組織内の細胞同士の協調に着想を得て、研究者らがロボット集合体システムを開発した。このシステムは、強固な構造から別の強固な構造へと変化でき、自身の数百倍の重量を支えることもできる。この進歩はいわゆる「ロボット材料」 ―― 個々のロボットユニットがまとまって密接に相互作用し、単一の動的適応構造として機能するもの ―― の開発における主要な課題を克服している。これらのシステムの実現では根本的課題が提示される。すなわち、この「材料」は荷重を支持する十分な強度と剛性がなければならないのと同時に、スイッチを入れれば自由に流動して新しい形態をとることができなければならないのだ。自力で運動できない物質や従来のロボットシステムとは異なり、生きた胚組織には空間や時間を超えて自らの機械的性質を組織内で調整できる驚くべき能力がある。協調的な細胞挙動を通じて機械的性質を調整する生きた胚組織から着想を得て、Matthew Devlinらは、鍵となる細胞間相互作用の機構をモーター駆動ギア、受光装置および回転磁石を使って模倣したロボット集合体を設計した。これらの機構によって力の変動や極性を精密に制御することが可能になり、システムは剛性と流動性を動的に調整できるようになっている。Devlinらが実証した構造形成では、ロボットユニットは複数の柱を形成し、それらがまとまって1本の安定した耐荷重性アーチになった。この集合体は自己回復性も示し、流動化して構造的欠陥を閉じた。またこれは物体操作も示し、方向性を持った力を加えて物体を動かした。その上、このシステムは機能的なツールへと応用され、物体の周囲へと流動してから堅くなり、トルクをかけることのできるレンチになった。研究者らはさらに支持構造を紹介し、ここで集合体は個々のユニットの重量を超える荷重に耐えて人間1人分（約700ニュートン）を支持し、その後は難なく流体の状態へと戻っていった。

新規の機械学習モデルであるMal-IDは、個人が過去に罹患した感染症や疾患に関する免疫系の記録を解読できることが、新たな研究によって報告されている。このモデルは強力なツールであり、自己免疫疾患、ウイルス感染症、およびワクチンに対する応答性を正確に診断・評価できる可能性がある。自己免疫疾患やその他の免疫疾患に対する従来の臨床診断法は、身体診察、病歴、ならびに細胞および分子レベルの異常を検出するための様々な臨床検査の組み合わせに依拠する傾向があり、そのプロセスは手間がかかり、最初の誤診断や曖昧なシステムによってさらに複雑化することが多い。これらの従来法では、個々の患者における適応免疫系のB細胞受容体（BCR）およびT細胞受容体（TCR）に関するデータが十分に活用できない。BCRおよびTCRのレパトアは、病原体、ワクチン、およびその他の抗原刺激に反応して、クローン性増殖、体細胞変異、および免疫細胞集団の選択的再構成によって変化を受ける。BCRとTCRの遺伝子配列決定を行うことは、包括的な診断ツールとして、一回の検査で感染症、自己免疫疾患および免疫関連疾患を同時に検出できる可能性がある。しかし、どの程度、免疫受容体レパトアの配列決定だけで疾患を高い信頼性で幅広くs域別できるかは、依然として不明である。 この問題を解決するため、Maxim ZaslavskyらはMal-ID（MAchine Learning for Immunological Diagnosis）と名付けられた、3つのモデルから成る機械学習モデルを開発した。このモデルは、患者の免疫受容体に関するデータセットを解析して、感染症や免疫疾患、およびワクチン応答性の遺伝的シグネチャーを同定するものである。Zaslavskyらは、593人の対象者から系統的に収集されたBCRおよびTCRに関するデータを用いてMal-IDの訓練を行い、この対象者にはCOVID-19、HIVおよび1型糖尿病（T1D）の患者、インフルエンザワクチン接種者、ならびに健康対照者が含まれた。その結果Mal-IDは、BCRおよびTCRのペアサンプル550個において6つの疾患状態を効果的に識別し、マルチクラスAUROCスコアは0.986であったことから、疾患分類の精度が極めて高いことが示された。この指標値は同モデルについて、これら全ての疾患の比較において陽性者を陰性者から分類する性能を反映している。同モデルはCOVID-19、HIV、ループス、T1Dの患者および健康者を識別でき、このことは強力な診断ツールとしての能力を示しているが、Zaslavskyらは同モデルについて、臨床現場において信頼できるツールとして使用できるようになる前に、臨床データを用いてさらなる改良を行う必要があると指摘している。

