In-molecule machine learning with microfluidic integrated DNA neural computing

على مدى عقود، حلم العلماء ببناء حواسيب من الجزيئات التي تشكل الحياة نفسها. الفكرة هي استخدام الحمض النووي (DNA)، وهو الشفرة الكيميائية للوراثة، ليس فقط لتخزين المعلومات، بل لإجراء الحسابات أيضًا. في الحاسوب التقليدي، تعالج رقائق السيليكون البيانات باستخدام الكهرباء، أما في الحاسوب الجزيئي، فالتفاعلات الكيميائية هي التي تعالج البيانات. وإذا نجح الأمر، يمكن لنظام كهذا أن يحلل العينات البيولوجية مباشرة، وربما يشخص مرضًا عن طريق اكتشاف علامات جينية محددة دون الحاجة إلى إرسال العينة إلى مختبر بعيد. ومع ذلك، ظلّت هذه الحواسيب الجزيئية لفترة طويلة عالقة في فخ فيزيائي جوهري؛ فعندما تخلط خيوطًا مختلفة من الحمض النووي معًا في حاوية واحدة، فإنها تتحرك عشوائيًا وتتصادم ببعضها البعض بمحض الصدفة. ومع زيادة عدد الخيوط المختلفة، تبدأ في التداخل مع بعضها البعض، مما يخلق "حساءً" فوضويًا حيث تضيع الحسابات المنشودة في الضجيج. هذا العشوائية أبقت الحوسبة الجزيئية صغيرة وبسيطة، وغير قادرة على معالجة المهام المعقدة التي تتعامل معها الذكاء الاصطناعي الحديث بكل سهولة.

لقد وجد فريق من الباحثين الآن طريقة لكسر هذا الفخ من خلال تغيير البيئة التي تحدث فيها الكيمياء. فبدلاً من ترك خيوط الحمض النووي تطفو بحرية في بركة كبيرة من السائل، قاموا بحجز قطرات صغيرة من السائل، تحتوي كل منها على مجموعة محددة من تعليمات الحمض النووي، داخل شريحة مجهرية. ثم بنوا نظامًا يمكنه تحريك هذه القطرات بدقة ذراع روبوتية، ولكن على نطاق أصغر مما تراه العين البشرية. ومن خلال التحكم بدقة في أي القطرات تلتقي ومتى، حوّل الباحثون الخليط الكيميائي الفوضوي إلى آلة مهيكلة وقابلة للبرمجة. هذا الجهاز الجديد، الذي أطلقوا عليه اسم "الدائرة المتكاملة الموائع الدقيقة المشفرة بالحمض النووي"، نجح في تنفيذ مهام التعرف على الأنماط المعقدة، مثل تحديد الحروف والأرقام المكتوبة بخط اليد، بل وشخّص أنواعًا مختلفة من السرطان من عينات دم بشرية. يوضح هذا العمل أنه من الممكن بناء أنظمة ذكية واسعة النطاق باستخدام الجزيئات البيولوجية، بشرط أن تتمكن من التحكم في حركتها بنفس الدقة التي يستخدمها المهندسون في الدوائر الإلكترونية.

يكمن جوهر هذا الاختراق في كيفية تنظيم الباحثين للتفاعلات الكيميائية. في الماضي، كان العلماء الذين يحاولون بناء حواسيب جزيئية يضطرون لخلط جميع مكوناتهم في أنبوب اختبار واحد. هذا النهج، المعروف باسم "التفاعل المتجانس"، يعتمد على الانتشار، حيث تتجول الجزيئات عشوائيًا حتى تجد شريكًا. وبينما يعمل هذا في المهام البسيطة، فإنه يفشل عندما يكبر النظام لأن الجزيئات تبدأ في التداخل مع بعضها البعض. استبدل النظام الجديد هذا الأنبوب الواحد بمصفوفة واسعة من المقصورات الصغيرة المعزولة. فقد أنشأ الباحثون مكتبة من "الرقائق الجزيئية"، وهي قطرات مجهرية من السائل، تحتوي كل منها على مكون محدد من الحمض النووي. حملت بعض القطرات بيانات المدخلات، وأخرى حملت قواعد الحساب، وأخرى حملت الأجزاء اللاذازمة لإنتاج إشارة مرئية. تم تخزين هذه الرقائق في خزانات على شريحة متخصصة.

ولجعل هذه الرقائق تعمل معًا، استخدم الباحثون شبكة من الأقطاب الكهربائية الصغيرة تحت سطح الشريحة. ومن خلال تطبيق إشارات كهربائية على أقطاب محددة، استطاعوا دفع وسحب ودمج القطرات بدقة "النانولتر". والنانولتر هو كمية ضئيلة للغاية من السائل، تعادل حجم ذرة غبار تقريبًا. سمح هذا التحكم الكهربائي للنظام بأن يعمل كنسخة سائلة من بنية الحاسوب القياسية. كانت الخزانات بمثابة الذاكرة، حيث تخزن مكتبة الرقائق، بينما عملت غرف التفاعل كالمعالج، حيث تتم الحسابات الكيميائية، وكانت الإلكترونيات الخارجية تعمل كالمتحكم، الذي يقرر أي القطرات يجب تحريكها ومتى. سمح هذا الإعداد للباحثين بترجمة برنامج حاسوبي إلى تسلسل من الحركات الفيزيائية؛ حيث يقوم الحاسوب باستعادة القطرات اللازمة، ونقلها إلى غرفة التفاعل، ودمجها لإجراء حساب محدد، وكل ذلك دون أن تضيع الجزيئات أبدًا في خليط فوضوي.

باستخدام هذه المنصة، أظهر الفريق أنه بإمكانهم بناء شبكة عصبية، وهي نوع من برامج الحاسوب المستوحاة من الدماغ البشري، مكونة بالكامل من الحمض النووي. لقد قاموا بتجميع شبكة تحتوي على 144 عصبونًا من الحمض النووي المتميز، والتي تم ربطها بأكثر من 2300 حركة قطرة فردية. صُممت هذه الشبكة للتعرف على 36 رمزًا مختلفًا مكتوبًا بخط اليد، بما في ذلك الأرقام من صفر إلى تسعة والحروف الأبجدية. وعندما غدّى الباحثون النظام بصور لهذه الرموز، والتي تم ترميزها بوجود أو غياب خيوط حمض نووي محددة، نجحت الشبكة في تحديد الرمز الصحيح أكثر من 80 في المائة من المرات. كانت هذه قفزة نوعية، حيث أظهرت أن نظامًا جزيئيًا يمكنه التعامل مع تعقيد "الشبكة العصبية الالتفافية"، وهي نوع من خوارزميات التعلم العميق التي يصعب تنفيذها في الأنظمة الكيميائية التقليدية. اعتمد النجاح على القدرة على إبقاء الأجزاء المختلفة من الشبكة معزولة حتى اللحظة التي تحتاج فيها للتفاعل، مما منع التداخل الذي حد من حجم مثل هذه الأنظمة سابقًا.

بعيدًا عن التعرف على الأنماط، أظهر الباحثون أن نظامهم يمكنه التعلم والتكيف. فقد قاموا ببرمجة الشريحة لأداء "التعلم الخاضع للإشراف"، وهي عملية يتحسن فيها أداء النظام من خلال تصحيح أخطائه. في هذه التجربة، تم تدريب النظام للتمييز بين ثلاثة أشكال مختلفة مكتوبة بخط اليد. تضمنت العملية قيام النظام بتخمين، ومقارنة ذلك التخمين بالإجابة الصحيحة، ثم إعادة ترتيب الروابط بين عصبونات الحمض النووي الخاصة به فعليًا لتحسين محاولته التالية. لاحظ الباحثون أن النظام استطاع ضبط "أوزانه الداخلية"، التي تمثل قوة الروابط بين العصبونات، ووصل في النهاية إلى دقة 100 في المائة في التعرف على الأشكال. أثبت هذا أن المنصة لم تكن مجرد حاسبة ثابتة، بل آلة ديناميكية قادرة على التحسين الذاتي من خلال إعادة التشكيل الفيزيائي.

ظهر التطبيق الأكثر إلحاحًا لهذه التكنولوجيا في مجال التشخيص الطبي. استخدم الفريق حاسوبهم الجزيئي لتحليل عينات سريرية من مصل الدم للكشف عن أنواع مختلفة من السرطان وتصنيفها. صمموا عملية قرار من خطوتين: أولًا، تقوم "آلة ناقلات الدعم" (support vector machine)، وهي نوع من خوارزميات التصنيف، بتحديد ما إذا كانت العينة قادمة من شخص سليم أم من مريض مصاب بالسرطان. وإذا تم تحديد أن العينة سرطانية، تقوم شبكة عصبية ثانية بتحديد النوع المحدد للسرطان، والتمييز بين سرطان الرئة والكبد والمبيض. تم اختبار النظام على عينات من خمسة عشر مريضًا وخمسة ضوابط سليمة. وقد حدد النظام السرطان في 90 في المائة من الحالات وصنف نوع السرطان بدقة في 90 في المائة من الحالات الإيجابية. كما أظهر النظام خصوصية عالية جدًا، حيث حدد العينات السليمة كعينات سليمة في جميع الحالات تقريبًا. تشير هذه النتائج إلى أن التكنولوجيا يمكن أن تُستخدم في النهاية لإنشاء أجهزة تشخيص محمولة وآلية يمكنها تحليل العينات البيولوجية المعقدة مباشرة في موقع الرعاية الطبية.

تتجاوز أهمية هذا العمل النتائج المحددة للتجارب؛ فهي تؤسس إطارًا هندسيًا جديدًا للحوسبة الجزيئية يفصل بين الأجهزة الفيزيائية والبرنامج المنطقي. في الحوسبة الجزيئية التقليدية، كان تصميم الشبكة الكيميائية مرتبطًا ارتباطًا وثيقًا بالخليط الفيزيائي، مما جعل من الصعب توسيع النطاق. في هذا النظام الجديد، تعتبر الأجهزة منصة قابلة لإعادة الاستخدام من الأقطاب الكهربائية والخزانات، بينما "البرنامج" هو ببساطة مجموعة من التعليمات التي تخبر الآلة بأي القطرات يجب تحريكها. هذا الفصل يعني أن نفس الجهاز الفيزيائي يمكن إعادة برمجته لأداء مهام مختلفة تمامًا، من التعرف على الكتابة اليدوية إلى تشخيص المرض، بمجرد تغيير البرمجيات التي تتحكم في حركات القطرات. لاحظ الباحثون أن القيود الحالية تتعلق أساسًا بكثافة الأقطاب الكهربائية على الشريحة، وليس بالتفاعلات الكيميائية نفسها، مما يشير إلى أن التحسينات المستقبلية في التصنيع قد تؤدي إلى حواسيب جزيئية أكبر وأكثر تعقيدًا.

يعالج هذا النهج أيضًا تحديًا طويل الأمد في هذا المجال: عدم القدرة على التحكم في توقيت وموقع التفاعلات الجزيئية. ومن خلال حصر التفاعلات في قطرات منفصلة وتحريكها فقط عند الحاجة، ألغى الباحثون العشوائية التي عصفت بالمحاولات السابقة. يعمل النظام كعملية "غير متوازنة"، مما يعني أنه يتم دفعه باستمرار بواسطة طاقة خارجية للحفاظ على هيكله ووظيفته، بدلاً من الاعتماد على الاستقرار السلبي للجزيئات. هذا التحكم النشط يسمح بمستوى من الدقة والموثوقية لم يكن ممكناً في السابق في السياق البيولوجي. إن القدرة على إجراء ملايين العمليات بالتوازي، باستخدام آلاف القطرات التي تتحرك في وقت واحد، تفتح الباب لمعالجة المعلومات البيولوجية بمقياس يضاهي تعقيد الأنظمة الحية.

