Ilmuwan di John A. Paulson School of Engineering and Applied Sciences (SEAS) Universitas Harvard telah menciptakan kerangka kerja komputasi inovatif yang mampu mengungkap aturan dasar bagaimana sel-sel mengatur diri mereka sendiri secara mandiri. Pendekatan ini, yang dipublikasikan dalam jurnal Nature Computational Science pada 13 Agustus 2025, menggunakan diferensiasi otomatis, sebuah teknik kunci dalam melatih model pembelajaran mendalam.
Kerangka kerja ini memungkinkan prediksi bagaimana perubahan kecil pada gen atau sinyal seluler dapat memengaruhi desain akhir dari kumpulan sel. Studi yang berjudul "Engineering morphogenesis of cell clusters with differentiable programming" ini bertujuan untuk menyederhanakan proses pertumbuhan sel yang kompleks menjadi masalah optimasi yang dapat diselesaikan oleh komputer. Dengan memanfaatkan diferensiasi otomatis, tim peneliti dapat menghitung fungsi-fungsi rumit secara efisien dan mendeteksi secara tepat bagaimana perubahan kecil dalam jaringan gen memengaruhi perilaku kolektif sel.
Penelitian yang dipimpin bersama oleh mahasiswa pascasarjana Ramya Deshpande dan peneliti postdoctoral Francesco Mottes, dengan penulis senior Michael Brenner, menawarkan jalan yang menjanjikan untuk memahami dasar-dasar seluler perkembangan organisme dan memberikan panduan untuk merekayasa pertumbuhan organ. Kemampuan untuk memprediksi dan mengontrol organisasi seluler ini sangat penting untuk kemajuan di bidang kedokteran regeneratif dan rekayasa jaringan.
Pendekatan komputasi ini membuka peluang untuk merancang jaringan hidup dengan fungsi atau bentuk spesifik. Metode ini sejalan dengan kemajuan dalam rekayasa jaringan dan kedokteran regeneratif, di mana pemodelan komputasi semakin penting dalam merancang biomaterial dan mengoptimalkan strategi perawatan. Contohnya, pemodelan komputasi telah digunakan untuk mengoptimalkan desain perancah (scaffold) dalam rekayasa jaringan dengan mensimulasikan perilaku sel dan jaringan terhadap arsitektur perancah yang berbeda.