J. Am. Chem. Soc. | 可重复使用的非互补 DNA 神经网络

DRUGONE

神经网络计算是现代人工智能的核心，其电子软件实现因能在同一平台上进行持续、迭代学习而取得广泛成功。DNA 基神经网络因具备多样性、可扩展性及高能效等潜在优势，被视为有前景的替代方案。然而，尽管在模式识别与算法精度方面取得了显著进展，现有依赖 DNA 碱基互补配对的神经网络因计算材料不可重复使用而受限。这不仅增加了运行成本，也限制了其实现学习机制的能力。

研究人员提出了一种前所未有的非互补 DNA 感知机（NCP）计算策略，首次实现了可重复使用的 DNA 基神经网络。研究设计了一种“标签化”策略以便于规模化构建非互补神经网络。4 位分子模式识别可通过 4 条输入链与 4 对非互补 DNA 双链的链置换反应实现，双链浓度调控权重值。进一步结合非互补“胜者为王”模块实现决策功能，并通过“I Spy”游戏任务展示应用。最重要的是，利用可移除输入链（脂质-寡核苷酸偶联物），该 NCP 网络可在多个计算周期中稳定运行，解决了 DNA 基神经网络的可重复使用难题。这项工作为具备学习能力的分子计算系统提供了可行路径。

神经网络作为人脑的基础结构，被广泛认可为实现人工智能的强大计算范式，其高效处理和学习海量复杂数据的能力依赖于可重复使用的计算平台。电子计算机中的神经网络因具备可重用性而能在单一平台上进行大规模迭代学习，但受限于存储与计算单元分离导致的高能耗问题。

相比之下，DNA 计算是一种无电子、基于溶液中杂交反应的信息处理方式，能耗极低，且具备并行存储与处理能力，适合解决组合优化与大规模数据问题。此外，DNA 系统能直接处理遗传信息。随着自动化寡核苷酸合成技术的发展，DNA 计算已成为可行的替代神经网络介质。

DNA 基神经网络在过去十余年取得多项突破，包括利用“跷跷板”门元件的模式识别网络、“胜者为王”决策网络，以及通过 DNA 编码酶实现高灵敏度输入区分等。然而，这些体系普遍存在不可复用的问题，原因包括计算过程不可逆以及输入链与神经元化学性质相同导致难以清除。非互补设计（在高度互补序列中引入错配）为提高特异性提供了可能，但缺乏系统化构建策略及简便的输入移除方法，迄今尚无可复用的 DNA 基神经网络。

结果与讨论

NCP 设计与基本功能

研究人员将非互补 DNA 双链作为 NCP 的基本单元，利用链置换模拟生物神经元的输入-输出过程，并在移除输入链后自发复原，实现可重复使用。NCP 包含阈值链（用于判断输入强度）与权重双链（用于调节输出强度），可执行类神经元的阈值和加权求和功能。

实验表明，通过调节阈值链与输入链的浓度关系，可精确实现阈值判定；在多输入情况下，不同权重双链的浓度决定输出贡献，实现加权求和。

标签化策略实现网络扩展

为解决规模化构建中序列设计复杂、杂交特异性差的问题，研究人员引入标签域（tagging domain），通过可控互补配对实现高特异性、多 NCP 并行组装。利用该策略，构建了能同时处理 4 位输入信息的 NCP 网络，并在模拟中实现输入模式分类。

“胜者为王”模块与模式识别

研究人员设计了非互补“胜者为王”网络，通过“湮灭链”放大两路输出的相对差异，并将结果转化为荧光信号，实现决策功能。实验成功区分不同输入模式，并将其应用于“I Spy”分子识别游戏，实现对“苹果”和“柠檬”两类模式的正确分类，表现出软分类与冲突解决能力。

此外，研究将体系从 4 位扩展到 9 位输入，实现 3 类图案识别（L、T、+），并在模拟与部分实验中验证了分类准确性，显示了框架的可扩展性。

可重复使用机制

研究人员提出利用脂质修饰输入链（LOC）降低极性，通过反相柱色谱从体系中移除输入链，实现神经网络的复用。脂质修饰不影响逻辑门性能。在 4 位模式识别网络中，系统在多轮“I Spy”游戏中保持高准确率，并支持一次性并行处理多个任务。

在循环第 7 轮中，通过添加新权重链重新配置网络，增强对“柠檬”的记忆并削弱对“苹果”的记忆，成功体现了反馈驱动的适应性和学习样行为。这是首次在 DNA 基神经网络中实现复用与可编程适应性相结合。

结论

研究人员开发的非互补 DNA 感知机框架可通过可逆错配链置换实现加权求和与胜者为王分类，具备模块化、可扩展、高特异性和可重复使用等优势。结合脂质修饰与色谱分离，体系可在多轮中稳定运行并实现学习样适应性。该设计为动态、可重编程的分子计算系统奠定了基础，未来可扩展至支持负权重、原位调节权重以及更高效的输入回收机制，在实时生物传感、分子控制及学习型网络中具有广阔应用前景。

整理 | DrugOne团队

参考资料

Reusable Noncomplementary DNA-Based Neural Network. Chengjie Sun, Xiaoyang Liu, Jiafeng Zhong, Qin Zhou, and Jianjun Cheng. Journal of the American Chemical Society Article ASAP

DOI: 10.1021/jacs.5c04886

内容为【DrugOne】公众号原创，｜转载请注明来源