CN112331258B - 基于dna笼状结构的人工神经元计算模型构建方法 - Google Patents
基于dna笼状结构的人工神经元计算模型构建方法 Download PDFInfo
- Publication number
- CN112331258B CN112331258B CN202011235712.3A CN202011235712A CN112331258B CN 112331258 B CN112331258 B CN 112331258B CN 202011235712 A CN202011235712 A CN 202011235712A CN 112331258 B CN112331258 B CN 112331258B
- Authority
- CN
- China
- Prior art keywords
- reaction
- normalization
- constructing
- e6dnazyme
- gate
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 210000002569 neuron Anatomy 0.000 title claims abstract description 33
- 238000004364 calculation method Methods 0.000 title claims description 14
- 238000010276 construction Methods 0.000 title description 5
- 238000006243 chemical reaction Methods 0.000 claims abstract description 43
- 238000010606 normalization Methods 0.000 claims abstract description 31
- 238000000034 method Methods 0.000 claims abstract description 24
- 238000006073 displacement reaction Methods 0.000 claims abstract description 15
- 238000012986 modification Methods 0.000 claims abstract description 14
- 230000004048 modification Effects 0.000 claims abstract description 14
- 238000001976 enzyme digestion Methods 0.000 claims abstract description 13
- 238000012545 processing Methods 0.000 claims abstract description 11
- 230000008569 process Effects 0.000 claims abstract description 10
- 230000002441 reversible effect Effects 0.000 claims abstract description 6
- 238000003776 cleavage reaction Methods 0.000 claims description 3
- 238000005094 computer simulation Methods 0.000 abstract description 2
- 108020004414 DNA Proteins 0.000 description 24
- AYFVYJQAPQTCCC-GBXIJSLDSA-N L-threonine Chemical compound C[C@@H](O)[C@H](N)C(O)=O AYFVYJQAPQTCCC-GBXIJSLDSA-N 0.000 description 13
- 238000010586 diagram Methods 0.000 description 9
- QTBSBXVTEAMEQO-UHFFFAOYSA-N Acetic acid Chemical compound CC(O)=O QTBSBXVTEAMEQO-UHFFFAOYSA-N 0.000 description 6
- 239000000872 buffer Substances 0.000 description 6
- 238000001502 gel electrophoresis Methods 0.000 description 5
- 238000012360 testing method Methods 0.000 description 5
- 102000053602 DNA Human genes 0.000 description 4
- 238000000137 annealing Methods 0.000 description 4
- 238000002474 experimental method Methods 0.000 description 4
- 239000013067 intermediate product Substances 0.000 description 4
- HRPVXLWXLXDGHG-UHFFFAOYSA-N Acrylamide Chemical compound NC(=O)C=C HRPVXLWXLXDGHG-UHFFFAOYSA-N 0.000 description 3
- 102000053642 Catalytic RNA Human genes 0.000 description 3
- 108090000994 Catalytic RNA Proteins 0.000 description 3
- 239000007853 buffer solution Substances 0.000 description 3
