eng
Выпуск #7-8/2018
Д.Рязанцев, Е.Кузнецов
Биомолекулярный компьютер: современное состояние и направления развития
Биомолекулярный компьютер: современное состояние и направления развития
Просмотры: 3066
Кремниевые компьютерные технологии подходят к теоретическому пределу масштабирования. Требуются новые, прорывные технологии, с помощью которых можно преодолеть ограничения масштабирования в устройствах обработки информации. В работе рассмотрены альтернативные реализации таких вычислений на основе ДНК, белков и молекулярных систем.
DOI: 10.22184/1993-8578.2018.11.7-8.498.508
DOI: 10.22184/1993-8578.2018.11.7-8.498.508
Теги: biochemical information processing dna nanotechnology molecular computation molecular machine биоэлектроника днк-нанотехнологии молекулярные вычисления молекулярные машины
В настоящее время масштабная миниатюризация компонентов интегральных схем, так называемый закон Мура, продолжает оставаться основной движущей силой развития различных приложений обработки или процессинга информации – приема, преобразования, хранения, обработки и передачи данных. Однако существующие компьютерные технологии на кремнии уже в ближайшем будущем столкнутся с фундаментальными физическими пределами масштабирования, поэтому необходим поиск концептуально новых технологий обработки информации, способных заменить или расширить существующие.
В последнее время наблюдается быстрый прогресс в таких дисциплинах, как цитология, субклеточные системы и системная биология. Этот прогресс во многом связан с более глубоким пониманием и осмыслением информационных аспектов биологических процессов, что в итоге дало импульс в исследованиях новых методов построения систем обработки информации на основе биохимических реакций – "биологического", или молекулярного компьютера.
В настоящее время "биологический компьютер", наряду с вычислениями на основе систем квантовых логических вентилей ("квантовый компьютер"), рассматривается в качестве основного альтернативного подхода информационного процессинга (так называемые нетрадиционные методы вычисления) в будущих вычислительных системах. При этом, как правило, с квантовым компьютером связывают мощные стационарные вычислительные системы, а с "биологическим компьютером", по крайней мере, в ближайшем будущем – малые автономные интеллектуальные устройства.
И если реализация квантового компьютера находится все еще под вопросом, то все живые организмы, созданные природой и окружающие нас, уже можно рассматривать как "биологические компьютеры". Их "аппаратные" и "программные" средства, обеспечивающие выживание и адаптацию организмов к внешней среде, по эффективности во многом превосходят существующие технологии на основе кремния. Так, в работе [19] рассматривается кишечная палочка (E.coli) как биологический информационный процессор. Приводится его сравнение с предельным гипотетическим кремниевым компьютером того же объема в 1 мкм3. Нижний порог объема информации, необходимой для построения новой клетки при ее делении, оценен в 1011 бит, скорость обработки информации в таком процессоре 107 бит/с при расходе энергии на одну операцию порядка 10 kT (k – постоянная Больцмана, T – температура), тогда как в кремниевых транзисторных структурах эта величина ограничивается значениями 104–105 kT. Из этого следует, что "предельный КМОП-процессор" не может сравниться с информационным процессором живой клетки ни по плотности расположения памяти и логических элементов, ни по скорости, ни по потребляемой энергии.
Нетрадиционные методы вычислений на основе биохимических реакций в объеме раствора включают в себя как новые вычислительные парадигмы и алгоритмы, так и новые элементы схем вычислительных систем, из которых можно выделить элементы на ДНК (дезоксирибонуклеиновая кислота) структурах, элементы на основе ферментов, а также элементы на основе наночастиц и молекулярных наноматериалов. Отдельно, в качестве класса элементов и отдельных устройств, можно рассматривать молекулярные наносистемы, отличительной особенностью которых является, помимо информационной обработки, наличие сенсорных, преобразовательных и исполнительных функций.
На рис.1 представлена общая схема "биокомпьютера" и разделы научных дисциплин, связанные с ним. Там же приведены иерархические уровни такой системы в сравнении с иерархическими уровнями "кремниевого" компьютера.
К настоящему времени существует большое количество публикаций, посвященных вычислениям на ДНК-структурах.
ДНК является носителем генетической информации организмов. Она состоит из цепей нуклеотидов, которые делятся на четыре типа A, G, T, C (аденин, гуанин, тимин, цитозин). При этом A / T и G / C комплементарны друг другу. Двойная спираль является основой структуры ДНК и формируется за счет гибридизации двух водородных связей между A и T и трех водородных связей между G и C.
Человеческий геном состоит приблизительно из 3 млрд пар оснований, которые определяют около 20 488 генов, расположенных в 23 парах гомологичных хромосом. Все пары оснований ДНК из одной человеческой клетки имеют общую длину 2,6 м при распутывании и растяжении, но сжимаются в ядре до размера 200 мкм.
Впервые Леонард Адлеман из Университета Южной Калифорнии использовал молекулы ДНК для решения семиточечной задачи коммивояжера в 1994 году. Города и расстояния были закодированы с использованием серии ДНК, и операции для решения были созданы с использованием полимерных цепных реакций.
Большинство продемонстрированных вычислений на ДНК основаны на межмолекулярных реакциях, из них наиболее известные подходы – это реакции на основе замещения нитей ДНК [1, 2] и реакции с биокатализаторами на основе ДНК [3, 4] (т.н. дезоксирибозимы или ДНКзимы – искусственно синтезируемые ДНК с большой биологической стабильностью и специфичными ферментативными свойствами).
Замещение нитей ДНК – это процесс, в котором две нити с частичной или полной комплементарностью гибридизуются друг с другом, при этом вытесняется одна или несколько предварительно гибридизированных нитей. В настоящее время на основе реакции замещения нитей ДНК предложены реализации логических [5] и аналоговых схем [7], а также нейронных сетей [6].
Скорость метода замещения нитей экспоненциально зависит от длины нити. На рис.2 показан механизм работы метода замещения нитей ДНК на примере построения двух цифровых логических вентилей (И и ИЛИ) [1]. Функция строится на трех функциональных элементах. Вентиль "качели" (входит в вентиль 2, 5 и 6) замещает свободную нить ДНК (x1 и x2) и высвобождает свою нить (работает медленно). Пороговый вентиль (входит в вентиль 5, работает быстро из-за наличия укороченной нити) содержит ДНК, взаимодействующую с входными нитями и преобразующими их в отходы реакции (параметр th задает концентрацию порогового вентиля). Выходной вентиль (вентиль 6) основан на механизме вентиля "качели" и содержит в себе родамин (флуоресцентную метку) и подавитель родамина. При наличии необходимой свободной нити подавитель (гаситель) замещается другой нитью и метка активируется. На выходе формируется оптический сигнал.
К достоинствам вычисления с использованием ДНК можно отнести способность выполнять большие параллельные вычисления с высокой селективностью и большой потенциал для схем малой мощности. К недостаткам можно отнести межмолекулярные взаимодействия на ДНК, которые, в силу своей природы, имеют фоновые и побочные реакции. Для их минимизации обычно используют низкие, наномолярные концентрации реагентов. Поскольку скорости реакции и, следовательно, время вычислений пропорциональны абсолютной концентрации реагентов, эти процессы выполняются медленно и могут длиться от нескольких часов до нескольких дней, что затрудняет их перевод в практические приложения [8].
Для решения проблемы "скорости" живые организмы используют молекулярные шаблоны, такие как цитоскелет, клеточные мембраны и белки-хабы для набора сетевых компонентов, тем самым повышая их эффективную концентрацию без увеличения общего количества молекул. Другие методы повышения кинетики замещений нитей ДНК основаны на использовании 38-го килодальтонного белка для восстановления и поддержания ДНК в качестве катализатора [8] и катионных сополимеров [9] для улучшения кинетики путем стабилизации комплексного образования. Недавно была предложена структура трехмерной треугольной призмы, обладающей, по мнению авторов, большей стабильностью по сравнению с обычной двойной нитью ДНК для метода замещения ДНК [10].
Область перспективных применений ДНК-вычислений очень обширна – от молекулярных машин, роботов и сетей, выполняющих бинарные операции и вычисления на молекулярном уровне, до полностью автономных систем, эмулирующих жизнеподобные функции.
Каталитические реакции на ДНК-системах функционально ограничены в разнообразии и эффективности и уступают белкам с точки зрения аффинности и разнообразия лигандов, которые ДНК может распознавать [11]. В то же время ферменты (белки, обладающие специфическими каталитическими свойствами) являются селективными и чувствительными рецепторами. Они известны как лучшие катализаторы, которые позволяют повысить скорость до 1017 раз по сравнению с некатализируемыми реакциями [12]. Вычисления на основе ферментов ограничены операциями нескольких логических вентилей, а сложность сети ограничена кросс-реактивностью ферментов и шумом [13].
Примером ферментативной системы (рис.4) является биомолекулярный логический чип (BioLogicChip) – концепт устройства, основанного на интеграции в чипе биомолекулярных вентилей с биосенсорной/актюаторной системой. Система содержит цифровой датчик глюкозы, гидрогелевый клапан с нагревательным элементом для высвобождения лекарственного средства из закрытого резервуара в микрожидкостном канале при сжатии гидрогеля, резервуар для лекарственного средства, датчик импеданса (для обнаружения сжатия гидрогеля) и датчик инсулина (для контроля высвобождения инсулина) [14]. Ферментативный логический вентиль активирует нагреватель и вызывает изменения гидрогеля. Гидрогель работает как клапан актюаторного механизма (открывает или закрывает резервуар) и может высвобождать инсулин для снижения уровня глюкозы. Датчик инсулина контролирует выделение инсулина (дозировку и время) и уровень глюкозы.
Объединение ферментативных и ДНК-вычислительных систем в цепи фермент-ДНК позволит реализовать (1) высокоселективное распознавание разнообразного спектра биологических молекул или маркеров болезней; (2) усиление каталитического сигнала; (3) массивную быструю и параллельную обработку данных и (4) комплексную обработку вычислительной информации для биологически создаваемых сигналов.
Смешанные вычислительные системы на основе ДНК и ферментов имеют функциональные ограничения на уровне свойств ферментов.
В ДНК-ферментативных смешанных вычислительных системах содержатся ферменты, действующие только непосредственно на ДНК, например ДНК-полимеразы, ДНК-лигазы, эндонуклеазы и т.д. Но ферменты, обрабатывающие ДНК, не могут обнаружить биомаркеры болезни в виде небольших биологических молекул сахара, белка и т. д. Биокомпьютерные системы, основанные на общих ферментах (не связанных с ДНК), успешно используются для логической обработки и бинарного распознавания различных комбинаций физиологических биомаркеров. Поэтому необходим более универсальный интерфейс для подключения ферментативного выходного сигнала с цепями обработки ДНК [15].
Большинство методов, используемых для считывания результатов вычислений, включают в себя использование зондов или комплексов для считывания, несущих флуоресцентные метки, что серьезно ограничивает возможности мультиплексирования и усложняет процесс измерения. Эти ограничения могут быть сняты в гибридных биоэлектронных системах, где биомолекулярные вычисления интегрированы с обычной электроникой через иммобилизацию ДНК-машин на поверхности электронных схем [16, 17].
Молекулы ДНК и белков являются основными структурными элементами молекулярных наносистем. В основе каждого значительного биологического процесса лежат наномоторы и машины молекулярного уровня: перевозящие грузы по клетке (кинезин), стимулирующие движение организмов (бактериальные жгутиковые двигатели), синтезирующие белки (рибосомы) и разделяющие нити ДНК (геликазы).
Молекулярные системы могут быть построены как на основе биологических систем, так и на основе макроскопических объектов небиологического происхождения, например, "молекулярный лифт" Стоддарта, "молекулярные поршни", "наноавтомобили" Тура и т. д. Нельзя однозначно сказать, какой из подходов будет использоваться для построения молекулярных систем в будущем.
В 1980-1990-х годах впервые изобрели способы создания механически взаимосвязанных искусственных молекулярных систем (катенаны – Жан-Пьер Соваж, ротаксаны – Джеймс Фрезер Стоддарт, молекулярный мотор – Бернард Лукас Феринга). В 2016 году этот коллектив получил Нобелевскую премию по химии за проектирование и синтез молекулярных машин. Они разработали молекулы, движением которых можно управлять.
Для реализации потенциала молекулярных систем необходимо решить несколько основных задач:
Необходимо создать химически управляемые автономные синтетические маломолекулярные системы.
Необходимо разработать системы с множеством интегрированных частей, где каждая маломолекулярная машина выполняет определенную роль.
Необходимо учитывать стохастическую природу молекулярной динамики. Биологические машины могут совершать "ошибки", в отличие от машин макроскопического мира.
