IA para rastreamento celular rigoroso e escalável Seguir 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 como montar um quebra-cabeça onde as peças mudam constantemente. Durante décadas, grande parte desse trabalho se baseou em heurísticas ou regras ad-hoc, o que dificultou a reprodutibilidade e tornou os resultados difíceis de comparar entre laboratórios. Dois artigos recentes mostram como a IA e a computação moderna estão transformando este campo. No OrganoidTracker 2.0, Betjes e coautores introduzem uma estrutura probabilística que quantifica a incerteza nas atribuições de linhagem. Em vez de simplesmente fornecer um "melhor palpite", o método anexa níveis de confiança, permitindo que os pesquisadores identifiquem casos ambíguos e garantam análises mais rigorosas a montante. Em paralelo, Bragantini e coautores apresentam o Ultrack, uma ferramenta projetada para escalabilidade e acessibilidade. Ao integrar otimização avançada e algoritmos baseados em grafos em plataformas amplamente utilizadas, o Ultrack torna possível processar conjuntos de dados de imagem em grande escala de forma eficiente, enquanto reduz as barreiras para adoção. Juntas, essas inovações marcam uma mudança no rastreamento celular: de heurísticas frágeis para ferramentas estatisticamente fundamentadas, escaláveis e amplamente utilizáveis. Elas 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. Artigos: &

Programação de lógica em proteínas: biomateriais inteligentes que computam A maioria dos "biomateriais inteligentes" de hoje responde de maneiras simples, um-para-um: uma entrada produz uma saída. Um hidrogel pode liberar um medicamento quando exposto à luz, ou uma nanopartícula pode se degradar ao encontrar uma certa enzima. Mas a biologia raramente funciona de forma isolada. Células e tecidos estão constantemente processando múltiplos sinais ao mesmo tempo, e os biomateriais de próxima geração precisarão fazer o mesmo—decidindo quando liberar, ativar ou localizar uma proteína apenas se a combinação certa de gatilhos estiver presente. Ryan Gharios e coautores apresentam uma estrutura que torna isso possível. Em vez de depender de sínteses químicas lentas e de baixo rendimento, eles codificam lógica AND/OR/YES diretamente em proteínas durante a expressão recombinante. O truque é usar ligadores engenheirados cuja topologia define o "portão": locais de corte em série se comportam como OR, em paralelo como AND, e um único local como YES. Proteases ortogonais servem como as "entradas", e o material libera sua carga proteica apenas quando a condição lógica programada é atendida. Com essa abordagem, a equipe implementou todos os 17 comportamentos lógicos possíveis de três entradas e até mesmo estendeu para um operador de cinco entradas. Eles demonstraram liberação precisa de proteínas a partir de esferas magnéticas, entrega multiplexada a partir de hidrogéis, rotulagem condicional de células HER2⁺, e programas intracelulares que decidem se uma proteína permanece na membrana ou difunde-se para o citosol. A verdadeira inovação é a escalabilidade. Como a lógica é geneticamente codificada, os designs podem ser rapidamente compilados, produzidos em bactérias e purificados em grande escala—abrindo a porta para terapias programáveis, andaimes responsivos para engenharia de tecidos, e sistemas biohíbridos onde células vivas e materiais computam juntos. Este trabalho aponta para um futuro onde os biomateriais não apenas respondem, mas realmente decidem—trazendo a lógica booleana de circuitos digitais para sistemas vivos. Artigo:

Computação de DNA recarregável por calor: circuitos lógicos que se reiniciam 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. Ao longo das últimas duas décadas, 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 se estabiliza e para de funcionar. Cada nova tarefa requer novas fitas de "combustível", criando desperdício e limitando a escalabilidade. Tianqi Song e Lulu Qian apresentam uma alternativa impressionante: circuitos que se recarregam com nada mais do que um breve pulso de calor. Ao amarrar as saídas às suas portas em uma estrutura de grampo de cabelo, as entradas ainda impulsionam a computação através do deslocamento de fitas, mas após o uso, o aquecimento quebra ligações fracas enquanto ligações fortes se mantêm. O resfriamento então restaura o sistema a um estado pronto, cineticamente aprisionado, preparado para novas entradas. O retorno é grande. Eles demonstram pelo menos 16 rodadas reutilizáveis de computação no mesmo tubo, com reinicializações em minutos. A abordagem escala para circuitos com mais de 200 espécies de DNA, incluindo redes neurais do tipo winner-take-all e um classificador de 100 bits que distingue os dígitos 6 e 7 do MNIST. O desempenho permanece consistente entre as reinicializações, com acúmulo mínimo de desperdício. O resultado é uma espécie de fonte de energia universal para computação molecular—o calor atua como a "bateria" que alimenta lógicas, limiares e redes neurais sem combustíveis personalizados. Isso aponta para um futuro onde computadores de DNA sustentam comportamentos autônomos, adaptativos e potencialmente aprendizes em sistemas químicos.