打开APP

硬核!钱璐璐团队1个月不到2篇Nature

  1. DNA电路
  2. DNA神经网络

来源:iNature 2026-01-15 15:15

该研究表明热可以恢复无酶的DNA电路从平衡到非平衡状态。在加热和冷却过程中,具有强二级结构的核酸达到动力学捕获态,为后续计算提供能量。

新陈代谢使生命能够维持动态,并通过储存和消耗化学能与环境反复相互作用。人工分子机器面临的一个主要挑战是找到一种通用的能源,类似于生物有机体的ATP和机电机器的电力。

20多年前,DNA首次被用作驱动纳米机械装置和催化反应的燃料。然而,每个系统都需要不同的燃料序列,这阻止了DNA单独成为通用的能量来源。尽管付出了巨大的努力,仍然缺乏类似ATP或类似电的能量供应来维持不同的分子机器。

2025年10月1日,加州理工学院钱璐璐团队(宋天奇为第一作者)在Nature 在线发表题为Heat-rechargeable computation in DNA logic circuits and neural networks的研究论文,该研究表明热可以恢复无酶的DNA电路从平衡到非平衡状态。在加热和冷却过程中,具有强二级结构的核酸达到动力学捕获态,为后续计算提供能量。

热动力可重复使用分子电路的概念(图源自Nature )

该研究证明了复杂的逻辑电路和神经网络,涉及200多种不同的分子,可以在几分钟内对温度斜坡做出反应并重新充电,允许至少16轮不同顺序输入的计算。研究策略使不同的系统能够由相同的能源供电,而不会产生有问题的废物积累,从而确保长期稳定的性能。这种可扩展的方法支持无酶分子电路的持续运行,并为人工化学系统中的迭代计算和无监督学习等高级自主行为提供了机会。

另外,2025年9月3日,加州理工学院钱璐璐团队在Nature 在线发表题为Supervised learning in DNA neural networks的研究论文,该研究展示了DNA分子可以被编程为自主地在体外进行监督学习,系统学习从输入和期望响应的分子示例中执行模式分类。

学习权重(图源自Nature )

该研究展示了一个经过训练的DNA神经网络,可以对三组不同的100比特模式进行分类,将训练数据直接整合到分子浓度的记忆中,并使用这些记忆来处理后续的测试数据。该研究表明,分子电路可以学习比简单的适应性行为更复杂的任务。这为能够在从生物医学到软材料的各种物理系统中进行嵌入式学习和决策的分子机器打开了大门。

参考消息:

https://www.nature.com/articles/s41586-025-09570-2

https://www.nature.com/articles/s41586-025-09479-w

版权声明 本网站所有注明“来源:生物谷”或“来源:bioon”的文字、图片和音视频资料,版权均属于生物谷网站所有。非经授权,任何媒体、网站或个人不得转载,否则将追究法律责任。取得书面授权转载时,须注明“来源:生物谷”。其它来源的文章系转载文章,本网所有转载文章系出于传递更多信息之目的,转载内容不代表本站立场。不希望被转载的媒体或个人可与我们联系,我们将立即进行删除处理。

87%用户都在用生物谷APP 随时阅读、评论、分享交流 请扫描二维码下载->