AI för rigorös och skalbar cellspårning Att följa enskilda celler över tid är en av biologins svåraste beräkningsutmaningar. Celler delar sig, migrerar och ändrar form, och även med kraftfulla mikroskop kan uppgiften att rekonstruera linjer kännas som att lägga ett pussel där bitar ständigt skiftar. I årtionden förlitade sig mycket av detta arbete på heuristik eller ad hoc-regler, vilket gjorde reproducerbarheten svår och resultaten svåra att jämföra mellan laboratorier. Två nya artiklar visar hur AI och moderna beräkningar förändrar detta område. I OrganoidTracker 2.0 introducerar Betjes och medförfattare ett probabilistiskt ramverk som kvantifierar osäkerhet i ursprungstilldelningar. I stället för att bara ge en "bästa gissning" kopplar metoden till konfidensnivåer, vilket gör det möjligt för forskare att identifiera tvetydiga fall och säkerställa mer rigorösa analyser nedströms. Parallellt presenterar Bragantini och medförfattare Ultrack, ett verktyg designat för skalbarhet och tillgänglighet. Genom att integrera avancerad optimering och grafbaserade algoritmer i allmänt använda plattformar gör Ultrack det möjligt att bearbeta storskaliga bilddatauppsättningar effektivt samtidigt som man sänker barriärerna för införande. Tillsammans markerar dessa framsteg ett skifte i cellspårning: från bräcklig heuristik till statistiskt grundade, skalbara och brett användbara verktyg. De visar hur AI inte bara automatiserar en uppgift utan omformulerar den i termer av reproducerbarhet, osäkerhet och integration med verkliga experimentella arbetsflöden. Papper: &

Programmering av logik i proteiner: smarta biomaterial som beräknar De flesta av dagens "smarta" biomaterial reagerar på enkla, en-till-en-sätt: en input ger en output. En hydrogel kan frisätta ett läkemedel när den utsätts för ljus, eller en nanopartikel kan brytas ned när den kommer i kontakt med ett visst enzym. Men biologin fungerar sällan i en sådan isolering. Celler och vävnader bearbetar ständigt flera signaler samtidigt, och nästa generations biomaterial kommer att behöva göra detsamma – bestämma när ett protein ska frisättas, aktiveras eller lokaliseras endast om rätt kombination av utlösare är närvarande. Ryan Gharios och medförfattare presenterar ett ramverk som gör detta möjligt. Istället för att förlita sig på långsamma, lågavkastande kemiska synteser, kodar de AND/OR/YES-logik direkt in i proteiner under rekombinant uttryck. Tricket är att använda konstruerade länkar vars topologi definierar "grinden": klippta platser i serie beter sig som OR, parallellt som AND och en enda plats som YES. Ortogonala proteaser fungerar som "ingångar", och materialet släpper sin proteinlast först när det programmerade logiska villkoret är uppfyllt. Med den här metoden implementerade teamet alla 17 möjliga logikbeteenden med tre indata och utökade det till och med till en operator med fem indata. De visade exakt proteinfrisättning från magnetiska pärlor, multiplexerad leverans från hydrogeler, villkorlig märkning av HER2⁺-celler och intracellulära program som bestämmer om ett protein stannar vid membranet eller diffunderar in i cytosolen. Det verkliga genombrottet är skalbarhet. Eftersom logiken är genetiskt kodad kan konstruktioner snabbt kompileras, produceras i bakterier och renas i stor skala, vilket öppnar dörren för programmerbara terapier, responsiva strukturer för vävnadsteknik och biohybridsystem där levande celler och material beräknar tillsammans. Detta arbete pekar på en framtid där biomaterial inte bara reagerar, utan faktiskt bestämmer – och för med sig boolesk logik från digitala kretsar in i levande system. Papper:

Värmeuppladdningsbar DNA-beräkning: logiska kretsar som återställs med en värmepuls DNA är inte bara bärare av genetisk information – det kan också programmeras som ett språk av baspar för att bygga kretsar som beräknar. Under de senaste två decennierna har forskare designat DNA-logiska grindar, oscillatorer och till och med neurala nätverk. Utmaningen är att de flesta av dessa system är för engångsbruk: när en krets väl har körts driver den till jämvikt och slutar fungera. Varje ny uppgift kräver nya "bränsle"-strängar, vilket skapar slöseri och begränsar skalbarheten. Tianqi Song och Lulu Qian presenterar ett slående alternativ: kretsar som laddas upp med inget annat än en kort värmepuls. Genom att binda utgångar till sina grindar i en hårnålsstruktur driver ingångar fortfarande beräkningar genom strängförskjutning, men efter användning bryter uppvärmning svaga bindningar medan starka kopplingar håller. Kylning återställer sedan systemet till ett kinetiskt fångat klartillstånd, redo för nya ingångar. Utdelningen är stor. De demonstrerar minst 16 återanvändbara beräkningsomgångar i samma rör, med återställningar på några minuter. Metoden skalas till kretsar med över 200 DNA-arter, inklusive vinnaren-tar-allt-neurala nätverk och en 100-bitars klassificerare som skiljer MNIST-siffrorna 6 från 7. Prestandan förblir konsekvent över alla återställningar, med minimal avfallsuppbyggnad. Resultatet är en slags universell energikälla för molekylär databehandling – värme fungerar som "batteriet" som driver logik, trösklar och neurala nätverk utan anpassade bränslen. Det pekar på en framtid där DNA-datorer upprätthåller långvariga, adaptiva och potentiellt lärande beteenden i autonoma kemiska system. Papper: