IA para rastreamento de células rigoroso e escalável Acompanhar células individuais ao longo do tempo é um dos desafios computacionais mais difíceis da biologia. As células se dividem, migram e mudam de forma, e mesmo com microscópios poderosos, a tarefa de reconstruir linhagens pode parecer montar um quebra-cabeça onde as peças mudam constantemente. Durante décadas, grande parte desse trabalho dependia de heurísticas ou regras ad-hoc, o que dificultava a reprodutibilidade e os resultados difíceis de comparar entre os laboratórios. Dois artigos recentes mostram como a IA e a computação moderna estão transformando esse campo. No OrganoidTracker 2.0, Betjes e co-autores introduzem uma estrutura probabilística que quantifica a incerteza nas atribuições de linhagem. Em vez de simplesmente gerar um "melhor palpite", o método atribui níveis de confiança, permitindo que os pesquisadores identifiquem casos ambíguos e garantam análises posteriores mais rigorosas. Em paralelo, Bragantini e coautores apresentam o Ultrack, uma ferramenta projetada para escalabilidade e acessibilidade. Ao integrar otimização avançada e algoritmos baseados em gráficos em plataformas amplamente utilizadas, o Ultrack possibilita o processamento de conjuntos de dados de imagem em larga escala com eficiência, reduzindo as barreiras para adoção. Juntos, esses avanços marcam uma mudança no rastreamento de células: de heurísticas frágeis para ferramentas estatisticamente fundamentadas, escaláveis e amplamente utilizáveis. Eles mostram como a IA não está apenas automatizando uma tarefa, mas reformulando-a em termos de reprodutibilidade, incerteza e integração com fluxos de trabalho experimentais reais. Papéis: &

Lógica de programação em proteínas: biomateriais inteligentes que computam A maioria dos biomateriais "inteligentes" de hoje responde de maneiras simples e individuais: uma entrada produz uma saída. Um hidrogel pode liberar um medicamento quando exposto à luz, ou uma nanopartícula pode se degradar quando encontra uma determinada enzima. Mas a biologia raramente funciona em tal isolamento. Células e tecidos estão constantemente processando vários sinais ao mesmo tempo, e os biomateriais de próxima geração precisarão fazer o mesmo - decidir quando liberar, ativar ou localizar uma proteína somente se a combinação certa de gatilhos estiver presente. Ryan Gharios e co-autores apresentam uma estrutura que torna isso possível. Em vez de depender de sínteses químicas lentas e de baixo rendimento, eles codificam a lógica E/OU/YES diretamente nas proteínas durante a expressão recombinante. O truque é usar vinculadores projetados cuja topologia define o "portão": os locais cortados em série se comportam como OR, em paralelo como AND e um único site como YES. As proteases ortogonais servem como "entradas" e o material libera sua carga proteica somente quando a condição lógica programada é atendida. Com essa abordagem, a equipe implementou todos os 17 comportamentos lógicos possíveis de três entradas e até os estendeu para um operador de cinco entradas. Eles demonstraram liberação precisa de proteínas de esferas magnéticas, entrega multiplexada de hidrogéis, marcação condicional de células HER2⁺ e programas intracelulares que decidem se uma proteína permanece na membrana ou se difunde no citosol. O verdadeiro avanço é a escalabilidade. Como a lógica é geneticamente codificada, os projetos podem ser rapidamente compilados, produzidos em bactérias e purificados em escala - abrindo a porta para terapias programáveis, andaimes responsivos para engenharia de tecidos e sistemas biohíbridos onde células vivas e materiais são computados juntos. Este trabalho aponta para um futuro em que os biomateriais não apenas respondem, mas realmente decidem - trazendo a lógica booleana dos circuitos digitais para os sistemas vivos. Papel:

Computação de DNA recarregável por calor: circuitos lógicos que são redefinidos com um pulso de calor O DNA não é apenas o portador de informações genéticas - ele também pode ser programado como uma linguagem de pares de bases para construir circuitos que computam. Nas últimas duas décadas, os pesquisadores projetaram portas lógicas de DNA, osciladores e até redes neurais. O desafio é que a maioria desses sistemas é de uso único: uma vez que um circuito é executado, ele volta ao equilíbrio e para de funcionar. Cada nova tarefa requer novos fios de "combustível", criando desperdício e limitando a escalabilidade. Tianqi Song e Lulu Qian apresentam uma alternativa impressionante: circuitos que recarregam com nada mais do que um breve pulso de calor. Ao amarrar as saídas às suas portas em uma estrutura fechada, as entradas ainda impulsionam a computação por meio do deslocamento do fio, mas após o uso, o aquecimento quebra as ligações fracas enquanto as ligações fortes se mantêm. O resfriamento então restaura o sistema para um estado pronto cineticamente preso, preparado para novas entradas. A recompensa é grande. Eles demonstram pelo menos 16 rodadas reutilizáveis de computação no mesmo tubo, com reinicializações em minutos. A abordagem é dimensionada para circuitos com mais de 200 espécies de DNA, incluindo redes neurais em que o vencedor leva tudo e um classificador de 100 bits que distingue os dígitos MNIST 6 de 7. O desempenho permanece consistente em todas as reinicializações, com acúmulo mínimo de desperdício. O resultado é uma espécie de fonte de energia universal para computação molecular - o calor age como a "bateria" que alimenta a lógica, os limites e as redes neurais sem combustíveis personalizados. Ele aponta para um futuro em que os computadores de DNA sustentam comportamentos de longa duração, adaptativos e potencialmente de aprendizado em sistemas químicos autônomos. Papel: