來自加州理工學(xué)院生物工程系、計(jì)算機(jī)科學(xué)系,、計(jì)算與神經(jīng)系統(tǒng)學(xué)系及電子工程系的研究人員首次在試管中用DNA構(gòu)造出了人工神經(jīng)網(wǎng)絡(luò),，這一人工神經(jīng)網(wǎng)絡(luò)可以像大腦一樣根據(jù)不完整的信息回想起相關(guān)的記憶。這標(biāo)志科研人員在通往人工智能的道路上邁出了重要的一步,。這一研究成果公布在7月20日的《自然》雜志上,。
這項(xiàng)研究由加州理工學(xué)院Erik Winfree教授、Jehoshua Bruck教授和上海交大Bio-X中心博士生錢璐璐（現(xiàn)在在加州理工學(xué)院）共同完成,。錢璐璐博士2007年于上海交大Bio-X中心獲得博士學(xué)位,，現(xiàn)在加利福尼亞理工學(xué)院從事博士后研究工作，主要研究領(lǐng)域是生物納米技術(shù)與DNA分子計(jì)算,。不久前,，錢璐璐博士與Erik Winfree教授共同利用人工合成的DNA分子，在試管中完成了迄今最復(fù)雜的生化電路,。這種電路可以用來探索生物系統(tǒng)處理信息的原理,。這一研究成果公布在6月的《科學(xué)》雜志上。
人類的大腦具有不可思議的功能,，它讓人們辨別出事件間相互聯(lián)系的方式,，形成記憶，做出決定,，并采取行動(dòng),。盡管在過去的幾十年里，科研人員一直致力于構(gòu)造出類似于腦的人工智能生化系統(tǒng),，然而為之努力的道路上卻面臨著重重困難,。研究人員在新研究中提出了一個(gè)奇思妙想——用溶液中相互作用的分子來展示類似于腦的功能。
據(jù)EurekAlert的報(bào)道,，科研人員構(gòu)建的新型生化神經(jīng)網(wǎng)路是基于一種簡單的神經(jīng)元的數(shù)學(xué)模型,。這個(gè)模型被稱為線性閾值函數(shù)。模型中的神經(jīng)元接收一組輸入信號(hào),，對(duì)每個(gè)信號(hào)乘以正的或者負(fù)的權(quán)重,，只有當(dāng)所有的帶權(quán)重的輸入信號(hào)之和大于某個(gè)特定的閾值時(shí)，神經(jīng)元才會(huì)興奮并釋放出一個(gè)輸出信號(hào),。
在這篇文章中,，科研人員采用了一個(gè)被稱為鏈置換級(jí)聯(lián)的過程來構(gòu)造DNA神經(jīng)網(wǎng)絡(luò)。這一方法用到單鏈和部分雙鏈的DNA分子,。部分雙鏈?zhǔn)侵?，單鏈從雙螺旋結(jié)構(gòu)的末端像尾巴一樣延伸出來。在水溶液中自由浮動(dòng)時(shí),，一個(gè)單鏈會(huì)碰上一個(gè)部分雙鏈,，如果它們的堿基（DNA序列中的字母）是互配的，單鏈就會(huì)抓住雙鏈的尾巴,，纏繞上去并把另一條單鏈從雙螺旋中踢走,。由此,，最初的單鏈充當(dāng)了一個(gè)輸入信號(hào)，而被取代的單鏈充當(dāng)了一個(gè)輸出信號(hào),，可以接著與其他分子相作用,。
研究人員利用112種不同的DNA鏈組成了四個(gè)相互聯(lián)系的人工神經(jīng)元，并通過一種猜心術(shù)游戲?qū)λ鶚?gòu)造的神經(jīng)網(wǎng)絡(luò)進(jìn)行了檢測(cè),。在這個(gè)游戲中,，它試圖辨認(rèn)一個(gè)身份未知的科學(xué)家?？蒲腥藛T“訓(xùn)練”這一神經(jīng)網(wǎng)絡(luò)來“認(rèn)識(shí)”四位科學(xué)家,，他們的身份由四個(gè)是非問題的答案來決定，例如這個(gè)科學(xué)家是不是英國人,。
人類玩家先在心里默想一個(gè)科學(xué)家,，提供一組不完整的是非問題的答案來暗示這個(gè)科學(xué)家的身份。對(duì)應(yīng)于每一個(gè)“是”或者“不是”的答案,，玩家將一個(gè)特定的DNA鏈加入到試管中,，作為傳達(dá)給神經(jīng)網(wǎng)絡(luò)的線索。而神經(jīng)網(wǎng)絡(luò)會(huì)根據(jù)這些線索來猜測(cè)玩家心里所想的是哪個(gè)科學(xué)家,，并將結(jié)果通過熒光信號(hào)告訴給玩家,。在某些情況下，神經(jīng)網(wǎng)絡(luò)會(huì)“說”,，玩家提供的線索與它記憶中的多個(gè)科學(xué)家相符,，或者這些線索與它所記得的信息相互矛盾?？蒲腥藛T和這個(gè)試管中的神經(jīng)網(wǎng)絡(luò)玩了27次游戲,，每次提供的線索都不相同（一共有81種組合的可能），而它每次都猜對(duì)了,。
因?yàn)榭蒲腥藛T可以設(shè)計(jì)任意想要的堿基序列來合成DNA鏈,，他們可以對(duì)這些分子間的相互作用進(jìn)行編程，根據(jù)神經(jīng)元的模型設(shè)計(jì)出DNA神經(jīng)網(wǎng)絡(luò),。通過調(diào)整網(wǎng)絡(luò)中逐個(gè)DNA分子的濃度,，科研人員教給了它是非問題的答案，而這些答案組合在一起的不同模式分別決定了四個(gè)不同的科學(xué)家,。
