IA para un seguimiento celular riguroso y escalable Seguir las células individuales a lo largo del tiempo es uno de los desafíos computacionales más difíciles de la biología. Las células se dividen, migran y cambian de forma, e incluso con microscopios potentes, la tarea de reconstruir linajes puede parecer como armar un rompecabezas donde las piezas cambian constantemente. Durante décadas, gran parte de este trabajo se basó en heurísticas o reglas ad-hoc, lo que dificultó la reproducibilidad y dificultó la comparación de los resultados entre laboratorios. Dos artículos recientes muestran cómo la IA y la computación moderna están transformando este campo. En OrganoidTracker 2.0, Betjes y sus coautores introducen un marco probabilístico que cuantifica la incertidumbre en las asignaciones de linaje. En lugar de simplemente generar una "mejor suposición", el método adjunta niveles de confianza, lo que permite a los investigadores identificar casos ambiguos y garantizar análisis posteriores más rigurosos. Paralelamente, Bragantini y sus coautores presentan Ultrack, una herramienta diseñada para la escalabilidad y la accesibilidad. Al integrar algoritmos avanzados de optimización y basados en gráficos en plataformas ampliamente utilizadas, Ultrack permite procesar conjuntos de datos de imágenes a gran escala de manera eficiente al tiempo que reduce las barreras para la adopción. Juntos, estos avances marcan un cambio en el seguimiento celular: de heurísticas frágiles a herramientas estadísticamente fundamentadas, escalables y ampliamente utilizables. Muestran cómo la IA no solo automatiza una tarea, sino que la reformula en términos de reproducibilidad, incertidumbre e integración con flujos de trabajo experimentales reales. Papeles: &

Lógica de programación en proteínas: biomateriales inteligentes que calculan La mayoría de los biomateriales "inteligentes" de hoy responden de manera simple y uno a uno: una entrada produce una salida. Un hidrogel puede liberar un fármaco cuando se expone a la luz, o una nanopartícula puede degradarse cuando se encuentra con una determinada enzima. Pero la biología rara vez funciona en tal aislamiento. Las células y los tejidos procesan constantemente múltiples señales a la vez, y los biomateriales de próxima generación deberán hacer lo mismo: decidir cuándo liberar, activar o localizar una proteína solo si está presente la combinación correcta de desencadenantes. Ryan Gharios y sus coautores presentan un marco que lo hace posible. En lugar de depender de síntesis químicas lentas y de bajo rendimiento, codifican la lógica AND/OR/YES directamente en las proteínas durante la expresión recombinante. El truco consiste en usar enlazadores diseñados cuya topología define la "puerta": los sitios cortados en serie se comportan como OR, en paralelo como AND y un solo sitio como YES. Las proteasas ortogonales sirven como "entradas" y el material libera su carga de proteínas solo cuando se cumple la condición lógica programada. Con este enfoque, el equipo implementó los 17 comportamientos lógicos posibles de tres entradas e incluso lo extendió a un operador de cinco entradas. Demostraron la liberación precisa de proteínas de las perlas magnéticas, la administración multiplexada de hidrogeles, el etiquetado condicional de las células HER2⁺ y los programas intracelulares que deciden si una proteína permanece en la membrana o se difunde en el citosol. El verdadero avance es la escalabilidad. Debido a que la lógica está codificada genéticamente, los diseños se pueden compilar rápidamente, producir en bacterias y purificar a escala, lo que abre la puerta a terapias programables, andamios receptivos para la ingeniería de tejidos y sistemas biohíbridos donde las células vivas y los materiales se computan juntos. Este trabajo apunta a un futuro en el que los biomateriales no solo responden, sino que realmente deciden, llevando la lógica booleana de los circuitos digitales a los sistemas vivos. Papel:

Computación DNA recargable por calor: circuitos lógicos que se reinician con un pulso de calor El ADN no es solo el portador de información genética, sino que también se puede programar como un lenguaje de pares de bases para construir circuitos que computan. Durante las últimas dos décadas, los investigadores han diseñado puertas lógicas de ADN, osciladores e incluso redes neuronales. El desafío es que la mayoría de estos sistemas son de un solo uso: una vez que un circuito funciona, se desplaza hacia el equilibrio y deja de funcionar. Cada nueva tarea requiere nuevas hebras de "combustible", creando residuos y limitando la escalabilidad. Tianqi Song y Lulu Qian presentan una alternativa sorprendente: circuitos que se recargan con nada más que un breve pulso de calor. Al atar las salidas a sus puertas en una estructura de horquilla, las entradas aún impulsan el cálculo a través del desplazamiento de la hebra, pero después de su uso, el calentamiento rompe los enlaces débiles mientras que los enlaces fuertes se mantienen. Luego, el enfriamiento restaura el sistema a un estado listo atrapado cinéticamente, preparado para nuevas entradas. La recompensa es grande. Demuestran al menos 16 rondas de cálculo reutilizables en el mismo tubo, con reinicios en minutos. El enfoque se escala a circuitos con más de 200 especies de ADN, incluidas las redes neuronales en las que el ganador se lo lleva todo y un clasificador de 100 bits que distingue los dígitos 6 de 7 de MNIST. El rendimiento se mantiene constante en todos los reinicios, con una acumulación mínima de residuos. El resultado es una especie de fuente de energía universal para la computación molecular: el calor actúa como la "batería" que alimenta la lógica, los umbrales y las redes neuronales sin combustibles personalizados. Apunta a un futuro en el que las computadoras de ADN mantienen comportamientos de larga duración, adaptativos y potencialmente de aprendizaje en sistemas químicos autónomos. Papel: