Tubo de prueba de red neuronal artificial reconoce ‘escritura molecular’

El trabajo fue realizado en el laboratorio de Lulu Qian, profesor de Bioingeniería. Un artículo que describe la investigación aparece en línea el 4 de julio y en el tema grabado el 19 de julio de la revista Nature.

“Aunque los científicos apenas han comenzado a explorar crear inteligencia artificial en máquinas moleculares, su potencial es ya innegable,”, dice Qian. “Equipos similares a lo electrónico y los teléfonos inteligentes han hecho los seres humanos más aptos que cien años hace de máquinas moleculares artificiales podrían hacer todas las cosas de moléculas, quizás hasta incluso pintura y vendas, más capaces y más sensibles a la ambiente en los próximos cien años”.

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

“Los seres humanos cada uno tienen más 80 billones de neuronas en el cerebro, con la que tomar decisiones altamente sofisticadas. Pequeños animales como lombrices pueden tomar decisiones más simples con pocas cientos neuronas. En este trabajo, hemos diseñado y creado circuitos bioquímicos que funcionan como una pequeña red de neuronas para clasificar información molecular sustancialmente más complejo que previamente posible,”dice Qian.

Para ilustrar la capacidad de redes neuronales basados en ADN, Qian laboratorio estudiante Kevin Cherry eligió una tarea que es un desafío clásico electrónico redes neuronales artificiales: reconocimiento de escritura a mano.

Escritura humana puede variar ampliamente, y así cuando una persona examina una secuencia garabateada de números, el cerebro realiza tareas computacionales complejas con el fin de identificarlos. Porque puede ser difícil incluso para los seres humanos reconocer otros cursivo descuidado, identificación de números escritos a mano es una prueba común para la programación de inteligencia artificial redes neuronales. Estas redes deben ser “enseñó” a reconocer los números, representan las variaciones en la escritura, entonces un número desconocido a sus supuestas memorias y decidir identidad de número.

En el trabajo descrito en el libro de la naturaleza , cereza, que es el primer autor en el papel, demostrado que una red neuronal que hace fuera de cuidadosamente diseñado secuencias de ADN podría realizar prescrito reacciones químicas para identificar con precisión “molecular escritura a mano.” A diferencia de la escritura visual que varía en forma geométrica, cada ejemplo de escritura molecular realmente no toman la forma de un número. En cambio, cada número molecular se compone de 20 filamentos de la DNA únicos elegidos de 100 moléculas, cada uno asignado para representar un píxel individual en cualquier patrón de 10 por 10. Estos filamentos de la DNA se mezclan en un tubo de ensayo.

“La falta de la geometría no es infrecuente en las firmas moleculares naturales pero todavía requiere sofisticadas redes neuronales biológicas para identificarlos: por ejemplo, compone de un olor, una mezcla de moléculas de olor único”, dice Qian.

Dado un ejemplo particular de la escritura molecular, la red neuronal de ADN puede clasificarlo en categorías hasta nueve, cada uno representando uno de los nueve dígitos manuscritos posible de 1 a 9.

En primer lugar, cereza construyó una red neuronal de ADN para distinguir entre manuscrita 6s y 7s. Él probó 36 números escritos a mano y la red neuronal del tubo de ensayo había identificado correctamente a todas ellas. Teóricamente, su sistema tiene la capacidad de clasificar más de 12.000 manuscritos 6s y 7s–90 por ciento de esos números de una base de datos de números escritos a mano utilizados ampliamente para el aprender de máquina–en las dos posibilidades.

Crucial para este proceso fue codificación una estrategia competitiva “ganador toma todo” usando moléculas de ADN, desarrolladas por Qian y cereza. En esta estrategia, un tipo particular de molécula de ADN denominado el annihilator fue utilizado para seleccionar un ganador para determinar la identidad de un número desconocido.

“El annihilator forma un complejo con una molécula de un competidor y una molécula de un competidor diferente y reacciona de forma inerte, no reacciona especies,” dice Cherry. “El annihilator rápidamente se come todas las moléculas del competidor hasta que quede solamente una especie de competidor individual. El participante ganador se restauró a una concentración alta y produce una señal fluorescente que indica la decisión de las redes”.

A continuación, Cherry se basa en los principios de su primera red neuronal de ADN para desarrollar aún más compleja, uno que podría clasificar números del dígito 1 al 9. Cuando un número desconocido, esta sopa”inteligente” sería someterse a una serie de reacciones y señales de salida dos fluorescentes, por ejemplo, verdes y amarillas representan un 5, o verde y rojo que representan un 9.

Qian y cereza plan para desarrollar las redes neuronales artificiales que pueden aprender, formando “recuerdos” con ejemplos añadido al tubo de ensayo. Así, dice Qian, la misma sopa inteligente puede ser entrenada para realizar diferentes tareas.

“Diagnóstico médico común detecta la presencia de algunas biomoléculas, por ejemplo sangre o colesterol glucosa.”, dice cerezo. “Usando más sofisticados circuitos de biomoléculas como el nuestro, pruebas de diagnóstico podrían un día incluir cientos de biomoléculas, con el análisis y la respuesta directamente en el entorno molecular.”