Computadoras de ADN
Publicado el Miércoles 02 de agosto de 2006 a las 09:37:31 por
El_Oraculo
Computadoras con ADN
Indice
1. Introducción
2. Cerebros virtuales
3. Bioinformática. Conceptos Generales
4. La Nueva Generación de Bioinformática
5. Química inorgánica y orgánica
6. Comportamientos emergentes de seres vivos.
7. Computación y antiguas filosofías.
8. Computadoras De ADN
1. Introducción
Los científicos siguen dando pasos de gigante para que algún día sea posible
utilizar ADN en tareas informáticas. De momento, especialistas de la University
of Wisconsin-Madison han conseguido trasladar una muestra de este material
genético desde el mundo flotante de un tubo de ensayo a la superficie rígida de
una placa de cristal y oro.
Con ello, no es descabellado pensar que, en el futuro, el ADN pueda ser usado
para llevar a cabo las mismas tareas que ahora precisan de innumerables circuitos electrónicos y silicio.
La computación mediante ADN es una tecnología aún en pañales. Expertos como
Lloyd Smith buscan capitalizar la enorme capacidad de almacenamiento de
información de estas moléculas biológicas, las cuales pueden efectuar
operaciones similares a las de una computadora a través del uso de enzimas,
catalizadores biológicos que actúan como el software que ejecuta las operaciones
deseadas.
La colocación del ADN sobre una superficie sólida, alejándolo del tubo de
ensayo, es un paso importante porque simplifica su manipulación y acceso.
Demuestra también que será posible aumentar su complejidad para resolver mayores
problemas.
En los experimentos de Wisconsin, un grupo de moléculas de ADN fueron aplicadas
sobre una pequeña placa de cristal recubierta por oro. En cada experimento, el
ADN fue adaptado de manera que se incluyeran todas las posibles respuestas a un
problema determinado. Exponiendo las moléculas a ciertos enzimas, las moléculas
con las respuestas incorrectas fueron eliminadas, dejando sólo las que poseían
las contestaciones correctas.
Las moléculas de ADN pueden almacenar mucha más información que un chip
convencional de computadora. Se ha estimado que un gramo de ADN secado puede
contener tanta información como un billón de CD's. Además, en una reacción
bioquímica que ocurriese sobre una pequeñísima área, cientos de billones de
moléculas de ADN podrían operar en concierto, creando un sistema de
procesamiento en paralelo que imitaría la habilidad de la más poderosa
supercomputadora.
Los chips que se emplean en las computadoras normales representan la información
en series de impulsos eléctricos que emplean unos y ceros. Se usan fórmulas
matemáticas para manipular el código binario y alcanzar la respuesta. La
computación por ADN, por su parte, depende de información representada como un
patrón de moléculas organizadas en un hilo de ADN. Ciertos enzimas son capaces
de leer este código, copiarlo y manipularlo en formas que se pueden predecir.
La computación convencional mediante chips está alcanzando los límites de la
miniaturización. El ADN es una de las alternativas a estudiar seriamente.
Motorola y Packard suman fuerzas para fabricar "biochips"
CHICAGO (Reuters) -- Las compañías estadounidenses Motorola y Packard
Instruments sumaron el lunes 29/6/98 fuerzas con el laboratorio gubernamental
Argonne National Laboratory para producir cantidades masivas de "biochips", se
anunció el lunes en Chicago.
Los biochips son dispositivos similares a los microchips de computadoras, aunque
con una amplia variedad de funciones para la medicina y la agricultura.
Igual que sucede con los circuitos de las computadoras, que son capaces de
calcular millones de operaciones matemáticas en sólo un segundo, los biochips
realizan millones de reacciones biológicas, como decodificar genes, en cuestión
de segundos.
Motorola desarrollará el proceso de fabricación de los circuitos y Packard
BioScience, se ocupará de fabricar los instrumentos con los que probar dichos
biochips.
Los biochips podrían costar inicialmente unos 100 dólares cada uno, aunque su
valor caería eventualmente hasta un dólar o quizás menos.
Argonne dijo que la academia rusa de ciencia, el Instituto de Biología Molecular
Englehardt, de Moscú, proporcionaría unas 19 invenciones relacionadas con los
microchips biológicos.
Motorola y Packard aportarán 19 millones de dólares en un período de cinco años
para respaldar sus investigaciones. Las licencias de las invenciones de Argonne
serán exclusivamente para las dos compañías.
Los biochips utilizan tecnología de "microgel", en la que estructuras
microscópicas, unas 10.000 o más en una superficie de vidrio de un soporte de
microscopio, actuarán como diminutos tubos de ensayo.
Dentro de cada estructura de microgel, los componentes químicos pueden ser
probados contra objetivos biológicos para buscar respuestas a cuestiones como la
secuencia del ADN (el ácido desoxirribonucleico), las variaciones genéticas, la
expresión de los genes, la interacción de las proteínas y la respuesta
inmunológica.
Los chips funcionan mucho más rápido que los métodos convencionales.
"En lugar de leer el ADN en base a cada `letra' o `palabra', los biochips leen
frases enteras de una sola vez", explicó el biólogo Andrei Mirzabekov, cuyas
investigaciones en los laboratorios Argonne y Engelhardt permitieron desarrollar
los biochips.
En una conferencia telefónica, el secretario estadounidense de Energía, Federico
Peña, definió el plan como de "especial importancia para los estadounidenses".
El Departamento de Energía financia experimentos junto con el Proyecto del
Genoma Humano, que busca crear para el año 2005 un mapa de todo el juego de
cromosomas humanos.
Peña dijo además que esto podría ser el nacimiento de una industria de miles de
millones de dólares.
Computadoras que aprenden a pensar
Las palabras 'tonto útil' pueden sonar ofensivas si se refieren a una persona,
pero es la absoluta realidad cuando hablamos de una computadora. Sí, los
ordenadores personales son 'tontos útiles' porque ayudan a resolver muchos
problemas, pero no se les puede pedir que realicen cosas por su cuenta; es
decir, que resuelvan problemas con un razonamiento. Ejemplos no faltan: si una
computadora no tiene un programa indicado para realizar cierta función, no habrá
manera de que lo haga y si tiene el programa, sólo hará lo que el programa tenga
definido (por ello, los videojuegos siempre serán derrotados: el jugador, tarde
o temprano descubrirá todas las posiblidades del programa y siempre ganará).
Desde hace 15 años, la idea de crear inteligencia artificial se ha convertido
cada vez más en una realidad tangible, tanto, que ya Oscar Chang ha
desarrollado, aquí en Venezuela, un programa de computación en el que unas
abejas virtuales llegan a optimizar su cerebro para volar perfectamente y llegar
al sitio indicado. En otras palabras, Chang logró que estas abejas pudieran
'aprender' y conseguir la mejor respuesta.
Volver a la naturaleza
Oscar Chang, quien se ha destacado en la construcción de robots animados como
los dinosaurios del Museo de Ciencias, señala que los expertos en computación se
dieron cuenta _a mediados de los ochenta_ que existían problemas que no podían
resolverse con los diseños de programas existentes. 'Por eso, comenzaron a
desarrollar lo que se llama las redes neurales artificiales (el diseño de hacer
que varias neuronas dentro de una computadora funcione exactamente como en el
mundo real)'.
Chang señala que una vez desarrolladas estas 'neuronas de bites', el reto
siguiente de los investigadores fue hacer que éstas lograran aprender, como
ocurre con ciertos seres vivos evolucionados.
Explica que este principio se encuentra en todos los ejercicios de inteligencia
artificial que se han desarrollado con éxito en los últimos tiempos: desde los
juegos de computación que van mejorando de los errores hasta la monstruosa Deep
Blue, la máquina que logró vencer al campeón del ajedrez Kasparov.
2. Cerebros virtuales
La última generación en inteligencia artificial se llama 'algoritmos genéticos',
en el que la computadora no sólo simula el funcionamiento neural biológico, sino
que establece también cadenas de ADN (ácido desoxirribonucleico) para
establecer, como ocurre en la naturaleza, características especiales, que en el
caso de las abejas virtuales de Chang, es la conformación neuronal de cada
insecto.
Luego, la computadora hace que las abejas se mezclen y dejen descendencia (bajo
los parámetros de que vuelen bien y utilicen las menores conexiones neurales
posibles). Luego de varias mezclas y un número considerable de descendencia, se
comprueba también la teoría de la evolución de Darwin, que señala que sólo los
mejores perduran.
Es cuestión de tiempo para que las computadoras sean más inteligentes que el
hombre.
Construye la NASA una Computadora del tamaño de una Molécula de Proteína.
Ingenieros de la NASA trabajan en el diseño de computadoras del tamaño de una
molécula de proteína, que servirán para rastrear y reparar daños celulares en el
organismo humano.
Meyya Meyyappan para Nanotecnología de la NASA, explicó que los "minúsculos
médicos robots" que entrarán al torrente sanguíneo serán creados para reparar
las lesiones causadas por accidentes, enfermedades, atacar virus y bacterias,
así como eliminar células cancerosas.
Explicó que aunque todavía no hay ningún nanorrobot en funcionamiento (con un
tamaño equivalente a la diez mil millonésima parte de un metro), los ingenieros
cuentan con diseños teóricos propuestos.
Robert Freitas, autor del libro Nanomedicine, precisó que el carbono será el
principal elemento que los constituirá, y que el hidrógeno, azufre, oxígeno,
nitrógeno, nitrógeno, silicio, entre otros, se utilizarán para fabricar los
engranajes y otras partes del sistema.
"Puede que muchas de estas minúsculas máquinas estén hechas de ADN, y que nada
tengan qué ver con la idea que todo el mundo tiene de los robots".
Nuevos Modelos de Computación:Computación Molecular
Motivaciones
En los últimos años se ha sugerido y mostrado que computadoras basadas en
interacciones a nivel molecular (Computadoras con ADN y Computadoras Cuánticas)
pueden ser una alternativa viable a las computadoras electrónicas
convencionales. Existen problemas complejos que requieren una búsqueda intensiva
para su resolución que no son eficientemente resueltos por las computadoras
digitales. Las computadoras moleculares se muestran más adecuadas para la
resolución eficiente de dichos problemas debido a su enorme capacidad de
paralelismo. En particular, en la computación con ADN el paralelismo reside en
el hecho de que un tubo de ensayo puede contener 10^18 moléculas de ADN. Una
simple operación sobre el tubo de ensayo supone del orden de 10^18 operaciones
simultáneas. Aquí estriba la enorme ventaja de las computadoras con ADN frente a
las computadoras clásicas para la resolución de ciertos problemas complejos.
CADENA(Computación con ADN)
La computación con ADN se inicia en 1994 con el trabajo de L. Adleman en el que
resuelve el Problema de Hamilton. Se resolvía en un laboratorio de biología
molecular un problema matemático complejo utilizando un tubo de ensayo con ADN y
aplicándole ciertas técnicas (PCR, separación, clonación). Este trabajo supuso
un gran avance en las ciencias de la computación ya que se mostraba que era
posible realizar computos a nivel molecular y, además, con una enorme capacidad
de paralelismo inherente.
Objetivos: Determinar la capacidad `teórica' de cómputo de los modelos de
computación con ADN probando su equivalencia con los modelos clásicos: Máquinas
de Turing, Pram.
Determinar la capacidad `práctica' de cómputo de los nuevos modelos de
computación con ADN. Para ello, se realizarán simulaciones en computadora
digital convencional de los cómputos con ADN.
Creación de nuevos modelos de computación molecular más potentes que los ya
existentes.
Incorporación de nuevas ideas algorítmicas (algoritmos de ramificación y
acotación y heurísticas) a los modelos de computación molecular.
3. Bioinformática. Conceptos Generales
Justificación
La Investigación Biomédica, una disciplina basada en la información, esta
inmersa en profundos cambios a medida que las nuevas aproximaciones
experimentales generan enormes volúmenes de datos sin precedentes. La Biología y
la Medicina están apoyándose cada vez mas en la aplicación de las Ciencias de la
Información.
