Jaringan dan Pengembangan Organoid

Potensi utama pendekatan kecerdasan buatan ini berada pada penelitian tissue engineering. Dalam bidang tersebut, ilmuwan mengembangkan metode diferensiasi sel secara terkendali. Namun demikian, proses pembentukan struktur biologis memerlukan kondisi khusus. Dalam setiap fase perkembangan, sel dapat merespons rangsangan biologis tertentu. Dengan informasi riwayat sinyal dari model, peneliti berpeluang menemukan petunjuk diferensiasi. Dengan demikian, pengembangan jaringan laboratorium berpotensi lebih efisien.

Penelitian tersebut juga berkaitan dengan pembuatan organoid. Organoid merupakan model biologis mini yang merepresentasikan fungsi tertentu jaringan. Dalam penelitian penyakit, organoid berfungsi membantu pengamatan respons biologis. Dalam salah satu eksperimen lanjutan, ilmuwan memanfaatkan IRIS untuk memperkirakan jalur yang mendukung perkembangan jenis sel paru tertentu. Hasil analisis AI selanjutnya divalidasi menggunakan penelitian embrio tikus. Dalam validasi tersebut, aktivasi jalur yang diprediksi mendukung perkembangan sel paru. Pencapaian ini berpotensi membantu pembuatan model penyakit paru untuk mempelajari asma dan fibrosis paru.

Kesimpulan Model AI MIT dalam Memetakan Komunikasi Antarsel

Pengembangan model IRIS oleh MIT menunjukkan kemajuan penting dalam penelitian rekayasa jaringan. Berkat pembelajaran mesin berbasis data sel, IRIS dapat mengidentifikasi jejak komunikasi biologis pada tipe sel yang berbeda. Keunggulan model ini membantu mempercepat kajian komunikasi biologis. Pengujian pada embrio tikus memperlihatkan potensi model dalam memahami pembentukan organ. Namun demikian, prediksi AI tetap memerlukan pengujian biologis. Dalam jangka panjang, pemetaan riwayat pensinyalan dapat membantu penelitian obat dan penyakit. Menurut pandangan Anda, apakah model AI seperti IRIS akan membantu mempercepat penelitian medis? Bagikan pemikiran Anda mengenai peran AI dalam penelitian biologi.