ДНК-комп'ютер

Біокомп'ютер Адлемана

В 1994 році Леонард Адлеман, професор університету Південної Каліфорнії, продемонстрував, що за допомогою пробірки з ДНК можна вельми ефектно розв'язати класичну комбінаторну «задачу комівояжера» (найкоротший маршрут обходу вершин графу). Класична комп'ютерна архітектура вимагає безліч обчислень з випробуванням кожного варіанту.

Метод ДНК дозволяє відразу згенерувати всі можливі варіанти розв'язків за допомогою відомих біохімічних реакцій. Потім можливо швидко відфільтрувати саме ту молекулу-нитку, в якій закодована потрібна відповідь. Проблеми, що виникають при цьому:

1. Потрібна надзвичайно трудомістка серія реакцій, що проводяться під ретельним спостереженням.
2. Існує проблема масштабування завдання.

Біокомп'ютер Едлмана відшукував оптимальний маршрут обходу для 7 вершин графу. Але чим більше вершин графу, тим більше біокомп'ютеру вимагається ДНК-матеріалу. Було підраховано, що при масштабуванні методики Едлмана для розв'язку завдання обходу не 7 пунктів, а близько 200, вага ДНК для представлення всіх можливих розв'язків перевищить вагу нашої планети.

Скінченний біоавтомат Шапіро

Скінченний біоавтомат Шапіро — технологія багатоцільового ДНК-комп'ютера, що розробляється ізраїльським професором Ехудом Шапіро (Ehud Shapiro) з Вейцмановського інституту. Його основою є вже відомі властивості біомолекул, таких як ферменти. Принцип дії ДНК-комп'ютера схожий на принцип дії теоретичного пристрою, відомого в математиці як «скінченний автомат» або машина Тюрінга.

Сучасність

У 2023 році в провідному науковому журналі Nature було опубліковане дослідження, в якому команда дослідників із Китаю розробила ДНК-інтегральну схему (DIC) із надзвичайною універсальністю, яка здатна формувати 100 мільярдів схем, кожна з яких здатна запускати власну програму. Це являє собою значний прогрес у обчисленнях ДНК, вирішуючи проблеми програмованості та масштабованості для обчислень загального призначення. DIC були сконструйовані з використанням програмованих вентильних матриць на основі ДНК (DPGA), і експерименти продемонстрували їх здатність розв’язувати математичні рівняння, та потенційно відкриває шлях для застосування в таких сферах, як діагностика захворювань. Крім того, дослідники досягли мінімального ослаблення сигналу, що стало вирішальним кроком до масштабованих та адаптованих обчислень ДНК.^[6]

Також у 2023 році в науковому журналі Science Advances було представлено техніку замороження-відтавання для 20-120-кратного збільшення швидкості реакцій в ДНК-обчисленнях.^[7]

Обчислення ДНК спирається на унікальні властивості молекул ДНК. Ці властивості включають здатність ДНК зберігати й обробляти величезні обсяги інформації паралельно, її високу щільність інформації та здатність виконувати операції на молекулярному рівні.

У ДНК-обчисленнях інформація представлена ​​за допомогою ланцюгів ДНК. Чотири нуклеотидні основи — аденін (A), цитозин (C), гуанін (G) і тимін (T) — служать основними одиницями інформації. Обчислення здійснюється шляхом маніпулювання та комбінування цих ниток ДНК за допомогою біохімічних реакцій.

Переміщення ланцюга ДНК

Ця техніка передбачає використання молекул ДНК, які можуть зв’язуватися з певними послідовностями ДНК і заміщати інші ланцюги передбачуваним чином. Це дозволяє реалізувати логічні ворота та прості обчислювальні процеси.^[8]

ДНК-ферменти

ДНК-ферменти, є каталітичними молекулами, які можуть виконувати специфічні хімічні реакції з ДНК. Їх можна використовувати для проведення ферментативних обчислень і посилення сигналів у системах на основі ДНК.^[9][10]

ДНК-оригамі

ДНК-оригамі передбачає згортання ланцюгів ДНК у певні форми та структури. Його використовували для створення складних ДНК-нанопристроїв, які можуть виконувати обчислення в молекулярному масштабі.^[11][12][13]

Техніка Адлемана

Оригінальна техніка обчислення ДНК Адлемана передбачає кодування обчислювальної задачі в ланцюгах ДНК, виконання операцій над ланцюгами за допомогою біохімічних реакцій, а потім отримання рішення шляхом спостереження за отриманими моделями ДНК.^[14]

Обчислення ДНК показало перспективу в кількох сферах, зокрема в наступних^[15].

Проблеми оптимізації

Обчислення ДНК було застосовано для вирішення проблем оптимізації, таких як задача комівояжера^[16], розфарбовування графів і згортання білків. Величезний паралелізм і здатність зберігати інформацію роблять ДНК добре придатною для вирішення таких проблем.

