厳密でスケーラブルな細胞追跡のための AI 個々の細胞を長期にわたって追跡することは、生物学の最も難しい計算上の課題の 1 つです。細胞は分裂し、移動し、形を変え、強力な顕微鏡を使用しても、系統を再構築する作業は、ピースが絶えず移動するパズルを組み立てているように感じることがあります。何十年もの間、この作業の多くはヒューリスティックまたはアドホックルールに依存していたため、再現性が困難になり、ラボ間で結果を比較することが困難でした。 最近の 2 つの論文は、AI と最新のコンピューティングがこの分野をどのように変革しているかを示しています。OrganoidTracker 2.0では、Betjesと共著者は、系統割り当ての不確実性を定量化する確率的フレームワークを導入しています。この方法は、単に「最良の推測」を出力するのではなく、信頼度を付けるため、研究者はあいまいなケースを特定し、より厳密な下流分析を保証できます。 並行して、Bragantiniと共著者は、スケーラビリティとアクセシビリティのために設計されたツールであるUltrackを紹介します。Ultrack は、高度な最適化とグラフベースのアルゴリズムを広く使用されているプラットフォームに統合することで、導入の障壁を下げながら、大規模なイメージング データセットを効率的に処理できるようにします。 これらの進歩は、細胞追跡における移行を示しており、脆弱なヒューリスティックから、統計的に根拠があり、スケーラブルで、広く使用できるツールへの移行を示しています。これらは、AI がタスクを自動化するだけでなく、再現性、不確実性、実際の実験ワークフローとの統合の観点からタスクを再構成していることを示しています。 書類： &

ロジックをタンパク質にプログラミング:コンピューティングするスマートバイオマテリアル 今日の「スマート」生体材料のほとんどは、1 つの入力が 1 つの出力を生成するという、単純な 1 対 1 の方法で応答します。ヒドロゲルは光にさらされると薬物を放出したり、ナノ粒子が特定の酵素に遭遇すると分解したりする可能性があります。しかし、生物学がそのような孤立して機能することはめったにありません。細胞と組織は常に一度に複数のシグナルを処理しており、次世代の生体材料も同じことを行う必要があり、トリガーの適切な組み合わせが存在する場合にのみ、タンパク質をいつ放出、活性化、または局在化するかを決定する必要があります。 ライアン・ガリオスと共著者は、これを可能にするフレームワークを提示します。遅くて収率の低い化学合成に頼る代わりに、組換え発現中にAND/OR/YESロジックをタンパク質に直接コードします。コツは、トポロジーが「ゲート」を定義するエンジニアリングされたリンカーを使用することです:直列にカットされたサイトはORのように、並列にANDのように、単一のサイトはYESのように振る舞います。直交プロテアーゼは「入力」として機能し、材料はプログラムされた論理条件が満たされた場合にのみタンパク質貨物を放出します。 このアプローチにより、チームは 17 の可能な 3 入力ロジック動作をすべて実装し、それを 5 入力演算子に拡張しました。彼らは、磁気ビーズからの正確なタンパク質放出、ヒドロゲルからの多重送達、HER2⁺細胞の条件付き標識、およびタンパク質が膜にとどまるかサイトゾルに拡散するかを決定する細胞内プログラムを実証しました。 本当のブレークスルーはスケーラビリティです。ロジックは遺伝的にコード化されているため、デザインを迅速にコンパイルし、細菌で生成し、大規模に精製することができ、プログラム可能な治療法、組織工学のための応答性足場、生細胞と材料が一緒に計算されるバイオハイブリッドシステムへの扉が開かれます。 この研究は、生体材料が反応するだけでなく、実際に決定する未来、つまりブール論理をデジタル回路から生命システムに持ち込む未来を示しています。 紙：

熱充電式DNAコンピューティング:熱パルスでリセットされる論理回路 DNAは遺伝情報のキャリアであるだけでなく、塩基対の言語のようにプログラムして計算する回路を構築することもできます。過去 20 年間にわたり、研究者たちは DNA ロジック ゲート、発振器、さらにはニューラル ネットワークを設計してきました。課題は、これらのシステムのほとんどが使い捨てであり、回路が動作すると平衡状態にドリフトして動作を停止することです。新しいタスクごとに新しい「燃料」ストランドが必要となり、無駄が発生し、スケーラビリティが制限されます。 Tianqi Song と Lulu Qian は、短い熱パルスだけで再充電する回路という、驚くべき代替案を提示します。ヘアピン構造で出力をゲートにテザリングすることにより、入力はストランドの変位を通じて計算を駆動しますが、使用後、加熱は弱い結合を切断し、強い結合は保持します。その後、冷却によりシステムは、新しい入力に備えた、運動学的にトラップされた準備完了状態に復元されます。 見返りは大きいです。彼らは、同じチューブ内で少なくとも16回の再利用可能な計算ラウンドを実証し、数分でリセットします。このアプローチは、勝者総取りのニューラル ネットワークや、MNIST 桁 6 と 7 を区別する 100 ビット分類器など、200 を超える DNA 種を持つ回路に拡張できます。パフォーマンスはリセット後も一貫しており、無駄の蓄積は最小限に抑えられます。 その結果、分子コンピューティングのための一種の普遍的なエネルギー源が誕生し、熱はカスタム燃料なしでロジック、しきい値、ニューラルネットワークに電力を供給する「バッテリー」のように機能します。これは、DNAコンピューターが自律的な化学システムにおいて、長期実行され、適応的で、潜在的に学習する行動を維持する未来を示しています。 紙：