In-molecule machine learning with microfluidic integrated DNA neural computing

Durante décadas, los científicos han soñado con construir computadoras a partir de las mismas moléculas que componen la vida. La idea es utilizar el ADN, el código químico de la herencia, no solo para almacenar información, sino para realizar cálculos. En una computadora tradicional, los chips de silicio procesan datos utilizando electricidad. En una computadora molecular, las reacciones químicas procesan los datos. Si tiene éxito, tal sistema podría analizar muestras biológicas directamente, quizás diagnosticando una enfermedad mediante la detección de marcadores genéticos específicos sin necesidad de enviar la muestra a un laboratorio distante. Sin embargo, durante mucho tiempo, estas computadoras moleculares han estado atrapadas en una trampa física fundamental. Cuando se mezclan diferentes hebras de ADN en un solo contenedor, estas se mueven aleatoriamente, chocando entre sí por azar. A medida que aumenta el número de hebras diferentes, comienzan a interferir entre sí, creando una sopa caótica donde los cálculos previstos se pierden en el ruido. Este carácter aleatorio ha mantenido a la computación molecular pequeña y simple, incapaz de abordar las tareas complejas que la inteligencia artificial moderna maneja con facilidad.

Un equipo de investigadores ha encontrado ahora una forma de salir de esta trampa cambiando el entorno donde ocurre la química. En lugar de dejar que las hebras de ADN floten libremente en un gran estanque de líquido, atraparon diminutas gotas de líquido, cada una con un conjunto específico de instrucciones de ADN, dentro de un chip microscópico. Luego construyeron un sistema que podía mover estas gotas con la precisión de un brazo robótico, pero a una escala demasiado pequeña para el ojo humano. Al controlar exactamente qué gotas se encuentran y cuándo, los investigadores convirtieron una mezcla química caótica en una máquina estructurada y programable. Este nuevo dispositivo, al que llaman circuito integrado microfluídico codificado por ADN, realizó con éxito tareas complejas de reconocimiento de patrones, como identificar letras y números escritos a mano, e incluso diagnosticó diferentes tipos de cáncer a partir de muestras de sangre humana. El trabajo demuestra que es posible construir sistemas inteligentes a gran escala utilizando moléculas biológicas, siempre que se pueda controlar su movimiento con la misma precisión que los ingenieros utilizan para los circuitos electrónicos.

El núcleo de este avance reside en cómo los investigadores organizaron las reacciones químicas. En el pasado, los científicos que intentaban construir computadoras moleculares tenían que mezclar todos sus ingredientes en un solo tubo de ensayo. Este enfoque, conocido como reacción homogénea, depende de la difusión, donde las moléculas vagan aleatoriamente hasta encontrar una pareja. Si bien esto funciona para tareas simples, falla cuando el sistema crece porque las moléculas comienzan a interferir entre sí. El nuevo sistema reemplaza este único tubo de ensayo con una vasta matriz de compartimentos diminutos y aislados. Los investigadores crearon una biblioteca de "microchips moleculares", que son gotas microscópicas de líquido, cada una con un componente de ADN específico. Algunas gotas contenían los datos de entrada, otras las reglas para el cálculo y otras las partes necesarias para producir una señal visible. Estos microchips se almacenaban en depósitos en un chip especializado.

Para hacer que estos microchips trabajen juntos, los investigadores utilizaron una rejilla de diminutos electrodos debajo de la superficie del chip. Al aplicar señales eléctricas a electrodos específicos, podían empujar, tirar y fusionar las gotas con precisión de nanolitros. Un nanolitro es una cantidad de líquido increíblemente pequeña, aproximadamente del tamaño de una mota de polvo. Este control eléctrico permitió que el sistema actuara como una versión fluídica de la arquitectura de una computadora estándar. Los depósitos servían como memoria, almacenando la biblioteca de microchips. Las cámaras de reacción actuaban como el procesador, donde se llevaban a cabo los cálculos químicos. La electrónica externa servía como el controlador, decidiendo qué gotas mover y cuándo. Esta configuración permitió a los investigadores compilar un programa de computadora en una secuencia de movimientos físicos. La computadora recuperaría las gotas necesarias, las transportaría a una cámara de reacción y las fusionaría para realizar un cálculo específico, todo sin que las moléculas se perdieran nunca en una mezcla caótica.

