可识别甲骨文！华东师大科学家成功构建超大规模试管DNA神经网络
华东师范大学化学与分子工程学院裴昊教授团队和朱通副教授在生物传感和人工智能交叉研究领域近日取得重要进展。这是我国科研人员首次在试管中用DNA构造出了卷积人工神经网络，也是迄今为止规模最大、功能最复杂的人工化学分子智能反应网络。该具有稀疏拓扑连接性的超大规模的试管DNA神经网络能直接处理复杂的生物分子信息，具备对32类分子图谱信息分类能力。
华东师大化学与分子工程学院裴昊团队，及朱通副教授
“最强大脑”如何成就液态DNA电脑？
人脑作为最高智能化的生命器官具备不可思议的信息处理能力，这样强大的能力来源于大脑中上百万神经元之间的复杂链接，这种精密而快速的连接所构成的神经网络堪称世界上最为强大的生物计算机。
从还原论的角度来说，所有生物现象（包括生物智能）都可归结为物理-化学运动。
有观点认为，在基于神经元的大脑进化之前，相互作用的分子反应网络为单细胞生命（例如细菌）提供了“智能”化行为以适应环境实现生存。在现实世界中，生物工程领域存在一个相关的并且引人注目的挑战：证明如何利用人工合成生物分子反应网络来支持有限形式的智能行为，类似于神经大脑进化之前必然发生的情景。
早在1994年，图灵奖（Turing Award 2002）获得者Leonard Adleman利用DNA分子为计算载体用于计算哈密顿路径问题，开创了DNA计算机领域，类似于量子计算机、光子计算机（计算载体不同，目前的广泛应用的硅基计算机是以电子为计算载体，而量子计算机和光子计算机是以量子态和光子为计算载体）。
DNA计算机是一种生物形式的计算机，由一系列生物分子以溶液形态组合而成，通过生化反应来进行高度并行性计算，实现分子信息快速处理，也有人称之为“液态电脑”。
相较于传统硅基计算机仅能处理符号信息，DNA计算机能够使科学测量（感知信息）与化学反应同步，对生命活动中的分子特征信息进行直接检测与感知。普通的医学检测仅能测量出少量生物分子，如果使用大规模生物分子电路，就有可能同时对数百种生物分子进行诊断测试，并直接在化学和生物环境中实现分析和诊断。
基于DNA分子链置换反应机制，研究人员实现了包括布尔逻辑计算、模拟计算及神经网络计算等多种运算功能的DNA计算机的构建。然而，如何扩展分子反应系统的规模及其复杂性，构建具有更强大计算能力的人工分子反应网络，仍具有极大的挑战性。
试管分子人工智能实现中国甲骨文字识别
正如电子计算机的主要元器件（从电子管到超大规模集成电路）的每一次更新换代使计算机的各方面性能得到了极大提高和增强。裴昊教授团队长期致力于核酸分子器件的设计和开发，提出了一种新的基于变构调控的DNA链置换反应机制（ACS Nano, 2018, 12, 7093），实现了核酸分子电路的热力学及动力学精细调控和非线性功能设计（ACS Synth. Biol., 2019, 8, 2106; Angew. Chem., 2021, 60, 3353；Angew. Chem., 2021, 60, 15013）并实现了体内和体外多种疾病相关重要靶标分子的高灵敏、高选择性的智能生物检测（J. Am. Chem. Soc. 2019, 141, 11923; J. Am. Chem. Soc. 2019, 141, 20354;Angew Chem. 2019, 58, 15448; Anal. Chem. 2020, 92, 4990; J. Am. Chem. Soc. 2021, 143, 3448）。
基于在核酸化学方面的研究基础，面向分析化学、计算机科学与分子生物学的交叉融合发展，课题组针对发展超大规模DNA分子反应网络关键科学难题，和长期从事人工智能与分子科学研究的朱通课题组合作，建立了一种DNA卷积神经网络的系统实现策略，以分子开关门架构为基础电路组件，基于权重调节区域与识别区域功能的模块化，实现了信号传输功能与权重赋予功能的独立调控以实现权重共享。
研究结果表明，该策略可以成功实现了多种数学运算，包括分子权重乘法、加法、减法、多输入乘加（MAC）计算及复杂卷积计算。基于多种模块化分子运算单元的级联组合，课题组构建了一种大规模DNA神经网络，包含512个分子物种，涉及数千种化学反应，可产生数百种分子产物，能实现对32类144-bits分子模式图谱识别分类。
为验证DNA的神经网络的能力，课题组选择了电子人工神经网络的一个经典挑战——识别字迹作为任务。通过DNA分子构建的卷积神经网络进行规定的化学反应，可完成4种语言及32种手写文字的分类，包括对中国甲骨文字（火、土、木、水、天、气、人、生）的分类识别。“分子字迹”的准确识别，充分说明了所构建的DNA神经网络具有强大的分子图谱信息处理能力，有望进一步在智能生物传感及载药等领域得以应用。
研究成果以“基于DNA调控电路的分子卷积神经网络（Molecular convolutional neural networks with DNA regulatory circuits）”为题，于2022年7月4日在《自然﹒机器智能》（Nature Machine Intelligence）上发表。熊谢微博士和朱通副教授为论文的共同第一作者，朱通老师课题组负责卷积计算模型设计及优化，裴昊教授为通讯联系人。
往期推荐