Необходимо создать маломолекулярную "машину Тьюринга", то есть молекулярную машину, которая может считывать информацию из кодируемой символом молекулярной цепи.
В будущем на основе биомолекулярных систем можно будет создавать сложные системы "умных" материалов. А связывание электронных схем и биомолекулярных устройств может позволить создавать маломощные биосовместимые интеллектуальные системы для высокопараллельной и потенциально отказоустойчивой обработки информации [20].
За последние 20 лет исследовано и разработано огромное количество биомолекулярных систем на основе ДНК/РНК и ферментов/белков, однако пока не разработано подходов для создания универсальной биомолекулярной вычислительной машины подобной классическому компьютеру. Эти новые биомолекулярные системы находят свое применение в реальных биомедицинских приложениях (тераностика) [21]. Шаг за шагом человечество приближается к созданию сложных гетерогенных систем, в которых объединятся микроэлектронные, биохимические системы и умные материалы.
Статья подготовлена при финансовой поддержке Минобрнауки России в рамках выполнения государственного задания 16.12976.2018/8.9.
ЛИТЕРАТУРА / REFERENCES
Qian L., Winfree E. Scaling up digital circuit computation with DNA strand displacement cascades // Science. 2011. Т. 332. № 6034. С. 1196–1201.
Zhang D.Y., Seelig G. Dynamic DNA nanotechnology using strand-displacement reactions //Nature chemistry. 2011. Т. 3. № 2. С. 103.
Stojanovic M.N., Mitchell T.E., Stefanovic D. Deoxyribozyme-based logic gates //Journal of the American Chemical Society. 2002. Т. 124. № 14. С. 3555–3561.
Stojanovic M.N., Stefanovic D. A deoxyribozyme-based molecular automaton // Nature biotechnology. 2003. Т. 21. № 9. С. 1069.
Seelig G. et al. Enzyme-free nucleic acid logic circuits // Science. 2006. Т. 314. № 5805. С. 1585–1588.
Qian L., Winfree E., Bruck J. Neural network computation with DNA strand displacement cascades // Nature. 2011. Т. 475. № 7356. С. 368.
Song T. et al. Analog computation by DNA strand displacement circuits // AC. synthetic biology. 2016. Т. 5. № 8. С. 898–912.
Engelen W., Wijnands S.P.W., Merkx M. Accelerating DNA-based computing on a supramolecular polymer // Journal of the American Chemical Society. 2018. Т. 140. № 30. С. 9758–9767.
Shimada N. et al. DNA Computing Boosted by a Cationic Copolymer // Advanced Functional Materials. 2018. Т. 28. № 17. С. 1707406.
Peng R. et al. Engineering a 3D DNA-Logic Gate Nanomachine for Bispecific Recognition and Computing on Target Cell Surfaces // Journal of the American Chemical Society. 2018. Т. 140. № 31. С. 9793–9796.
Schlosser K., Li Y. Biologically inspired synthetic enzymes made from DNA // Chemistry & biology. 2009. Т. 16. № 3. С. 311–322.
Radzicka A., Wolfenden R. A proficient enzyme // Science. 1995. Т. 267. № 5194. С. 90–93.
Katz E., Privman V. Enzyme-based logic systems for information processing // Chemical Society Reviews. 2010. Т. 39. № 5. С. 1835–1857.
Molinnus D. et al. Coupling of biomolecular logic gates with electronic transducers: from single enzyme logic gates to Sense/Act/Treat chips // Electroanalysis. 2017. Т. 29. № 8. С. 1840–1849.
Mailloux S. et al. Bridging the two worlds: a universal interface between enzymatic and DNA computing systems // Angewandte Chemie International Edition. 2015. Т. 54. № 22. С. 6562–6566.
Frezza B.M., Cockroft S.L., Ghadiri M.R. Modular multi-level circuits from immobilized DNA-based logic gates // Journal of the American Chemical Society. 2007. Т. 129. № 48. С. 14875–14879.
Dunn K.E. et al. Assessing the potential of surface-immobilized molecular logic machines for integration with solid state technology // Biosystems. 2016. Т. 146. С. 3–9.
Erbas-Cakmak S. et al. Artificial molecular
machines // Chemical reviews. 2015. Т. 115.
№ 18. С. 10081–10206.
Zhirnov V.V., Cavin R.K. Future microsystems for information processing: limits and lessons from the living systems //IEEE Journal of the Electron Devices Society. 2013. Т. 1. № 2. С. 29–47.
Dunn K.E. et al. Towards a bioelectronic computer: A theoretical study of a multi-layer biomolecular computing system that can process electronic inputs // bioRxiv. 2018. С. 290775.
Tregubov A.A., Nikitin P.I., Nikitin M.P. Advanced Smart Nanomaterials with Integrated Logic-Gating and Biocomputing: Dawn of Theranostic Nanorobots // Chemical reviews. 2018.
В последнее время наблюдается быстрый прогресс в таких дисциплинах, как цитология, субклеточные системы и системная биология. Этот прогресс во многом связан с более глубоким пониманием и осмыслением информационных аспектов биологических процессов, что в итоге дало импульс в исследованиях новых методов построения систем обработки информации на основе биохимических реакций – "биологического", или молекулярного компьютера.
В настоящее время "биологический компьютер", наряду с вычислениями на основе систем квантовых логических вентилей ("квантовый компьютер"), рассматривается в качестве основного альтернативного подхода информационного процессинга (так называемые нетрадиционные методы вычисления) в будущих вычислительных системах. При этом, как правило, с квантовым компьютером связывают мощные стационарные вычислительные системы, а с "биологическим компьютером", по крайней мере, в ближайшем будущем – малые автономные интеллектуальные устройства.
И если реализация квантового компьютера находится все еще под вопросом, то все живые организмы, созданные природой и окружающие нас, уже можно рассматривать как "биологические компьютеры". Их "аппаратные" и "программные" средства, обеспечивающие выживание и адаптацию организмов к внешней среде, по эффективности во многом превосходят существующие технологии на основе кремния. Так, в работе [19] рассматривается кишечная палочка (E.coli) как биологический информационный процессор. Приводится его сравнение с предельным гипотетическим кремниевым компьютером того же объема в 1 мкм3. Нижний порог объема информации, необходимой для построения новой клетки при ее делении, оценен в 1011 бит, скорость обработки информации в таком процессоре 107 бит/с при расходе энергии на одну операцию порядка 10 kT (k – постоянная Больцмана, T – температура), тогда как в кремниевых транзисторных структурах эта величина ограничивается значениями 104–105 kT. Из этого следует, что "предельный КМОП-процессор" не может сравниться с информационным процессором живой клетки ни по плотности расположения памяти и логических элементов, ни по скорости, ни по потребляемой энергии.
Нетрадиционные методы вычислений на основе биохимических реакций в объеме раствора включают в себя как новые вычислительные парадигмы и алгоритмы, так и новые элементы схем вычислительных систем, из которых можно выделить элементы на ДНК (дезоксирибонуклеиновая кислота) структурах, элементы на основе ферментов, а также элементы на основе наночастиц и молекулярных наноматериалов. Отдельно, в качестве класса элементов и отдельных устройств, можно рассматривать молекулярные наносистемы, отличительной особенностью которых является, помимо информационной обработки, наличие сенсорных, преобразовательных и исполнительных функций.
На рис.1 представлена общая схема "биокомпьютера" и разделы научных дисциплин, связанные с ним. Там же приведены иерархические уровни такой системы в сравнении с иерархическими уровнями "кремниевого" компьютера.
К настоящему времени существует большое количество публикаций, посвященных вычислениям на ДНК-структурах.
ДНК является носителем генетической информации организмов. Она состоит из цепей нуклеотидов, которые делятся на четыре типа A, G, T, C (аденин, гуанин, тимин, цитозин). При этом A / T и G / C комплементарны друг другу. Двойная спираль является основой структуры ДНК и формируется за счет гибридизации двух водородных связей между A и T и трех водородных связей между G и C.
Человеческий геном состоит приблизительно из 3 млрд пар оснований, которые определяют около 20 488 генов, расположенных в 23 парах гомологичных хромосом. Все пары оснований ДНК из одной человеческой клетки имеют общую длину 2,6 м при распутывании и растяжении, но сжимаются в ядре до размера 200 мкм.
