Investigadores del Instituto de Tecnología de California (Caltech) han logrado un avance significativo en la computación molecular al desarrollar una red neuronal basada en ADN capaz de aprender a partir de ejemplos. Este innovador sistema utiliza hebras de ADN para realizar cálculos a través de reacciones químicas, emulando los procesos de aprendizaje observados en sistemas biológicos.
Liderada por la profesora de bioingeniería Lulu Qian, esta investigación representa un hito crucial en la demostración de comportamientos de aprendizaje más complejos en sistemas químicos. El estudio, titulado "Supervised learning in DNA neural networks", fue publicado en la revista Nature el 3 de septiembre de 2025. Kevin Cherry, doctorado en 2024, es el primer autor de este trabajo pionero.
En sus experimentos, la red neuronal de ADN fue entrenada para reconocer números escritos a mano, una tarea que tradicionalmente presenta desafíos para las redes neuronales artificiales convencionales. El sistema codifica cada número como un patrón único de hebras de ADN, que desencadenan reacciones químicas específicas resultando en una señal fluorescente indicativa del dígito reconocido. Este método subraya el potencial de la computación con ADN para ejecutar tareas complejas de reconocimiento de patrones.
La capacidad de esta red neuronal basada en ADN para aprender de ejemplos abre nuevas vías para el desarrollo de sistemas de computación molecular adaptativos y energéticamente eficientes. Dichos sistemas podrían encontrar aplicaciones en diversos campos, como la medicina, para crear fármacos "inteligentes" que se adapten en tiempo real a amenazas patógenas, o en ciencia de materiales, dando lugar a materiales "inteligentes" que aprendan y se ajusten a las condiciones externas.
La investigación previa del equipo de la profesora Qian ya había demostrado en 2018 el potencial de una red neuronal de ADN para reconocer números escritos a mano. Este avance se suma al creciente interés en la computación molecular, campo que utiliza secuencias de nucleótidos para codificar y procesar información, en contraste con las computadoras tradicionales basadas en silicio y código binario. El potencial de la computación con ADN se extiende a áreas como la medicina personalizada, el descubrimiento acelerado de fármacos y la criptografía avanzada, demostrando su versatilidad y promesa para el futuro de la tecnología y la ciencia.
La investigación subraya cómo la comprensión de los principios de aprendizaje en sistemas moleculares diseñados podría permitir la dotación de capacidades similares a sistemas físicos no vivos, abriendo la puerta a máquinas moleculares capaces de aprendizaje y toma de decisiones integrados en una amplia gama de sistemas físicos.