Дослідження 2023 року стало вирішальним кроком до масштабованих та адаптованих обчислень ДНК.^[6]

Криптографія

Методи шифрування на основі ДНК досліджувалися як потенційне рішення для безпечного зв’язку. Молекули ДНК можна використовувати для кодування та декодування інформації, забезпечуючи новий підхід до алгоритмів шифрування.^{[17][18][19][20]}

Зберігання даних

ДНК має потенціал для зберігання величезних обсягів інформації в компактній формі. Дослідники розробили методи кодування та отримання цифрових даних у молекулах ДНК, що відкриває можливості для тривалого зберігання даних із високою щільністю.^{[21][22][23][24]}

У статті 2023 року, опублікованій в Nature Communications, дослідники докладно описали метод захоплення двовимірних світлових візерунків у ДНК шляхом використання оптогенетичних схем для запису світла в ДНК, кодування просторових місць за допомогою штрих-кодування та отримання збережених зображень за допомогою високопродуктивного секвенування наступного покоління. Дослідники продемонстрували кодування кількох зображень у ДНК загальною довжиною 1152 біти, вибіркове отримання зображень, а також стійкість до висихання, тепла та ультрафіолетового випромінювання. Також дослідники продемонстрували успішне мультиплексування з використанням кількох довжин хвиль світла, захоплюючи 2 різні зображення одночасно за допомогою червоного та синього світла. Таким чином, дослідники створили «живу цифрову камеру», прокладаючи шлях, за їх словами, до інтеграції біологічних систем із цифровими пристроями.^[25]

Біомедицина

Діагностика

Стаття 2022 року, опублікована в Applied Science, представила нову концепцію створення біочіпів за допомогою біомолекулярних ДНК-комп’ютерів, підкреслюючи їхній потенціал у автоматизації процесів ПЛР. Запропонований підхід Queue-PCR означає нове застосування біомолекулярних комп’ютерів, пропонуючи можливості для автоматизації методів молекулярної генетики та пропонуючи інтеграцію методів машинного навчання для проектування біочіпів на основі унікальних нуклеотидних послідовностей.^[26]

Незважаючи на те, що обчислення ДНК може бути перспективною технологією, необхідно вирішити кілька проблем, перш ніж його можна буде широко застосовувати. Ці виклики включають високу кількість помилок, пов’язаних з біохімічними реакціями, високу вартість синтезу та секвенування ДНК, а також складність масштабування систем на основі ДНК.

Майбутні дослідження ДНК-комп’ютерів спрямовані на подолання цих проблем і пошук нових застосувань. Прогрес у синтезі ДНК, технологіях секвенування та методах виправлення помилок є вирішальними для реалізації повного потенціалу обчислень ДНК.

• Біомолекулярна електроніка
• Генетична інженерія
• Синтетична геноміка
• Квантовий комп'ютер
• Нанокомп'ютер
• Супрамолекулярна хімія
• Наномедицина
• Наноінженерія
• Нанотехнології
• Біоінженерія
• Біотехнологія

Книги

• Ilan Shomorony, Reinhard Heckel (2022). Information-Theoretic Foundations of DNA Data Storage. Now Publishers. с. 120. ISBN 978-1680839562.
• Demidov Vadim V. (2020). DNA beyond genes: from data storage and computing to nanobots, nanomedicine, and nanoelectronics. Cham: Springer. ISBN 978-3-030-36434-2
• Namasudra Suyel; Deka Ganesh Chandra (2019). Advances of DNA computing in cryptography. Milton: Chapman and Hall/CRC. ISBN 978-1-351-01139-6.

Статті

• Lv Hui; Xie Nuli; Li Mingqiang та ін. (13 вересня 2023). DNA-based programmable gate arrays for general-purpose DNA computing. Nature (англ.). с. 1–9. doi:10.1038/s41586-023-06484-9.
• Nagipogu Rajiv Teja; Fu Daniel; Reif John H. (4 травня 2023). A survey on molecular-scale learning systems with relevance to DNA computing. Nanoscale (англ.). doi:10.1039/D2NR06202J.
• Doricchi Andrea; Platnich Casey M.; Gimpel Andreas та ін. (2022). Emerging Approaches to DNA Data Storage: Challenges and Prospects. ACS Nano. (англ.) 16 (11). doi:10.1021/acsnano.2c06748.
• Zhang Lichao; Lv Yuanyuan; Xu Lei; Zhou Murong. (2022). A Review of DNA Data Storage Technologies Based on Biomolecules. Current Bioinformatics. (англ.) 17 (1). с. 31–36. doi:10.2174/1574893616666210813101237.
• Scudellari Megan (29 грудня 2015). DNA for data storage and computing. Proceedings of the National Academy of Sciences (англ.) 112 (52). с. 15771–15772. doi:10.1073/pnas.1520100112.
• Kevin N. Lin, Kevin Volkel, James M. Tuck & Albert J. Keung (2020). Dynamic and scalable DNA-based information storage. Nature Communications. (англ.) 11, 2981. doi:10.1038/s41467-020-16797-2.

• DNA modeled computing
• How Stuff Works explanation [Архівовано 21 лютого 2016 у Wayback Machine.]
• Ars Technica [Архівовано 23 березня 2021 у Wayback Machine.]
• Japanese Researchers store information in bacteria DNA [Архівовано 9 липня 2019 у Wayback Machine.]
• International Meeting on DNA Computing and Molecular Programming [Архівовано 25 лютого 2020 у Wayback Machine.]
• LiveScience.com-How DNA Could Power Computers

Це незавершена стаття про інформаційні технології. Ви можете допомогти проєкту, виправивши або дописавши її.

Це незавершена стаття з молекулярної біології. Ви можете допомогти проєкту, виправивши або дописавши її.