作為生活的主要代碼，DNA可以做很多事情。遺產(chǎn)。基因療法。擦掉整個物種。解決邏輯問題。認識到你粗鄙的筆跡。

等等，什么?

在自然界發(fā)表的一項精彩研究中，加州理工學院的一個團隊巧妙地攻擊了DNA的特性，實質(zhì)上將其轉(zhuǎn)變?yōu)榉肿尤斯ど窠?jīng)網(wǎng)絡。

當受到經(jīng)典機器學習任務的挑戰(zhàn) - 識別手寫數(shù)字 - DNA計算機可以靈巧地識別從1到9的字符。該機制依賴于一種被稱為“消滅器”的特殊類型的DNA分子(令人敬畏的名字!)，它從生化反應的湯中選擇獲勝的反應。

但這不僅僅是草率的筆跡。該研究代表了DNA計算新生領(lǐng)域的巨大飛躍，使系統(tǒng)能夠使用相同數(shù)量的分子識別更復雜的模式。隨著更多的調(diào)整，分子神經(jīng)網(wǎng)絡可以形成過去學習的“記憶”，允許它執(zhí)行不同的任務 - 例如，在醫(yī)學診斷中。

“常見的醫(yī)療診斷檢測的幾個生物分子的存在，例如膽固醇或血糖，”說研究報告的作者凱文櫻桃。“使用像我們這樣更復雜的生物分子電路，診斷測試有一天可能包含數(shù)百種生物分子，分析和響應直接在分子環(huán)境中進行。”

神經(jīng)網(wǎng)絡

對于資深作者Lulu Qian博士來說，將DNA轉(zhuǎn)化為生物計算機的想法來自大自然。

“在基于神經(jīng)元的大腦進化之前，復雜的生物分子回路為個體細胞提供了生存所需的”智能行為“，”錢在一篇2011年的學術(shù)論文中寫道，該論文描述了第一個基于DNA的人工神經(jīng)網(wǎng)絡(ANNs)系統(tǒng)。她說，通過建立在DNA計算的豐富性上，可以用自主的類似大腦的行為對這些分子進行編程。

錢先生對以分子形式重構(gòu)人工神經(jīng)網(wǎng)絡的想法特別感興趣。深度學習的基礎(chǔ)，一種機器學習，風靡世界，人工神經(jīng)網(wǎng)絡是學習算法的靈感來自人類的大腦。類似于它們的生物學靈感，人工神經(jīng)網(wǎng)絡包含通過各種優(yōu)勢相互連接的“神經(jīng)元”層 - 科學家稱之為“權(quán)重”。權(quán)重取決于某個特征是否可能存在于它試圖識別的模式中。

人工神經(jīng)網(wǎng)絡非常珍貴，因為它們特別靈活：例如，在數(shù)字識別中，訓練有素的人工神經(jīng)網(wǎng)絡可以概括手寫數(shù)字的要點 - 比如7，并使用該記憶來識別新的潛在“七人制”，即使是手寫是非常糟糕的。

錢先生首次嘗試制作基于DNA的人工神經(jīng)網(wǎng)絡是一項謹慎的成功。它只能識別非常簡單的模式，但系統(tǒng)有可能擴展到執(zhí)行更復雜的計算機視覺類任務。

這是錢和櫻桃在新研究中要做的事情。

試管計算機

因為DNA計算機確實存在于試管內(nèi)，所以第一個問題是如何將圖像轉(zhuǎn)換成分子。

該團隊首先將每個手寫數(shù)字轉(zhuǎn)換為10×10像素的網(wǎng)格。然后使用具有大約30個字母A，T，C和G的短DNA序列表示每個像素。這樣，每個單個數(shù)字具有其自己的DNA分子“混合”，其可以一起添加到試管中。

由于股線在試管內(nèi)自由浮動，而不是很好地與網(wǎng)格對齊，因此團隊巧妙地使用每條線的濃度來表示其在原始圖像網(wǎng)格上的位置。

與輸入圖像類似，計算機本身也是由DNA構(gòu)成的。該團隊首先使用標準計算機來訓練任務中的人工神經(jīng)網(wǎng)絡，從而產(chǎn)生一堆“權(quán)重矩陣”，每個都代表一個特定的數(shù)字。

