p Os pesquisadores da Caltech desenvolveram uma rede neural artificial feita de DNA que pode resolver um problema clássico de aprendizado de máquina:identificar corretamente os números escritos à mão. O trabalho é um passo significativo na demonstração da capacidade de programar inteligência artificial em circuitos biomoleculares sintéticos. p O trabalho foi feito no laboratório de Lulu Qian, professor assistente de bioengenharia. Um artigo descrevendo a pesquisa foi publicado online em 4 de julho e na edição impressa de 19 de julho da revista. Natureza .

p "Embora os cientistas apenas tenham começado a explorar a criação de inteligência artificial em máquinas moleculares, seu potencial já é inegável, "diz Qian." Semelhante a como os computadores eletrônicos e telefones inteligentes tornaram os humanos mais capazes do que cem anos atrás, máquinas moleculares artificiais podem fazer todas as coisas feitas de moléculas, talvez incluindo até mesmo tintas e bandagens, mais capaz e mais responsivo ao meio ambiente nos próximos cem anos. "

p As redes neurais artificiais são modelos matemáticos inspirados no cérebro humano. Apesar de ser muito simplificado em comparação com suas contrapartes biológicas, redes neurais artificiais funcionam como redes de neurônios e são capazes de processar informações complexas. O objetivo final do laboratório Qian para este trabalho é programar comportamentos inteligentes (a capacidade de calcular, fazer escolhas, e mais) com redes neurais artificiais feitas de DNA.

p "Cada ser humano tem mais de 80 bilhões de neurônios no cérebro, com os quais eles tomam decisões altamente sofisticadas. Animais menores, como lombrigas, podem tomar decisões mais simples usando apenas algumas centenas de neurônios. Nesse trabalho, nós projetamos e criamos circuitos bioquímicos que funcionam como uma pequena rede de neurônios para classificar informações moleculares substancialmente mais complexas do que anteriormente possível, "diz Qian.

p Para ilustrar a capacidade das redes neurais baseadas em DNA, O aluno de graduação do laboratório Qian, Kevin Cherry, escolheu uma tarefa que é um desafio clássico para redes neurais artificiais eletrônicas:reconhecer a caligrafia.

p A caligrafia humana pode variar muito, e assim, quando uma pessoa examina uma sequência de números rabiscada, o cérebro executa tarefas computacionais complexas para identificá-los. Porque pode ser difícil até para humanos reconhecer a caligrafia desleixada de outras pessoas, identificar números manuscritos é um teste comum para programar inteligência em redes neurais artificiais. Essas redes devem ser "ensinadas" a reconhecer números, levar em conta as variações na caligrafia, em seguida, compare um número desconhecido com suas chamadas memórias e decida a identidade do número.

p No trabalho descrito no Natureza papel, Cereja, quem é o primeiro autor do artigo, demonstraram que uma rede neural feita de sequências de DNA cuidadosamente projetadas poderia realizar reações químicas prescritas para identificar com precisão "caligrafia molecular". Ao contrário da escrita manual visual que varia em forma geométrica, cada exemplo de caligrafia molecular não assume a forma de um número. Em vez de, cada número molecular é composto de 20 fitas exclusivas de DNA escolhidas entre 100 moléculas, cada um designado para representar um pixel individual em qualquer padrão de 10 por 10. Essas fitas de DNA são misturadas em um tubo de ensaio.

p "A falta de geometria não é incomum em assinaturas moleculares naturais, mas ainda requer redes neurais biológicas sofisticadas para identificá-las:por exemplo, uma mistura de moléculas de odor únicas compreende um cheiro, "diz Qian.

p Dado um exemplo específico de caligrafia molecular, a rede neural de DNA pode classificá-la em até nove categorias, cada um representando um dos nove dígitos manuscritos possíveis de 1 a 9.

p Primeiro, Cherry construiu uma rede neural de DNA para distinguir entre 6s e 7s escritos à mão. Ele testou 36 números escritos à mão e a rede neural do tubo de ensaio identificou corretamente todos eles. Seu sistema teoricamente tem a capacidade de classificar mais de 12, 000 6s e 7s manuscritos - 90% desses números retirados de um banco de dados de números manuscritos amplamente usados ​​para aprendizado de máquina - nas duas possibilidades.

p Crucial para este processo foi codificar uma estratégia competitiva "o vencedor leva tudo" usando moléculas de DNA, desenvolvido por Qian e Cherry. Nesta estratégia, um tipo particular de molécula de DNA apelidado de aniquilador foi usado para selecionar um vencedor ao determinar a identidade de um número desconhecido.

p "O aniquilador forma um complexo com uma molécula de um competidor e uma molécula de um competidor diferente e reage para formar inerte, espécies não reativas, "diz Cherry." O aniquilador rapidamente devora todas as moléculas competidoras até que apenas uma única espécie competidora permaneça. O competidor vencedor é então restaurado para uma alta concentração e produz um sinal fluorescente indicando a decisão da rede. "

p Próximo, Cherry baseou-se nos princípios de sua primeira rede neural de DNA para desenvolver uma ainda mais complexa, um que poderia classificar números de 1 a 9 dígitos únicos. Quando dado um número desconhecido, esta "sopa inteligente" passaria por uma série de reações e produziria dois sinais fluorescentes, por exemplo, verde e amarelo para representar um 5, ou verde e vermelho para representar um 9.

p Qian e Cherry planejam desenvolver redes neurais artificiais que podem aprender, formando "memórias" a partir de exemplos adicionados ao tubo de ensaio. Por aqui, Qian diz, a mesma sopa inteligente pode ser treinada para executar tarefas diferentes.

p "Diagnósticos médicos comuns detectam a presença de algumas biomoléculas, por exemplo, colesterol ou glicose no sangue ", diz Cherry." Usando circuitos biomoleculares mais sofisticados como os nossos, testes de diagnóstico podem um dia incluir centenas de biomoléculas, com a análise e resposta conduzida diretamente no ambiente molecular. "

p O artigo é intitulado "Ampliando o reconhecimento de padrões moleculares com redes neurais baseadas em DNA o vencedor leva tudo".