- 239000000047 product Substances 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 108091092562 ribozyme Proteins 0.000 description 3
- KCXVZYZYPLLWCC-UHFFFAOYSA-N EDTA Chemical compound OC(=O)CN(CC(O)=O)CCN(CC(O)=O)CC(O)=O KCXVZYZYPLLWCC-UHFFFAOYSA-N 0.000 description 2
- 108091028043 Nucleic acid sequence Proteins 0.000 description 2
- 239000007983 Tris buffer Substances 0.000 description 2
- 230000005587 bubbling Effects 0.000 description 2
- 239000002131 composite material Substances 0.000 description 2
- 150000001875 compounds Chemical class 0.000 description 2
- UEGPKNKPLBYCNK-UHFFFAOYSA-L magnesium acetate Chemical compound [Mg+2].CC([O-])=O.CC([O-])=O UEGPKNKPLBYCNK-UHFFFAOYSA-L 0.000 description 2
- 229940069446 magnesium acetate Drugs 0.000 description 2
- 235000011285 magnesium acetate Nutrition 0.000 description 2
- 239000011654 magnesium acetate Substances 0.000 description 2
- 239000012452 mother liquor Substances 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 239000000758 substrate Substances 0.000 description 2
- LENZDBCJOHFCAS-UHFFFAOYSA-N tris Chemical compound OCC(N)(CO)CO LENZDBCJOHFCAS-UHFFFAOYSA-N 0.000 description 2
- 108020004635 Complementary DNA Proteins 0.000 description 1
- 108091027757 Deoxyribozyme Proteins 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000010804 cDNA synthesis Methods 0.000 description 1
- 239000003153 chemical reaction reagent Substances 0.000 description 1
- 239000002299 complementary DNA Substances 0.000 description 1
- 238000013329 compounding Methods 0.000 description 1
- 239000008367 deionised water Substances 0.000 description 1
- 229910021641 deionized water Inorganic materials 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001962 electrophoresis Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000012634 fragment Substances 0.000 description 1
- 238000004128 high performance liquid chromatography Methods 0.000 description 1
- 230000003301 hydrolyzing effect Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 239000011777 magnesium Substances 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- ZIUHHBKFKCYYJD-UHFFFAOYSA-N n,n'-methylenebisacrylamide Chemical compound C=CC(=O)NCNC(=O)C=C ZIUHHBKFKCYYJD-UHFFFAOYSA-N 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000036632 reaction speed Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 230000007017 scission Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 239000000243 solution Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Chemical compound O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
- G16B5/00—ICT specially adapted for modelling or simulations in systems biology, e.g. gene-regulatory networks, protein interaction networks or metabolic networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/06—Physical realisation, i.e. hardware implementation of neural networks, neurons or parts of neurons
- G06N3/061—Physical realisation, i.e. hardware implementation of neural networks, neurons or parts of neurons using biological neurons, e.g. biological neurons connected to an integrated circuit
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Molecular Biology (AREA)
- Theoretical Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Neurology (AREA)
- Computing Systems (AREA)
- Microelectronics & Electronic Packaging (AREA)
- Data Mining & Analysis (AREA)
- Computational Linguistics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Physiology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Biotechnology (AREA)
- Evolutionary Biology (AREA)
- Medical Informatics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)
Abstract
本发明公开了一种基于DNA笼状结构的人工神经元计算模型构建方法，包括：构造带有rA修饰的笼状结构、将笼状结构作为人工神经元模型的输入层，采用E6 DNAzyme作为神经元的权重；构建归一化模块，利用E6 DNAzyme Z1、Z2、Z3作为神经元的权重；利用E6 DNAzyme酶切带rA修饰的笼状结构构造归一化模块，酶切反应产生的不同输出作为归一化反应的输入，通过归一化反应实现加权和过程；通过链置换的可逆反应和链置换的反应速率构造线性阈值处理模块，即神经元的阈值函数；连接归一化模块和阈值处理模块，使归一化输出优先与“Threshold门”反应，反应完之后再与“Output门”反应，最终产生真正的输出，即最后连接各个模块构成人工神经元模型。
Description
技术领域
本发明涉及属于生物计算领域，尤其涉及一种基于DNA笼状结构的人工神经元计算模型构建方法。
背景技术
迄今为止，DNA计算在理论、设计以及应用等方面都取得了很大的进展，在信息处理、分子智能、分子加密、纳米机器等多个领域已经得到深入的研究。目前大多数基于DNA分子的生物计算动态操作均依赖于DNA网络中DNA序列的链置换反应。DNA链置换的计算原理是DNA分子会始终向最稳定的状态迁移，在反应体系中，最稳定的互补DNA链会结合，其他的DNA链则会被置换。其具备反应速度快、灵敏度高、且高度并行等优点，也因此被广泛应用到DNA分子逻辑计算模型的研究中。
2011年，Winfree研究组以DNA链置换为核心技术构建了迄今为止最复杂的数字逻辑计算电路，涉及到的独立的DNA链达到130个，可以计算4位二进制数的开平方计算。这虽然在现代计算机上早就不是新鲜事，但在分子计算领域却是不可思议的突破。至今还没有人用其他的分子计算技术可以突破这一壮举。又设计了跷跷板门(seesaw gate)，以此为核心搭建了会“猜心术”的4神经元霍普菲尔德神经网络计算模型，展示了DNA计算在分子智能领域的更多可能性。
早在2010年，Johann Elbaz等利用核酶能够特异性切割底物的特性，通过调控核酶的结构，编程核酶对底物的切割，构建了一系列逻辑门(YES、AND、INHIBIT、XOR)，并且将它们级联组成更加复杂的DNA逻辑电路。
尽管L.L.Qian等已经实现了DNA神经网络模型的构建，但都是基于基本的链置换反应进行的，所涉及到的DNA链数量极多，实现所有的反应过程就比较繁琐复杂，极易产生泄漏。
发明内容
根据现有技术存在的问题，本发明公开了一种基于DNA笼状结构的人工神经元计算模型构建方法，具体包括如下步骤：
构造带有rA修饰的笼状结构、将笼状结构作为人工神经元模型的输入层，采用E6DNAzyme作为神经元的权重；
构建归一化模块，利用E6DNAzyme Z1、Z2、Z3作为神经元的权重；
利用E6DNAzyme酶切带rA修饰的笼状结构构造归一化模块，酶切反应产生的不同输出作为归一化反应的输入，通过归一化反应实现加权和过程；
通过链置换的可逆反应和链置换的反应速率构造线性阈值处理模块，即神经元的阈值函数；
连接归一化模块和阈值处理模块，使归一化输出优先与Threshold门反应，反应完之后再与Output门反应，最终产生真正的输出，最后连接各个模块构成人工神经元模型。
进一步的，构造带有rA修饰的笼状结构从而满足E6DNAzyme识别并切割带rA修饰的单链的特性、同时隐藏后续反应的toehold区域。
进一步的，将E6DNAzyme设置为不被消耗和反复使用状态、将其作为权重使酶切反应高效进行。
进一步的，将酶切反应产生的不同输出通过归一化模块实现加权和过程、使输出归一化。
进一步的，在阈值处理模块中Output门比Threshold门多N个区域。
进一步的，该神经元模型的各个模块相互连接自顶向下独立运行。
