Los investigadores de Caltech han desarrollado una red neuronal artificial hecha de ADN que puede resolver un problema clásico de aprendizaje automático:identificar correctamente los números escritos a mano. El trabajo es un paso significativo en la demostración de la capacidad de programar la inteligencia artificial en circuitos biomoleculares sintéticos.

El trabajo se realizó en el laboratorio de Lulu Qian, profesor asistente de bioingeniería. Un artículo que describe la investigación aparece en línea el 4 de julio y en la edición impresa del 19 de julio de la revista. Naturaleza .

"Aunque los científicos apenas han comenzado a explorar la creación de inteligencia artificial en máquinas moleculares, su potencial ya es innegable, ", dice Qian." Al igual que las computadoras electrónicas y los teléfonos inteligentes han hecho que los humanos sean más capaces que hace cien años, máquinas moleculares artificiales podrían hacer todas las cosas hechas de moléculas, tal vez incluyendo incluso pintura y vendajes, más capaz y más sensible al medio ambiente en los próximos cien años ".

Las redes neuronales artificiales son modelos matemáticos inspirados en el cerebro humano. A pesar de ser mucho más simplificado en comparación con sus homólogos biológicos, Las redes neuronales artificiales funcionan como redes de neuronas y son capaces de procesar información compleja. El objetivo final del laboratorio de Qian para este trabajo es programar comportamientos inteligentes (la capacidad de calcular, tomar decisiones, y más) con redes neuronales artificiales hechas de ADN.

"Los seres humanos tienen cada uno más de 80 mil millones de neuronas en el cerebro, con los que toman decisiones muy sofisticadas. Los animales más pequeños, como los gusanos redondos, pueden tomar decisiones más simples utilizando solo unos pocos cientos de neuronas. En este trabajo, Hemos diseñado y creado circuitos bioquímicos que funcionan como una pequeña red de neuronas para clasificar información molecular sustancialmente más compleja de lo que era posible anteriormente. "dice Qian.

Para ilustrar la capacidad de las redes neuronales basadas en ADN, El estudiante graduado del laboratorio de Qian, Kevin Cherry, eligió una tarea que es un desafío clásico para las redes neuronales artificiales electrónicas:reconocer la escritura a mano.

La escritura humana puede variar ampliamente, y así, cuando una persona escudriña una secuencia de números garabateada, el cerebro realiza complejas tareas computacionales para identificarlos. Debido a que puede ser difícil incluso para los humanos reconocer la letra descuidada de los demás, identificar números escritos a mano es una prueba común para programar la inteligencia en redes neuronales artificiales. A estas redes se les debe "enseñar" cómo reconocer números, tener en cuenta las variaciones en la escritura a mano, luego compare un número desconocido con sus supuestos recuerdos y decida la identidad del número.

En el trabajo descrito en el Naturaleza papel, Cereza, quién es el primer autor del artículo, demostró que una red neuronal hecha de secuencias de ADN cuidadosamente diseñadas podría llevar a cabo reacciones químicas prescritas para identificar con precisión la "escritura a mano molecular". A diferencia de la escritura visual que varía en forma geométrica, cada ejemplo de escritura molecular en realidad no toma la forma de un número. En lugar de, cada número molecular se compone de 20 hebras de ADN únicas elegidas entre 100 moléculas, cada uno asignado para representar un píxel individual en cualquier patrón de 10 por 10. Estas hebras de ADN se mezclan en un tubo de ensayo.

"La falta de geometría no es infrecuente en las firmas moleculares naturales, pero aún así se requieren redes neuronales biológicas sofisticadas para identificarlas:por ejemplo, una mezcla de moléculas de olor únicas comprende un olor, "dice Qian.

Dado un ejemplo particular de escritura a mano molecular, la red neuronal de ADN puede clasificarlo en hasta nueve categorías, cada uno representa uno de los nueve dígitos manuscritos posibles del 1 al 9.

Primero, Cherry construyó una red neuronal de ADN para distinguir entre 6 y 7 escritos a mano. Probó 36 números escritos a mano y la red neuronal del tubo de ensayo los identificó correctamente a todos. Su sistema teóricamente tiene la capacidad de clasificar más de 12, 000 6 y 7 escritos a mano (90 por ciento de esos números tomados de una base de datos de números escritos a mano que se usa ampliamente para el aprendizaje automático) en las dos posibilidades.

Para este proceso fue crucial codificar una estrategia competitiva de "el ganador se lo lleva todo" utilizando moléculas de ADN, desarrollado por Qian y Cherry. En esta estrategia, se utilizó un tipo particular de molécula de ADN denominada aniquilador para seleccionar un ganador al determinar la identidad de un número desconocido.

"El aniquilador forma un complejo con una molécula de un competidor y una molécula de un competidor diferente y reacciona para formar inerte, especies no reactivas, "dice Cherry." El aniquilador devora rápidamente todas las moléculas competidoras hasta que sólo queda una especie competidora. El competidor ganador se restablece a una alta concentración y produce una señal fluorescente que indica la decisión de las redes ".

Próximo, Cherry se basó en los principios de su primera red neuronal de ADN para desarrollar una aún más compleja, uno que pueda clasificar números de un solo dígito del 1 al 9. Cuando se le da un número desconocido, esta "sopa inteligente" experimentaría una serie de reacciones y emitiría dos señales fluorescentes, por ejemplo, verde y amarillo para representar un 5, o verde y rojo para representar un 9.

Qian y Cherry planean desarrollar redes neuronales artificiales que puedan aprender, formando "recuerdos" a partir de ejemplos añadidos al tubo de ensayo. De esta manera, Qian dice, la misma sopa inteligente se puede entrenar para realizar diferentes tareas.

"Los diagnósticos médicos habituales detectan la presencia de algunas biomoléculas, por ejemplo, colesterol o glucosa en sangre ", dice Cherry." Utilizando circuitos biomoleculares más sofisticados como el nuestro, Las pruebas de diagnóstico podrían algún día incluir cientos de biomoléculas, con el análisis y la respuesta realizados directamente en el entorno molecular ".

El artículo se titula "Ampliación del reconocimiento de patrones moleculares con redes neuronales basadas en el ADN".