Введение
Вычисления с использованием аппаратного обеспечения молекулярной биологии
ДНК-вычисления – это развивающаяся область нетрадиционных вычислений, использующая ДНК, биохимию и аппаратное обеспечение молекулярной биологии вместо традиционных электронных вычислительных устройств. Исследования и разработки в этой области охватывают теорию, эксперименты и применение ДНК-вычислений. Хотя эта область первоначально возникла с демонстрацией вычислительного приложения Леном Адлеманом в 1994 году, сейчас она расширилась и включает в себя другие направления, такие как разработка технологий хранения данных, методы наноизображения, синтетические контроллеры и реакционные сети и т.д.
История
Леонард Адлеман из Университета Южной Калифорнии первоначально разработал это направление в 1994 году. Адлеман продемонстрировал концептуальное подтверждение возможности использования ДНК в качестве формы вычислений, решив задачу о гамильтоновом пути в семи точках. После первых экспериментов Адлемана были достигнуты успехи, и доказана возможность создания различных машин Тьюринга. С тех пор эта область расширилась в нескольких направлениях. В 1995 году Эрик Баум предложил идею памяти на основе ДНК, предположив, что огромное количество данных можно хранить в крошечном объеме ДНК благодаря её сверхвысокой плотности. Это расширило горизонты вычислений на основе ДНК в область технологий памяти, хотя демонстрации in vitro были проведены лишь спустя почти десять лет. Область вычислений на основе ДНК можно рассматривать как подраздел более широкой области нанонауки ДНК, начатой Недом Симаном примерно за десять лет до демонстрации Лена Адлемана. Изначальная идея Неда в 1980-х годах заключалась в создании произвольных структур с использованием самосборки ДНК снизу вверх для применения в кристаллографии. Однако это направление трансформировалось в область структурной самосборки ДНК, которая к 2020 году достигла высокой степени сложности. В 2018 году были продемонстрированы самособирающиеся структуры размером от нескольких нанометров до нескольких десятков микрометров. В 1994 году группа профессора Симана продемонстрировала первые структуры решёток ДНК, используя небольшой набор компонентов ДНК. В то время как демонстрация Адлемана показала возможность создания компьютеров на основе ДНК, дизайн ДНК был тривиальным, поскольку с ростом числа узлов в графе количество компонентов ДНК, необходимых для реализации Адлемана, росло бы экспоненциально. Поэтому учёные-компьютерщики и биохимики начали изучать сборку из плиток (tile assembly), где целью было использование небольшого набора цепей ДНК в качестве плиток для выполнения произвольных вычислений в процессе роста. Другие направления, которые теоретически исследовались в конце 90-х годов, включают безопасность и криптографию на основе ДНК, вычислительные возможности систем ДНК, ДНК-память и диски, а также робототехнику на основе ДНК. До 2002 года Лила Кари показала, что операции с ДНК, выполняемые генетической рекомбинацией в некоторых организмах, являются Тьюринг-полными. В 2003 году группа Джона Рейфа впервые продемонстрировала идею ходока на основе ДНК, который перемещался по траектории, подобной роботу, следующему по линии. Они использовали молекулярную биологию в качестве источника энергии для ходока. С момента этой первой демонстрации было продемонстрировано множество различных ходоков на основе ДНК.
Применение, примеры и последние разработки
В 1994 году Леонард Адлеман представил первый прототип ДНК-компьютера. TT 100 представляла собой пробирку, заполненную 100 микролитрами раствора ДНК. Ему удалось решить конкретный пример задачи о гамильтоновом пути. В эксперименте Адлемана задача о гамильтоновом пути была смоделирована как "задача коммивояжера". Для этого были созданы различные фрагменты ДНК, каждый из которых представлял город, который необходимо посетить. Каждый из этих фрагментов способен к соединению с другими созданными фрагментами. Эти фрагменты ДНК были получены и смешаны в пробирке. В течение нескольких секунд мелкие фрагменты формируют более крупные, представляющие различные маршруты. Химическая реакция привела к удалению фрагментов ДНК, представляющих более длинные маршруты. Остаток представляет собой решение задачи, однако эксперимент в целом занял неделю. Тем не менее, текущие технические ограничения не позволяют оценить результаты. Таким образом, эксперимент не пригоден для практического применения, но, тем не менее, является доказательством концепции.
Комбинаторные проблемы
Первые результаты в решении этих задач были получены Леонардом Адлеманом. В 1994 году: решение задачи о гамильтоновом пути в графе с 7 вершинами. В 2002 году: решение NP-полной задачи, а также задачи 3-SAT с 20 переменными.
Игра в тиктака
В 2002 году Дж. Макдональд, Д. Стефанович и М. Стоянович создали ДНК-компьютер, способный играть в крестики-нолики с человеком. Компьютер состоит из девяти ячеек, соответствующих девяти полям игры. Каждая ячейка содержит субстрат и различные комбинации ДНК-ферментов. Сам субстрат состоит из цепи ДНК, к одному концу которой присоединена флуоресцентная химическая группа, а к другому – репрессорная группа. Флуоресценция активируется только при разрезании молекул субстрата пополам. ДНК-ферменты моделируют логические функции. Например, такая ДНК раскроется, если ввести два определенных типа цепей ДНК для реализации логической функции И. По умолчанию считается, что компьютер сделал первый ход в центральной ячейке. Человек начинает с восьми различных типов цепей ДНК, соответствующих восьми оставшимся полям, в которые можно сделать ход. Чтобы сыграть в ячейку номер i, игрок заливает во все ячейки цепи, соответствующие входу #i. Эти цепи связываются с определенными ДНК-ферментами, присутствующими в ячейках, что приводит к деформации ДНК-ферментов в одной из ячеек, которые связываются с субстратом и разрезают его. Соответствующая ячейка становится флуоресцентной, указывая, какое поле сыграл ДНК-компьютер. ДНК-ферменты распределены по ячейкам таким образом, чтобы гарантировать, что лучшим результатом для человека будет ничья, как в обычной игре в крестики-нолики.
Вычисления на основе нейронных сетей
Кевин Черри и Лулу Цянь из Калифорнийского технологического института разработали искусственную нейронную сеть на основе ДНК, способную распознавать рукописные цифры, состоящие из 100 бит. Они достигли этого, предварительно запрограммировав на компьютере соответствующий набор весов, представленных молекулами с различной концентрацией, которые затем добавляются в пробирку с входными ДНК-цепочками.
Улучшение скорости с помощью локализованных (кэш-подобных) вычислений
Одна из проблем ДНК-вычислений – их скорость. Хотя ДНК как субстрат биологически совместима, то есть может использоваться там, где кремниевые технологии неприменимы, скорость вычислений всё ещё остаётся очень низкой. Например, схема вычисления квадратного корня, используемая в качестве эталона, потребовала более 100 часов для завершения. В то время как новые подходы с использованием внешних источников ферментов демонстрируют более быстрые и компактные схемы, Chatterjee и др. предложили интересную идею для ускорения вычислений посредством локализованных ДНК-схем, концепцию, которую активно исследуют и другие группы. Эта идея, изначально предложенная в области компьютерной архитектуры, была также адаптирована и в ДНК-вычислениях. В компьютерной архитектуре хорошо известно, что последовательное выполнение инструкций с их предварительной загрузкой в кэш неизбежно приводит к высокой производительности, что также называют принципом локальности. Это объясняется тем, что при наличии инструкций в быстрой кэш-памяти нет необходимости постоянно обменивать их с основной памятью, которая может быть медленной. Аналогично, в локализованных ДНК-вычислениях цепи ДНК, отвечающие за вычисления, фиксируются на подложке, напоминающей макетную плату, обеспечивая физическую близость вычислительных элементов. Такие методы локализованных ДНК-вычислений потенциально способны сократить время вычислений на несколько порядков.
Обновляемая (или обратимая) вычислительная система ДНК
Последующие исследования в области ДНК-вычислений привели к созданию обратимых ДНК-вычислений, что приблизило эту технологию на один шаг к кремниевым вычислениям, используемым, например, в персональных компьютерах. В частности, Джон Рейф и его группа из Университета Дьюка предложили два различных метода повторного использования вычислительных комплексов ДНК. Первый из них использует dsDNA-вентили, а второй – комплексы ДНК-шпилек. Несмотря на то, что оба подхода сталкиваются с определенными проблемами (например, с утечками реакций), это представляется значительным прорывом в области ДНК-вычислений. Другие исследовательские группы также пытались решить проблему повторного использования вентилей. Используя реакции вытеснения цепей (SRD), в статье "Стратегия синтеза обратимых схем на ДНК-компьютерах" представлены обратимые решения для реализации обратимых вентилей и схем на ДНК-компьютерах путем объединения ДНК-вычислений и методов обратимых вычислений. В этой статье также предлагается универсальная библиотека обратимых вентилей (URGL) для синтеза n-битовых обратимых схем на ДНК-компьютерах, обеспечивающая меньшую среднюю длину и стоимость построенных схем по сравнению с предыдущими методами.
Методы
Существует несколько методов создания вычислительных устройств на основе ДНК, каждый из которых имеет свои преимущества и недостатки. Большинство из них строят базовые логические элементы (AND, OR, NOT), используемые в цифровой логике, на основе ДНК. К различным подходам относятся ДНК-зимы, дезоксиолигонуклеотиды, ферменты и обмен «петлями».
Сети химических реакций (CRN)
Полный стек для вычислений на ДНК выглядит очень похоже на традиционную компьютерную архитектуру. На самом высоком уровне язык программирования общего назначения, подобный C, выражается с использованием набора сетей химических реакций (CRN). Это промежуточное представление преобразуется в ДНК-дизайн на уровне предметной области, а затем реализуется с использованием набора цепей ДНК. В 2010 году группа Эрика Винфри показала, что ДНК может быть использована в качестве субстрата для реализации произвольных химических реакций. Это открыло путь к проектированию и синтезу биохимических контроллеров, поскольку выразительная сила CRN эквивалентна машине Тьюринга. Количество флуоресценции можно измерить, чтобы определить, произошла ли реакция. Изменяющийся ДНК-зим (ДНК-фермент) затем "расходуется" и больше не может инициировать реакции. Из-за этого эти реакции происходят в устройстве, таком как реактор с непрерывным перемешиванием, где старый продукт удаляется и добавляются новые молекулы. Два широко используемых ДНК-зима называются E6 и 8 17. Они популярны, поскольку позволяют расщеплять субстрат в любом произвольном месте. Стоянович и Макдональд использовали ДНК-зимы E6 для создания машин MAYA I и MAYA II соответственно; Стоянович также продемонстрировал логические элементы с использованием ДНК-зима 8 17. Хотя эти ДНК-зимы оказались полезными для построения логических элементов, они ограничены необходимостью металлического кофактора для функционирования, такого как Zn2+ или Mn2+, и поэтому не пригодны для использования in vivo. Конструкция, называемая «шпилька-петля», состоящая из одноцепочечной ДНК с петлей на конце, представляет собой динамическую структуру, которая открывается и закрывается при связывании с петлей фрагмента ДНК. Этот эффект был использован для создания нескольких логических элементов. Эти логические элементы были использованы для создания компьютеров MAYA I и MAYA II, которые в некоторой степени могут играть в крестики-нолики.
Ферменты
Компьютеры ДНК на основе ферментов обычно устроены как простая машина Тьюринга: в качестве аппаратного обеспечения выступает фермент, а в качестве программного – ДНК. Бененсон, Шапиро и их коллеги продемонстрировали компьютер ДНК, использующий фермент FokI, и развили свою работу, создав автоматы, способные диагностировать и реагировать на рак предстательной железы, определяя пониженную экспрессию генов PPAP2B и GSTP1 и повышенную экспрессию генов PIM1 и HPN. Эти автоматы оценивали экспрессию каждого гена последовательно, и при положительном диагнозе высвобождали одноцепочечную молекулу ДНК (ssDNA), являющуюся антисенс-последовательностью для MDM2. MDM2 – репрессор белка p53, который, в свою очередь, является туморосупрессором. В случае отрицательного диагноза было принято решение высвобождать ингибитор препарата, используемого при положительном диагнозе, вместо бездействия. Ограничением данной реализации является необходимость использования двух отдельных автоматов, по одному для каждого препарата. Весь процесс оценки и высвобождения препарата занимал около часа. Этот метод также требует наличия переходных молекул, а также фермента FokI. Необходимость использования фермента FokI ограничивает возможности применения in vivo, по крайней мере, в клетках высших организмов. Важно отметить, что в данном случае молекулы "программного обеспечения" могут быть использованы повторно.
Алгоритмическая самосборка
[[Изображение:Rothemund DNA SierpinskiGasket.jpg|мини|300px|ДНК-массивы, на поверхности которых представлен фрактал Серпинского. Нажмите на изображение для получения подробной информации. Изображение из Rothemund et al., 2004.]]
Альтернативные технологии
В 2009 году было заключено партнерство между IBM и Caltech с целью производства "ДНК-чипов". Группа Калифорнийского технологического института занимается разработкой технологии изготовления этих интегральных схем на основе нуклеиновых кислот. Один из таких чипов способен вычислять полные квадратные корни. Компилятор был написан на языке Perl.
Плюсы и минусы
Медленная скорость обработки ДНК-компьютера (время отклика измеряется в минутах, часах или днях, а не в миллисекундах) компенсируется его способностью выполнять огромное количество параллельных вычислений. Это позволяет системе тратить примерно одинаковое время на сложный и простой расчет. Это достигается за счет одновременного взаимодействия миллионов или миллиардов молекул. Однако анализ результатов, выдаваемых ДНК-компьютером, значительно сложнее, чем анализ результатов цифрового компьютера.