Cherry解釋說：“我們想出一些我們希望網(wǎng)絡識別的模式，并使用普通計算機找到一組合適的權(quán)重”。

然后將這些權(quán)重集轉(zhuǎn)換成DNA鏈的特定混合物以構(gòu)建用于識別特定數(shù)字的網(wǎng)絡。

“DNA [重量]分子存儲著我們想要識別的模式，”基本上充當了計算機的記憶，Cherry解釋說。例如，一組分子可以檢測到七個，而另一組分子可以檢測到六個。

為了開始計算，研究小組將代表輸入圖像的DNA分子與DNA計算機一起添加到同一個試管中。然后神奇的事情發(fā)生了：圖像分子與“重量”分子反應 - 與Ts結(jié)合，Cs標記為Gs - 最終導致第三束輸出DNA發(fā)出熒光。

為什么這種DNA反應可以作為一種計算方式?請記?。喝绻粋€像素經(jīng)常出現(xiàn)在一個數(shù)字內(nèi)，那么代表該像素的DNA鏈將在試管中的濃度更高。如果在輸入模式中也存在相同的像素，則結(jié)果是大量的反應，并且相應地，更多的發(fā)光在黑暗中輸出分子。

相反，如果像素發(fā)生的可能性很小，那么化學反應也會受到影響。

通過這種方式，通過統(tǒng)計每個像素(即每種類型的DNA鏈)的反應，團隊了解輸入圖像與DNA計算機中存儲的數(shù)字的相似程度。這里的訣竅是一種叫做“贏家通吃”的策略.DNA“湮沒者”分子被釋放到試管中，在那里它被標記到不同的輸出分子上，并且在此過程中，它們變成不能發(fā)出熒光的非活性斑點。

“滅絕者迅速吃掉所有競爭對手的分子，直到只有一個競爭對手的物種仍然存在，”Cherry解釋道。然后勝利者發(fā)出明亮的光芒，表明神經(jīng)網(wǎng)絡的決定：例如，輸入是六，而不是七。

在第一次測試中，該團隊將大約36個手寫的數(shù)字 - 用兩臺DNA計算機重新編碼到DNA中 - 放入同一個試管中。一臺計算機代表六號，另外七臺代表。分子計算機正確識別了所有這些。在數(shù)字模擬中，該團隊進一步表明，該系統(tǒng)可以對超過14,000個手寫的六和七人進行分類，準確度達到98% - 即使這些數(shù)字看起來與該數(shù)字的內(nèi)存有很大不同。

“一些在視覺上更具挑戰(zhàn)性的模式對于DNA電路來說并不一定更困難，”該團隊表示。

接下來，他們通過為每個數(shù)字提供不同的輸出顏色組合來進一步加強系統(tǒng)：綠色和黃色為五，綠色和紅色為九。這允許“智能湯”在單個反應中同時檢測兩個數(shù)字。

向前邁進

該團隊的DNA神經(jīng)網(wǎng)絡不是第一臺DNA計算機，但它肯定是最復雜的。

到目前為止，最流行的方法是使用稱為DNA鏈置換的技術(shù)構(gòu)建邏輯門-AND，OR，NOT等。在這里，輸入DNA與DNA邏輯門結(jié)合，推出另一條可以作為輸出讀取的DNA鏈。

雖然許多這樣的門可以組合成復雜的電路，但是構(gòu)建分子計算機是一種繁瑣而低效的方法。例如，為了匹配團隊的DNA ANN的性能，基于邏輯門的DNA計算機將需要超過23種不同的門，使得化學反應更容易出錯。

更重要的是，同一組分子人工神經(jīng)網(wǎng)絡可用于計算不同的圖像識別任務，而基于邏輯門的DNA計算機需要針對每個問題的特殊分子矩陣。

展望未來，Cherry希望有一天能夠創(chuàng)建一臺獨立學習的DNA計算機，放棄了對普通計算機生成權(quán)重矩陣的需求。“這是我正在努力的事情，”他說。

“我們的系統(tǒng)為在自主分子系統(tǒng)中嵌入學習提供了直接的可能性，使他們能夠'在自主操作期間根據(jù)環(huán)境信號調(diào)整其功能'，”該團隊說。