Una nueva red neuronal diseñada con ADN puede aprender de ejemplos y resolver problemas

Las redes neuronales son sistemas informáticos diseñados para imitar la estructura y el funcionamiento del cerebro humano: ahora, un grupo de investigadores ha creado una red neuronal formada por cadenas de ADN en lugar de partes electrónicas, que realiza cálculos a través de reacciones químicas en lugar de señales digitales.

Un equipo de investigadores del Instituto Tecnológico de California (Caltech), en Estados Unidos, ha logrado un avance clave en el campo de la computación molecular: diseñaron una red neuronal basada en ADN capaz de aprender de ejemplos para resolver problemas de reconocimiento de patrones, sin ninguna clase de componentes electrónicos. El sistema realiza cálculos únicamente mediante reacciones químicas, programadas en diminutas gotas acuosas.

Recuerdos químicos y aprendizaje sin electrónica

Las redes neuronales tradicionales dependen de circuitos electrónicos. En 2018, integrantes del mismo equipo científico demostraron que era posible reconocer dígitos manuscritos codificados químicamente con hebras de ADN. El nuevo trabajo, que se resume en un estudio publicado en la revista Nature, da un paso decisivo en el progreso de estos sistemas bioinformáticos: el propio mecanismo molecular “desarrolla” sus recuerdos durante la fase de entrenamiento.

El prototipo emplea hilos de ADN como entradas y “cables” moleculares, en forma de secuencias químicas que se activan o desactivan, para almacenar información. Durante el entrenamiento, patrones de ADN que representan imágenes y sus etiquetas desencadenan una serie de reacciones de desplazamiento de cadenas, acumulando memorias codificadas en las concentraciones de moléculas específicas. En la fase de prueba, un procesador químico emplea esas memorias para clasificar patrones nuevos y producir señales fluorescentes como salida.

En los ensayos realizados, la red química manejó patrones de 100 bits que codifican pares de dígitos como 0 y 1, 3 y 4, o 6 y 7. En cada experimento, miles de millones de hebras de ADN de más de mil tipos diferentes coexistieron en un microlitro de reacción acuosa. El sistema aprendió a identificar correctamente cada clase, mostrando una separación clara entre señales “activadas” y “apagadas” en menos de diez horas.

Un sistema escalable

El objetivo era construir un sistema molecular capaz de tomar ejemplos, descubrir patrones subyacentes y luego reaccionar ante nueva información que jamás había visto. El camino hacia el éxito no fue sencillo: se necesitó rediseñar todo el esquema ante cada problema puntual en el sistema, según se explica en una nota de prensa.

Este logro podría facilitar el desarrollo de “medicinas o fármacos inteligentes” que aprendan a reconocer señales patógenas en tiempo real, o materiales programables que se adapten a estímulos externos, como apósitos capaces de optimizar la cicatrización de heridas. A largo plazo, podría gestarse una “célula artificial” de grado molecular, entrenada por células biológicas "docentes" para ejecutar respuestas precisas frente a señales químicas complejas.

En principio, los especialistas buscarán ampliar la complejidad del sistema más allá de 100 bits, garantizar memorias estables a largo plazo, integrar aprendizaje no supervisado y reagrupar componentes para múltiples ciclos de uso. El equipo propone además otros avances para organizar espacialmente la red molecular y escalar su capacidad de computación, acercándose a comportamientos de Inteligencia Artificial (IA) en sistemas sintéticos.