この地域では、2023年初頭に記録的な豪雨に見舞われたにもかかわらず、南カリフォルニアの地下水貯留量はごくわずかしか補充されていない、と研究者らは報告している。ロサンゼルス大都市圏全域の地震ノイズデータを利用した今回の研究により、同州の危機的な地下水貯留量について、モニタリングと管理の方法を緊急に改善する必要性が浮き彫りになった。カリフォルニア州では、深刻な干ばつが20年間続いた後、2023年に水に関する気象が急激に変化した。2022年末から2023年初頭にかけて16本の大気の川が連続発生し、その後8月にはハリケーン「ヒラリー」による豪雨に見舞われた結果、記録的な多雨となったのである。ロサンゼルス大都市圏では、降雨量がそれまでの標準値の300%に達した。猛烈な降水を記録したこの期間に、カリフォルニア州の地表貯水は急速に補充されて、それまでの平均値の128%になったが、地下水がどの程度回復したかは依然として不明だった。干ばつの影響を評価し、持続可能な水管理を実現するためには、地下水貯留量の変化を正確に定量化することが不可欠である。しかし、特に資源計画に欠かせない流域規模においては、依然として複雑な課題が残っている。Shujuan Maoらはロサンゼルス地域に注目し、地震ノイズ解析を行えば、地下水貯留量の変化を高精度で効果的に追跡できることを実証した。Maoらは、2003～2023年に既存の地震計ネットワークから得られた環境場における受動的な干渉データを用いて、地震波速度の変動を調べた。こうした変動は、地下水の涵養に起因する地表下の水分布の変化を反映している。地域地震を利用したハイドログラフによって、2023年の豪雨によって補充された地下水は、過去20年間に喪失した地下水のわずか約25%だったことが判明し、長期にわたり大幅に枯渇した深部帯水層は、10年規模ではゆるやかにしか回復しないことが明らかになった。関連するPerspectiveでは、Taka’aki Taira（平貴昭）とRoland Bürgmannが、「Maoらの地震イメージング技術を、既存の方法（現場での井戸モニタリングや、衛星または航空機を利用したリモートセンシング観測など）と統合することで、地下水の包括的な追跡が可能になるだろう」と述べている。「そうすれば、次世代のために持続可能な給水を維持するのに役立つはずである。」

キタゾウアザラシは、外洋のトワイライトゾーン（水深200～1,000メートル）の秘密を解き明かす鍵を握っているかもしれない。新しい研究によると、これらの深海潜水動物は、地球で最も謎の多い遠く離れた生態系の1つに生息する魚の把握困難な動態を突き止める希少な手段になることから、魚の個体数の推定に役立つという。生態系は動的で、そこでは資源の変動 ―― 自然変動も人為的変動も ―― によって種の相互作用と食物網が形成されている。陸上生態系でのこれらの過程については研究が進んでいるが、世界の魚の生物量の大半を有する外洋深海の生態系でのこういった過程についての研究は遅れている。深海の個体数に陸上で見られるような連鎖的変動が起こるかどうかはわかっていない。深海の監視は、データ収集のコストが高く、散発的で、海面に集中しているといったような技術的制約が妨げとなっている。野生生物は長い間、生態系の健康の重要な番人だとされてきたが、野生生物を介さなければ定量化が難しい人間の影響や環境の変化についても情報を提供してくれる。ただ、深海の監視に特化した種は存在しない。Roxanne Beltranらは今回、キタゾウアザラシ（Mirounga angustirostris）が太平洋北東部のトワイライトゾーンの健康を監視する生態系の番人として使用できるかどうかを評価した。ゾウアザラシは広大な外洋全域で主にトワイライトゾーンの魚を食べている。Beltranらは、衛星通信タグを付けたアザラシから集めたデータを用いて、それらの採餌成功と海面で測定された長期の海洋学的条件に強い相関関係があることを発見した。とりわけ、2年前の観察ではアザラシの体重増加の変動は海洋学的条件の変化と一致しており、このことは、アザラシの体重増加がトワイライトゾーンにおける獲物入手可能性の貴重な代理指標であることを示している。この関連のおかげで、獲物である魚の個体数について過去45年間の推算と今後2年間の予測が可能になり、魚の個体数が明らかに多い時期と明らかに少ない時期が浮き彫りになった。今回の研究結果により、トワイライトゾーンの魚の個体数は急変動し、多い時期と少ない時期のサイクルは3年から5年ごとに来ることが示された。このパターンはこの方法以外の直接的な観察では測定できなかった。