深度卷积与全连接DNA神经网络：实现完全模拟计算的CALCUL单元推动分子计算变革

《Nature Communications》：Deep convolutional and fully-connected DNA neural networks

本研究针对现有DNA神经网络无法实现完全模拟计算的瓶颈，开发了名为CALCUL的DNA计算单元。该技术首次实现了输入、权重和输出均为连续精确值的全模拟加权求和运算，准确度高达94.7%-100%，并通过磁珠技术成功构建了多层深度DNA神经网络，在复杂彩色图像识别任务中达到100%准确率。这项突破为构建高性能分子计算机奠定了坚实基础，显著推动了DNA计算在生物医学诊断等领域的应用潜力。

　　

在分子计算领域，DNA分子因其并行处理能力和生物相容性已成为构建“分子大脑”的理想材料。然而，现有DNA神经网络存在一个根本性缺陷：其基本计算单元无法实现真正的连续精确模拟计算。这一问题严重限制了DNA神经网络处理复杂信息的能力，例如识别多像素图像时，离散化的计算方式会导致精度损失和信号串扰。更棘手的是，随着网络层数增加，DNA链数量呈指数级增长，使得构建深层网络几乎不可行。

为突破这一瓶颈，华中科技大学等机构的研究团队在《Nature Communications》发表了突破性研究。他们开发了名为CALCUL（Classified allosteric-toehold based continuous and ultra-accurate computing unit）的DNA计算单元，首次实现了输入、权重和输出均为连续值的全模拟运算。该系统的核心创新在于“分类变构粘末端”设计，通过温度退火过程驱动反应，确保所有输入途径采用统一的链置换路径，从而显著提高计算精度。

研究团队采用分级变构粘末端设计、18核苷酸长粘末端域和特异性输出链选择等关键技术，有效解决了DNA反应中的动力学障碍和串扰问题。通过磁珠分离技术，他们实现了模块化操作和多层网络构建，使CALCUL单元具备重复使用性。实验验证表明，该系统能在40分钟内完成8个输入的加权求和运算，准确度达94.7%-100%，且经过两轮重置后精度仍保持在90.2%以上。

CALCUL单元的工作原理

研究团队设计了两种CALCUL单元模式：顺式（cis-CALCUL）用于全连接操作，反式（trans-CALCUL）用于卷积操作。在顺式模式下，输入为包含B域的P链，权重为包含A*域的Q链；反式模式则相反。系统通过温度退火形成有效的PQT三联体（荧光）或PQ'T'三联体（非荧光），通过调节[Q链]/([Q链]+[Q'链])比例，精确控制进入有效下游途径的P链比例，实现权重乘法操作。所有输入链通过相同的T链/O链双链进行整合，完成加权求和运算。

多路径整合的可行性验证

研究人员合成了8个输入链（P-strand-1至8）及其对应权重链，验证了多个变构粘末端链置换路径整合的可行性。实验结果显示，2、4和8个输入/权重的整合操作均呈现高度线性（R²>0.999），所有偏差低于5%，中位准确度达98.6%。进一步实验证明，平行整合两个或三个反应路径同样可行，标准曲线保持高线性度，计算精度超过95.3%。

CALCUL单元的构建与性能

完整CALCUL单元的实验表明，顺式和反式单元均能在40分钟内完成加权求和运算，准确度分别为96.0%-100%（中位98.9%）和94.7%-99.4%（中位98.0%）。全连接操作测试中，2输入/2输出、3输入/3输出和4输入/3输出的网络均实现96.1%-99.3%的准确度。卷积操作方面，研究团队成功构建了识别16像素（4×4）平行线图像的卷积网络，四个通道均呈现高线性度（R²>0.99），识别准确度达95.2%-100%。

磁珠辅助的进阶功能

通过引入磁珠纯化技术，团队实现了CALCUL单元的功能扩展：

1. 1.
   ReLU激活函数模块：成功构建了基于顺式和反式CALCUL的ReLU模块，准确度分别达98.9%和96.2%-99.4%
2. 2.
   负权重实现：通过U⁺/U^-双链“湮灭器”设计，将权重范围扩展至-1≤w≤1，减法操作精度达95.0%-99.3%
3. 3.
   深层网络构建：成功搭建了包含两个卷积层和一个全连接层的深度DNA神经网络，在12×12像素手写字母识别任务中实现100%准确率

研究结论与展望

该研究开发的CALCUL单元成功解决了DNA神经网络全模拟计算的核心难题，其简洁、快速、准确且可扩展的特性使其成为DNA加权求和领域的领先工具。基于该单元构建的深度神经网络在图像识别任务中的卓越表现，证明了DNA计算在处理复杂模式识别任务方面的巨大潜力。虽然磁珠辅助的级联策略目前仍较繁琐，但未来微流控设备的集成有望显著提升操作效率。这项技术为分子诊断、基因表达谱分析等生物医学应用提供了强大平台，将分子计算推向了新的高度。