近年来，人工智能的快速发展离不开神经网络算法的支撑。然而，电子计算在能效和并行处理方面存在瓶颈，尤其是内存与计算单元分离导致的能耗问题日益突出。在这一背景下，DNA计算因其高能效、高并行性和分子级信息处理能力，成为下一代计算模式的有力竞争者。

DNA神经网络：用分子搭建的“微型大脑”

想象一下，我们能用生命的遗传分子——DNA，在试管里搭建一个微型的“大脑”，让它能像人脑一样识别图案、做出决策。这就是DNA神经网络，一个融合了生物学与计算机科学的前沿领域。

1. 灵感来源：生物大脑

传统人工智能（AI）的运行依赖于硅基芯片和电流信号。而DNA神经网络的灵感，直接来源于我们的大脑。

大脑如何工作：大脑由无数神经元相互连接而成。每个神经元从其他神经元接收化学信号（输入），进行加权汇总。如果总信号超过某个阈值，这个神经元就会“激活”，向其他神经元发出信号（输出）。

2. DNA神经网络：用分子模拟这个过程

DNA神经网络的核心思想是：用DNA分子和它们的化学反应，来模拟大脑中神经元的计算过程。

硬件替换：将电子硬件和软件代码，替换为DNA单链/双链和链置换反应。

信号编码：信息不再由0和1的电流表示，而是由特定DNA序列的有无或浓度来表示。

计算过程：DNA链之间的特异性杂交和置换反应，就像神经元之间的信号传递。

为什么需要非互补DNA设计？

传统的DNA计算严重依赖于完美的碱基互补配对（A-T, C-G）。这种配对非常牢固，但往往意味着反应是不可逆的——就像搭积木时用了超强胶水，一旦搭好就很难拆开重用。

近日，西湖大学研究团队，在国际化学顶级期刊《Journal of the American Chemical Society》 上发表了题为 《Reusable Noncomplementary DNA-Based Neural Network》 的重要研究成果，首次成功构建了可重复使用的DNA神经网络，为分子人工智能的发展迈出了关键一步。

西湖大学团队开创性地提出了“非互补DNA感知器” 的设计理念：

• 可逆计算：通过在DNA双链中引入特定错配，使链置换反应变得可逆，神经网络在完成计算后可恢复初始状态。
• “赢家通吃”决策：引入“歼灭链”放大微弱信号差异，实现清晰的分子级决策。
• 可移除输入：创新性地使用脂质-寡核苷酸缀合物作为输入链，利用其极性差异，在计算后通过简易色谱技术将输入链从网络中物理移除，从而实现了整个神经网络系统的重复使用。

他们采用的 “非互补”设计，故意在DNA双链中引入一些“错配”（就像积木的卡扣不那么严丝合缝），使得整个反应变得可逆。计算完成后，通过简单操作就能让系统“恢复原样”，从而实现重复使用，这是实现分子“学习”功能的关键一步。

泓迅生物，助力前沿科研

DNA神经网络，本质上是利用DNA分子作为“硬件”，通过模拟大脑的计算原理，在微观尺度上构建的一种信息处理系统。旨在用生命的语言，实现机器的智能。

DNA神经网络对链序列的精确性和纯度有极高要求，任何偏差都可能导致计算错误。泓迅生物凭借先进的合成与纯化平台，确保了每一条DNA链的准确性与可靠性，为实验的可重复性和成功提供了坚实保障。

泓迅生物拥有先进的寡核苷酸合成平台，为全球的科研和工业客户提供高质量的引物合成与修饰、定制化qPCR探针、Trimer引物、NGS应用引物、基因编辑应用引物等服务。

• IS0 9001和ISO 13485质量管理体系标准
• 平均突变率低于1/1000
• 200+修饰/标记类型
• 常规引物24h内发货

「发文有奖」活动仍在继续！

泓迅生物一直致力于成为全球科学家最值得信赖的研发伙伴。我们欣喜地看到，又一位信任我们的客户取得了骄人的科研硕果。

如果您也正在从事前沿生命科学研究，并使用了泓迅生物的产品或服务，欢迎您参与我们的“发文有奖”活动！

下一篇顶刊，也许就是你的！

发文有奖，我们在泓迅等你！

Sun C, Liu X, Zhong J, Zhou Q, Cheng J. Reusable Noncomplementary DNA-Based Neural Network. J Am Chem Soc. 2025 Sep 24;147(38):34339-34349. doi: 10.1021/jacs.5c04886.

为什么选择泓迅

领先的技术优势—AI赋能的合成生物学技术

我们可以做—高难度的序列合成

更高的价值服务—一站式合成生物学解决方案