《Nature》：钱璐璐团队打造 DNA 人工智能神经网络

加州理工学院生物工程助理教授钱璐璐和她的同事们开发出了一种由 DNA 制成的人工神经网络，可以正确地识别分子数字签名。这项工作是人工智能与合成生物分子电路成功“合体”的重要里程碑。论文 发表 在 7 月 4 日《Nature》杂志。

“虽然科学家们现在才刚刚开始探索如何为分子机器加载人工智能，但它的潜力是不可否认的，”钱教授说。“类似电子计算机和智能手机对人类社会的推动力，人造分子机器可以用于所有由分子制造的东西，包括颜料和绷带。”

人工神经网络是以人脑为灵感的数学模型。尽管人工神经网络与其生物对应相比被简化得很简单，但是功能还是类似于神经元网络的。钱璐璐实验室的工作目标是使用 DNA 制造的人工神经网络来规划智能行为，包括计算、选择等其他能力。

“人脑含有超过 800 亿个神经元，它们在后台运行着高度复杂的决策。像线虫这样的小动物用几百个神经元做相对简单的决策。我们设计并创建了一个像小型神经元网络一般的生化电路，”钱教授说。

为了说明 DNA 神经网络的能力，钱教授实验室的研究生 Kevin Cherry 挑战了一个任务——让人工神经网络电路识别笔迹。

人类的笔迹千变万化，当我们仔细查看潦草的手写数字时，大脑需要通过执行复杂的计算来识别它们。有时，我们很难识别他人的潦草笔迹，因此，识别手写数字也是人工神经网络智能编程的常见测试。需要“教会”网络如何识别数字、解释笔迹的变化，然后将未知的数字与其储存的记忆进行比较，最终决定数字的身份。

《Nature》论文中描述的工作证明，一个由 DNA 序列制成的神经网络可以通过精准的化学反应计算识别“分子笔迹”。与视觉笔迹的几何图形不同，分子笔迹并不具有数字的形状：每个分子数字由 20 个抽选自 100 个分子的独特的 DNA 链组成，而每个分子则被指定为以 10×10 模式代表的单个像素。“天然分子指纹常常缺少几何学特征，例如独特的气味分子混合物，复杂的生物神经网络却可以识别它们，”钱教授说。

接下来，Cherry 根据这个初始 DNA 神经网络原理——赢家通吃（winner-take-all computation）——开发了一个更复杂的模型，该模型可以分类从 1 到 9 的一位数，当给定一个未知数字，装在试管中的 DNA 人工神经网络就会进行一系列反应计算，然后输出两个荧光信号，例如绿色和黄色代表 5，绿色和红色代表 9 等等。

钱教授和 Cherry 计划开发具有学习能力的人工神经网络，通过向试管中添加例子，让其形成“记忆”，这样的“智慧汤”可以被训练执行不同任务。“普通的医学诊断可检测到一些生物分子，例如胆固醇或血糖，”Cherry 说。“像我们开发的生物分子电路可以在一天之内识别上百个生物分子，更重要的是，它能直接在分子环境进行分析和响应。”

论文原文：Scaling up molecular pattern recognition with DNA-based winner-take-all neural networks