Home Notizie recenti L’implementazione molecolare di una rete neurale artificiale basata sul DNA

L’implementazione molecolare di una rete neurale artificiale basata sul DNA

33
0

Reti neurali convoluzionali molecolari con circuiti regolatori del DNA. (a) A sinistra: l’architettura di ConvNet. A destra: schema del principio di funzionamento di ConvNet per le attività di riconoscimento. (b) Il pattern di input sconosciuto viene aggiunto alla soluzione, dopo l’aggiunta del circuito del DNA, i segnali di fluorescenza possono essere letti per riportare i risultati del riconoscimento. (c) Il DNA-ConvNet può riconoscere otto oracoli cinesi. Credito: Xiong et al.

Il calcolo molecolare è un’area di studio promettente volta all’utilizzo di molecole biologiche per creare dispositivi programmabili. Questa idea è stata introdotta per la prima volta a metà degli anni ’90 e da allora è stata realizzata da numerosi scienziati informatici e fisici in tutto il mondo.

I ricercatori della East China Normal University e della Shanghai Jiao Tong University hanno recentemente sviluppato reti neurali convoluzionali molecolari (CNN) basate su circuiti di regolazione del DNA sintetico. Il loro approccio, introdotto in un articolo pubblicato in intelligenza della macchina della naturasupera alcune delle sfide tipicamente incontrate durante la creazione di reti neurali artificiali efficienti basate su componenti molecolari.

“L’intersezione tra informatica e biologia molecolare è un terreno fertile per una scienza nuova ed entusiasmante, in particolare la progettazione di sistemi intelligenti è un obiettivo di lunga data per gli scienziati”, ha detto a TechXplore Hao Pei, uno dei ricercatori che hanno condotto lo studio. “Rispetto al cervello, la scala e la potenza di calcolo delle reti neurali del DNA sviluppate sono gravemente limitate, a causa delle limitazioni delle dimensioni della rete. L’obiettivo principale del nostro lavoro era aumentare la potenza di calcolo dei circuiti del DNA introducendo un modello di rete neurale adatto per i sistemi molecolari del DNA.”

Durante la loro ricerca, Pei e i suoi colleghi hanno scoperto che potrebbe essere particolarmente promettente per la modellazione dei circuiti del DNA, a causa della loro scarsa connettività topologica, che ricorda quella delle vere reti neurali biologiche. Hanno quindi deciso di utilizzare le CNN per ideare una rete neurale su larga scala basata sul DNA composta da 512 filamenti di DNA sintetico. In particolare, la loro rete proposta produce migliaia di reazioni chimiche e genera centinaia di specie molecolari.

“Il nostro gruppo si è concentrato sull’ingegneria e la programmazione con precisione delle molecole di acidi nucleici e abbiamo progettato e costruito una serie di nanostrutture di DNA dinamico che potrebbero essere potenzialmente utilizzate come elementi regolatori per la costruzione di grandi circuiti”, ha spiegato Pei. “In questo lavoro, utilizziamo una nanostruttura di DNA dinamica chiamata gate di commutazione, che è funzionalmente simile ai riboswitch nei circuiti di regolazione genica, tutti costituiti da due domini funzionali indipendenti che rilevano e rispondono a input esterni”.

La porta di commutazione nella rete dei ricercatori consente loro di controllare in modo indipendente le sue funzioni di trasmissione del segnale e le funzioni di assegnazione del peso attraverso un processo noto come commutazione conformazionale intramolecolare. Questo processo è particolarmente adatto per la condivisione del peso e la connettività sparsa delle CNN.

I circuiti del DNA operano all’interno della rete dei ricercatori, dove tutte le unità di calcolo sono pronte a rispondere agli input. Una volta che gli input sono stati alimentati alla soluzione, i singoli filamenti di DNA attiveranno reazioni di spostamento del filamento a cascata nell’ordine.

Queste reazioni, guidate dall’energia libera di Gibbs o dall’entropia nel sistema, generano corrispondenti segnali fluorescenti. I ricercatori hanno codificato tutti i modelli di test utilizzando una serie di singoli filamenti di DNA e ciascuno dei segnali di fluorescenza generati rappresenta uno di questi modelli di test.

“Abbiamo esteso la caratteristica chiave della topologia sparsa della CNN e dell’architettura di condivisione del peso a una rete neurale del DNA, che può ridurre efficacemente la complessità e i parametri di architettura di rete attraverso neuroni scarsamente connessi”, ha detto Pei. “Per implementare queste funzionalità, abbiamo progettato un’architettura di gate di commutazione composta da due domini funzionali indipendenti (dominio di regolazione del peso e dominio di riconoscimento). Con questo progetto, possiamo facilmente modificare la sequenza di progettazione del corrispondente dominio funzionale rispettivamente per adattarla all’adeguamento dell’architettura di rete”.

L’approccio basato sulla CNN presenta numerosi vantaggi rispetto ai metodi di calcolo molecolare proposti in precedenza. In primo luogo, la sua architettura di gate di commutazione potrebbe essere utilizzata per incorporare interruttori molecolari reattivi al ligando. Ciò consentirebbe alla rete di adattare le sue funzioni in risposta ai cambiamenti ambientali, consentendo potenzialmente lo sviluppo di circuiti molecolari che assomigliano a reti neurali biologiche e capaci di comportamenti “intelligenti”.

Inoltre, la natura intrinsecamente parallela delle molecole di DNA potrebbe consentire la parallelizzazione autonoma delle operazioni della CNN. Ciò potrebbe essere particolarmente prezioso per ottenere un’elaborazione scalabile delle informazioni.

“Abbiamo proposto una strategia sistematica per implementare l’algoritmo ConvNet a livello molecolare”, ha affermato Pei. “Riteniamo che il nostro metodo rappresenti un importante progresso nei sistemi di elaborazione delle informazioni molecolari artificiali, poiché ha raggiunto compiti di classificazione rapidi e precisi che potrebbero classificare 32 modelli molecolari in 30 minuti, che potrebbero essere il calcolo chimico artificiale più veloce, potente e complesso sistema fino ad oggi, per quanto ne sappiamo.”

Il recente lavoro di Pei e dei suoi colleghi introduce un’architettura alternativa basata sul DNA che potrebbe ispirare la progettazione di nuovi sistemi di calcolo molecolare. In futuro, il loro approccio potrebbe essere utilizzato per creare vari dispositivi diagnostici molecolari per applicazioni biomediche.

“Interfacendo gli input sensoriali, ConvNet basato sul DNA potrebbe in linea di principio utilizzare centinaia di bersagli come input e facilitare applicazioni più ampie nella diagnostica delle malattie, nella profilazione dei modelli di espressione e nella medicina di precisione”, ha aggiunto Pei. “Sulla base di questo modello ConvNet basato sul DNA, ora abbiamo in programma di costruire un classificatore molecolare che può essere utilizzato per la classificazione diagnostica multi-malattia”.


© 2022 Scienza X Rete