DNA计算

概念理解

DNA计算是一种全新的计算模式，也是信息科学与生物科学相结合的一种新兴思维模式。其基本思想是利用生物有机分子的信息处理能力来代替数字物理开关元器件，即利用DNA分子的双螺旋结构和碱基互补配对的性质，将所要处理的问题编码为特定的DNA分子链，当输入的DNA分子链与作为开关的特定DNA分子链进行碱基互补配对时，将产生输出DNA分子链，且输出DNA分子链的浓度与输入DNA分子链的浓度呈正比例关系，上述过程构成了一个简单的模拟电路；在生物酶的作用下，或者某些生化操作下，通过合成或者破坏化学键实现加减法、乘法的运算，DNA电路使用特定的DNA链的浓度作为信号；通过各种现代分子生物技术测量反应达到平衡时特定浓度来解决数学问题，并得出运算结果。随着合成生物学技术的迅速发展，DNA计算以其并行运算、良好的相容性引起了广泛的研究兴趣。
即借助DNA碱基互补配对的性质，模拟数字逻辑运算。

发展历程

1994年Adleman首先提出DNA计算模型的概念，其利用DNA碱基互补配对原则的热力学平衡过程构建了模型，以计算哈密尔顿路径问题，并取得了成功。
2004年，Okamoto等3位学者首次将数字电路与DNA计算相结合，构建DNA电路，并形成DNA逻辑门，即将不同级逻辑门通过级联的形式组成复杂的电路，最终实现通用的DNA计算。与此同时，DNA计算也对计算机微纳米芯片领域的发展产生了重要的影响。DNA结构形成过程中明确的热力学变化和可预测性使其适用于设计具有许多潜在应用的纳米元件。可将DNA结构和功能特性进行集成，整合为仅含DNA元件的具有自主工作能力的计算装置。利用DNA纳米技术构建以生物分子为基本部件的DNA计算电路，为DNA计算和组装技术实现新一代芯片组装提供了理论基础。
2009年，IBM公司宣布用DNA和纳米技术开发下一代微处理芯片，开创了DNA计算的新时代。因此，以DNA计算为主体的生物芯片将是未来计算机芯片核心技术的制高点。

发展现状

DNA计算综述

参考

Fu, D., Shah, S., Song, T., Reif, J., 2018. DNA-Based Analog Computing. Methods Mol Biol 1772, 411–417. https://doi.org/10.1007/978-1-4939-7795-6_23

总结

DNA计算领域利用DNA反应进行分子尺度的计算。DNA计算的大部分工作都是执行数字计算，如布尔电路的求值。本章概述了执行模拟计算的新型DNA计算方法，其中输入和输出是由特定DNA链的浓度指定的实数值。
DNA碱基有四种类型:腺嘌呤(A)、鸟嘌呤(G)、胞嘧啶©和胸腺嘧啶(T)。A可以与T结合，G可以通过氢键与C结合。可编程自组装行为已被用于构建复杂的2D和3D DNA纳米结构和模式阵列。除了利用DNA复杂的结构，还可以用作纳米级计算的基础。DNA不仅可以实现简单的逻辑门，而且也可以实现非常复杂的逻辑电路。
Seelig等报道了第一个基于dna的大规模无酶电路应用。首先，他们演示了简单的AND和OR逻辑操作。后来，使用这些门和双轨逻辑，他们建立了一个NOT门。最后，他们建造了一个由11个门组成的大型电路。
Qian和Winfree进一步演示了合成神经元。他们通过创建感知器电路来模拟神经元的行为。在感知机中，n个加权输入相加，以检查它们的总和是否超过预定的阈值。
Song等人演示了一种用于模拟算术计算[15]的DNA电路结构。该体系结构基于三种操作:加、减、乘。每个操作都由相应的门来执行。栅极采用模块化设计，其中栅极的输入和输出DNA链具有相同的域基序。然后这些门可以简单地级联成电路。多项式可以由这些门组成的电路来计算。

单个活细胞实现ANN

参考

Rizik, L., Danial, L., Habib, M. et al. Synthetic neuromorphic computing in living cells. Nat Commun 13, 5602 (2022). https://doi.org/10.1038/s41467-022-33288-8

总结

人工神经网络（ANN）使用加权信息处理单元，通过相互关联的非线性函数进行集体交互。神经网络的基本构件是感知机，它由加权模拟输入信号的线性组合构成，激活函数通过非线性映射获得最终输出。

在考虑单个活细胞内基因调控网络与ANN的适应性时，生物途径通常以非线性方式运行，并表现出对数()和幂的输入-输出关系。

因此，作者定义了基于对数的感知机，称作感知基因。其对数输入-输出操作使其更适合于生化反应和基因调控的非线性性质。感知器的高级操作，例如加权多输入函数、分类和学习算法的梯度下降，都是由感知基因基于对数的计算实现的。

基因转录翻译成蛋白实现简单分类器-感知机

参考

van der Linden, A.J., Pieters, P.A., Bartelds, M.W., Nathalia, B.L., Yin, P., Huck, W.T.S., Kim, J., de Greef, T.F.A., 2022. DNA Input Classification by a Riboregulator-Based Cell-Free Perceptron. ACS Synth Biol 11, 1510–1520. https://doi.org/10.1021/acssynbio.1c00596

总结

已有的基于合成基因的分类器计算策略主要集中在DNA链置换反应上。本文提出了一个以合成体外转录和翻译(TXTL)为基础的感知机，包括加权和操作(WSO)和下游阈值函数。通过改变大肠杆菌σ28因子的输出蛋白，利用了WSO电路的模块化特性，促进了从WSO输出到下游报告网络的结合。
该模型的特点是利用基因表达不同层级的元素实现感知机不同不跟的功能。例如输入为DNA，通过DNA转录实现ANN的加权操作，通过RNA翻译为蛋白质，利用输出不同蛋白质实现ANN的分类功能。