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
Kemajuan metode komputasi biologis terus membuka kemampuan tambahan bagi pengembangan ilmu biomedis. Selama ini, ilmuwan membutuhkan metode yang kompleks ketika memahami interaksi antara sel yang berkembang. Sel dalam jaringan biologis tidak bekerja secara terpisah. Dengan menggunakan pesan kimia, sel menerima informasi mengenai lingkungan. Rangkaian sinyal tersebut berperan dalam menentukan perkembangan sel. Dalam upaya mengurai mekanisme tersebut, peneliti MIT memperkenalkan model AI IRIS yang dirancang mengenali jejak aktivitas sinyal.
Studi yang dilakukan ilmuwan MIT dikoordinasikan oleh Pulin Li, anggota fakultas biologi Massachusetts Institute of Technology yang juga berafiliasi dengan Whitehead Institute for Biomedical Research. Nicholas Hutchins berkontribusi terhadap perancangan pendekatan tersebut. Model IRIS dibangun dengan pendekatan neural network untuk menganalisis perubahan aktivitas genetik. Tidak seperti cara konvensional yang membutuhkan banyak eksperimen khusus, IRIS membantu memperkirakan jalur komunikasi pada berbagai tipe sel. Berkat pendekatan ini, peneliti dapat mengurangi kebutuhan pengujian berulang.
Cara Kerja Model AI IRIS dalam Mengidentifikasi Jalur Sinyal Sel
Untuk memahami kemampuan IRIS, kita perlu mengenali proses komunikasi antarsel. Berbagai jenis sel mengirimkan pesan melalui molekul tertentu yang dapat diterima oleh sel lain. Ketika sinyal diterima, serangkaian reaksi dapat terjadi. Rangkaian reaksi ini merupakan bagian dari sistem transduksi sinyal. Perubahan pada proses pensinyalan dapat mengubah ekspresi gen. Sebagai hasilnya, sel dapat mengalami diferensiasi sesuai kondisi jaringan.
Peneliti MIT menemukan bahwa setiap jalur pensinyalan meninggalkan pola aktivitas gen yang khas. 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 dapat menghubungkan ekspresi gen dengan sinyal terdahulu. Namun demikian, IRIS tidak mengamati setiap pesan kimia secara real-time. Oleh sebab itu, prediksi model tetap memerlukan validasi biologis.
Transfer Learning Memungkinkan IRIS Mengenali Sinyal pada Jenis Sel Baru
Salah satu kemampuan utama IRIS adalah penerapan teknik transfer pengetahuan. Dalam teknologi kecerdasan buatan, transfer learning mendukung pemanfaatan hasil pelatihan untuk tugas serupa. Melalui sistem analisis yang dikembangkan, model dilatih menggunakan respons sel punca embrionik manusia. Kumpulan data penelitian ini berisi pengukuran dari ribuan sel yang menerima berbagai kombinasi rangsangan. Melalui rancangan tersebut, IRIS mampu menerapkan pengetahuan pada lingkungan biologis lain.
Pada tahap pengembangan dataset, tim menggunakan enam signaling pathways penting pada beberapa fase diferensiasi sel. Respons yang muncul membentuk kumpulan pola sinyal yang dapat dipelajari. Setelah model dilatih, peneliti menguji sistem menggunakan sel dari embrio tikus. Hasilnya, IRIS menunjukkan kemampuan generalisasi ke jenis sel berbeda. Hasil pengujian ini membuka peluang pemetaan jaringan biologis lebih luas, karena pengujian setiap kombinasi sel dapat dikurangi.
IRIS Membantu Memetakan Pembentukan Organ selama Perkembangan Embrio
Salah satu penerapan penting dilakukan menggunakan data sel tunggal dari embrio tikus. Pengujian diarahkan pada fase gastrulasi, yaitu periode awal pembentukan jenis sel yang berbeda. Selama proses gastrulasi, jaringan embrio merespons beragam sinyal yang membantu menentukan identitas akhirnya. 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 garis keturunan sel jantung, calon jaringan pencernaan, otot, dan jaringan spinal cord. Hasil tersebut menunjukkan hubungan aktivasi jalur dengan posisi sel. Untuk memahami penerapannya, dua sel dengan informasi genetik serupa mampu mengambil arah diferensiasi berlainan karena menerima kombinasi sinyal berbeda. Melalui hasil ini, IRIS memberikan alat untuk mempelajari pembentukan jaringan, tetapi belum menggantikan pengamatan eksperimen langsung.
Kecerdasan Buatan MIT Dukung Penelitian Sel Punca dan Pengobatan Regeneratif
Salah satu manfaat jangka panjang berada pada pembuatan jaringan biologis di laboratorium. Untuk kebutuhan rekayasa jaringan, ilmuwan mengembangkan metode diferensiasi sel secara terkendali. Meski sel punca dapat membentuk berbagai jenis sel, menghasilkan jaringan yang tepat tidak selalu mudah. Setiap tahap, sel dapat merespons rangsangan biologis tertentu. Berkat kemampuan memperkirakan jalur pensinyalan, peneliti memiliki dasar untuk merancang eksperimen baru. Dengan demikian, proses pencarian kondisi diferensiasi mungkin menjadi lebih cepat.
Pengembangan IRIS memiliki potensi penting bagi pengembangan miniatur organ. Organoid merupakan struktur sel tiga dimensi yang meniru sebagian karakteristik organ. Untuk studi perkembangan jaringan, organoid memberikan sarana mempelajari mekanisme seluler. Dalam salah satu eksperimen lanjutan, ilmuwan memanfaatkan IRIS untuk mengidentifikasi sinyal yang berkaitan dengan pembentukan sel penting bagi paru-paru. Hasil analisis AI selanjutnya divalidasi menggunakan penelitian embrio tikus. Berdasarkan eksperimen lanjutan, temuan laboratorium menguatkan prediksi IRIS. Keberhasilan validasi itu mendukung penelitian jaringan pernapasan untuk mempelajari asma dan fibrosis paru.
Masa Depan Teknologi IRIS untuk Penelitian Jaringan Manusia
Penelitian kecerdasan buatan untuk memetakan sinyal sel menunjukkan kemajuan penting dalam ilmu biologi perkembangan. Dengan memanfaatkan pola aktivitas genetik, IRIS berhasil mengenali pola aktivasi jalur sinyal pada bermacam jaringan dalam perkembangan. Keunggulan model ini mendukung penggunaan pengetahuan lintas tipe sel. Validasi menggunakan data perkembangan embrio memperlihatkan potensi model dalam memahami pembentukan organ. Walaupun hasilnya menjanjikan, penerapan klinis masih membutuhkan penelitian lanjutan. Untuk pengembangan selanjutnya, pemetaan riwayat pensinyalan dapat membantu penelitian obat dan penyakit. Apa pendapat Anda, apakah model AI seperti IRIS berpotensi membuka peluang baru dalam bioteknologi? Sampaikan pandangan Anda mengenai perkembangan teknologi rekayasa jaringan.
