DNA数据存储技术原理及其研究进展

信息生产与数据存储能力之间的差距日益扩大,急需分子数据存储等高密度持久性信息保存替代方案,基于脱氧核糖核酸(DNA)的数据存储因在信息保留时间、物理密度和体积编码容量等方面优于多数传统存储介质,而广受关注.本文概述了DNA数据存储技术的基本原理,总结了体外DNA存储数据库与体内分子存储器系统的研究进展,讨论了基于DNA分子的数据存储系统所涉及的各种影响因素以及面临的挑战.

极端微生物及其应用研究进展

极端微生物是指在高/低温、高/低p H、高盐、高压等极端环境条件下生存的微生物.特殊的生存条件导致其具有特殊的遗传背景和代谢途径,并可产生功能特殊的酶类和活性物质.随着系统生物学和合成生物学技术的发展,极端微生物作为一类特殊的微生物群体,在生物医疗、生物能源和生物材料等领域具有巨大的应用潜力.极端微生物相关研究也对生命起源与演化、生物工程技术等领域的发展具有重大意义.本文对极端环境及极端微生物的概念和分类进行了回顾,综述了极端微生物在不同环境条件下的适应机制及其酶的应用,并介绍了合成生物学在极端微生物研究中的应用情况.此外,由于极端微生物和极端酶的特殊性和高效性,本文还探讨了极端微生物开发过程中的挑战,以及其在航空航天与国防安全领域的综合应用潜力,并指出了相关研究的必要性.

人工智能在疟原虫检测中的应用研究

疟疾是由疟原虫引起的蚊媒传染性疾病,具有分布广泛、传播迅速、潜伏期长等特点,其直接关系到人类的健康、经济的发展以及社会的稳定.疟疾的快速准确检测是降低疟疾的病死率和控制疟疾传播的关键.目前已有研究利用深度学习算法实现对疟原虫的检测,但开发疟疾临床诊断的人工智能系统仍然存在挑战.本研究基于深度学习中的多尺度注意力机制,构建了基于人工智能的疟疾诊断目标检测模型(artificial intelligence-based object detection model for malaria diagnosis,AIM).同时,本研究利用智能手机与光学显微镜收集薄血涂片图像,创建了疟原虫薄血涂片图像数据集(Smart Malaria NET),并用于AIM模型的训练与评估.结果表明,AIM模型的Accuracy为94.49%,Precision为94.54%,Recall为94.49%,F1-score为94.50%,AUC(area under curve)为98.11%,各项评价指标均优于现有的VGG和Res Net模型.该人工智能的疟疾诊断目标检测模型有助于提高缺乏镜检人员地区的疟疾诊断能力,为全球疟疾防控提供“中国技术”与“中国方案”.

利用基因线路构建神经网络实现神经拟态计算

随着大数据时代的到来,现有计算体系限制了人工智能与类脑计算等新技术的发展.基于人工神经网络的神经拟态计算则提供了潜在解决方案,而具备低能耗并行化等优势的生物计算对其研究至关重要,其中基因线路将是构造人工神经网络的关键.本研究利用生物元件构建设计了人工神经网络,并实现了线性分类、非线性分类以及图案分类等神经拟态计算应用,充分利用生物元件的特性,模拟神经网络中神经元的连接关系,根据生物元件在基因线路中产生不同响应作为元件选择标准,构建基因线路实现不同功能的神经拟态计算.本研究提出通过工程化基因线路构建人工神经网络实现神经拟态计算,由此集成的分子计算系统有望应用于人工智能芯片的制造,并进一步广泛应用于类脑计算、脑机接口及国防建设等领域.

基于生物分子的神经拟态计算研究进展

随着大数据、云计算和人工智能等技术为代表的计算新时代的到来,以构建人工神经网络为基础的神经拟态计算因具有低能耗、自适应学习和高并行计算等优点成为研究热点.生物分子计算伴随着合成生物学的兴起而不断发展, DNA等纳米材料不但可用于逻辑运算,还可以构造神经网络,并从训练数据中进行学习,为在分子层面实现神经拟态计算提供了可能.本文概述了神经拟态计算的基本原理,总结了DNA计算的研究进展,介绍了基于DNA计算的神经拟态计算,讨论了其发展所面临的挑战.基于生物材料构造人工神经网络是神经拟态计算迈向分子计算层面的重要一步,而由此集成的人工智能芯片则有望广泛应用于航空航天、信息安全及国防建设等领域.