In-molecule machine learning with microfluidic integrated DNA neural computing

Depuis des décennies, les scientifiques rêvent de construire des ordinateurs à partir des molécules mêmes qui constituent la vie. L'idée est d'utiliser l'ADN, le code chimique de l'hérédité, non seulement pour stocker l'information, mais aussi pour effectuer des calculs. Dans un ordinateur traditionnel, les puces en silicium traitent les données à lend de l'électricité. Dans un ordinateur moléculaire, les réactions chimiques traitent les données. Si elle réussit, un tel système pourrait analyser directement des échantillons biologiques, diagnostiquant peut-être une maladie en détectant des marqueurs génétiques spécifiques sans avoir besoin d'envoyer l'échantillon dans un laboratoire éloigné. Cependant, pendant longtemps, ces ordinateurs moléculaires sont restés bloqués dans un piège physique fondamental. Lorsque vous mélangez différents brins d'ADN dans un même récipient, ils se déplacent de manière aléatoire, s'entrechoquant par hasard. À mesure que le nombre de brins différents augmente, ils commencent à interférer les uns avec les autres, créant une soupe chaotique où les calculs prévus se perdent dans le bruit. Ce caractère aléatoire a maintenu l'informatique moléculaire à un niveau petit et simple, incapable de s'attaquer aux tâches complexes que l'intelligence artificielle moderne gère avec aisance.

Une équipe de chercheurs a maintenant trouvé un moyen de sortir de ce piège en changeant l'environnement où se produit la chimie. Au lieu de laisser les brins d'ADN flotter librement dans un grand bassin de liquide, ils ont piégé de minuscules gouttelettes de liquide, chacune contenant un ensemble spécifique d'instructions d'ADN, à l'intérieur d'une puce microscopique. Ils ont ensuite construit un système capable de déplacer ces gouttelettes avec la précision d'un bras robotique, mais à une échelle trop petite pour l'œil humain. En contrôlant exactement quelles gouttelettes se rencontrent et quand, les chercheurs ont transformé un mélange chimique chaotique en une machine structurée et programmable. Ce nouveau dispositif, qu'ils appellent circuit intégré microfluidique à codage ADN, a réussi à effectuer des tâches complexes de reconnaissance de formes, telles que l'identification de lettres et de chiffres écrits à la main, et a même diagnostiqué différents types de cancer à partir d'échantillons de sang humain. Ce travail démontre qu'il est possible de construire des systèmes intelligents à grande échelle en utilisant des molécules biologiques, à condition de pouvoir contrôler leur mouvement avec la même précision que celle utilisée par les ingénieurs pour les circuits électroniques.

Le cœur de cette percée réside dans la manière dont les chercheurs ont organisé les réactions chimiques. Par le passé, les scientifiques tentant de construire des ordinateurs moléculaires devaient mélanger tous leurs ingrédients dans un seul tube à essai. Cette approche, appelée réaction homogène, repose sur la diffusion, où les molécules errent de manière aléatoire jusqu'à trouver un partenaire. Bien que cela fonctionne pour des tâches simples, cela échoue lorsque le système devient important car les molécules commencent à interférer entre elles. Le nouveau système remplace ce tube à essai unique par un vaste réseau de compartiments minuscules et isolés. Les chercheurs ont créé une bibliothèque de « micro-puces moléculaires », qui sont des gouttelettes de liquide microscopiques, chacune contenant un composant d'ADN spécifique. Certaines gouttelettes contenaient les données d'entrée, d'autres les règles de calcul, et d'autres encore les parties nécessaires pour produire un signal visible. Ces micro-puces étaient stockées dans des réservoirs sur une puce spécialisée.

Pour faire fonctionner ces micro-pilles ensemble, les chercheurs ont utilisé une grille de minuscules électrodes sous la surface de la puce. En appliquant des signaux électriques à des électrodes spécifiques, ils pouvaient pousser, tirer et fusionner les gouttelettes avec une précision de l'ordre du nanolitre. Un nanolitre est une quantité de liquide incroyablement petite, environ la taille d'un grain de poussière. Ce contrôle électrique a permis au système d'agir comme une version fluidique d'une architecture informatique standard. Les réservoirs servaient de mémoire, stockant la bibliothèque de micro-puces. Les chambres de réaction agissaient comme le processeur, où les calculs chimiques avaient lieu. L'électronique externe servait de contrôleur, décidant de déplacer les gouttelettes et de quel moment. Cette configuration a permis aux chercheurs de compiler un programme informatique en une séquence de mouvements physiques. L'ordinateur récupérait les gouttelettes nécessaires, les transportait vers une chambre de réaction et les fusionnait pour effectuer un calcul spécifique, le tout sans que les molécules ne se perdent jamais dans un mélange chaotique.

En utilisant cette plateforme, l'équipe a démontré qu'elle pouvait construire un réseau neuronal, un type de programme informatique inspiré par le cerveau humain, entièrement à partir d'ADN. Ils ont assemblé un réseau contenant 144 neurones d'ADN distincts, qui étaient connectés par plus de 2 300 mouvements de gouttelettes individuels. Ce réseau était conçu pour reconnaître 36 symboles écrits à la main, incluant les chiffres de zéro à neuf et les lettres de l'alphabet. Lorsque les chercheurs ont alimenté le système avec des images de ces symboles, encodées par la présence ou l'absence de brins d'ADN spécifiques, le réseau a identifié correctement le caractère plus de 80 % du temps. Il s'agissait d'un bond en avant significatif, car cela montrait qu'un système moléculaire pouvait gérer la complexité d'un réseau de neurones convolutifs, un type d'algorithme d'apprentissage profond difficile à mettre en œuvre dans les systèmes chimiques traditionnels. Le succès reposait sur la capacité à maintenir les différentes parties du réseau isolées jusqu'au moment exact où elles devaient interagir, empêissant ainsi la diaphonie qui avait précédemment limité la taille de tels systèmes.

Au-delà de la reconnaissance de formes, les chercheurs ont montré que leur système pouvait apprendre et s'adapter. Ils ont programmé la puce pour effectuer un apprentissage supervisé, un processus où le système améliore ses performances en corrigeant ses propres erreurs. Dans cette expérience, le système a été entraîné pour distinguer trois formes écrites à la main différentes. Le processus consistait à ce que le système fasse une supposition, la compare à la réponse correcte, puis réorganise physiquement les connexions entre ses neurones d'ADN pour améliorer sa tentative suivante. Les chercheurs ont observé que le système pouvait ajuster ses poids internes, qui représentent la force des connexions entre les neurones, et finir par atteindre une précision de 100 % dans la reconnaissance des formes. Cela a démontré que la plateforme n'était pas seulement un calculateur statique, mais une machine dynamique capable d'auto-optimisation par reconfiguration physique.

L'application la plus immédiate de cette technologie est apparue dans le domaine du diagnostic médical. L'équipe a utilisé son ordinateur moléculaire pour analyser des échantillons cliniques de sérum sanguin afin de détecter et de classer différents types de cancer. Ils ont conçu un processus de décision en deux étapes. D'abord, une machine à vecteurs de support, un type d'algorithme utilisé pour la classification, déterminait si un échantillon provenait d'une personne saine ou d'un patient atteint de cancer. Si l'échantillon était identifié comme cancéreux, un second réseau neuronal déterminait le type spécifique de cancer, distinguant entre les cancers du poumon, du foie et de l'ovaire. Le système a été testé sur des échantillons de quinze patients et de cinq témoins sains. Il a correctement identifié le cancer dans 90 % des cas et a distingué avec précision le type de cancer spécifique dans 90 % des cas positifs. Le système a également montré une spécificité très élevée, identifiant correctement les échantillons sains comme étant sains dans la quasi-totalité des cas. Ces résultats suggèrent que cette technologie pourrait éventuellement être utilisée pour créer des dispositifs de diagnostic portables et automatisés capables d'analyser directement des échantillons biologiques complexes au point de soin.

La portée de ce travail dépasse les résultats spécifiques des expériences. Elle établit un nouveau cadre d'ingénierie pour l'informatique moléculaire qui sépare le matériel physique du programme logique. Dans l'informatique moléculaire traditionnelle, la conception du réseau chimique était étroitement liée au mélange physique, ce qui rendait la mise à l'échelle difficile. Dans ce nouveau système, le matériel est une plateforme réutilisable d'électrodes et de réservoirs, tandis que le « programme » est simplement un ensemble d'instructions indiquant à la machine quelles gouttelettes déplacer. Ce découplage signifie que le même dispositif physique peut être reprogrammé pour effectuer des tâches entièrement différentes, de la reconnaissance de l'écriture manuscrite au diagnostic de maladies, simplement en changeant le logiciel qui contrôle les mouvements des gouttelettes. Les chercheurs ont noté que les limites actuelles sont principalement liées à la densité des électrodes sur la puce, plutôt qu'aux interactions chimiques elles-mêmes, ce qui suggère que de nouvelles améliorations de la fabrication pourraient conduire à des ordinateurs moléculaires encore plus grands et plus complexes.