Utilizando esta plataforma, el equipo demostró que podía construir una red neuronal, un tipo de programa informático inspirado en el cerebro humano, enteramente a partir de ADN. Ensamblaron una red que contenía 144 neuronas de ADN distintas, las cuales estaban conectadas por más de 2,300 movimientos de gotas individuales. Esta red fue diseñada para reconocer 36 símbolos escritos a mano diferentes, incluyendo los números del cero al nueve y las letras del alfabeto. Cuando los investigadores alimentaron el sistema con imágenes de estos símbolos, codificadas como la presencia o ausencia de hebras de ADN específicas, la red identificó correctamente el carácter más del 80 por ciento de las veces. Este fue un salto significativo, ya que demostró que un sistema molecular podía manejar la complejidad de una red neuronal convolucional, un tipo de algoritmo de aprendizaje profundo que es difícil de implementar en sistemas químicos tradicionales. El éxito dependió de la capacidad de mantener las diferentes partes de la red aisladas hasta el momento exacto en que debían interactuar, evitando la interferencia que anteriormente había limitado el tamaño de tales sistemas.

Más allá del reconocimiento de patrones, los investigadores demostraron que su sistema podía aprender y adaptarse. Programaron el chip para realizar un aprendizaje supervisado, un proceso en el que el sistema mejora su rendimiento corrigiendo sus propios errores. En este experimento, el sistema fue entrenado para distinguir entre tres formas escritas a mano diferentes. El proceso consistió en que el sistema hiciera una suposición, comparara esa suposición con la respuesta correcta y luego reconfigurara físicamente las conexiones entre sus neuronas de ADN para mejorar su siguiente intento. Los investigadores observaron que el sistema podía ajustar sus pesos internos, que representan la fuerza de las conexiones entre neuronas, y finalmente alcanzar una precisión del 100 por ciento en el reconocimiento de las formas. Esto demostró que la plataforma no era solo una calculadora estática, sino una máquina dinámica capaz de la autooptimización mediante la reconfiguración física.

La aplicación más inmediata de esta tecnología apareció en el campo del diagnóstico médico. El equipo utilizó su computadora molecular para analizar muestras clínicas de suero sanguíneo para detectar y clasificar diferentes tipos de cáncer. Diseñaron un proceso de decisión de dos pasos. Primero, una máquina de vectores de soporte, un tipo de algoritmo utilizado para la clasificación, determinó si una muestra provenía de una persona sana o de un paciente con cáncer. Si la muestra era identificada como cancerosa, una segunda red neuronal determinaba el tipo específico de cáncer, distinguiendo entre cáncer de pulmón, de hígado y de ovario. El sistema fue probado en muestras de quince pacientes y cinco controles sanos. Identificó correctamente el cáncer en el 90 por ciento de los casos y distinguió con precisión el tipo específico de cáncer en el 90 por ciento de los casos positivos. El sistema también mostró una especificidad muy alta, identificando correctamente las muestras sanas como sanas en casi todos los casos. Estos resultados sugieren que la tecnología podría utilizarse eventualmente para crear dispositivos de diagnóstico portátiles y automatizados que puedan analizar muestras biológicas complejas directamente en el punto de atención.

