加州理工学院生物工程助理教授钱璐璐和她的同事开发出了一种由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。”

史上第一本《流式采购宝典》，你值得拥有！立即索取>>

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

（生物通：伍松）