IA pour le suivi rigoureux et évolutif des cellules Suivre des cellules individuelles au fil du temps est l'un des défis computationnels les plus difficiles de la biologie. Les cellules se divisent, migrent et changent de forme, et même avec des microscopes puissants, la tâche de reconstruire les lignées peut ressembler à assembler un puzzle dont les pièces se déplacent constamment. Pendant des décennies, une grande partie de ce travail s'est appuyée sur des heuristiques ou des règles ad hoc, ce qui a rendu la reproductibilité difficile et les résultats difficiles à comparer entre les laboratoires. Deux articles récents montrent comment l'IA et la computation moderne transforment ce domaine. Dans OrganoidTracker 2.0, Betjes et ses co-auteurs introduisent un cadre probabiliste qui quantifie l'incertitude dans les attributions de lignées. Au lieu de simplement fournir une "meilleure estimation", la méthode attache des niveaux de confiance, permettant aux chercheurs d'identifier les cas ambigus et d'assurer des analyses en aval plus rigoureuses. Parallèlement, Bragantini et ses co-auteurs présentent Ultrack, un outil conçu pour l'évolutivité et l'accessibilité. En intégrant des algorithmes d'optimisation avancés et basés sur des graphes dans des plateformes largement utilisées, Ultrack permet de traiter efficacement des ensembles de données d'imagerie à grande échelle tout en abaissant les barrières à l'adoption. Ensemble, ces avancées marquent un tournant dans le suivi des cellules : d'heuristiques fragiles vers des outils statistiquement fondés, évolutifs et largement utilisables. Elles montrent comment l'IA ne se contente pas d'automatiser une tâche, mais la reformule en termes de reproductibilité, d'incertitude et d'intégration avec de véritables flux de travail expérimentaux. Articles : &

Intégration de la logique de programmation dans les protéines : des biomatériaux intelligents qui calculent La plupart des biomatériaux « intelligents » d'aujourd'hui réagissent de manière simple, un à un : une entrée produit une sortie. Un hydrogel peut libérer un médicament lorsqu'il est exposé à la lumière, ou une nanoparticule peut se dégrader lorsqu'elle rencontre une certaine enzyme. Mais la biologie fonctionne rarement de manière isolée. Les cellules et les tissus traitent constamment plusieurs signaux à la fois, et les biomatériaux de prochaine génération devront faire de même : décider quand libérer, activer ou localiser une protéine uniquement si la bonne combinaison de déclencheurs est présente. Ryan Gharios et ses co-auteurs présentent un cadre qui rend cela possible. Au lieu de s'appuyer sur des synthèses chimiques lentes et à faible rendement, ils codent la logique AND/OR/OUI directement dans les protéines lors de l'expression recombinante. L'astuce consiste à utiliser des liaisons conçues dont la topologie définit le « portail » : des sites de coupure en série se comportent comme un OU, en parallèle comme un ET, et un seul site comme un OUI. Des protéases orthogonales servent d'« entrées », et le matériau libère sa cargaison protéique uniquement lorsque la condition logique programmée est remplie. Avec cette approche, l'équipe a mis en œuvre tous les 17 comportements logiques possibles à trois entrées et a même étendu cela à un opérateur à cinq entrées. Ils ont démontré une libération précise de protéines à partir de billes magnétiques, une livraison multiplexée à partir d'hydrogels, un marquage conditionnel des cellules HER2⁺, et des programmes intracellulaires qui décident si une protéine reste à la membrane ou diffuse dans le cytosol. La véritable avancée est l'évolutivité. Parce que la logique est codée génétiquement, les conceptions peuvent être rapidement compilées, produites dans des bactéries et purifiées à grande échelle, ouvrant la voie à des thérapies programmables, des échafaudages réactifs pour l'ingénierie tissulaire, et des systèmes biohybrides où des cellules vivantes et des matériaux calculent ensemble. Ce travail indique un avenir où les biomatériaux ne se contentent pas de répondre, mais décident réellement—apportant la logique booléenne des circuits numériques dans les systèmes vivants. Article :

Calcul informatique à ADN rechargeable par chaleur : circuits logiques qui se réinitialisent avec une impulsion thermique L'ADN n'est pas seulement le porteur de l'information génétique : il peut également être programmé comme un langage de paires de bases pour construire des circuits qui calculent. Au cours des deux dernières décennies, des chercheurs ont conçu des portes logiques ADN, des oscillateurs et même des réseaux neuronaux. Le défi est que la plupart de ces systèmes sont à usage unique : une fois qu'un circuit fonctionne, il dérive vers l'équilibre et cesse de fonctionner. Chaque nouvelle tâche nécessite de nouveaux brins de "carburant", créant des déchets et limitant l'évolutivité. Tianqi Song et Lulu Qian présentent une alternative frappante : des circuits qui se rechargent avec rien de plus qu'une brève impulsion thermique. En reliant les sorties à leurs portes dans une structure en épingle à cheveux, les entrées continuent de conduire le calcul par déplacement de brins, mais après utilisation, le chauffage rompt les liaisons faibles tandis que les liaisons fortes maintiennent. Le refroidissement restaure ensuite le système à un état prêt piégé cinétiquement, prêt pour de nouvelles entrées. Le gain est important. Ils démontrent au moins 16 cycles de calcul réutilisables dans le même tube, avec des réinitialisations en quelques minutes. L'approche s'adapte à des circuits avec plus de 200 espèces d'ADN, y compris des réseaux neuronaux gagnant-tout et un classificateur de 100 bits qui distingue les chiffres MNIST 6 de 7. Les performances restent constantes à travers les réinitialisations, avec un minimum d'accumulation de déchets. Le résultat est une sorte de source d'énergie universelle pour le calcul moléculaire : la chaleur agit comme la "batterie" qui alimente la logique, les seuils et les réseaux neuronaux sans carburants personnalisés. Cela ouvre la voie à un avenir où les ordinateurs ADN soutiennent des comportements autonomes, adaptatifs et potentiellement apprenants dans des systèmes chimiques autonomes. Article :