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

Penerapan metode komputasi biologis semakin memberikan peluang baru bagi pengembangan ilmu biomedis. Dalam penelitian perkembangan embrio, ilmuwan membutuhkan metode yang kompleks ketika memahami interaksi antara sel yang berkembang. Setiap sel memiliki hubungan dengan sel di sekitarnya. Dengan menggunakan pesan kimia, sel memperoleh petunjuk tentang posisi dan fungsi. Rangkaian sinyal tersebut berperan dalam menentukan perkembangan sel. Dalam upaya mengurai mekanisme tersebut, peneliti MIT menciptakan model AI IRIS yang dirancang mengenali jejak aktivitas sinyal.

Pengembangan model IRIS dipimpin oleh Pulin Li, anggota fakultas biologi Massachusetts Institute of Technology yang juga menjadi anggota Whitehead Institute. Nicholas Hutchins berkontribusi terhadap perancangan pendekatan tersebut. Sistem kecerdasan buatan ini menggunakan jaringan saraf komputasional untuk menganalisis perubahan aktivitas genetik. Berbeda dari metode yang meneliti setiap kombinasi sel secara terpisah, IRIS dapat mengenali karakteristik sinyal pada sel berbeda. Dengan demikian, analisis komunikasi antarsel menjadi lebih terarah.

Teknologi Machine Learning Membaca Jejak Aktivitas Genetik

Sebagai dasar memahami penelitian ini, perlu memahami prinsip pertukaran sinyal biologis. Sel tubuh memanfaatkan senyawa pemberi sinyal yang berinteraksi dengan reseptor pada sel sasaran. Setelah molekul pemberi pesan berinteraksi, jalur komunikasi internal dapat diaktifkan. Rangkaian reaksi ini merupakan bagian dari sistem transduksi sinyal. Respons terhadap rangsangan biologis dapat mengubah ekspresi gen. Sebagai hasilnya, sel dapat mengalami diferensiasi sesuai konteks perkembangan tubuh.

Hasil penelitian menunjukkan bahwa respons terhadap suatu signaling pathway dapat dikenali melalui jejak genetik. Jejak molekuler tersebut dapat dipahami sebagai sidik jari biologis. Keunggulan pendekatan ini, karakteristik jalur sinyal memiliki kesamaan pada sel yang berbeda. Berkat kesamaan tersebut, IRIS dapat menghubungkan ekspresi gen dengan sinyal terdahulu. Walaupun pendekatan tersebut menjanjikan, hasil analisis merupakan inferensi berdasarkan pola genetik. Karena itu, kesimpulan perlu didukung pengujian laboratorium.

Keunggulan Pembelajaran Transfer dalam Analisis Komunikasi Sel

Salah satu kemampuan utama IRIS adalah penerapan teknik transfer pengetahuan. Dalam teknologi kecerdasan buatan, transfer learning memungkinkan pengetahuan dari data pelatihan digunakan pada situasi terkait. Dalam eksperimen para ilmuwan MIT, model dilatih menggunakan respons sel punca embrionik manusia. Informasi biologis yang digunakan mencakup ribuan sel yang diberikan sejumlah perlakuan sinyal. Berkat proses pembelajaran itu, IRIS dapat mengenali pola yang relevan pada tipe sel berbeda.

Pada tahap pengembangan dataset, tim menggunakan enam signaling pathways penting pada berbagai tahap perkembangan. Respons yang muncul digunakan untuk membangun atlas komunikasi biologis. Ketika proses pembelajaran selesai, peneliti mengevaluasi kemampuan model pada perkembangan embrio hewan. Dalam evaluasi ini, IRIS dapat mengenali pola komunikasi pada konteks perkembangan baru. Kemampuan lintas tipe sel tersebut membuka peluang pemetaan jaringan biologis lebih luas, 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 data sel tunggal dari embrio tikus. Pengujian diarahkan pada fase gastrulasi, yaitu tahap perkembangan embrio ketika sel mulai membentuk berbagai garis keturunan. Selama proses gastrulasi, berbagai sel menerima petunjuk molekuler yang memengaruhi arah diferensiasi. Melalui penggunaan IRIS, peneliti mengidentifikasi kemungkinan jalur komunikasi pada bagian embrio tertentu. Pendekatan analisis tersebut membantu memahami penyusunan struktur tubuh.

Pendekatan analisis baru tersebut berhasil memperkirakan pola sinyal pada calon sel pembentuk jantung, jaringan usus, otot, dan struktur saraf pada tulang belakang. Keberhasilan prediksi tersebut menunjukkan hubungan aktivasi jalur dengan posisi sel. Untuk memahami penerapannya, dua sel dengan informasi genetik serupa berpeluang memperoleh fungsi tidak sama karena menerima kombinasi sinyal berbeda. Dengan demikian, IRIS memberikan alat untuk mempelajari pembentukan jaringan, tetapi belum menggantikan pengamatan eksperimen langsung.

Kecerdasan Buatan MIT Dukung Penelitian Sel Punca dan Pengobatan Regeneratif

Potensi utama pendekatan kecerdasan buatan ini berada pada pengembangan rekayasa jaringan. Pada penelitian biomedis modern, ilmuwan mengembangkan metode diferensiasi sel secara terkendali. Namun demikian, pengendalian diferensiasi membutuhkan banyak faktor. Dalam setiap fase perkembangan, sel dapat merespons rangsangan biologis tertentu. Dengan informasi riwayat sinyal dari model, peneliti memiliki dasar untuk merancang eksperimen baru. Berkat penggunaan data biologis yang lebih terarah, 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. Untuk studi perkembangan jaringan, organoid dapat digunakan sebagai model eksperimen. Tim MIT menggunakan IRIS untuk menganalisis kebutuhan pensinyalan pada sel pembentuk jaringan paru. Prediksi model diperiksa kembali melalui pengujian biologis pada tikus. Dalam validasi tersebut, hasil percobaan sesuai dengan arah perkembangan yang diperkirakan. Temuan tersebut berpotensi membantu pembuatan model penyakit paru untuk mengamati mekanisme penyakit pernapasan.

Prospek Kecerdasan Buatan bagi Rekayasa Sel dan Pengobatan Regeneratif

Pengembangan model IRIS oleh MIT menunjukkan kemajuan penting dalam ilmu biologi perkembangan. Berkat pembelajaran mesin berbasis data sel, IRIS mampu memperkirakan riwayat pensinyalan pada bermacam jaringan dalam perkembangan. Hasil analisis tersebut mengurangi ketergantungan pada pemetaan setiap jenis sel secara terpisah. Pengujian pada embrio tikus menunjukkan kemampuan IRIS memperkirakan aktivasi sinyal. Walaupun hasilnya menjanjikan, penerapan klinis masih membutuhkan penelitian lanjutan. Dalam jangka panjang, pemetaan riwayat pensinyalan berpotensi mendukung pengembangan organoid yang lebih akurat. Apa pendapat Anda, apakah teknologi pemetaan komunikasi antarsel berpotensi membuka peluang baru dalam bioteknologi? Silakan bagikan pendapat Anda mengenai perkembangan teknologi rekayasa jaringan.