AI untuk pelacakan sel yang ketat dan dapat diskalakan Mengikuti sel individu dari waktu ke waktu adalah salah satu tantangan komputasi tersulit dalam biologi. Sel membelah, bermigrasi, dan berubah bentuk, dan bahkan dengan mikroskop yang kuat, tugas merekonstruksi garis keturunan dapat terasa seperti merakit teka-teki di mana potongan-potongan terus bergeser. Selama beberapa dekade, sebagian besar pekerjaan ini bergantung pada heuristik atau aturan ad-hoc, yang membuat reproduktifitas sulit dan hasil sulit dibandingkan di seluruh laboratorium. Dua makalah baru-baru ini menunjukkan bagaimana AI dan komputasi modern mengubah bidang ini. Dalam OrganoidTracker 2.0, Betjes dan rekan penulis memperkenalkan kerangka kerja probabilistik yang mengukur ketidakpastian dalam penugasan garis keturunan. Alih-alih hanya mengeluarkan "tebakan terbaik", metode ini melampirkan tingkat kepercayaan, memungkinkan peneliti untuk mengidentifikasi kasus ambigu dan memastikan analisis hilir yang lebih ketat. Secara paralel, Bragantini dan rekan penulis menghadirkan Ultrack, alat yang dirancang untuk skalabilitas dan aksesibilitas. Dengan mengintegrasikan pengoptimalan canggih dan algoritme berbasis grafik ke dalam platform yang banyak digunakan, Ultrack memungkinkan untuk memproses kumpulan data pencitraan skala besar secara efisien sekaligus menurunkan hambatan untuk adopsi. Bersama-sama, kemajuan ini menandai pergeseran dalam pelacakan sel: dari heuristik rapuh menuju alat yang didasarkan secara statistik, dapat diskalakan, dan dapat digunakan secara luas. Mereka menunjukkan bagaimana AI tidak hanya mengotomatiskan tugas tetapi membingkainya ulang dalam hal reproduktifitas, ketidakpastian, dan integrasi dengan alur kerja eksperimental nyata. Kertas: &

Memprogram logika ke dalam protein: biomaterial pintar yang menghitung Sebagian besar biomaterial "pintar" saat ini merespons dengan cara yang sederhana dan satu-ke-satu: satu input menghasilkan satu output. Hidrogel mungkin melepaskan obat saat terkena cahaya, atau nanopartikel mungkin terdegradasi ketika bertemu dengan enzim tertentu. Tetapi biologi jarang bekerja dalam isolasi seperti itu. Sel dan jaringan terus-menerus memproses beberapa sinyal sekaligus, dan biomaterial generasi berikutnya perlu melakukan hal yang sama—memutuskan kapan harus melepaskan, mengaktifkan, atau melokalisasi protein hanya jika ada kombinasi pemicu yang tepat. Ryan Gharios dan rekan penulis menyajikan kerangka kerja yang memungkinkan hal ini. Alih-alih mengandalkan sintesis kimia yang lambat dan menghasilkan rendah, mereka mengkodekan logika DAN/ATAU/YA langsung ke dalam protein selama ekspresi rekombinan. Triknya adalah dengan menggunakan penghubung rekayasa yang topologinya mendefinisikan "gerbang": situs potong secara seri berperilaku seperti ATAU, secara paralel seperti DAN, dan situs tunggal seperti YA. Protease ortogonal berfungsi sebagai "input", dan bahan melepaskan kargo proteinnya hanya ketika kondisi logika yang diprogram terpenuhi. Dengan pendekatan ini, tim mengimplementasikan semua 17 kemungkinan perilaku logika tiga input dan bahkan memperluasnya ke operator lima input. Mereka menunjukkan pelepasan protein yang tepat dari manik-manik magnetik, pengiriman multipleks dari hidrogel, pelabelan bersyarat sel HER2⁺, dan program intraseluler yang memutuskan apakah protein tetap berada di membran atau berdifusi ke dalam sitosol. Terobosan sebenarnya adalah skalabilitas. Karena logika dikodekan secara genetik, desain dapat dengan cepat dikompilasi, diproduksi dalam bakteri, dan dimurnikan dalam skala besar—membuka pintu ke terapi yang dapat diprogram, perancah responsif untuk rekayasa jaringan, dan sistem biohibrid di mana sel dan bahan hidup menghitung bersama. Karya ini menunjuk ke masa depan di mana biomaterial tidak hanya merespons, tetapi benar-benar memutuskan—membawa logika Boolean dari sirkuit digital ke dalam sistem kehidupan. Kertas:

Komputasi DNA yang dapat diisi ulang panas: sirkuit logika yang diatur ulang dengan pulsa panas DNA bukan hanya pembawa informasi genetik—DNA juga dapat diprogram seperti bahasa pasangan basa untuk membangun sirkuit yang menghitung. Selama dua dekade terakhir, para peneliti telah merancang gerbang logika DNA, osilator, dan bahkan jaringan saraf. Tantangannya adalah bahwa sebagian besar sistem ini sekali pakai: begitu sirkuit berjalan, ia melayang ke keseimbangan dan berhenti bekerja. Setiap tugas baru membutuhkan untaian "bahan bakar" baru, menciptakan limbah dan membatasi skalabilitas. Tianqi Song dan Lulu Qian menghadirkan alternatif yang mencolok: sirkuit yang mengisi ulang tidak lebih dari denyut panas singkat. Dengan menambatkan output ke gerbangnya dalam struktur jepit rambut, input masih mendorong komputasi melalui perpindahan untaian, tetapi setelah digunakan, pemanasan memutus ikatan lemah sementara hubungan yang kuat bertahan. Pendinginan kemudian mengembalikan sistem ke keadaan siap yang terperangkap secara kinetik, siap untuk input baru. Hasilnya besar. Mereka mendemonstrasikan setidaknya 16 putaran komputasi yang dapat digunakan kembali dalam tabung yang sama, dengan reset dalam hitungan menit. Pendekatan ini menskalakan ke sirkuit dengan lebih dari 200 spesies DNA, termasuk jaringan saraf pemenang-ambil-semua dan pengklasifikasi 100-bit yang membedakan digit MNIST 6 dari 7. Performa tetap konsisten di seluruh reset, dengan penumpukan limbah minimal. Hasilnya adalah semacam sumber energi universal untuk komputasi molekuler—panas bertindak seperti "baterai" yang menggerakkan logika, ambang batas, dan jaringan saraf tanpa bahan bakar khusus. Ini menunjuk ke masa depan di mana komputer DNA mempertahankan perilaku yang berjalan lama, adaptif, dan berpotensi belajar dalam sistem kimia otonom. Kertas: