生物分子与计算机

生物分子与计算机

计算机发展的最高目标是高速度、高效率、多功能与产业化，这决定了计算机巨型化和微型化的两大发展趋势。要实现这些目标，在技术上必须增加逻辑单元数目，要求用作逻辑单元的半导体元件进一步微型化，按这一趋势发展，大约到2030年单个逻辑门的大小就会接近分子水平，此时芯片上各种组件的尺寸是如此之小，量子效应将干扰它们的功能，这是阻碍半导体芯片微型化的潜在物理因素。另一方面，经济因素的制约也不可忽视，芯片尺寸每缩小一倍，生产成本则要增加五倍，同时高精度的光刻技术达到一定限度也无能为力。这些经济及物理学方面的制约因素将使现有芯片计算机发展中的巨型化和微型化进程走向终结，取而代之的将是另一类借助于生物大分子进行信息处理的新型计算机，它的研究成功并推广应用将为现代计算机更新换代提供更为经济的途径，同时还将促进相关学科与高新技术的迅猛发展及人类文明社会的全面进步。

生命体经过上亿万年的生存竞争和适应进化，炼就了一整套适应自然的物理化学机制，同时也极具信息处理能力。一方面，生物分子是优良的信息处理材料，每一生物大分子本身就是一个微型处理器，分子运动过程中以可预测方式进行状态变化，其原理类似于计算机的逻辑开关，以此来设计计算机，是一非常奇妙的设想，如萨罗克斯大学的贝格正考虑应用细菌视紫红质蛋白分子设计、制造计算机的潜能。另一方面，有机体是解决问题的专家，它进行信息处理的计算技术（分子算法）会令最好的计算程序自愧不如。最近美国南加州大学艾德门博士应用基于DNA分子计算技术的生物实验方法有效地求解了“哈密顿路径问题”——目前计算机无法解决的问题。生物分子计算机的研制是基于生物分子的信息处理技术，即生物材料的信息处理功能与生物分子的计算技术。

目前科学家正考虑应用几种生物分子制造计算机的组件，其中细菌视紫红质（一种光合细菌的色素蛋白）最具前景，这是嗜盐菌紫色细胞膜中分子量为26000道尔顿的光捕获蛋白质。早在20世纪70年代初期，人们就发现这种蛋白质分子的光学异常特性，即受到光照时，可发生结构变化。这种生物材料令人惊奇的稳定性及其较好的热、光和物理化学特性可用于制造各种不同的信息存储与处理系统。前苏联科学家奥其尼可夫认识到这种生物材料用于信息处理的潜能，曾组织一批来自五个不同研究领域的科学家进行生物电子装置研究。后据情报透露，前苏联军方曾用视紫红质制造缩微胶片、光学数据处理机和军用雷达处理机。

计算机科学发展过程中，硬件方面追求微型化，以便经济地制造大量存储器和效率处理器，而软件方面的发展则一直寻求更为先进的算法。现今电子计算机确实能够进行比人类快得多与更为精确的计算，然而在理解、操作、自我修正、思维与感觉等非数值计算过程中，计算机远不及人类大脑等生物体系，为寻求更为先进的算法，人类将注意力转向生物分子的计算技术。早在1937年，特瑞就提出了“算法”酶的构想，即个别酶分子本身就是一个自动机。它们能够结合成系统，去模拟一个非常基本的原生细胞，而这类细胞可由简单字符串代表的30～40个算法酶构成和操作。随后分化衍生了一系列研究，先后发现种类繁多的生物算法，其中包括通过类比基本生物现象而研究成功的自动机模型，如神经网络（阈限自动机）、免疫网络（希尔自动机）、细胞自动机等。这些自动机模型的基本特征是集体计算，在模拟、模式识别等非数值计算领域有极大潜力。以生物智能为基础的仿生算法，目前最为成功的是进化算法，包括遗传算法、进化规划与进化策略等三个方面，集中体现了达尔文进化论的竞争选择、适者生存的基本思想，把复制、突变、杂交选择等操作引入算法，在优化问题的求解方面独树一帜。

DNA计算机的实质就是DNA分子计算技术的化学实现，即将经过编码后的DNA链作为输入，在试管内经一定时间完成控制的生物化学反应，以此完成运算，反应产物及溶液给出全部解空间。90年代末，这方面的研究取得了突破性进展，美国南加州大学的艾得门博士用生化实验方法，有效地求解了哈密顿路径问题：给定一个“城市”的集合及这些城市之间的有向路径，寻找一条从某一确定城市开始，到某一确定城市结束，并且其他每个城市必须恰好被访问一次的定向旅游路线。哈密顿路径问题已被证明是难于计算的数学问题，其求解过程可“公式”化为一个“搜寻”问题。艾得门博士通过基于DNA分子计算技术的生化实验方法有效求解“哈密顿路径问题”的基本过程是以DNA序列作为信息编码的载体，利用现代生物化学和分子生物学技术，以试管内控制酶作用下的DNA序列反应，作为实现运算的过程，以反应后的DNA序列作为运算结果。这一实验方法揭示了在分子水平上进行计算的可实现性，成果令人振奋。

基于DNA分子计算技术的研究尚属初期，生物化学计算也还是一个纯理论研究课题，预言分子计算机能否大量应用尚为时过早，但DNA分子计算机的观念扩展了人们对自然计算机现象的理解，特别是对生物化学中基本算法的理解。分子计算机观念的提出，向众多领域提出了挑战。对生物学与化学，在于理解细胞和分子机制，使它们成为分子算法的基础；对计算机科学和数学，在于寻找适当的问题和有效分子算法去解决更为复杂的系统模拟与计算问题；对于生理学与工程学，在于构建大规模的可信而又易于实现的分子计算机。正如著名计算机科学家里卜顿所说，既然人们已开始思考这类问题，就会找到许多方法来适合这个模型，自然科学中最诱人的两个前沿领域——分子生物学与计算机科学结缘联姻，一定会创造出惊人的奇迹。