基于DNA的人工神经网络的分子实现

分子计算是一个很有前途的研究领域，旨在使用生物分子来创建可编程设备。这个想法最初是在1990年代中期提出的，此后已被世界各地的几位计算机科学家和物理学家实现。

华东师范大学和上海交通大学的研究人员最近开发了基于合成DNA调控电路的分子卷积神经网络(CNN)。他们的方法在NatureMachineIntelligence上发表的一篇论文中进行了介绍，克服了在创建基于分子组件的高效人工神经网络时通常遇到的一些挑战。

“计算机科学和分子生物学的交叉是新的和令人兴奋的科学的沃土，特别是智能系统的设计是科学家的长期目标，”进行这项研究的研究人员之一郝培告诉TechXplore。“与大脑相比，由于网络规模的限制，已开发的DNA神经网络的规模和计算能力受到严重限制。我们工作的主要目标是通过引入合适的神经网络模型来扩大DNA电路的计算能力用于DNA分子系统。”

在进行研究时，贝聿铭和他的同事发现，由于其稀疏的拓扑连接性，这对于模拟DNA电路特别有前景，类似于真实的生物神经网络。因此，他们决定使用CNN设计一个由512条合成DNA链组成的大规模基于DNA的神经网络。值得注意的是，他们提出的网络产生了数千种化学反应并产生了数百种分子种类。

“我们的团队一直专注于核酸分子的精确工程和编程，我们设计并构建了一系列动态DNA纳米结构，这些结构可能被用作构建大电路的调控元件，”裴解释说。“在这项工作中，我们利用了一种称为开关门的动态DNA纳米结构，它在功能上类似于基因调控电路中的核糖开关，所有这些都由两个独立的功能域组成，这些域可以感知和响应外部输入。”

研究人员网络中的开关门允许他们通过称为分子内构象转换的过程独立控制其信号传输功能和权重分配功能。这个过程特别适合CNN的权重共享和稀疏连接。

DNA电路在研究人员的网络中运行，所有计算单元都准备好响应输入。一旦将输入输入到溶液中，单条DNA链将依次触发级联链置换反应。

这些反应由系统中的吉布斯自由能或熵驱动，产生相应的荧光信号。研究人员使用一组单DNA链对所有测试模式进行编码，并且每个生成的荧光信号都代表这些测试模式中的一个。

“我们将CNN的关键特性——稀疏拓扑和权重共享架构扩展到了DNA神经网络，通过稀疏连接的神经元可以有效降低网络架构的复杂性和参数，”裴说。“为了实现这些特性，我们设计了由两个独立的功能域(权重调整域和识别域)组成的开关门架构。通过这种设计，我们可以轻松地分别更改相应功能域的序列设计以适应网络架构的调整。”

与以前提出的分子计算方法相比，基于CNN的方法具有几个优点。首先，它的开关门结构可用于嵌入配体响应分子开关。这将使网络能够根据环境变化调整其功能，从而有可能开发出类似于生物神经网络并具有“智能”行为的分子电路。

此外，DNA分子固有的并行特性可以实现CNN操作的自主并行化。这对于实现可扩展的信息处理可能特别有价值。

“我们提出了一种在分子水平上实施ConvNet算法的系统策略，”裴说。“我们认为我们的方法是人工分子信息处理系统的重大进步，因为它实现了快速准确的分类任务，可以在30分钟内对32种分子模式进行分类，这可能是最快、最强大和最复杂的人工化学计算据我们所知，迄今为止的系统。”

Pei和他的同事最近的工作介绍了一种基于DNA的替代架构，可以为新分子计算系统的设计提供信息。将来，他们的方法可用于创建用于生物医学应用的各种分子诊断设备。

“通过连接感觉输入，基于DNA的ConvNet原则上可以使用数百个目标作为输入，并促进在疾病诊断、分析表达模式和精准医学方面的更广泛应用，”Pei补充道。“基于这种基于DNA的ConvNet模型，我们现在计划构建可用于多疾病诊断分类的分子分类器。”

标签：