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

Perkembangan metode komputasi biologis semakin memberikan kemampuan tambahan bagi kajian pembentukan jaringan tubuh. Pada kajian biologi modern, ilmuwan membutuhkan metode yang kompleks ketika memahami interaksi antara sel yang berkembang. Sel dalam jaringan biologis selalu berinteraksi dengan lingkungannya. Berkat komunikasi molekuler, sel memperoleh petunjuk tentang posisi dan fungsi. Rangkaian sinyal tersebut memengaruhi pembentukan berbagai jenis jaringan. Untuk memahami proses itu, peneliti MIT mengembangkan model AI IRIS yang digunakan untuk menganalisis pola respons genetik.

Pengembangan model IRIS dipimpin oleh Pulin Li, peneliti bidang biologi di MIT yang juga menjadi anggota Whitehead Institute. Mahasiswa pascasarjana Nicholas Hutchins berkontribusi terhadap perancangan pendekatan tersebut. Sistem kecerdasan buatan ini dibangun dengan pendekatan neural network untuk mempelajari pola ekspresi gen. Sebagai alternatif terhadap pendekatan pengujian satu per satu, IRIS dapat mengenali karakteristik sinyal pada sel berbeda. Dengan demikian, analisis komunikasi antarsel menjadi lebih terarah.

Cara Kerja Model AI IRIS dalam Mengidentifikasi Jalur Sinyal Sel

Dalam menjelaskan mekanisme model tersebut, perlu memahami prinsip pertukaran sinyal biologis. Jaringan sel biologis memanfaatkan senyawa pemberi sinyal yang berinteraksi dengan reseptor pada sel sasaran. Ketika sinyal diterima, aktivitas molekuler tertentu dapat dimulai. Proses tersebut merupakan bagian dari sistem transduksi sinyal. Respons terhadap rangsangan biologis dapat mengubah ekspresi gen. Sebagai hasilnya, sel berpeluang berkembang menjadi jenis khusus sesuai kondisi jaringan.

Peneliti MIT menemukan bahwa jalur sinyal tertentu menghasilkan karakteristik ekspresi gen tersendiri. Jejak molekuler tersebut 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 dapat menghubungkan ekspresi gen dengan sinyal terdahulu. Namun demikian, IRIS tidak mengamati setiap pesan kimia secara real-time. Karena itu, hasil harus ditafsirkan berdasarkan eksperimen.

Cara Model AI MIT Mempelajari Pola Biologis Lintas Tipe Sel

Salah satu kemampuan utama IRIS adalah penggunaan pembelajaran transfer. Dalam sistem pembelajaran mesin modern, transfer learning mendukung pemanfaatan hasil pelatihan untuk tugas serupa. Melalui sistem analisis yang dikembangkan, data pelatihan berasal dari eksperimen terhadap sel punca embrionik manusia. Informasi biologis yang digunakan mencakup ribuan sel yang menerima berbagai kombinasi rangsangan. Dengan demikian, IRIS mampu menerapkan pengetahuan pada lingkungan biologis lain.

Pada tahap pengembangan dataset, tim menguji kombinasi enam jalur pensinyalan utama pada berbagai tahap perkembangan. Respons yang muncul digunakan untuk membangun atlas komunikasi biologis. Sesudah pola dikenali, peneliti menguji sistem menggunakan sel dari embrio tikus. Dalam evaluasi ini, IRIS dapat mengenali pola komunikasi pada konteks perkembangan baru. Kemampuan lintas tipe sel tersebut penting bagi penelitian embrio, karena pengujian setiap kombinasi sel dapat dikurangi.

Model AI MIT Identifikasi Sinyal Pembentuk Jantung dan Jaringan Tubuh

Tahap validasi yang menarik dilakukan menggunakan data sel tunggal dari embrio tikus. Tim ilmuwan melakukan analisis pada fase gastrulasi, yaitu fase penting ketika jaringan embrionik mengalami spesialisasi. Pada tahap tersebut, jaringan embrio merespons beragam sinyal yang mengatur pembentukan jaringan tertentu. Berkat pemetaan pola ekspresi gen, peneliti dapat memperkirakan waktu dan lokasi aktivasi sinyal. Pendekatan analisis tersebut mendukung penelitian hubungan sinyal dengan pembentukan organ.

Pendekatan analisis baru tersebut berhasil memperkirakan pola sinyal pada garis keturunan sel jantung, jaringan usus, jaringan muskular, dan sumsum tulang belakang. Keberhasilan prediksi tersebut memperlihatkan bagaimana sinyal berbeda mengarahkan pembentukan jaringan. Sebagai contoh, dua sel dengan informasi genetik serupa dapat berkembang menjadi jaringan berbeda karena mengalami sejarah pensinyalan yang tidak identik. Melalui hasil ini, IRIS membantu menjelaskan proses spesialisasi sel, tetapi tidak otomatis menentukan seluruh mekanisme perkembangan.

Kecerdasan Buatan MIT Dukung Penelitian Sel Punca dan Pengobatan Regeneratif

Peluang penting dari penelitian IRIS berada pada pembuatan jaringan biologis di laboratorium. Dalam bidang tersebut, ilmuwan mempelajari cara menghasilkan jaringan dengan fungsi khusus. Walaupun sel punca memiliki kemampuan berkembang, menghasilkan jaringan yang tepat tidak selalu mudah. Setiap tahap, sel dapat merespons rangsangan biologis tertentu. Berkat kemampuan memperkirakan jalur pensinyalan, peneliti berpeluang menemukan petunjuk diferensiasi. Melalui pendekatan tersebut, eksperimen dapat dirancang menggunakan informasi lebih lengkap.

Pengembangan IRIS berpeluang mendukung penelitian model organ tiga dimensi. Organoid merupakan model biologis mini yang merepresentasikan fungsi tertentu jaringan. Dalam penelitian penyakit, organoid memberikan sarana mempelajari mekanisme seluler. Peneliti menerapkan model tersebut untuk menganalisis kebutuhan pensinyalan pada sel pembentuk jaringan paru. Hasil analisis AI kemudian diuji melalui eksperimen pada embrio tikus. Hasil pengujiannya, temuan laboratorium menguatkan prediksi IRIS. Temuan tersebut 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 memberikan kontribusi menarik dalam penelitian rekayasa jaringan. Dengan memanfaatkan pola aktivitas genetik, IRIS berhasil mengenali pola aktivasi jalur sinyal pada tipe sel yang berbeda. Keunggulan model ini membantu mempercepat kajian komunikasi biologis. Validasi menggunakan data perkembangan embrio memperlihatkan potensi model dalam memahami pembentukan organ. Walaupun hasilnya menjanjikan, prediksi AI tetap memerlukan pengujian biologis. Sebagai arah penelitian masa depan, pemahaman terhadap komunikasi antarsel berpotensi mendukung pengembangan organoid yang lebih akurat. Menurut pandangan Anda, apakah model AI seperti IRIS mampu memberikan kemajuan pada pengembangan organoid? Silakan bagikan pendapat Anda mengenai perkembangan teknologi rekayasa jaringan.