由于采用了上述技术方案，本发明提供的一种基于DNA笼状结构的人工神经元计算模型构建方法，该方法首先通过E6DNAzyme特异水解DNA的特性，酶切带rA修饰的笼状结构(cage structure)；构造带权重的归一化模块；进而利用链置换的可逆反应和链置换的反应速率，实现线性阈值处理模块；最终实现模块的连接，构造人工神经元模型。该模型具有结构稳定、可定制、地泄漏、抗干扰等特点。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为E6DNAzyme切割DNA笼状结构过程示意图；
图2为归一化模块示构造方法意图；
图3为阈值函数模块构造方法示意图；
图4为人工神经元模型构造方法示意图；
图5为酶切反应凝胶电泳图；
图6为部分归一化模块凝胶电泳图；
图7为阈值函数模块凝胶电泳图。
具体实施方式
为使本发明的技术方案和优点更加清楚，下面结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚完整的描述：
一种基于DNA笼状结构的人工神经元计算模型包括，包括输入层、加权和、阈值函数(激活函数)、输出层。
带有rA修饰的“鼓泡”DNA双链结构，即笼状结构SL1、SL2、SL3，作为神经元模型的输入层；
E6DNAzyme Z1、Z2、Z3作为神经元的权重且E6DNAzyme可重复利用；
酶切反应产生的不同输出作为归一化模块的输入，通过归一化模块实现加权和过程，使输出归一化。
通过链置换的可逆反应和链置换的反应速率，实现了线性阈值处理过程，即神经元的阈值函数。使归一化输出优先与“Threshold门”反应，反应完之后再与“Output门”反应，最终产生真正的输出。
首先，输入SL1、SL2、SL3，统一概括为SL链添加后会与权重Z1、Z2、Z3分别发生酶切反应，产生中间产物链CL1、CL2、CL3(统一概括为CL链)此过程输入与权重一一对应，不会发生串扰，如图1。其中输入链SL1、SL2、SL3笼状部分含有rA修饰以及E6DNAzyme的识别域，并且L链的3’端含有下一级归一化反应的toehold，此区域为A区域，这样的双链输入既满足与E6DNAzyme发生酶切反应，又隐藏了下一级反应的toehold。
其次，E6DNAzyme与SL链结合发生酶切反应，将SL链切割，切割后的片段CL链脱落，作为下一级归一化反应的输入，如图2。当存在多个输入SL链，对应的E6DNAzyme将输入切割后产生不同的输出CL链，CL链又分别对应于各自的“One”门(由MTQ链和CL*链复合而成)，即归一化处理层，不同的CL链与对应的归一化“One”门发生链置换反应，产生具有相同功能的中间产物链M1TQ、M2TQ、M3TQ(统一概括为MTQ链)。复合物One1门、One2门、One3门的区别在于CL*链的toehold区域不同，这样保证了CL链与CL*链的toehold区域一一对应结合，防止产生串扰；以及MTQ链的M区域不同，分别为M1、M2、M3，这样也是为了防止CL链与其它的One门产生串扰。
然后，中间产物链MTQ又作为下一级阈值函数模块的输入，如图3。所述的阈值函数模块包含复合物“Thre”门和“Outp”门，二者拥有相同的toehold区域(含有5个碱基)，区别在于“Outp”门比“Thre”门多出N区域，这样就致使中间产物链MTQ优先与“Threshold”门反应，反应完之后再与“Output”门反应，最终产生真正的输出。
最后，连接各个独立运行的模块，构造人工神经元模型，如图4所示。
一种基于DNA笼状结构的人工神经元计算模型及其构建方法，包括如下步骤：
1)将L链与S链按1:1的摩尔比在缓冲液中混合，并退火，使其结合为双链复合物SL链，其余的双链复合物One门、Thre门、Outp门均按照1:1摩尔的配比在缓冲溶液中混合，并退火；
2)将权重Z、One门、Thre门、Outp门根据实验需求，调节各部分浓度比，放入试管中；
3)按实验需求依次加入输入链SL，放置在25度环境中，使其反应12小时，观察结果；
4)步骤2)和步骤3)可根据实验需求设置多组实验对照；
5)步骤1)中的所述缓冲液为TAE/Mg2+缓冲液，其配制方法为：40mM Tris，20mM乙酸，2mM EDTA，12.5mM醋酸镁调到pH＝8.0。
本发明采用带rA修饰的“鼓泡”双链结构，既满足了E6DNAzyme识别并切割单链的特性，又很好的隐藏了下一级反应toehold，保证各个输入与后续反应产生较低的泄漏。另外本方法通过链置换的可逆反应和链置换的反应速率，巧妙的使“Outp”门比“Thre”门多出N区域，实现了线性阈值处理过程，即神经元的阈值函数。
实施例：实例中用的材料、试剂等，如无特殊说明均可从商业途径得到。
实验中所使用的DNA链均购自上海生工，未被修饰的链用PAGE电泳纯化；被修饰了二硫化物和荧光基的链通过高性能液相色谱法提纯，相关DNA分子序列见表1。
TAE/Mg2+缓冲液配制为：40mM Tris，20mM乙酸，2mM EDTA，12.5mM醋酸镁调到pH＝8.0。
丙烯酰胺母液配制如下：配制500mL，浓度为45％的丙烯酰胺母液，称取217g丙烯酰胺和8g亚甲双丙烯酰胺，在37℃下溶解,加入去离子水定容至500mL。
表1 实施中用到的DNA序列
实施例1：归一化模块
(1)将带rA修饰的L1链(64个碱基)与小短链S1(39个碱基)以1:1的比例在1×TAE/Mg2+缓冲液里面混合，并从90℃退火至室温，形成带rA修饰的“鼓泡”的双链结构，其余的两个双链SL2、SL3也是如此；归一化门One1、One2、One3分别把MTQ链与CL*链按1:1的比例在1×TAE/Mg2+缓冲液里面混合，并从90℃退火至室温，形成One门复合物；
(2)将输入链SL1、SL2、SL3，E6DNAzyme Z1、Z2、Z3以及各个One门都放入同一试管中，浓度为0.6uM，放于25℃环境下，反应约12小时；
(3)图6是图2中对应产物的凝胶电泳图(归一化模块的部分反应图)，泳道1是One1门，泳道3是CL1链，泳道4是CL1和One1的反应道，泳道5是泳道4产物链M1TQ的对比道，由此可以看出，CL1和One1的反应产生了M1TQ，而且是可以完全反应的。
实施例2：阈值函数模块
(1)将Q链与Q*T*M_*链按1:1的比例在1×TAE/Mg2+缓冲液里面混合，并从90℃退火至室温，形成Thre阈值门复合物；同样地，将YQN链与N*Q*T*链按1:1的比例在1×TAE/Mg2+缓冲液里面混合，并从90℃退火至室温，形成Outp门复合物；
(2)将MTQ链与阈值门Thre门、MTQ链与Outp门按1:1的比例分别放置于试管4和试管5中，浓度为0.6uM；将MTQ链与阈值门Thre门、Outp门分别按1:1:1和2:1:1的比例放置于试管9和试管10中，浓度分别为0.6uM，放于25℃环境下，反应约12小时；
(3)图7是图3中对应产物的凝胶电泳图(阈值函数模块的部分反应图)，泳道4是M1TQ和Thre的反应道，泳道6 Thre*链、泳道7Q链是其对比道；泳道4是M1TQ和Outp的反应道，泳道8 YQN链是其对比道；泳道9和泳道10分别是M1TQ和Thre、Outp 1:1:1和2:1:1的比例下的反应道，泳道6 Thre*链、泳道7Q链、泳道8 YQN链是其对比道；由此可以看出，M1TQ优先于Thre阈值门反应，反应完之后，再与Outp门反应，产生真正的输出YQN链。
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。
Claims (6)
1.一种基于DNA笼状结构的人工神经元计算模型构建方法，其特征在于包括：
构造带有rA修饰的笼状结构、将笼状结构作为人工神经元模型的输入层，采用E6DNAzyme作为神经元的权重；
构建归一化模块，利用E6 DNAzyme Z1、Z2、Z3作为神经元的权重；
利用E6 DNAzyme酶切带rA修饰的笼状结构构造归一化模块，酶切反应产生的不同输出作为归一化反应的输入，通过归一化反应实现加权和过程；
通过链置换的可逆反应和链置换的反应速率构造线性阈值处理模块，即神经元的阈值函数；
连接归一化模块和阈值处理模块，使归一化输出优先与Threshold门反应，反应完之后再与Output门反应，最终产生真正的输出，最后连接各个模块构成人工神经元模型。
2.根据权利要求1所述的方法，其特征在于：构造带有rA修饰的笼状结构从而满足E6DNAzyme识别并切割带rA修饰的单链的特性、同时隐藏后续反应的toehold区域。
3.根据权利要求1所述的方法，其特征在于：将E6 DNAzyme设置为不被消耗和反复使用状态、将其作为权重使酶切反应高效进行。
4.根据权利要求1所述的方法，其特征在于：将酶切反应产生的不同输出通过归一化模块实现加权和过程、使输出归一化。
5.根据权利要求1所述的方法，其特征在于：在阈值处理模块中Output门比Threshold门多N个区域。
6.根据权利要求1所述的方法，其特征在于：该神经元模型的各个模块相互连接自顶向下独立运行。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011235712.3A CN112331258B (zh) | 2020-11-06 | 2020-11-06 | 基于dna笼状结构的人工神经元计算模型构建方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011235712.3A CN112331258B (zh) | 2020-11-06 | 2020-11-06 | 基于dna笼状结构的人工神经元计算模型构建方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112331258A CN112331258A (zh) | 2021-02-05 |
| CN112331258B true CN112331258B (zh) | 2024-02-23 |
Family
ID=74316536
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011235712.3A Active CN112331258B (zh) | 2020-11-06 | 2020-11-06 | 基于dna笼状结构的人工神经元计算模型构建方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112331258B (zh) |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102597239A (zh) * | 2009-11-26 | 2012-07-18 | 夸克医药公司 | 包含末端取代的sirna化合物 |
| CN111275161A (zh) * | 2020-02-20 | 2020-06-12 | 大连大学 | 一种基于dna链置换的竞争神经网络框架 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7297479B2 (en) * | 1998-08-06 | 2007-11-20 | Lucent Technologies Inc. | DNA-based analog neural networks |
| US11704575B2 (en) * | 2018-12-21 | 2023-07-18 | Microsoft Technology Licensing, Llc | Neural networks implemented with DSD circuits |
-
2020
- 2020-11-06 CN CN202011235712.3A patent/CN112331258B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102597239A (zh) * | 2009-11-26 | 2012-07-18 | 夸克医药公司 | 包含末端取代的sirna化合物 |
| CN111275161A (zh) * | 2020-02-20 | 2020-06-12 | 大连大学 | 一种基于dna链置换的竞争神经网络框架 |
Non-Patent Citations (1)
| Title |
|---|
| 基于DNA和限制性核酸内切酶的基本逻辑门设计;柳娟;谢文彬;汪改英;汤敏丽;;电子与信息学报;20200615(06);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112331258A (zh) | 2021-02-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Orbach et al. | Logic reversibility and thermodynamic irreversibility demonstrated by DNAzyme-based Toffoli and Fredkin logic gates | |
| US20210034944A1 (en) | System and method for propagating information using modified nucleic acids | |
| Zhang | Cooperative hybridization of oligonucleotides | |
| Desai et al. | Optimization of fermentation media for exopolysaccharide production from Lactobacillus plantarum using artificial intelligence-based techniques | |
| Kahan et al. | Towards molecular computers that operate in a biological environment | |
| CN107315928A (zh) | 基于Ag NCs和G‑四链体/NMM体系的免标记DNA分子器件 | |
| Heng et al. | Karyotype coding: The creation and maintenance of system information for complexity and biodiversity | |
| Yeates et al. | Dynamics of prebiotic RNA reproduction illuminated by chemical game theory | |
| Moe-Behrens | The biological microprocessor, or how to build a computer with biological parts | |
| CN109961144A (zh) | 一种基于dna核酶的dna分子逻辑门 | |
| Templeton | Human population genetics and genomics | |
| CN112331258B (zh) | 基于dna笼状结构的人工神经元计算模型构建方法 | |
| Sun et al. | Perspectives on studying molecular adaptations of amphibians in the genomic era | |
| Chen et al. | Massively parallel DNA computing based on domino DNA strand displacement logic gates | |
| Guo et al. | A multi-objective differential evolutionary algorithm with angle-based objective space division and parameter adaption for solving sodium gluconate production process and benchmark problems | |
| Kosushkin et al. | Tail wags dog’s SINE: Retropositional mechanisms of can SINE depend on its a-tail structure | |
| Mulawka et al. | Implementation of the inference engine based on molecular computing technique | |
| Seelig et al. | DNA hybridization catalysts and catalyst circuits | |
| Caporale | Evolutionary feedback from the environment shapes mechanisms that generate genome variation | |
| Zhang et al. | Development of nano-scale DNA computing devices | |
| Sun et al. | The comparative mitogenomics and phylogenetics of the two grouse-grasshoppers (Insecta, Orthoptera, Tetrigoidea) | |
| Shi et al. | DNA methylation plays important roles in lifestyle transition of Arthrobotrys oligospora | |
| CN117707473A (zh) | 通过核酸外切酶驱动常开与常闭开关构建分子电路的方法 | |
| Mastana | Molecular anthropology: population and forensic genetic applications | |
| Levinson | Crossovers generate non-random recombinants under darwinian selection |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |