AI cho việc theo dõi tế bào nghiêm ngặt và có thể mở rộng Theo dõi các tế bào riêng lẻ theo thời gian là một trong những thách thức tính toán khó khăn nhất trong sinh học. Các tế bào phân chia, di chuyển và thay đổi hình dạng, và ngay cả với những kính hiển vi mạnh mẽ, nhiệm vụ tái tạo dòng dõi có thể cảm thấy như lắp ráp một câu đố mà các mảnh ghép liên tục thay đổi. Trong nhiều thập kỷ, phần lớn công việc này dựa vào các phương pháp heuristics hoặc quy tắc tạm thời, điều này khiến cho việc tái sản xuất trở nên khó khăn và kết quả khó so sánh giữa các phòng thí nghiệm. Hai bài báo gần đây cho thấy cách AI và tính toán hiện đại đang biến đổi lĩnh vực này. Trong OrganoidTracker 2.0, Betjes và các đồng tác giả giới thiệu một khung xác suất định lượng sự không chắc chắn trong việc phân loại dòng dõi. Thay vì chỉ đơn giản đưa ra một "dự đoán tốt nhất", phương pháp này gán các mức độ tin cậy, cho phép các nhà nghiên cứu xác định các trường hợp không rõ ràng và đảm bảo các phân tích tiếp theo nghiêm ngặt hơn. Song song, Bragantini và các đồng tác giả trình bày Ultrack, một công cụ được thiết kế cho khả năng mở rộng và tiếp cận. Bằng cách tích hợp tối ưu hóa tiên tiến và các thuật toán dựa trên đồ thị vào các nền tảng được sử dụng rộng rãi, Ultrack giúp xử lý các tập dữ liệu hình ảnh quy mô lớn một cách hiệu quả trong khi giảm bớt rào cản cho việc áp dụng. Cùng nhau, những tiến bộ này đánh dấu một sự chuyển mình trong việc theo dõi tế bào: từ các phương pháp heuristics dễ bị tổn thương sang các công cụ có cơ sở thống kê, có thể mở rộng và sử dụng rộng rãi. Chúng cho thấy cách AI không chỉ tự động hóa một nhiệm vụ mà còn định hình lại nó theo các khía cạnh tái sản xuất, sự không chắc chắn và tích hợp với các quy trình thực nghiệm thực tế.

Lập trình logic vào protein: vật liệu sinh học thông minh có khả năng tính toán Hầu hết các vật liệu sinh học "thông minh" ngày nay phản ứng theo cách đơn giản, một-một: một đầu vào tạo ra một đầu ra. Một hydrogel có thể giải phóng một loại thuốc khi tiếp xúc với ánh sáng, hoặc một hạt nano có thể phân hủy khi gặp một loại enzyme nhất định. Nhưng sinh học hiếm khi hoạt động trong sự cô lập như vậy. Các tế bào và mô liên tục xử lý nhiều tín hiệu cùng một lúc, và các vật liệu sinh học thế hệ tiếp theo sẽ cần phải làm điều tương tự—quyết định khi nào giải phóng, kích hoạt hoặc định vị một protein chỉ khi có sự kết hợp đúng của các kích thích. Ryan Gharios và các đồng tác giả trình bày một khung làm cho điều này trở nên khả thi. Thay vì dựa vào các tổng hợp hóa học chậm và có năng suất thấp, họ mã hóa logic AND/OR/YES trực tiếp vào protein trong quá trình biểu hiện tái tổ hợp. Mẹo là sử dụng các liên kết được thiết kế mà hình thái của chúng xác định "cổng": các vị trí cắt theo chuỗi hoạt động như OR, theo song song như AND, và một vị trí duy nhất như YES. Các protease độc lập hoạt động như "đầu vào", và vật liệu chỉ giải phóng hàng hóa protein của nó khi điều kiện logic đã được lập trình được đáp ứng. Với cách tiếp cận này, nhóm đã thực hiện tất cả 17 hành vi logic ba đầu vào có thể và thậm chí mở rộng nó đến một bộ điều khiển năm đầu vào. Họ đã chứng minh việc giải phóng protein chính xác từ các hạt từ tính, việc giao hàng đa dạng từ các hydrogel, việc gán nhãn có điều kiện cho các tế bào HER2⁺, và các chương trình nội bào quyết định xem một protein có ở lại màng hay khuếch tán vào tế bào chất. Bước đột phá thực sự là khả năng mở rộng. Bởi vì logic được mã hóa gen, các thiết kế có thể được biên dịch nhanh chóng, sản xuất trong vi khuẩn, và tinh chế quy mô lớn—mở ra cánh cửa cho các liệu pháp lập trình, các khung phản ứng cho kỹ thuật mô, và các hệ thống sinh học lai nơi các tế bào sống và vật liệu tính toán cùng nhau. Công trình này chỉ ra một tương lai nơi các vật liệu sinh học không chỉ phản ứng, mà thực sự quyết định—mang logic Boolean từ các mạch số vào các hệ thống sống. Bài báo:

Máy tính DNA có thể sạc lại bằng nhiệt: mạch logic tự động khôi phục bằng một xung nhiệt DNA không chỉ là vật mang thông tin di truyền—nó còn có thể được lập trình như một ngôn ngữ của các cặp bazơ để xây dựng các mạch tính toán. Trong hai thập kỷ qua, các nhà nghiên cứu đã thiết kế các cổng logic DNA, bộ dao động, và thậm chí cả mạng nơ-ron. Thách thức là hầu hết các hệ thống này chỉ sử dụng một lần: khi một mạch chạy, nó trôi về trạng thái cân bằng và ngừng hoạt động. Mỗi nhiệm vụ mới yêu cầu các sợi "nhiên liệu" mới, tạo ra chất thải và hạn chế khả năng mở rộng. Tianqi Song và Lulu Qian đưa ra một lựa chọn nổi bật: các mạch có thể sạc lại chỉ bằng một xung nhiệt ngắn. Bằng cách gắn các đầu ra vào các cổng của chúng trong một cấu trúc hình kẹp tóc, các đầu vào vẫn điều khiển tính toán thông qua sự thay thế sợi, nhưng sau khi sử dụng, việc làm nóng sẽ phá vỡ các liên kết yếu trong khi các liên kết mạnh vẫn giữ. Làm mát sau đó khôi phục hệ thống về trạng thái sẵn sàng bị kẹt động học, sẵn sàng cho các đầu vào mới. Lợi ích là rất lớn. Họ chứng minh ít nhất 16 vòng tính toán có thể tái sử dụng trong cùng một ống, với việc khôi phục trong vài phút. Phương pháp này có thể mở rộng cho các mạch với hơn 200 loài DNA, bao gồm các mạng nơ-ron thắng-thua và một bộ phân loại 100-bit phân biệt các chữ số MNIST 6 và 7. Hiệu suất vẫn nhất quán qua các lần khôi phục, với sự tích tụ chất thải tối thiểu. Kết quả là một loại nguồn năng lượng phổ quát cho tính toán phân tử—nhiệt hoạt động như "pin" cung cấp năng lượng cho logic, ngưỡng và mạng nơ-ron mà không cần nhiên liệu tùy chỉnh. Nó chỉ ra một tương lai nơi máy tính DNA duy trì các hành vi tự động, thích ứng và có khả năng học hỏi trong các hệ thống hóa học tự trị. Bài báo: