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

Perkembangan teknologi kecerdasan buatan semakin memberikan peluang baru bagi pengembangan ilmu biomedis. Pada kajian biologi modern, ilmuwan sering menemukan kesulitan ketika memahami interaksi antara sel yang berkembang. Sel dalam jaringan biologis selalu berinteraksi dengan lingkungannya. Melalui berbagai molekul sinyal, sel memperoleh petunjuk tentang posisi dan fungsi. Rangkaian sinyal tersebut memengaruhi pembentukan berbagai jenis jaringan. Sebagai langkah mempelajari komunikasi biologis, peneliti MIT mengembangkan model AI IRIS yang mampu memperkirakan riwayat komunikasi sel.

Penelitian tersebut dipimpin oleh Pulin Li, asisten profesor biologi MIT yang juga berafiliasi dengan Whitehead Institute for Biomedical Research. Nicholas Hutchins berkontribusi terhadap perancangan pendekatan tersebut. Perangkat analisis berbasis AI tersebut memanfaatkan arsitektur pembelajaran mesin untuk mempelajari pola ekspresi gen. Berbeda dari metode yang meneliti setiap kombinasi sel secara terpisah, IRIS memungkinkan analisis lintas jenis sel. Dengan demikian, analisis komunikasi antarsel menjadi lebih terarah.

Mekanisme Pemetaan Komunikasi Antarsel melalui Signaling Pathways

Sebagai dasar memahami penelitian ini, perlu memahami prinsip pertukaran sinyal biologis. Jaringan sel biologis menggunakan molekul kimia yang berinteraksi dengan reseptor pada sel sasaran. Saat reseptor mengenali rangsangan, jalur komunikasi internal dapat diaktifkan. Rangkaian reaksi ini dikenal sebagai signaling pathway. Respons terhadap rangsangan biologis dapat mengubah ekspresi gen. Akibatnya, sel dapat mengalami diferensiasi sesuai kondisi jaringan.

Hasil penelitian menunjukkan bahwa respons terhadap suatu signaling pathway dapat dikenali melalui jejak genetik. Karakteristik aktivitas gen ini menjadi penanda khas dari komunikasi sel. Hal penting dari temuan tersebut, karakteristik jalur sinyal memiliki kesamaan pada sel yang berbeda. Dengan memanfaatkan pola yang konsisten, IRIS dilatih untuk memperkirakan jalur sinyal yang pernah aktif. Meski mampu menghasilkan prediksi, IRIS tidak mengamati setiap pesan kimia secara real-time. Oleh sebab itu, hasil harus ditafsirkan berdasarkan eksperimen.

Cara Model AI MIT Mempelajari Pola Biologis Lintas Tipe Sel

Fitur yang membuat pendekatan tersebut menarik adalah penerapan teknik transfer pengetahuan. Pada pengembangan model machine learning, transfer learning membantu model menerapkan pola yang dipelajari pada data baru. Dalam eksperimen para ilmuwan MIT, peneliti memanfaatkan pengukuran pada human embryonic stem cells. Dataset tersebut berisi pengukuran dari ribuan sel yang diberikan sejumlah perlakuan sinyal. Dengan demikian, IRIS mampu menerapkan pengetahuan pada lingkungan biologis lain.

Ketika menyusun data eksperimen, tim menguji kombinasi enam jalur pensinyalan utama pada sejumlah waktu pengamatan. Hasil ekspresi genetik menjadi dasar pemetaan respons sel. Setelah model dilatih, peneliti mengevaluasi kemampuan model pada perkembangan embrio hewan. Dalam evaluasi ini, IRIS menunjukkan kemampuan generalisasi ke jenis sel berbeda. Kemampuan lintas tipe sel tersebut memberikan manfaat dalam analisis perkembangan tubuh, karena ilmuwan tidak harus melatih model terpisah untuk setiap jenis sel.

Model AI MIT Identifikasi Sinyal Pembentuk Jantung dan Jaringan Tubuh

Tahap validasi yang menarik dilakukan menggunakan data sel tunggal dari embrio tikus. Peneliti memusatkan perhatian pada fase gastrulasi, yaitu fase penting ketika jaringan embrionik mengalami spesialisasi. Dalam periode perkembangan ini, jaringan embrio merespons beragam sinyal yang memengaruhi arah diferensiasi. Dengan analisis berbasis model AI, peneliti menelusuri pola pensinyalan sepanjang perkembangan. Hasil pemetaan ini mendukung penelitian hubungan sinyal dengan pembentukan organ.

Pendekatan analisis baru tersebut menunjukkan kemampuan mengidentifikasi aktivasi jalur pada calon sel pembentuk jantung, jaringan usus, otot, dan struktur saraf pada tulang belakang. Keberhasilan prediksi tersebut menunjukkan hubungan aktivasi jalur dengan posisi sel. Sebagai contoh, dua sel dengan informasi genetik serupa berpeluang memperoleh fungsi tidak sama karena berada pada lingkungan molekuler berlainan. Berdasarkan temuan tersebut, IRIS memperluas pemahaman tentang diferensiasi, tetapi belum menggantikan pengamatan eksperimen langsung.

Model Komunikasi Antarsel Membantu Ilmuwan Membuat Jaringan Laboratorium

Peluang penting dari penelitian IRIS berada pada penelitian tissue engineering. Dalam bidang tersebut, ilmuwan mempelajari cara menghasilkan jaringan dengan fungsi khusus. Meski sel punca dapat membentuk berbagai jenis sel, proses pembentukan struktur biologis memerlukan kondisi khusus. Dalam setiap fase perkembangan, 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 memiliki potensi penting bagi pengembangan miniatur organ. Organoid merupakan model biologis mini yang merepresentasikan fungsi tertentu jaringan. Untuk studi perkembangan jaringan, organoid memberikan sarana mempelajari mekanisme seluler. Dalam salah satu eksperimen lanjutan, ilmuwan memanfaatkan IRIS untuk menganalisis kebutuhan pensinyalan pada sel pembentuk jaringan paru. Prediksi model kemudian diuji melalui eksperimen pada embrio tikus. Hasil pengujiannya, aktivasi jalur yang diprediksi mendukung perkembangan sel paru. Temuan tersebut berpotensi membantu pembuatan model penyakit paru untuk mengevaluasi terapi pada model biologis.

Prospek Kecerdasan Buatan bagi Rekayasa Sel dan Pengobatan Regeneratif

Pengembangan model IRIS oleh MIT memberikan kontribusi menarik dalam ilmu biologi perkembangan. Dengan memanfaatkan pola aktivitas genetik, IRIS dapat mengidentifikasi jejak komunikasi biologis pada berbagai jenis sel. Keunggulan model ini membantu mempercepat kajian komunikasi biologis. Eksperimen lanjutan pada jaringan embrionik menunjukkan kemampuan IRIS memperkirakan aktivasi sinyal. Walaupun hasilnya menjanjikan, penerapan klinis masih membutuhkan penelitian lanjutan. Dalam jangka panjang, pemetaan riwayat pensinyalan dapat membantu penelitian obat dan penyakit. Menurut pandangan Anda, apakah teknologi pemetaan komunikasi antarsel berpotensi membuka peluang baru dalam bioteknologi? Bagikan pemikiran Anda mengenai peran AI dalam penelitian biologi.