La importancia de este trabajo se extiende más allá de los resultados específicos de los experimentos. Establece un nuevo marco de ingeniería para la computación molecular que separa el hardware físico del programa lógico. En la computación molecular tradicional, el diseño de la red química estaba estrechamente ligado a la mezcla física, lo que dificultaba su escalabilidad. En este nuevo sistema, el hardware es una plataforma reutilizable de electrodos y depósitos, mientras que el "programa" es simplemente un conjunto de instrucciones que le dicen a la máquina qué gotas mover. Este desacoplamiento significa que el mismo dispositivo físico puede ser reprogramado para realizar tareas completamente diferentes, desde reconocer la escritura a mano hasta diagnosticar enfermedades, simplemente cambiando el software que controla los movimientos de las gotas. Los investigadores señalaron que las limitaciones actuales se relacionan principalmente con la densidad de los electrodos en el chip, más que con las interacciones químicas en sí, lo que sugiere que las mejoras adicionales en la fabricación podrían conducir a computadoras moleculares aún más grandes y complejas.

Este enfoque también aborda un desafío de larga data en el campo: la incapacidad de controlar el tiempo y la ubicación de las interacciones moleculares. Al confinar las reacciones en gotas discretas y moverlas solo cuando es necesario, los investigadores eliminaron la aleatoriedad que había plagado los intentos anteriores. El sistema opera como un proceso fuera del equilibrio, lo que significa que es impulsado constantemente por energía externa para mantener su estructura y función, en lugar de depender del asentamiento pasivo de las moléculas. Este control activo permite un nivel de precisión y confiabilidad que antes era inalcanzable en un contexto biológico. La capacidad de realizar millones de operaciones en paralelo, utilizando miles de gotas que se mueven simultáneamente, abre la puerta al procesamiento de información biológica a una escala que coincida con la complejidad de los sistemas vivos.

Los investigadores vislumbran un futuro en el que esta tecnología se integre con módulos automatizados para la extracción y amplificación de material genético de muestras biológicas. Esto crearía un sistema de bucle cerrado capaz de tomar una muestra bruta, como una gota de sangre, y entregar una respuesta diagnóstica sin ninguna intervención humana. Aunque el sistema actual requiere equipos externos para controlar los electrodos y leer los resultados, los principios demostrados aquí proporcionan un camino claro hacia biosensores inteligentes y totalmente autónomos. El trabajo no pretende haber resuelto todos los problemas de la computación molecular, pero ha eliminado una barrera fundamental que había impedido el crecimiento del campo. Al demostrar que se pueden construir y controlar redes neuronales grandes y complejas utilizando ADN y microfluídica, los investigadores han demostrado que el sueño del aprendizaje automático molecular ya no es solo una posibilidad teórica, sino una realidad práctica.

Las implicaciones para la medicina y la biología son profundas. Si las computadoras moleculares pueden hacerse lo suficientemente pequeñas y económicas, podrían integrarse directamente en dispositivos médicos o incluso en el propio cuerpo para monitorear la salud en tiempo real. Podrían detectar los signos más tempranos de enfermedad analizando las firmas químicas de las células, ofreciendo un nivel de sensibilidad que los sensores electrónicos actuales no pueden igualar. La capacidad de realizar cálculos complejos directamente sobre moléculas biológicas significa que el análisis puede ocurrir en el entorno nativo de los datos, eliminando la necesidad de una preparación de muestras lenta y propensa a errores. Esto podría revolucionar la forma en que se diagnostican y tratan las enfermedades, haciendo que la medicina de precisión sea más accesible y eficiente.

En última instancia, esta investigación representa un cambio en nuestra forma de entender la computación. Se aleja de la idea de que la computación debe ocurrir en el silicio y la electricidad, y abraza la posibilidad de que pueda ocurrir en el agua y el ADN. Los investigadores han demostrado que, aplicando los principios de control de ingeniería a los sistemas biológicos, podemos aprovechar el poder de las interacciones moleculares para realizar tareas que antes se consideraban imposibles. El circuito integrado microfluídico codificado por ADN no es solo un nuevo tipo de computadora; es una nueva forma de pensar sobre la relación entre la biología y la tecnología. Sugiere que el futuro de la computación puede no tratarse de construir chips más rápidos, sino de construir sistemas más inteligentes y adaptables que puedan interactuar directamente con el mundo vivo. El viaje desde una mezcla caótica de productos químicos hacia una máquina estructurada y programable se ha completado, y el camino a seguir es ahora claro.