Een reageerbuis als processor: hoe DNA-moleculen leerden problemen op te lossen

Het artikel schetst de ontwikkeling van DNA-computing. Het begint met het restrictie-enzym EcoRI, dat DNA knipt op een specifieke sequentie van zes nucleotiden, wat de moleculaire specificiteit demonstreert. Leonard Adleman, een winnaar van de Turing Award en hoogleraar aan de University of Southern California, realiseerde zich in 1993 dat enzymatische herkenning en actie een vorm van berekening vormen. In 1994 publiceerde hij een experiment in Science dat een Hamiltoniaans pad-probleem oploste met een graaf van zeven steden, gebruikmakend van DNA-moleculen: elke stad kreeg een willekeurige sequentie van 20 nucleotiden toebedeeld, en weg-moleculen werden geconstrueerd om deze te verbinden. Ligation en PCR filterden de juiste paden, wat het antwoord in ongeveer een week opleverde. Verder werk van Qi Ouyang (maximale clique, 1997) en Ravinderjit Braich (satisfiability met 20 variabelen, 2002) bewees de aanpak, maar stuitte op een muur: het aantal mogelijke paden groeit factorieel, dus voor 200 steden zou de benodigde DNA-massa de massa van de aarde met 10^328 keer overschrijden. Milan Stojanovic's MAYA-automaat (2003) speelde boter-kaas-en-eieren met behulp van DNAzymes, maar ruis beperkte circuits tot ongeveer tien poorten. DNA-opslag daarentegen blonk uit: Yaniv Erlich en Dina Zielinski's 'DNA-fontein' sloeg in 2017 2,14 megabyte op, en Lee Organick's werk uit 2018 bereikte willekeurige toegang tot bestanden uit een pool van 200 megabyte. In de biomedische wetenschap maakten strand displacement-circuits moleculaire neurale netwerken mogelijk; de groep van Lulu Qian classificeerde in 2018 MNIST-cijfers met een DNA-gebaseerd netwerk dat acht uur per berekening kostte. Ondanks dat het niet kan concurreren met silicium op het gebied van snelheid, biedt DNA een extreem hoge opslagdichtheid en de mogelijkheid om te rekenen in levende cellen.