Впервые Леонард Адлеман из Университета Южной Калифорнии использовал молекулы ДНК для решения семиточечной задачи коммивояжера в 1994 году. Города и расстояния были закодированы с использованием серии ДНК, и операции для решения были созданы с использованием полимерных цепных реакций.
Большинство продемонстрированных вычислений на ДНК основаны на межмолекулярных реакциях, из них наиболее известные подходы – это реакции на основе замещения нитей ДНК [1, 2] и реакции с биокатализаторами на основе ДНК [3, 4] (т.н. дезоксирибозимы или ДНКзимы – искусственно синтезируемые ДНК с большой биологической стабильностью и специфичными ферментативными свойствами).
Замещение нитей ДНК – это процесс, в котором две нити с частичной или полной комплементарностью гибридизуются друг с другом, при этом вытесняется одна или несколько предварительно гибридизированных нитей. В настоящее время на основе реакции замещения нитей ДНК предложены реализации логических [5] и аналоговых схем [7], а также нейронных сетей [6].
Скорость метода замещения нитей экспоненциально зависит от длины нити. На рис.2 показан механизм работы метода замещения нитей ДНК на примере построения двух цифровых логических вентилей (И и ИЛИ) [1]. Функция строится на трех функциональных элементах. Вентиль "качели" (входит в вентиль 2, 5 и 6) замещает свободную нить ДНК (x1 и x2) и высвобождает свою нить (работает медленно). Пороговый вентиль (входит в вентиль 5, работает быстро из-за наличия укороченной нити) содержит ДНК, взаимодействующую с входными нитями и преобразующими их в отходы реакции (параметр th задает концентрацию порогового вентиля). Выходной вентиль (вентиль 6) основан на механизме вентиля "качели" и содержит в себе родамин (флуоресцентную метку) и подавитель родамина. При наличии необходимой свободной нити подавитель (гаситель) замещается другой нитью и метка активируется. На выходе формируется оптический сигнал.
К достоинствам вычисления с использованием ДНК можно отнести способность выполнять большие параллельные вычисления с высокой селективностью и большой потенциал для схем малой мощности. К недостаткам можно отнести межмолекулярные взаимодействия на ДНК, которые, в силу своей природы, имеют фоновые и побочные реакции. Для их минимизации обычно используют низкие, наномолярные концентрации реагентов. Поскольку скорости реакции и, следовательно, время вычислений пропорциональны абсолютной концентрации реагентов, эти процессы выполняются медленно и могут длиться от нескольких часов до нескольких дней, что затрудняет их перевод в практические приложения [8].
Для решения проблемы "скорости" живые организмы используют молекулярные шаблоны, такие как цитоскелет, клеточные мембраны и белки-хабы для набора сетевых компонентов, тем самым повышая их эффективную концентрацию без увеличения общего количества молекул. Другие методы повышения кинетики замещений нитей ДНК основаны на использовании 38-го килодальтонного белка для восстановления и поддержания ДНК в качестве катализатора [8] и катионных сополимеров [9] для улучшения кинетики путем стабилизации комплексного образования. Недавно была предложена структура трехмерной треугольной призмы, обладающей, по мнению авторов, большей стабильностью по сравнению с обычной двойной нитью ДНК для метода замещения ДНК [10].
Область перспективных применений ДНК-вычислений очень обширна – от молекулярных машин, роботов и сетей, выполняющих бинарные операции и вычисления на молекулярном уровне, до полностью автономных систем, эмулирующих жизнеподобные функции.
Каталитические реакции на ДНК-системах функционально ограничены в разнообразии и эффективности и уступают белкам с точки зрения аффинности и разнообразия лигандов, которые ДНК может распознавать [11]. В то же время ферменты (белки, обладающие специфическими каталитическими свойствами) являются селективными и чувствительными рецепторами. Они известны как лучшие катализаторы, которые позволяют повысить скорость до 1017 раз по сравнению с некатализируемыми реакциями [12]. Вычисления на основе ферментов ограничены операциями нескольких логических вентилей, а сложность сети ограничена кросс-реактивностью ферментов и шумом [13].
Примером ферментативной системы (рис.4) является биомолекулярный логический чип (BioLogicChip) – концепт устройства, основанного на интеграции в чипе биомолекулярных вентилей с биосенсорной/актюаторной системой. Система содержит цифровой датчик глюкозы, гидрогелевый клапан с нагревательным элементом для высвобождения лекарственного средства из закрытого резервуара в микрожидкостном канале при сжатии гидрогеля, резервуар для лекарственного средства, датчик импеданса (для обнаружения сжатия гидрогеля) и датчик инсулина (для контроля высвобождения инсулина) [14]. Ферментативный логический вентиль активирует нагреватель и вызывает изменения гидрогеля. Гидрогель работает как клапан актюаторного механизма (открывает или закрывает резервуар) и может высвобождать инсулин для снижения уровня глюкозы. Датчик инсулина контролирует выделение инсулина (дозировку и время) и уровень глюкозы.
Объединение ферментативных и ДНК-вычислительных систем в цепи фермент-ДНК позволит реализовать (1) высокоселективное распознавание разнообразного спектра биологических молекул или маркеров болезней; (2) усиление каталитического сигнала; (3) массивную быструю и параллельную обработку данных и (4) комплексную обработку вычислительной информации для биологически создаваемых сигналов.
Смешанные вычислительные системы на основе ДНК и ферментов имеют функциональные ограничения на уровне свойств ферментов.
В ДНК-ферментативных смешанных вычислительных системах содержатся ферменты, действующие только непосредственно на ДНК, например ДНК-полимеразы, ДНК-лигазы, эндонуклеазы и т.д. Но ферменты, обрабатывающие ДНК, не могут обнаружить биомаркеры болезни в виде небольших биологических молекул сахара, белка и т. д. Биокомпьютерные системы, основанные на общих ферментах (не связанных с ДНК), успешно используются для логической обработки и бинарного распознавания различных комбинаций физиологических биомаркеров. Поэтому необходим более универсальный интерфейс для подключения ферментативного выходного сигнала с цепями обработки ДНК [15].
Большинство методов, используемых для считывания результатов вычислений, включают в себя использование зондов или комплексов для считывания, несущих флуоресцентные метки, что серьезно ограничивает возможности мультиплексирования и усложняет процесс измерения. Эти ограничения могут быть сняты в гибридных биоэлектронных системах, где биомолекулярные вычисления интегрированы с обычной электроникой через иммобилизацию ДНК-машин на поверхности электронных схем [16, 17].
Молекулы ДНК и белков являются основными структурными элементами молекулярных наносистем. В основе каждого значительного биологического процесса лежат наномоторы и машины молекулярного уровня: перевозящие грузы по клетке (кинезин), стимулирующие движение организмов (бактериальные жгутиковые двигатели), синтезирующие белки (рибосомы) и разделяющие нити ДНК (геликазы).
Молекулярные системы могут быть построены как на основе биологических систем, так и на основе макроскопических объектов небиологического происхождения, например, "молекулярный лифт" Стоддарта, "молекулярные поршни", "наноавтомобили" Тура и т. д. Нельзя однозначно сказать, какой из подходов будет использоваться для построения молекулярных систем в будущем.
В 1980-1990-х годах впервые изобрели способы создания механически взаимосвязанных искусственных молекулярных систем (катенаны – Жан-Пьер Соваж, ротаксаны – Джеймс Фрезер Стоддарт, молекулярный мотор – Бернард Лукас Феринга). В 2016 году этот коллектив получил Нобелевскую премию по химии за проектирование и синтез молекулярных машин. Они разработали молекулы, движением которых можно управлять.
Для реализации потенциала молекулярных систем необходимо решить несколько основных задач:
Необходимо создать химически управляемые автономные синтетические маломолекулярные системы.
Необходимо разработать системы с множеством интегрированных частей, где каждая маломолекулярная машина выполняет определенную роль.
Необходимо учитывать стохастическую природу молекулярной динамики. Биологические машины могут совершать "ошибки", в отличие от машин макроскопического мира.
Необходимо создать маломолекулярную "машину Тьюринга", то есть молекулярную машину, которая может считывать информацию из кодируемой символом молекулярной цепи.
В будущем на основе биомолекулярных систем можно будет создавать сложные системы "умных" материалов. А связывание электронных схем и биомолекулярных устройств может позволить создавать маломощные биосовместимые интеллектуальные системы для высокопараллельной и потенциально отказоустойчивой обработки информации [20].
За последние 20 лет исследовано и разработано огромное количество биомолекулярных систем на основе ДНК/РНК и ферментов/белков, однако пока не разработано подходов для создания универсальной биомолекулярной вычислительной машины подобной классическому компьютеру. Эти новые биомолекулярные системы находят свое применение в реальных биомедицинских приложениях (тераностика) [21]. Шаг за шагом человечество приближается к созданию сложных гетерогенных систем, в которых объединятся микроэлектронные, биохимические системы и умные материалы.
Статья подготовлена при финансовой поддержке Минобрнауки России в рамках выполнения государственного задания 16.12976.2018/8.9.
ЛИТЕРАТУРА / REFERENCES
Qian L., Winfree E. Scaling up digital circuit computation with DNA strand displacement cascades // Science. 2011. Т. 332. № 6034. С. 1196–1201.
Zhang D.Y., Seelig G. Dynamic DNA nanotechnology using strand-displacement reactions //Nature chemistry. 2011. Т. 3. № 2. С. 103.
Stojanovic M.N., Mitchell T.E., Stefanovic D. Deoxyribozyme-based logic gates //Journal of the American Chemical Society. 2002. Т. 124. № 14. С. 3555–3561.
Stojanovic M.N., Stefanovic D. A deoxyribozyme-based molecular automaton // Nature biotechnology. 2003. Т. 21. № 9. С. 1069.
Seelig G. et al. Enzyme-free nucleic acid logic circuits // Science. 2006. Т. 314. № 5805. С. 1585–1588.
Qian L., Winfree E., Bruck J. Neural network computation with DNA strand displacement cascades // Nature. 2011. Т. 475. № 7356. С. 368.
Song T. et al. Analog computation by DNA strand displacement circuits // AC. synthetic biology. 2016. Т. 5. № 8. С. 898–912.
Engelen W., Wijnands S.P.W., Merkx M. Accelerating DNA-based computing on a supramolecular polymer // Journal of the American Chemical Society. 2018. Т. 140. № 30. С. 9758–9767.
Shimada N. et al. DNA Computing Boosted by a Cationic Copolymer // Advanced Functional Materials. 2018. Т. 28. № 17. С. 1707406.
Peng R. et al. Engineering a 3D DNA-Logic Gate Nanomachine for Bispecific Recognition and Computing on Target Cell Surfaces // Journal of the American Chemical Society. 2018. Т. 140. № 31. С. 9793–9796.
Schlosser K., Li Y. Biologically inspired synthetic enzymes made from DNA // Chemistry & biology. 2009. Т. 16. № 3. С. 311–322.
Radzicka A., Wolfenden R. A proficient enzyme // Science. 1995. Т. 267. № 5194. С. 90–93.
Katz E., Privman V. Enzyme-based logic systems for information processing // Chemical Society Reviews. 2010. Т. 39. № 5. С. 1835–1857.
Molinnus D. et al. Coupling of biomolecular logic gates with electronic transducers: from single enzyme logic gates to Sense/Act/Treat chips // Electroanalysis. 2017. Т. 29. № 8. С. 1840–1849.
Mailloux S. et al. Bridging the two worlds: a universal interface between enzymatic and DNA computing systems // Angewandte Chemie International Edition. 2015. Т. 54. № 22. С. 6562–6566.
Frezza B.M., Cockroft S.L., Ghadiri M.R. Modular multi-level circuits from immobilized DNA-based logic gates // Journal of the American Chemical Society. 2007. Т. 129. № 48. С. 14875–14879.
Dunn K.E. et al. Assessing the potential of surface-immobilized molecular logic machines for integration with solid state technology // Biosystems. 2016. Т. 146. С. 3–9.
Erbas-Cakmak S. et al. Artificial molecular
machines // Chemical reviews. 2015. Т. 115.
№ 18. С. 10081–10206.
Zhirnov V.V., Cavin R.K. Future microsystems for information processing: limits and lessons from the living systems //IEEE Journal of the Electron Devices Society. 2013. Т. 1. № 2. С. 29–47.
Dunn K.E. et al. Towards a bioelectronic computer: A theoretical study of a multi-layer biomolecular computing system that can process electronic inputs // bioRxiv. 2018. С. 290775.
Tregubov A.A., Nikitin P.I., Nikitin M.P. Advanced Smart Nanomaterials with Integrated Logic-Gating and Biocomputing: Dawn of Theranostic Nanorobots // Chemical reviews. 2018.
Отзывы читателей
