Wetenschappers hebben kunstmatige intelligentie van DNA gemaakt

Maar... wacht. Wat? Als het van DNA gemaakt is, is het toch niet kunstmatig?

|
11 juli 2018, 9:57am

Dramatisering van wat er in die reageerbuizen gebeurt. Afbeelding: Shutterstock

Onderzoekers van Caltech hebben vorige week woensdag naar buiten gebracht dat zij een kunstmatig neuraal netwerk hebben gemaakt van synthetische DNA, dat cijfers die in moleculen gecodeerd zijn herkent. Dit is een nieuwe implementatie van het klassieke machine learning die laat zien hoe een computer gemaakt kan worden van de bouwstenen van het leven.

En dat is nogal bijzonder. Maar wat betekent het precies? Even voor de duidelijkheid: als het over kunstmatige intelligentie (KI) gaat, gaat niet over die superintelligente robots waar Hollywood zo dol op is. In plaats daarvan gaat het over machine learning: een klein onderdeel van de wereld van KI dat zich bezighoudt met de kunst en wetenschap van patroonherkenning.

De meest vooruitstrevende ontwikkelingen in machine learning maken gebruik van kunstmatige neurale netwerken. Dat zijn computer die veel weghebben van hoe menselijke hersenen werken. Deze neurale netwerken wordt met behulp van een boel data geleerd hoe ze een opdracht moeten uitvoeren; soms helpen mensen de algoritmes leren, maar soms ook niet.

Dat is ook ongeveer wat onderzoekers van Caltech-universiteit hebben ontworpen. Maar in plaats van chips en transistors, hebben ze DNA en reageerbuizen gebruikt als de hardware voor hun netwerk.

DNA is samengesteld uit vier basisnucleotiden: adenine (A), cytosine (C), guanine (G) en thymine (T). Strengen van deze nucleotiden vormen samen met andere nucleotidestrengen die kenmerkende dubbele helixvorm. Maar dit gebeurt alleen bij specifieke combinaties (A-T of C-G). Door dit voorspelbare patroon zijn deze strengen ideaal om computers mee te maken die reageren met allerlei verschillende moleculen.

De Caltech-onderzoekers hebben hun DNA-computer gebruikt voor een klassieke test in de wereld van het computeronderzoek: een algoritme leren hoe het handgeschreven nummers moet herkennen. Dit is niet makkelijk voor een computer, omdat niemand hetzelfde handschrift heeft en niemand het getal vier altijd op dezelfde manier schrijft. Mensen kunnen van nature gemakkelijk overeenkomsten in verschillende versies van een handgeschreven vier zien, maar machines hebben die biologische luxe niet.

Nadat de onderzoekers het neurale netwerk een enorme berg handgeschreven voorbeelden van het getal vier had laten zien, is het gelukt om het algoritme te ‘leren’ wat de eigenschappen van het getal vier zijn. De volgende keer dat het algoritme iets wat op een vier lijkt ziet, zal het dit vergelijken met de abstracte representaties van het getal vier en als het hiermee overeen komt, zal het algoritme daaruit op kunnen maken dat het ook echt een vier is.

Biotechnicus Lulu Qian heeft in 2011 als het eerste kunstmatige neurale netwerk van DNA gemaakt. Alleen herkende dat netwerk maar een paar patronen. Met het netwerk van Caltech heeft Kevin Cherry, een van Qians promovendi, aanzienlijke vooruitgangen geboekt met deze techniek door het toe te passen op het herkennen van handgeschreven ‘moleculaire getallen’. Elk moleculaire getal was gebaseerd op een handgeschreven getal dat zich vertaalde in een 20-bits-patroon op een raster van 100-bit (10 bij 10 vakjes). Elke bit op het netwerk werd weergegeven door een DNA-molecuul, en al deze moleculen kregen een plaats toegewezen op het raster van 10 bij 10 vakjes, voordat ze in een reageerbuis werden samengevoegd.

Als alle DNA in die reageerbuis zitten lijkt niet op een rooster – ze zijn allemaal door elkaar gehusseld – waardoor de plaats van elk molecuul op het raster wordt bepaald door de concentratie van elke molecuul in de reageerbuis. Het neurale net bestond dus uit een DNA-streng die alleen specifieke reacties produceerde als in de reageerbuis de 20 DNA-moleculen in de juiste concentratie aanwezig waren. Hierdoor ontstond dan het juiste getal op het rooster.

Voorbeelden van handgeschreven zessen en zevens op een raster. Elk pixeltje hangt samen met een molecuul dat in de juiste concentratie aanwezig moet zijn. Afbeelding: Nature

Cherry begon zijn experiment door een neuraal netwerk te bouwen dat handgeschreven zessen en zevens van elkaar kon onderscheiden. Hij testte het netwerk met 36 verschillende handgeschreven versies van dezelfde getallen en met elk getal lukte het het neurale DNA-netwerk om ze te herkennen. Cherry gebruikte een ‘winner take all’-benadering om het neurale DNA-net getallen van elkaar te laten onderscheiden door een kunstmatig ‘annihilator’-molecuul te maken.

“De annihilator vormt een complexe verbinding met één molecuul van een concurrent samen met één molecuul van een andere concurrenten en reageert om een een inerte, niet-reactieve soort te vormen,” zegt Cherry. “De annihilator eet snel alle concurrerende moleculen op tot er nog maar één concurrent overblijft. Van deze winnende molecuul wordt dan weer een grotere concentratie gemaakt die een fluorescerend signaal produceert om zo de beslissingen van het netwerk te laten zien.”

Door deze winner take all-benadering kan het neurale netwerk onderscheid maken tussen de getallen van één tot en met negen in die DNA-soep. Na de chemische reactie ontstonden er twee fluorescerende signalen in de reageerbuis, die aangeven voor welk getal het stofje in de buis stond. De kleuren fluorescerend groen en geel stonden bijvoorbeeld voor getal vijf, en groen en rood voor het getal negen.

Cherry en Qian hopen dat er in de toekomst een geheugenfunctie aan hun neurale netwerk toe kan worden gevoegd en dat het gebruikt kan worden om betere medische tests te ontwikkelen.

“Huidige medische tests detecteren de aanwezigheid van een paar biologische moleculen, bijvoorbeeld cholesterol of bloedsuiker,” zegt Cherry. “Door het gebruik van geavanceerde biomoleculaire computersystemen als die van ons, kunnen diagnostische instrumenten ooit op honderden verschillende moleculen testen.”

Volg Motherboard op Facebook, Twitter en Flipboard.