I ricercatori del Caltech hanno sviluppato una rete neurale artificiale fatta di DNA in grado di risolvere un classico problema di apprendimento automatico:identificare correttamente i numeri scritti a mano. Il lavoro è un passo significativo nel dimostrare la capacità di programmare l'intelligenza artificiale in circuiti biomolecolari sintetici.

Il lavoro è stato svolto nel laboratorio di Lulu Qian, professore assistente di bioingegneria. Un articolo che descrive la ricerca appare online il 4 luglio e nel numero cartaceo del 19 luglio della rivista Natura .

"Anche se gli scienziati hanno appena iniziato a esplorare la creazione di intelligenza artificiale nelle macchine molecolari, il suo potenziale è già innegabile, " dice Qian. "In modo simile a come i computer elettronici e gli smartphone hanno reso gli esseri umani più capaci di cento anni fa, macchine molecolari artificiali potrebbero rendere tutte le cose fatte di molecole, magari includendo anche vernice e bende, più capace e più sensibile all'ambiente nei cento anni a venire."

Le reti neurali artificiali sono modelli matematici ispirati al cervello umano. Nonostante siano molto semplificati rispetto alle loro controparti biologiche, le reti neurali artificiali funzionano come reti di neuroni e sono in grado di elaborare informazioni complesse. L'obiettivo finale del laboratorio Qian per questo lavoro è programmare comportamenti intelligenti (la capacità di calcolare, fare delle scelte, e altro) con reti neurali artificiali fatte di DNA.

"Gli esseri umani hanno ciascuno oltre 80 miliardi di neuroni nel cervello, con cui prendono decisioni altamente sofisticate. Animali più piccoli come i nematodi possono prendere decisioni più semplici usando solo poche centinaia di neuroni. In questo lavoro, abbiamo progettato e realizzato circuiti biochimici che funzionano come una piccola rete di neuroni per classificare informazioni molecolari sostanzialmente più complesse di quanto fosse possibile in precedenza, "dice Qian.

Per illustrare la capacità delle reti neurali basate sul DNA, Lo studente laureato del laboratorio di Qian, Kevin Cherry, ha scelto un compito che è una sfida classica per le reti neurali artificiali elettroniche:riconoscere la scrittura a mano.

La scrittura umana può variare ampiamente, e così quando una persona scruta una sequenza di numeri scarabocchiati, il cervello esegue compiti computazionali complessi per identificarli. Perché può essere difficile anche per gli umani riconoscere la calligrafia sciatta degli altri, identificare i numeri scritti a mano è un test comune per programmare l'intelligenza in reti neurali artificiali. Queste reti devono essere "insegnate" a riconoscere i numeri, tenere conto delle variazioni della grafia, quindi confronta un numero sconosciuto con i loro cosiddetti ricordi e decidi l'identità del numero.

Nel lavoro descritto in Natura carta, Ciliegia, chi è il primo autore sulla carta, ha dimostrato che una rete neurale composta da sequenze di DNA accuratamente progettate potrebbe eseguire reazioni chimiche prescritte per identificare con precisione la "scrittura molecolare". A differenza della calligrafia visiva che varia nella forma geometrica, ogni esempio di scrittura molecolare in realtà non ha la forma di un numero. Anziché, ogni numero molecolare è composto da 20 filamenti di DNA unici scelti tra 100 molecole, ciascuno assegnato per rappresentare un singolo pixel in qualsiasi modello 10 per 10. Questi filamenti di DNA sono mescolati insieme in una provetta.

"La mancanza di geometria non è rara nelle firme molecolari naturali, ma richiede ancora sofisticate reti neurali biologiche per identificarle:ad esempio, una miscela di molecole di odore uniche comprende un odore, "dice Qian.

Dato un particolare esempio di scrittura molecolare, la rete neurale del DNA può classificarlo in un massimo di nove categorie, ciascuno che rappresenta una delle nove possibili cifre scritte a mano da 1 a 9.

Primo, Cherry ha costruito una rete neurale del DNA per distinguere tra 6 e 7 scritti a mano. Ha testato 36 numeri scritti a mano e la rete neurale della provetta li ha identificati correttamente tutti. Il suo sistema ha teoricamente la capacità di classificare oltre 12, 000 6 e 7 scritti a mano - il 90% di quei numeri presi da un database di numeri scritti a mano ampiamente utilizzati per l'apprendimento automatico - nelle due possibilità.

Fondamentale per questo processo è stato codificare una strategia competitiva "il vincitore prende tutto" utilizzando molecole di DNA, sviluppato da Qian e Cherry. In questa strategia, un particolare tipo di molecola di DNA soprannominata l'annichilatore è stato utilizzato per selezionare un vincitore nel determinare l'identità di un numero sconosciuto.

"L'annichilatore forma un complesso con una molecola di un concorrente e una molecola di un altro concorrente e reagisce per formare inerti, specie non reattive, " dice Cherry. "L'annichilatore divora rapidamente tutte le molecole concorrenti fino a quando rimane solo una singola specie concorrente. Il concorrente vincente viene quindi riportato a un'alta concentrazione e produce un segnale fluorescente che indica la decisione delle reti".

Prossimo, Cherry si è basato sui principi della sua prima rete neurale del DNA per svilupparne una ancora più complessa, uno in grado di classificare i numeri a una cifra da 1 a 9. Quando viene assegnato un numero sconosciuto, questa "zuppa intelligente" subirebbe una serie di reazioni e produrrebbe due segnali fluorescenti, Per esempio, verde e giallo per rappresentare un 5, o verde e rosso per rappresentare un 9.

Qian e Cherry progettano di sviluppare reti neurali artificiali in grado di apprendere, formare "ricordi" da esempi aggiunti alla provetta. Per di qua, Qian dice, la stessa zuppa intelligente può essere addestrata a svolgere compiti diversi.

"La diagnostica medica comune rileva la presenza di poche biomolecole, per esempio il colesterolo o la glicemia." dice Cherry. "Utilizzando circuiti biomolecolari più sofisticati come il nostro, test diagnostici potrebbero un giorno includere centinaia di biomolecole, con l'analisi e la risposta condotta direttamente nell'ambiente molecolare."

L'articolo si intitola "Scaling up Molecular Pattern Recognition con reti neurali basate sul DNA, il vincitore prende tutto".