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

sitemap
Наш сайт использует cookies. Продолжая просмотр, вы даёте согласие на обработку персональных данных и соглашаетесь с нашей Политикой Конфиденциальности
Согласен
Поиск:

Вход
Архив журнала
Журналы
Медиаданные
Редакционная политика
Реклама
Авторам
Контакты
TS_pub
technospheramag
technospheramag
ТЕХНОСФЕРА_РИЦ
© 2001-2025
РИЦ Техносфера
Все права защищены
Тел. +7 (495) 234-0110
Оферта

Яндекс.Метрика
R&W
 
 
Вход:

Ваш e-mail:
Пароль:
 
Регистрация
Забыли пароль?
Книги по нанотехнологиям
Вильнав Ж.-Ж.
Другие серии книг:
Мир материалов и технологий
Библиотека Института стратегий развития
Мир квантовых технологий
Мир математики
Мир физики и техники
Мир биологии и медицины
Мир химии
Мир наук о Земле
Мир электроники
Мир программирования
Мир связи
Мир строительства
Мир цифровой обработки
Мир экономики
Мир дизайна
Мир увлечений
Мир робототехники и мехатроники
Для кофейников
Мир радиоэлектроники
Библиотечка «КВАНТ»
Умный дом
Мировые бренды
Вне серий
Библиотека климатехника
Мир транспорта
Мир фотоники
Мир станкостроения
Мир метрологии
Мир энергетики
Книги, изданные при поддержке РФФИ
Выпуск #7-8/2018
Д.Рязанцев, Е.Кузнецов
Биомолекулярный компьютер: современное состояние и направления развития
Просмотры: 3355
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
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.
 
 Отзывы читателей
Разработка: студия Green Art