【一人抄読会】非平衡自己組織化の核生成速度論におけるパターン認識 | Nature

Pattern recognition in the nucleation kinetics of non-equilibrium self-assembly - Nature

公開日　：2024年1月17日
研究機関：CalTech
主体ラボ：Arvind Murugan

抄録

Inspired by biology’s most sophisticated computer, the brain, neural networks constitute a profound reformulation of computational principles1–3. Analogous high-dimensional, highly interconnected computational architectures also arise within information-processing molecular systems inside living cells, such as signal transduction cascades and genetic regulatory networks4–7. Might collective modes analogous to neural computation be found more broadly in other physical and chemical processes, even those that ostensibly play non-information-processing roles? Here we examine nucleation during self-assembly of multicomponent structures, showing that high-dimensional patterns of concentrations can be discriminated and classified in a manner similar to neural network computation. Specifically, we design a set of 917 DNA tiles that can self-assemble in three alternative ways such that competitive nucleation depends sensitively on the extent of colocalization of high-concentration tiles within the three structures. The system was trained in silico to classify a set of 18 grayscale 30 × 30 pixel images into three categories. Experimentally, fluorescence and atomic force microscopy measurements during and after a 150 hour anneal established that all trained images were correctly classified, whereas a test set of image variations probed the robustness of the results. Although slow compared to previous biochemical neural networks, our approach is compact, robust and scalable. Our findings suggest that ubiquitous physical phenomena, such as nucleation, may hold powerful information-processing capabilities when they occur within high-dimensional multicomponent systems.

生物学で最も洗練されたコンピューターである脳から着想を得たニューラルネットワークは、計算原理の深遠な再定式化を構成している1-3。また、シグナル伝達カスケードや遺伝的制御ネットワークなど、生体細胞内の情報処理分子システムにおいても、類似した高次元で高度に相互接続された計算構造が生じている4-7。神経計算に類似した集団的様式は、表向きは情報処理以外の役割を担っているものであっても、他の物理的・化学的過程において、より広く見いだされる可能性があるのだろうか？ここでは、多成分構造の自己組織化における核形成について調べ、高次元の濃度パターンがニューラルネットワークの計算と同様の方法で識別・分類できることを示す。具体的には、3通りの自己組織化が可能な917個のDNAタイルのセットを設計し、競合的核形成が3つの構造内の高濃度タイルの共局在の程度に敏感に依存するようにした。このシステムは、30×30ピクセルのグレースケール画像18枚を3つのカテゴリーに分類するようにインシリコで訓練された。実験的には、150時間のアニール中とアニール後の蛍光顕微鏡と原子間力顕微鏡の測定により、学習した画像はすべて正しく分類されることが確認された。これまでの生化学的ニューラルネットワークに比べれば遅いが、我々のアプローチはコンパクトで、頑健で、スケーラブルである。われわれの発見は、核生成のようなどこにでもある物理現象が、高次元の多成分系の中で起こるとき、強力な情報処理能力を持つ可能性を示唆している。

Paper Interpreterの出力

概要: 本研究は、多成分構造の自己集合中の核形成過程を調査し、高次元の濃度パターンを識別・分類できることを示しています。具体的には、3つの異なる方法で自己集合できる917種類のDNAタイルを設計し、高濃度タイルの共局在の程度に基づいて競合する核形成が敏感に依存することを明らかにしました。このシステムは、18種類のグレースケール30×30ピクセル画像を3つのカテゴリに分類するようにシリコでトレーニングされ、実験的に蛍光と原子間力顕微鏡測定を行い、150時間のアニール中および後に、すべてのトレーニング画像が正しく分類されたことを確認しました。このアプローチは以前の生化学的ニューラルネットワークに比べて遅いものの、コンパクトで堅牢、かつスケーラブルであることが示唆されています【7†source】。

背景: 生命の成功は、分子を使って情報を運び、化学を制御するアルゴリズムを実装し、環境に賢く反応することに由来しています。遺伝情報は、構造や化学的機能を持つ分子だけでなく、細胞の意思決定に関連する内部および外部情報を処理する生化学的回路を符号化しています。DNAナノテクノロジーにおけるDNAタイルの自己集合は、セルラーオートマトンやブール回路のシミュレーションを通じてチューリング普遍計算を実現することが理論的および実験的に示されています【8†source】。

方法: DNAナノテクノロジーの利点を利用して、ウォトソン・クリック塩基対形成の動力学と熱力学を用い、数百から数千種類の異なるタイルタイプで自己集合する周期的でユニークにアドレス指定され、アルゴリズム的にパターン化された構造体のシステマティックな配列設計を行いました。この方法で複数の標的構造（H、A、M）を異なる方法で共局在させることにより、一連の相互作用媒介タイルを導入しました【9†source】。

結果: 核形成制御の理解は、プログラマブルなDNAタイルシステムの設計を効果的に導きました。標的構造間でタイルの共局在が異なる場合、核形成動力学によって選択が決定され、濃度によって制御されることが示されました【10†source】。

議論: 様々な進化したシステムや設計されたシステムにおいて、多様な自己集合によるパターン認識の現象が利用され

る可能性があります。核形成をマシンラーニングモデルとして扱うことで、情報処理の潜在的な可能性についてより深く理解することができます【12†source】。

制限事項: 特に記載されていない。

可能な応用: この研究は、多成分系の自己集合を通じて高次元のパターン認識を行うためのフェーズ図の設計を示しています。各グレースケール画像はタイル濃度のベクトルを表し、θによってどのピクセル位置がどのタイルに対応するかが指定されます【13†source】。パターン認識の結果は、すべての画像が単一のピクセル-タイルマップθを介してタイル濃度のベクトルに変換され、各形状におけるタイル位置で核形成率の予測とともに示されています【14†source】。