Koeputki prosessorina: Kuinka DNA-molekyylit oppivat ratkaisemaan ongelmia

Artikkelissa seurataan DNA-laskennan kehitystä. Se alkaa restriktioentsyymistä EcoRI, joka leikkaa DNA:ta tietystä kuuden nukleotidin sekvenssistä, mikä osoittaa molekyylispesifisyyden. Leonard Adleman, Turing-palkinnon voittaja ja Etelä-Kalifornian yliopiston professori, oivalsi vuonna 1993, että entsymaattinen tunnistus ja toiminta muodostavat laskentaa. Vuonna 1994 hän julkaisi Science-lehdessä kokeen, jossa ratkaistiin Hamiltonin polun ongelma seitsemän kaupungin graafilla käyttäen DNA-molekyylejä: jokaiselle kaupungille määritettiin satunnainen 20-nukleotidin sekvenssi, ja tien molekyylit rakennettiin yhdistämään ne. Ligaatio ja polymeraasiketjureaktio suodattivat oikeat polut, ja vastaus saatiin noin viikossa. Qi Ouyangin (maksimaalinen klikki, 1997) ja Ravinderjit Braichin (täyttyvyysongelma 20 muuttujalla, 2002) jatkotyöt osoittivat menetelmän toimivuuden, mutta törmäsivät seinään: mahdollisten polkujen määrä kasvaa kertomafunktiona, joten 200 kaupungille tarvittava DNA-massa ylittäisi Maan massan 10^328 kertaa. Milan Stojanovicin MAYA-automaatti (2003) pelasi ristinollaa käyttäen DNA-entsyymejä, mutta kohina rajoitti piirit noin kymmeneen porttiin. DNA:n tallennuskapasiteetti sen sijaan oli erinomainen: Yaniv Erlichin ja Dina Zielinskin 'DNA-suihkulähde' tallensi 2,14 megatavua vuonna 2017, ja Lee Organickin työ vuonna 2018 saavutti satunnaispääsyn tiedostoihin 200 megatavun poolista. Biolääketieteessä juostekorvauspiirit mahdollistivat molekyyliset neuroverkot; Lulu Qianin ryhmä vuonna 2018 luokitteli MNIST-numeroita DNA-pohjaisella verkolla, jonka laskenta kesti kahdeksan tuntia per suoritus. Huolimatta siitä, että DNA ei kilpaile piin kanssa nopeudessa, se tarjoaa äärimmäisen tallennustiheyden ja kyvyn laskea elävien solujen sisällä.