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 teknologi kecerdasan buatan terus membuka peluang baru bagi kajian pembentukan jaringan tubuh. Pada kajian biologi modern, ilmuwan membutuhkan metode yang kompleks ketika menelusuri pertukaran sinyal biologis. Masing-masing sel tubuh memiliki hubungan dengan sel di sekitarnya. Dengan menggunakan pesan kimia, sel menerima informasi mengenai lingkungan. Pesan biologis ini memengaruhi pembentukan berbagai jenis jaringan. Untuk memahami proses itu, peneliti MIT mengembangkan model AI IRIS yang dirancang mengenali jejak aktivitas sinyal.
Penelitian tersebut dipimpin oleh Pulin Li, anggota fakultas biologi Massachusetts Institute of Technology yang juga berafiliasi dengan Whitehead Institute for Biomedical Research. Peneliti muda Nicholas Hutchins turut berperan penting dalam pengembangan pendekatan tersebut. Perangkat analisis berbasis AI tersebut menggunakan jaringan saraf komputasional untuk menganalisis perubahan aktivitas genetik. Tidak seperti cara konvensional yang membutuhkan banyak eksperimen khusus, IRIS dapat mengenali karakteristik sinyal pada sel berbeda. Melalui kemampuan tersebut, peneliti dapat mengurangi kebutuhan pengujian berulang.
Mekanisme Pemetaan Komunikasi Antarsel melalui Signaling Pathways
Untuk memahami kemampuan IRIS, perlu memahami prinsip pertukaran sinyal biologis. Berbagai jenis sel mengirimkan pesan melalui molekul tertentu yang berinteraksi dengan reseptor pada sel sasaran. Saat reseptor mengenali rangsangan, aktivitas molekuler tertentu dapat dimulai. Mekanisme penyampaian informasi tersebut dikenal sebagai signaling pathway. Aktivasi jalur tertentu memengaruhi aktivitas gen tertentu. Sebagai hasilnya, sel memperoleh karakteristik biologis tertentu sesuai konteks perkembangan tubuh.
Hasil penelitian menunjukkan bahwa respons terhadap suatu signaling pathway dapat dikenali melalui jejak genetik. Jejak molekuler tersebut menjadi penanda khas dari komunikasi sel. Yang menarik, pola penanda dapat ditemukan lintas tipe sel. Melalui karakteristik yang dapat dikenali, IRIS dilatih untuk memperkirakan jalur sinyal yang pernah aktif. Meski mampu menghasilkan prediksi, hasil analisis merupakan inferensi berdasarkan pola genetik. Karena itu, hasil harus ditafsirkan berdasarkan eksperimen.
Keunggulan Pembelajaran Transfer dalam Analisis Komunikasi Sel
Keunggulan penting dari model AI MIT adalah pemanfaatan transfer learning. Pada pengembangan model machine learning, transfer learning membantu model menerapkan pola yang dipelajari pada data baru. Melalui sistem analisis yang dikembangkan, data pelatihan berasal dari eksperimen terhadap sel punca embrionik manusia. Kumpulan data penelitian ini berisi pengukuran dari ribuan sel yang menerima berbagai kombinasi rangsangan. Berkat proses pembelajaran itu, IRIS dapat mengenali pola yang relevan pada tipe sel berbeda.
Pada tahap pengembangan dataset, tim mengukur respons terhadap kombinasi enam jalur sinyal pada beberapa fase diferensiasi sel. Perubahan aktivitas gen menjadi dasar pemetaan respons sel. Setelah model dilatih, peneliti menguji sistem menggunakan sel dari embrio tikus. Berdasarkan pengujian tersebut, IRIS dapat mengenali pola komunikasi pada konteks perkembangan baru. Kemampuan lintas tipe sel tersebut memberikan manfaat dalam analisis perkembangan tubuh, karena pendekatan yang sama berpotensi digunakan pada banyak tipe jaringan.
Model AI MIT Identifikasi Sinyal Pembentuk Jantung dan Jaringan Tubuh
Tahap validasi yang menarik dilakukan menggunakan dataset perkembangan embrio hewan. Pengujian diarahkan pada fase gastrulasi, yaitu tahap perkembangan embrio ketika sel mulai membentuk berbagai garis keturunan. Dalam periode perkembangan ini, jaringan embrio merespons beragam sinyal yang membantu menentukan identitas akhirnya. Berkat pemetaan pola ekspresi gen, peneliti mengidentifikasi kemungkinan jalur komunikasi pada bagian embrio tertentu. Kemampuan tersebut mendukung penelitian hubungan sinyal dengan pembentukan organ.
Sistem AI hasil penelitian MIT dapat memprediksi aktivitas pensinyalan pada garis keturunan sel jantung, struktur saluran pencernaan, jaringan muskular, dan struktur saraf pada tulang belakang. Hasil tersebut membantu menjelaskan variasi perkembangan sel. Dalam konteks perkembangan organ, sel yang berasal dari embrio sama berpeluang memperoleh fungsi tidak sama karena mengalami sejarah pensinyalan yang tidak identik. Berdasarkan temuan tersebut, IRIS memberikan alat untuk mempelajari pembentukan jaringan, tetapi tetap membutuhkan pembuktian pada sistem biologis.
Model Komunikasi Antarsel Membantu Ilmuwan Membuat Jaringan Laboratorium
Peluang penting dari penelitian IRIS berada pada pengembangan rekayasa jaringan. Pada penelitian biomedis modern, ilmuwan mempelajari cara menghasilkan jaringan dengan fungsi khusus. Meski sel punca dapat membentuk berbagai jenis sel, proses pembentukan struktur biologis memerlukan kondisi khusus. Setiap tahap, sel mungkin membutuhkan kombinasi sinyal berbeda. Berkat kemampuan memperkirakan jalur pensinyalan, peneliti berpeluang menemukan petunjuk diferensiasi. Dengan demikian, proses pencarian kondisi diferensiasi mungkin menjadi lebih cepat.
Studi yang dilakukan tim MIT juga berkaitan dengan pembuatan organoid. Organoid merupakan struktur sel tiga dimensi yang meniru sebagian karakteristik organ. Pada pengujian obat, organoid memberikan sarana mempelajari mekanisme seluler. Dalam salah satu eksperimen lanjutan, ilmuwan memanfaatkan IRIS untuk menganalisis kebutuhan pensinyalan pada sel pembentuk jaringan paru. Hasil analisis AI kemudian diuji melalui eksperimen pada embrio tikus. Hasil pengujiannya, hasil percobaan sesuai dengan arah perkembangan yang diperkirakan. Keberhasilan validasi itu mendukung penelitian jaringan pernapasan untuk mengevaluasi terapi pada model biologis.
Masa Depan Teknologi IRIS untuk Penelitian Jaringan Manusia
Inovasi teknologi analisis komunikasi antarsel membuka pendekatan baru dalam penelitian rekayasa jaringan. Melalui analisis ekspresi gen, IRIS dapat mengidentifikasi jejak komunikasi biologis pada berbagai jenis sel. Kemampuan tersebut membantu mempercepat kajian komunikasi biologis. Validasi menggunakan data perkembangan embrio menunjukkan kemampuan IRIS memperkirakan aktivasi sinyal. Walaupun hasilnya menjanjikan, kemampuan model tidak otomatis menghasilkan jaringan siap transplantasi. Untuk pengembangan selanjutnya, analisis respons genetik mungkin mempercepat kajian terapi regeneratif. Menurut pandangan Anda, apakah model AI seperti IRIS akan membantu mempercepat penelitian medis? Sampaikan pandangan Anda mengenai peran AI dalam penelitian biologi.