Cette approche répond également à un défi de longue date dans le domaine : l'incapacité à contrôler le timing et l'emplacement des interactions moléculaires. En confinant les réactions à des gouttelettes discrètes et en ne les déplaçant que lorsque cela est nécessaire, les chercheurs ont éliminé l'aléa qui avait entravé les tentatives précédentes. Le système fonctionne comme un processus hors équilibre, ce qui signifie qu'il est constamment piloté par une énergie externe pour maintenir sa structure et sa fonction, plutôt que de compter sur le dépôt passif des molécules. Ce contrôle actif permet un niveau de précision et de fiabilité auparavant inatteignable dans un contexte biologique. La capacité d'effectuer des millions d'opérations en parallèle, en utilisant des milliers de gouttelettes se déplaçant simultanément, ouvre la voie au traitement de l'information biologique à une échelle qui correspond à la complexité des systèmes vivants.

Les chercheurs envisagent un avenir où cette technologie sera intégrée à des modules automatisés pour l'extraction et l'amplification du matériel génétique à partir d'échantillons biologiques. Cela créerait un système en boucle fermée capable de prendre un échantillon brut, tel qu'une goutte de sang, et de fournir une réponse diagnostique sans aucune intervention humaine. Bien que le système actuel nécessite des équipements externes pour contrôler les électrodes et lire les résultats, les principes démontrés ici offrent une voie claire vers des biocapteurs intelligents et entièrement autonomes. Ce travail ne prétend pas avoir résolu tous les problèmes de l'informatique moléculaire, mais il a supprimé une barrière fondamentale qui empêchait le domaine de croître. En prouvant que des réseaux neuronaux complexes et de grande échelle peuvent être construits et contrôlés à l'aide de l'ADN et de la microfluidique, les chercheurs ont montré que le rêve de l'apprentissage automatique moléculaire n'est plus seulement une possibilité théorique, mais une réalité pratique.

Les implications pour la médecine et la biologie sont profondes. Si les ordinateurs moléculaires peuvent être rendus assez petits et peu coûteux, ils pourraient être intégrés directement dans des dispositifs médicaux ou même dans le corps lui-même pour surveiller la santé en temps réel. Ils pourraient détecter les signes les plus précoces de maladie en analysant les signatures chimiques des cellules, offrant un niveau de sensibilité que les capteurs électroniques actuels ne peuvent égaler. La capacité d'effectuer des calculs complexes directement sur les molécules biologiques signifie que l'analyse peut se produire dans l'environnement natif des données, éliminant ainsi le besoin de préparations d'échantillons chronophages et sujettes aux erreurs. Cela pourrait révolutionner la façon dont les maladies sont diagnostiquées et traitées, rendant la médecine de précision plus accessible et efficace.

En fin de compte, cette recherche représente un changement dans notre façon de concevoir l'informatique. Elle s'éloigne de l'idée que le calcul doit se produire dans le silicium et l'électricité, et embrasse la possibilité qu'il puisse se produire dans l'eau et l'ADN. Les chercheurs ont montré qu'en appliquant les principes du contrôle de l'ingénierie aux systèmes biologiques, nous pouvons exploiter la puissance des interactions moléculaires pour accomplir des tâches autrefois jugées impossibles. Le circuit intégré microfluidique à codage ADN n'est pas seulement un nouveau type d'ordinateur ; c'est une nouvelle façon de penser la relation entre la biologie et la technologie. Il suggère que l'avenir de l'informatique ne sera pas de construire des puces plus rapides, mais de construire des systèmes plus intelligents et plus adaptables qui peuvent interagir directement avec le monde vivant. Le passage d'un mélange chaotique de produits chimiques à une machine structurée et programmable est terminé, et la voie à suivre est désormais claire.