RNA處理器:新生物計算機能並行處理多個複雜信號

2020-12-05 電子產品世界

  近日出版的《自然》雜誌刊登了一篇研究論文:美國亞利桑那州立大學教授艾利克斯·格林和哈佛大學維斯生物啟發工程研究所合作,研製出迄今為止最複雜的生物計算機。該計算機由 RNA(核糖核酸)製成,能在大腸桿菌活細胞內對 12 種不同指令同時作出反應,控制細菌細胞的行為。

本文引用地址:http://www.eepw.com.cn/article/201708/362558.htm

  研究團隊在大腸桿菌的活體細胞內誘導形成的 RNA 電路,能像微型機器人和數字計算機一樣執行計算指令。格林表示,他們可以用計算機軟體設計想要的 RNA 序列,並利用這些可以預測和編程的 RNA 相互作用,來構築生物電路,這對智能藥物設計、智能給藥系統、綠色能源生產、低成本診斷技術,以及未來開發出用於追蹤癌細胞或關閉惡性變異基因等的納米機器,具有重要意義。

  不同鹼基在活細胞內自成 RNA 電路

  早在 2012 年攻讀博士後期間,格林就參與研發細胞電路的中心組件——RNA 開關。這些 RNA 開關性能完善後,他們開始在活體細胞內開發更複雜的系統。

  格林團隊在實驗室設計出名叫「邏輯門」的特殊 RNA 電路,然後插入大腸桿菌的活體細胞內。其能像傳統數字電路一樣,用「與」「或」「非」進行邏輯決定,只是傳統數字電路輸入輸出的是電壓信號,生物電路用特定化合物或蛋白質代替電壓信號。當作為輸入信息的 RNA 片段,與電路中 RNA 序列互補時,兩者會結合,RNA 開關被打開,邏輯門得到激活,從而產生想要的輸出信號即蛋白質。

  與之前研究中需要用到蛋白質等複雜中間體相比,這些只包含 RNA 的細胞內納米電路是生物計算機領域的重大突破。現在研究人員只要在計算機上設計出 RNA 電路的組成成分,將這些 RNA 的鹼基加入活體細胞後,它們會按照預定路線,自組裝成與想要的功能一致的 RNA 電路。

  堪稱天然的奔騰處理器晶片

  早在 1994 年,南加州大學科學家倫納德·阿德曼首次提出可以將數據存儲在 DNA 中,並用一條 DNA 解決了超級計算機無法解答的一道複雜數學題。此後,用生命物質 DNA 和 RNA 研發計算機獲得快速推進。今年 7 月,有研究人員將電影片段成功存儲到細菌活體細胞中,且經過多代更迭後,存儲在基因中的電影完好如初。

  現在,格林團隊開發出的 RNA 電路能在大腸桿菌活體細胞內執行多項計算功能。當兩條 RNA 信息 A 和 B 出現時,「與」邏輯門會在細胞內產生「輸出」命令;當出現 RNA 信息 A 或者 B 時,「或」邏輯門作出反應;如果輸入的是不同於 A 或 B 的另一條 RNA 信息,「非」邏輯門就會挺身而出,切斷輸出信號。將這些不同的邏輯門結合在一起,就能形成更複雜的邏輯門,對多個任務輸入同時作出反應。

  格林團隊利用 RNA 開關製成的首批 RNA 納米設備,能同時處理 4 個「與」輸入、6 個「或」輸入以及包含「與」「或」「非」在內的 12 個輸入等複雜操作。這些分別執行感應功能和輸出功能的不同電路,能夠集成壓縮到一個細胞內,讓細胞形成蛋白質的過程變得更加簡單。

  可用於研製神經電路和類腦網絡

  之前,格林團隊曾研發出一種低成本的 RNA 開關試紙,並證明其可作為精準檢測寨卡病毒的診斷平臺,寨卡病毒的 RNA 能激活 RNA 開關,誘導蛋白質形成,讓試紙的顏色發生改變。這類 RNA 測試平臺可進行擴展,開發出針對許多不同傳染病的低成本精準診斷技術,用於醫療資源和醫護人員急缺的發展中國家,應對傳染病暴發的緊急情況。

  格林表示,他們下一步將重點研究如何在活細胞內用 RNA 開關製作神經網路電路,像神經元對其他神經細胞的輸入信號進行加權計算一樣,這些神經電路能分析大量興奮和抑制等信號,隨時調整興奮信號和抑制信號的比例。以此為基礎,通過調控分子信號,誘導細胞間相互交流,最終形成能交互作用的類腦網絡。「總之,我們的方法提供了一個通用策略,除了用於微生物,RNA 電路完全可用於其他生物甚至人類身上,可以利用 RNA 電路對人類細胞重新編程,延伸其生物功能。」


相關焦點

  • 什麼是DSP(數位訊號處理器)?
    數位訊號處理器(DSP)是一種專門的微處理器(或SIP塊),其體系結構針對數位訊號處理的操作需要進行了優化。DSP的目標通常是測量、過濾或壓縮連續的真實模擬信號。大多數通用微處理器也能成功地執行數位訊號處理算法,但是專用的DSP通常具有更好的功率效率,因此它們更適合於可攜式設備,如行動電話,因為電力消耗限制。
  • 數位訊號處理器的主要特點_數位訊號處理 - CSDN
    來源:東興證券,謝謝DSP 即數位訊號處理技術, DSP 晶片即指能夠實現數位訊號處理技術的晶片。 DSP晶片是一種快速強大的微處理器,獨特之處在於它能即時處理資料。
  • 醫學信號與圖像處理算法中的並行化
    近年來,信號與圖像處理無論在算法上、系統結構上,還是在應用上以及普及程度上取得了長足的進展。但同時也面臨許多挑戰,其中最主要的問題就是如何提高解決實際複雜問題的綜合能力,就當前技術水平來說,這種綜合能力包括圖像處理的網絡化、複雜問題的求解與處理速度的高速化。  圖像並行處理技術是圖像處理中的一個重要方面,是提高圖像處理速度最為有效的技術。
  • 第六講 DSP在雷達信號處理中的應用
    由此可見,dsp在雷達信號處理器設計中具有很大的靈活性和適用範圍,它不僅增強了信號處理的速度和能力,大大提高了信號處理系統的性能指標,而且適合多功能可編程並行處理和陣列處理,滿足高速並行處理的要求。 另外,同一種dsp處理模塊採用不同的結構進行組合,也會直接影響系統的工作效率、適應性等技術指標。國內某大學研製了大存儲容量4 dsp通用高速信號處理板,並採用多種不同結構應用於sar實時成像處理器研製中。圖1(a)採用並行處理方式,處理模塊中的多個dsp組成一個獨立處理單元,運行相同的成像處理程序,負責一景圖像的處理。
  • 科學家開發基於光的並行卷積神經網絡有望徹底「變革」AI硬體
    因為光譜覆蓋的波長範圍很廣,不同波長的光子可以同時多路復用(並行傳輸)和調製(通過改變它們可以攜帶信息),而不會使光信號相互幹擾。這種以光速傳播信息的方式能達到目前最小的時間延遲。此外,無源傳輸有助於實現超低功耗,而相位調製可以輕鬆調製並檢測出頻率高於 40 千兆赫的光。在過去的幾十年裡,光纖通信取得了巨大的成功。
  • 光子處理器:加速光學計算領域的變革
    據論文描述,研究人員開發了一種新的方法和架構,通過使用基於光的處理器或光子處理器,將處理和數據存儲結合到單個晶片上。研究結果首次證明,這些設備可以快速並行處理信息,而這種能力是現有電子晶片無法做到的。 研究人員表示,通過這種利用光的獨特屬性來加速 AI 處理的方式,可能會加速光學計算領域的變革。
  • Nature重磅:用「光」加速AI,基於光的並行卷積神經網絡有望徹底...
    因為光譜覆蓋的波長範圍很廣,不同波長的光子可以同時多路復用(並行傳輸)和調製(通過改變它們可以攜帶信息),而不會使光信號相互幹擾。 這種以光速傳播信息的方式能達到目前最小的時間延遲。此外,無源傳輸有助於實現超低功耗,而相位調製可以輕鬆調製並檢測出頻率高於 40 千兆赫的光。
  • 光子處理器:為 AI 加速 「變革」AI硬體
    據論文描述,研究人員開發了一種新的方法和架構,通過使用基於光的處理器或光子處理器,將處理和數據存儲結合到單個晶片上。研究結果首次證明,這些設備可以快速並行處理信息,而這種能力是現有電子晶片無法做到的。   研究人員表示,通過這種利用光的獨特屬性來加速 AI 處理的方式,可能會加速光學計算領域的變革。
  • 光子處理器達到前所未有的計算密度
    一個國際研究人員團隊開發了一種用於光子處理器的新方法和體系結構,可加快機器學習領域的複雜數學任務。越來越多的AI應用程式的出現(例如在自動駕駛汽車,智能城市和語音識別中)給當前的計算機處理器帶來了沉重的負擔,無法滿足需求。
  • 光基處理器晶片推動機器學習
    對於人工智慧應用,例如尤其是模式和語音識別、或自動駕駛汽車,對計算能力的需求,通常超出了常規計算機處理器的能力。明斯特大學的研究人員與一個國際團隊合作,開發可以極其高效地應對這些任務的新方法和過程體系結構。研究表明,所謂的光基處理器晶片(Light-Based Processor Chips),即通過光對數據進行處理的晶片,可以更快、更並行地處理信息,而電子晶片則無法做到這一點。
  • Nature:用光子處理器提升人工智慧計算速度
    但是,利用光子進行計算仍然具有挑戰性,尤其是在與先進的電子處理器相當的規模和性能水平上。其困難來源於缺乏合適的並行計算機制、允許人工神經元進行複雜的高速非線性響應的材料以及可集成到計算硬體中的可擴展光子設備。幸運的是,過去幾年中一種被稱為光學頻率梳的設備的發展為集成光子處理器帶來了新的機遇。光學頻率梳是一種具有發射光譜的光源,其頻譜由成千上萬條離散的、等距的頻率線組成。
  • 計算機能不能像人腦一樣將存儲和計算合二為一,從而高速處理信息?
    受人腦工作機理、計算方式等啟發,近年來,科學家們試圖借鑑人腦的物理結構和工作特點,讓計算機完成特定的計算任務。不過,受制於傳統計算機架構瓶頸的限制,在目前的信息計算處理技術中,數據存儲和計算需要由存儲晶片和中央處理器分別來完成。
  • 有沒有一種計算機既能實現商用,又能在運算能力上碾壓傳統計算機
    上一篇講述了光子計算機很難實現商用,那麼未來是否有一種計算機既能夠實現商用,又能在運算能力上碾壓傳統計算機呢?答案是有的,這就是生物計算機。我們知道生物的遺傳信息是十分龐大的,但是這些極其複雜的遺傳信息卻是用簡單的若干對染色體就能夠全部存儲起來。
  • 系統架構師:計算機組成原理
    5.輸入設備:輸入設備的任務是把人們編好的程序和原始數據輸入到計算機中,並且將它們轉換成計算機內部所能識別和接受的信息方式。按輸入信息的形態可分為字符輸入,圖形輸入,圖像輸入及語音輸入等。目前,常見的輸入設備有鍵盤,滑鼠,掃描儀等。6.輸出設備:輸出設備的任務是將計算機的處理結果以人或其他設備所能接受的形式輸出計算機。目前,最常用的輸出設備是印表機和顯示器。
  • IBM計劃建造包含1000個量子比特的量子計算機?打入處理技術裡程碑
    而研製量子計算機,核心就是量子級計算機處理器,它能夠幫助量子計算機進行高速運算、處理量子信息。具體來講,量子處理器依靠基本粒子的數學運算來擴展計算能力,運行的電路為量子電路,並非數字計算機的邏輯電路。據 IBM 稱,就在本月,量子團隊向 IBM Q Network 成員發布了 65 位處理器,即「IBM 量子蜂鳥」(IBM Quantum Hummingbird)。基於該處理器,8 個量子位的讀出信號可以合併成一個,讀出所需的布線、組件總量因而減少。
  • 基於FPGA流水線結構並行FFT的設計與實現
    離散傅立葉變換DFT在通信、控制、信號處理、圖像處理、生物信息學、計算物理、應用數學等領域中有著廣泛的應用。FFT算法是作為DFT快速算法提出的,它將長序列的DFT分解為短序列的DFT,大大減少了運算量。
  • 2023 年推出 1121 量子位處理器
    正如 IBM 所說:如果把思維局限於我們所知道的計算世界中,建造一個能真正捕捉原子運動的裝置,用以解決我們這個時代最具挑戰性的問題,幾乎是天方夜譚。但正如登月一般,研究人員的一個宏大目標是:造出一臺能夠超越傳統計算機的大型量子計算機。
  • 斯坦福教授駱利群:為何人腦比計算機慢1000萬倍,卻如此高效?
    史丹福大學神經生物學教授駱利群(Liqun Luo)認為,大腦性能高於AI是因為大腦可以大規模並行處理任務。一起來看李飛飛教授推薦的這篇文章,深入了解大腦與計算機相似性和差異性。人類大腦的構造十分複雜,它由大約1千億個神經元組成,並由約100萬億個神經突觸連接。
  • 量子計算機最新動態:大腦式量子計算機
    通過這個計算技術,希望產生一個突破,從而使人工智慧以前所未有的速度運行,在很短的時間內自動做出非常複雜的決策。哈特曼認為,他的大腦式量子計算機項目將有可能啟動人工智慧研究的新時代,可以管理非常複雜的問題,例如有可能幫助創造真正自主的自動駕駛汽車和系統,以便實時準確地管理整個城市的交通流量。
  • 處理器與音視頻外設之間的連接
    該處理器的高比特速率串行埠外圍電路,通常用於執行音頻數據傳輸。Blackfin處理器的雙線接口與恩智浦半導體公司的雙向I2C總線相兼容,並在多個器件之間提供一種非常簡明的交換控制信息與數據信息的方式。它支持主從操作,傳輸速率高達400 kbps。