AI for streng og skalerbar cellesporing Å følge individuelle celler over tid er en av biologiens vanskeligste beregningsutfordringer. Celler deler seg, migrerer og endrer form, og selv med kraftige mikroskoper kan oppgaven med å rekonstruere avstamninger føles som å sette sammen et puslespill der brikkene hele tiden skifter. I flere tiår var mye av dette arbeidet avhengig av heuristikk eller ad-hoc-regler, noe som gjorde reproduserbarhet vanskelig og resultater vanskelige å sammenligne på tvers av laboratorier. To nylige artikler viser hvordan AI og moderne beregning transformerer dette feltet. I OrganoidTracker 2.0 introduserer Betjes og medforfattere et probabilistisk rammeverk som kvantifiserer usikkerhet i avstamningstildelinger. I stedet for bare å sende ut en "beste gjetning", legger metoden til konfidensnivåer, slik at forskere kan identifisere tvetydige tilfeller og sikre strengere nedstrømsanalyser. Parallelt presenterer Bragantini og medforfattere Ultrack, et verktøy designet for skalerbarhet og tilgjengelighet. Ved å integrere avansert optimalisering og grafbaserte algoritmer i mye brukte plattformer, gjør Ultrack det mulig å behandle store bildedatasett effektivt samtidig som barrierene for adopsjon senkes. Sammen markerer disse fremskrittene et skifte i cellesporing: fra skjør heuristikk til statistisk forankrede, skalerbare og bredt brukbare verktøy. De viser hvordan AI ikke bare automatiserer en oppgave, men omformulerer den når det gjelder reproduserbarhet, usikkerhet og integrasjon med reelle eksperimentelle arbeidsflyter. Papirer: &

Programmering av logikk i proteiner: smarte biomaterialer som beregner De fleste av dagens "smarte" biomaterialer reagerer på enkle, en-til-en måter: én inngang gir én utgang. En hydrogel kan frigjøre et medikament når det utsettes for lys, eller en nanopartikkel kan brytes ned når den møter et bestemt enzym. Men biologi fungerer sjelden isolert. Celler og vev behandler hele tiden flere signaler samtidig, og neste generasjons biomaterialer må gjøre det samme – bestemme når de skal frigjøre, aktivere eller lokalisere et protein bare hvis den riktige kombinasjonen av triggere er til stede. Ryan Gharios og medforfattere presenterer et rammeverk som gjør dette mulig. I stedet for å stole på langsomme kjemiske synteser med lavt utbytte, koder de OG/ELLER/JA-logikk direkte inn i proteiner under rekombinant ekspresjon. Trikset er å bruke konstruerte lenkere hvis topologi definerer "porten": kuttede nettsteder i serie oppfører seg som OR, parallelt som OG, og et enkelt nettsted som JA. Ortogonale proteaser fungerer som "innganger", og materialet frigjør proteinlasten først når den programmerte logiske betingelsen er oppfylt. Med denne tilnærmingen implementerte teamet alle de 17 mulige logikkatferdene med tre innganger og utvidet den til en operatør med fem innganger. De demonstrerte presis proteinfrigjøring fra magnetiske perler, multiplekset levering fra hydrogeler, betinget merking av HER2⁺-celler og intracellulære programmer som bestemmer om et protein forblir ved membranen eller diffunderer inn i cytosolen. Det virkelige gjennombruddet er skalerbarhet. Fordi logikken er genetisk kodet, kan design raskt kompileres, produseres i bakterier og renses i stor skala – noe som åpner døren for programmerbare terapier, responsive stillaser for vevsteknikk og biohybridsystemer der levende celler og materialer beregner sammen. Dette arbeidet peker mot en fremtid der biomaterialer ikke bare reagerer, men faktisk bestemmer – og bringer boolsk logikk fra digitale kretser til levende systemer. Papir:

Varmeoppladbar DNA-databehandling: logiske kretser som tilbakestilles med en varmepuls DNA er ikke bare bæreren av genetisk informasjon – det kan også programmeres som et språk av basepar for å bygge kretser som beregner. I løpet av de siste to tiårene har forskere designet DNA-logiske porter, oscillatorer og til og med nevrale nettverk. Utfordringen er at de fleste av disse systemene er engangsbruk: Når en krets går, driver den til likevekt og slutter å fungere. Hver nye oppgave krever nye "drivstoff"-tråder, noe som skaper avfall og begrenser skalerbarheten. Tianqi Song og Lulu Qian presenterer et slående alternativ: kretser som lades opp med ingenting mer enn en kort varmepuls. Ved å binde utganger til portene i en hårnålsstruktur, driver innganger fortsatt beregning gjennom trådforskyvning, men etter bruk bryter oppvarming svake bindinger mens sterke koblinger holder. Kjøling gjenoppretter deretter systemet til en kinetisk fanget klar tilstand, klargjort for nye innganger. Gevinsten er stor. De demonstrerer minst 16 gjenbrukbare beregningsrunder i samme rør, med tilbakestillinger på få minutter. Tilnærmingen skaleres til kretser med over 200 DNA-arter, inkludert nevrale nettverk som vinner tar alt og en 100-bits klassifiserer som skiller MNIST-sifrene 6 fra 7. Ytelsen forblir konsistent på tvers av tilbakestillinger, med minimal avfallsoppbygging. Resultatet er en slags universell energikilde for molekylær databehandling – varme fungerer som "batteriet" som driver logikk, terskler og nevrale nettverk uten tilpasset drivstoff. Det peker på en fremtid der DNA-datamaskiner opprettholder langvarig, adaptiv og potensielt læringsatferd i autonome kjemiske systemer. Papir: