AI 用於嚴謹且可擴展的細胞追蹤 隨著時間推移追蹤個別細胞是生物學中最具挑戰性的計算問題之一。細胞會分裂、遷移並改變形狀，即使使用強大的顯微鏡，重建系譜的任務也像是在拼湊一個不斷變動的拼圖。幾十年來，這項工作大多依賴於啟發式或臨時規則，這使得重現性變得困難，並且結果在不同實驗室之間難以比較。 最近的兩篇論文展示了 AI 和現代計算如何改變這個領域。在 OrganoidTracker 2.0 中，Betjes 和合著者們介紹了一個量化系譜分配不確定性的概率框架。該方法不僅僅是輸出一個「最佳猜測」，而是附加了置信水平，讓研究人員能夠識別模糊的案例，並確保更嚴謹的下游分析。 與此同時，Bragantini 和合著者們提出了 Ultrack，一個旨在可擴展性和可及性的工具。通過將先進的優化和基於圖的算法整合到廣泛使用的平台中，Ultrack 使得能夠高效處理大規模影像數據集，同時降低了採用的門檻。 這些進展共同標誌著細胞追蹤的轉變：從脆弱的啟發式方法轉向統計基礎、可擴展且廣泛可用的工具。它們展示了 AI 不僅僅是在自動化一項任務，而是從重現性、不確定性和與實際實驗工作流程的整合的角度重新框架這項任務。 論文： &

將程式邏輯編碼到蛋白質中：能計算的智慧生物材料 當今大多數的「智慧」生物材料以簡單的一對一方式作出反應：一個輸入產生一個輸出。一種水凝膠可能在光照下釋放藥物，或一種納米顆粒可能在遇到某種酶時降解。但生物學很少以這種孤立的方式運作。細胞和組織不斷同時處理多個信號，下一代生物材料也需要做到這一點——只有在正確的觸發組合存在時，才決定何時釋放、激活或定位蛋白質。 Ryan Gharios 和合著者提出了一個使這一切成為可能的框架。他們不再依賴緩慢、低產量的化學合成，而是在重組表達過程中將 AND/OR/YES 邏輯直接編碼到蛋白質中。關鍵在於使用工程化的連接器，其拓撲結構定義了「閘」：串聯的切割位點表現得像 OR，並聯的則像 AND，而單一位點則像 YES。正交蛋白酶作為「輸入」，材料僅在編程邏輯條件滿足時釋放其蛋白質載荷。 通過這種方法，團隊實現了所有 17 種可能的三輸入邏輯行為，甚至將其擴展到五輸入運算符。他們展示了從磁珠中精確釋放蛋白質、從水凝膠中多重傳遞、HER2⁺ 細胞的條件標記，以及決定蛋白質是停留在膜上還是擴散到細胞質中的細胞內程序。 真正的突破在於可擴展性。由於邏輯是基因編碼的，設計可以快速編譯、在細菌中生產並大規模純化——為可編程療法、組織工程的響應性支架以及活細胞和材料共同計算的生物混合系統打開了大門。 這項工作指向了一個未來，在這裡生物材料不僅僅是反應，而是實際上做出決策——將布爾邏輯從數位電路帶入活系統。 論文：

熱可充電的DNA計算：隨著熱脈衝重置的邏輯電路 DNA不僅是遺傳信息的載體——它還可以像碱基對的語言一樣被編程，以構建計算電路。在過去的二十年中，研究人員設計了DNA邏輯閘、振盪器，甚至神經網絡。挑戰在於這些系統大多是一次性使用的：一旦電路運行，它就會漂移到平衡狀態並停止工作。每個新任務都需要新的“燃料”鏈，這會產生廢物並限制可擴展性。 宋天奇和錢璐璐提出了一個引人注目的替代方案：只需短暫的熱脈衝即可充電的電路。通過將輸出與其閘門以髮夾結構連接，輸入仍然通過鏈置換驅動計算，但在使用後，加熱會打破弱鍵結，而強鍵結則保持不變。冷卻後，系統恢復到動力學上被困的準備狀態，為新的輸入做好準備。 回報是巨大的。他們展示了在同一管中至少可重複計算16輪，重置時間在幾分鐘內。這種方法可擴展到超過200種DNA物種的電路，包括贏者通吃的神經網絡和一個100位的分類器，能夠區分MNIST數字6和7。性能在重置過程中保持一致，廢物積累最小。 結果是一種分子計算的通用能源來源——熱就像“電池”，為邏輯、閾值和神經網絡提供動力，而無需定制燃料。這指向了一個未來，DNA計算機能夠在自主化學系統中維持長時間運行、自適應和潛在的學習行為。 論文：