يتصور الباحثون مستقبلاً يتم فيه دمج هذه التكنولوجيا مع وحدات مؤتمتة لاستخراج وتضخيم المواد الوراثية من العينات البيولوجية. وهذا من شأنه أن يخلق نظامًا مغلق الحلقة قادرًا على أخذ عينة خام، مثل قطرة دم، وتقديم إجابة تشخيصية دون أي تدخل بشري. وبينما يتطلب النظام الحالي معدات خارجية للتحكم في الأقطاب الكهربائية وقراءة النتائج، فإن المبادئ الموضحة هنا توفر مسارًا واضحًا نحو مستشعرات بيولوجية ذكية ومستقلة تمامًا. لا يدعي هذا العمل أنه حل جميع مشابكات الحوسبة الجزيئية، لكنه أزال حاجزًا جوهريًا منع هذا المجال من النمو. ومن خلال إثبات إمكانية بناء شبكات عصبية معقدة واسعة النطلة والتحكم فيها باستخدام الحمض النووي والموائع الدقيقة، أظهر الباحثون أن حلم تعلم الآلة الجزيئي لم يعد مجرد إمكانية نظرية، بل أصبح واقعًا ملموسًا.

إن تداعيات هذا العمل على الطب وعلم الأحياء عميقة. فإذا أمكن جعل الحواسيب الجزيئية صغيرة ورخيصة بما يكفي، فيمكن دمجها مباشرة في الأجهزة الطبية أو حتى في الجسم نفسه لمراقبة الصحة في الوقت الفعلي. يمكنها اكتشاف العلامات المبكرة للمرض من خلال تحليل التوقيعات الكيميائية للخلايا، مما يوفر مستوى من الحساسية لا تستطيع المستشعرات الإلكترونية الحالية مضاهاته. إن القدرة على إجراء حسابات معقدة مباشرة على الجزيئات البيولوجية تعني أن التحليل يمكن أن يحدث في البيئة الأصلية للبيانات، مما يلغي الحاجة إلى تحضير العينات الذي يستغرق وقتًا طويلاً وعرضة للخطأ. قد يحدث هذا ثورة في كيفية تشخيص الأمراض وعلاجها، مما يجعل الطب الدقيق أكثر سهولة وكفاءة.

في النهاية، يمثل هذا البحث تحولًا في كيفية تفكيرنا في الحوسبة. فهو يبتعد عن فكرة أن الحوسبة يجب أن تحدث في السيليكون والكهرباء، ويتبنى إمكانية حدوثها في الماء والحمض النووي. لقد أظهر الباحثون أنه من خلال تطبيق مبادئ التحكم الهندسي على الأنظمة البيولوجية، يمكننا تسخير قوة التفاعلات الجزيئية لأداء مهام كانت تُعتبر ذات يوم مستحيلة. إن الدائرة المتكاملة الموائع الدقيقة المشفرة بالحمض النووي ليست مجرد نوع جديد من الحواسيب؛ بل هي طريقة جديدة للتفكير في العلاقة بين البيولوجيا والتكنولوجيا. إنها تشير إلى أن مستقبل الحوسبة قد لا يتعلق ببناء شرائح أسرع، بل ببناء أنظمة أكثر ذكاءً وقابلية للتكيف يمكنها التفاعل مباشرة مع العالم الحي. لقد اكتملت الرحلة من خليط كيميائي فوضوي إلى آلة مهيكلة وقابلة للبرمجة، وأصبح المسار نحو المستقبل واضحًا الآن.