Como é que um embrião "computacionalmente" fiável forma o seu corpo - "célula a célula" - utilizando apenas interações locais e mecânica, e ainda assim produz um plano corporal global preciso? Estou entusiasmado por partilhar o nosso artigo na Nature Methods "MultiCell: aprendizagem geométrica no desenvolvimento multicelular", apresentando a pesquisa #AIxBiology liderada por @HaiqianYang e o resultado de uma grande colaboração com Ming Guo, George Roy, Tomer Stern, Anh Nguyen e Dapeng Bi. Um desafio de longa data na biologia do desenvolvimento é prever como milhares de células se auto-organizam coletivamente à medida que os tecidos se dobram, dividem e rearranjam. No MultiCell, representamos um embrião em desenvolvimento como um gráfico dual que unifica duas visões complementares da mecânica dos tecidos com resolução de célula única: células como pontos móveis (granulares) e células como uma espuma conectada (rede de junções). Isso permite que o modelo aprenda dinâmicas tanto da geometria quanto da conectividade célula-célula. Em filmes de luz de 4D de embriões inteiros de gastrulação de Drosophila (~5.000 células), o nosso modelo prevê comportamentos celulares chave e o tempo dos eventos, incluindo perda de junções, rearranjos e divisões com alta precisão, em resolução de célula única. Além da previsão, a mesma representação suporta um alinhamento temporal robusto entre embriões e oferece mapas de ativação interpretáveis que destacam os "motoristas" morfogenéticos do desenvolvimento. O objetivo mais amplo é estabelecer uma base para previsões célula a célula em tecidos mais complexos e, eventualmente, para detectar assinaturas dinâmicas subtis de doenças. Parabéns à equipa por esta colaboração inspiradora com investigadores brilhantes para expandir os limites da IA para a biologia! Citação: Yang, H., Roy, G., Nguyen, A.Q., Buehler, M.J., et al. MultiCell: aprendizagem geométrica no desenvolvimento multicelular. Nature Methods (2025), DOI: 10.1038/s41592-025-02983-x Os links de código/dados estão no manuscrito.

Inteligência de enxame inspirada na biologia para composição musical com IA: o MusicSwarm instancia muitos agentes de modelo de base idênticos e congelados que coordenam apenas através de feedback entre pares e sinais semelhantes a feromônios. Sem quaisquer atualizações de peso, esses agentes se auto-organizam espontaneamente em papéis diferenciados e produzem composições com maior novidade local, diversidade rítmica mais rica e uma estrutura de pequeno mundo mais semelhante à humana do que as referências de múltiplos agentes ou de uma única tentativa criticadas centralmente. Observamos dinâmicas de enxame que convergem para equilíbrios semelhantes ao de Nash no espaço dos comportamentos dos agentes, enquanto a contínua emergência de novos motivos e ligações de longo alcance realiza uma perspectiva gödeliana: agentes interagentes mais um modelo de mundo externo compartilhado se comportam como um meta-sistema cujas trajetórias criativas vão além das de qualquer modelo único e monolítico.

Que surpresa agradável - acabei de receber uma cópia impressa do Journal of Materials Research com o nosso artigo em destaque na capa! O nosso artigo, "Agentic Deep Graph Reasoning Yields Self-Organizing Knowledge Networks," explora como a IA pode ir além da recuperação estática para construir e refinar ativamente suas próprias estruturas de conhecimento. O sistema cresce um gráfico de conceitos e relacionamentos através do raciocínio recursivo - efetivamente "pensando em gráficos" - e se auto-organiza em redes modulares e livres de escala que refletem como o conhecimento humano evolui. As implicações são empolgantes: essa abordagem pode transformar a forma como a IA descobre novos materiais, conecta ideias entre disciplinas e gera hipóteses científicas - levando a sistemas auto-organizados e impulsionados por raciocínio para a ciência e engenharia. Este trabalho foi publicado como um Artigo em Destaque Convidado em conexão com a minha palestra como Palestrante Convidado Distinto no @Materials_MRS na Reunião de Primavera da MRS em Seattle, e sou grato ao MRS Journal of Materials Research e ao @SpringerNature por destacá-lo na capa. Um grande agradecimento a todos que estão avançando na fronteira da descoberta impulsionada por IA e raciocínio nativo em gráficos! É um momento empolgante para a convergência da ciência, inteligência e design.