科研人員表示,，這種具有人工智能的生化系統(tǒng)，或者至少是具有某些基本的決策能力的生化系統(tǒng),，可以在醫(yī)藥,，化學(xué)以及生物領(lǐng)域帶來不可估量的應(yīng)用。在將來,，這樣的系統(tǒng)也許可以在細(xì)胞內(nèi)工作,，幫助回答根本的生物問題或者診斷疾病。如果一個(gè)生化過程能夠?qū)ζ渌肿拥拇嬖谧龀鲋悄茼憫?yīng),，它將會(huì)允許工程師們一步一個(gè)分子的制造出日益復(fù)雜的化學(xué)物質(zhì),，或者搭建出新的分子結(jié)構(gòu)。并且在科技應(yīng)用之外,，對(duì)這些系統(tǒng)的設(shè)計(jì)也可以帶給思維的進(jìn)化過程以間接的認(rèn)識(shí),。(生物谷 Bioon.com)
doi:10.1016/j.cell.2005.08.020
PMC:
PMID:
Neural network computation with DNA strand displacement cascades
Lulu Qian, Erik Winfree & Jehoshua Bruck
The impressive capabilities of the mammalian brain—ranging from perception, pattern recognition and memory formation to decision making and motor activity control—have inspired their re-creation in a wide range of artificial intelligence systems for applications such as face recognition, anomaly detection, medical diagnosis and robotic vehicle control1. Yet before neuron-based brains evolved, complex biomolecular circuits provided individual cells with the ‘intelligent’ behaviour required for survival2. However, the study of how molecules can ‘think’ has not produced an equal variety of computational models and applications of artificial chemical systems. Although biomolecular systems have been hypothesized to carry out neural-network-like computations in vivo3, 2, 4 and the synthesis of artificial chemical analogues has been proposed theoretically5, 6, 7, 8, 9, experimental work10, 11, 12, 13 has so far fallen short of fully implementing even a single neuron. Here, building on the richness of DNA computing14 and strand displacement circuitry15, we show how molecular systems can exhibit autonomous brain-like behaviours. Using a simple DNA gate architecture16 that allows experimental scale-up of multilayer digital circuits17, we systematically transform arbitrary linear threshold circuits18 (an artificial neural network model) into DNA strand displacement cascades that function as small neural networks. Our approach even allows us to implement a Hopfield associative memory19 with four fully connected artificial neurons that, after training in silico, remembers four single-stranded DNA patterns and recalls the most similar one when presented with an incomplete pattern. Our results suggest that DNA strand displacement cascades could be used to endow autonomous chemical systems with the capability of recognizing patterns of molecular events, making decisions and responding to the environment.