La Bioinformática, el campo interdisciplinar que se encuentra en la intersección
entre las Ciencias de la Vida y de la Información, proporciona las herramientas
y recursos necesarios para favorecer la Investigación Biomédica. Este campo
interdisciplinar comprende la investigación y desarrollo de herramientas útiles
para llegar a entender el flujo de información desde los genes a las estructuras
moleculares, a su función bioquímica, a su conducta biológica y, finalmente, a
su influencia en las enfermedades y en la salud.
Una definición generalmente aceptada sería: "Una disciplina científica que se
interesa por todos los aspectos relacionados con la adquisición, almacenamiento,
procesamiento, distribución, análisis e interpretación de información biológica,
mediante la aplicación de técnicas y herramientas de las matemáticas, de la
biología y de la informática, con el propósito de comprender el significado
biológico de una gran variedad de datos".
¿Disciplina científica o técnica de apoyo a la investigación?
Con el incremento en complejidad y capacidad tanto de las computadoras como de
las técnicas de investigación, se necesitan "puentes" humanos que puedan
entender ambas disciplinas y sean capaces de comunicarse con los expertos de los
dos campos.
Históricamente, el uso de los ordenadores para resolver cuestiones biológicas
comenzó con el desarrollo de algoritmos y su aplicación en el entendimiento de
las interacciones de los procesos biológicos y las relaciones filogenéticas
entre diversos organismos. El incremento exponencial en la cantidad de
secuencias disponibles, así como la complejidad de las técnicas que emplean los
ordenadores para la adquisición y análisis de datos, han servido para la
expansión de la bioinformática.
La diferencia entre una disciplina científica y un campo de apoyo es que la
primera implica una investigación basada en el planteamiento de hipótesis,
mientras que el segundo sólo se encarga de apoyar esa investigación. La
bioinformática se ha ocupado desde un principio en realizar investigaciones
basadas en hipótesis. Las teorías de la evolución molecular se han estudiado
empleando para ello la genómica post-secuenciación. Se han examinado teorías de
interacciones y procesos complejos como la excitación nerviosa empleando la
modelización molecular. La Bioinformática están comenzando a ser considerada
como disciplina científica, como se evidencia en el incremento de publicaciones
y reuniones científicas en esta área.
Hay mucho campo de investigación basado en hipótesis en el área bioinformática
de las bases de datos. El reto en la construcción de bases de datos es el
establecimiento de una arquitectura que permita la realización de búsquedas
inteligentes, comunicación con otras bases de datos y la unión con herramientas
de análisis y minería de datos especificas que permitan dar respuesta a
problemas biológicos concretos. Los científicos que se encarguen de la
construcción de esas bases de datos deben tener unos conocimientos previos que
les permitan determinar qué problemas científicos concretos necesitan una
resolución y cuál o cuáles métodos son los mejores para resolverlos.
La Bioinformática comprende tres subespecialidades:
La investigación y desarrollo de la infraestructura y sistemas de información y
comunicaciones que requiere la biología moderna. (Redes y bases de datos para el
genoma, estaciones de trabajo para procesamiento de imágenes). Bioinformática en
sentido estricto.
La computación que se aplica al entendimiento de cuestiones biológicas básicas,
mediante la modelización y simulación. (Sistemas de Vida Artificial, algoritmos
genéticos, redes de neuronas artificiales). Biología Molecular Computaciónal.
El desarrollo y utilización de sistemas computacionales basados en modelos y
materiales biológicos. (Biochips, biosensores, computación basada en ADN). Los
computadores basados en DNA se están empleando para la secuenciación masiva y el
screening de diversas enfermedades, explotando su característica de
procesamiento paralelo implícito. Biocomputación
Técnicas y métodos
Las Tecnologías de la Información y las Comunicaciones ayudan a recolectar,
organizar y distribuir información sobre el genoma humano, para emplearse en su
análisis y en aplicaciones en Salud.
Básicamente, los sistemas informáticos se emplean en este campo para:
Adquisición de datos
Software para visualización
Programas para control de reactivos, geles y otros materiales
Generación y ensamblaje de secuencias
Análisis de datos
Programas para análisis de secuencias
Predicción de estructura de proteínas
Paquetes de integración y ensamblaje de mapas genéticos
Software para clasificación y comparación
Técnicas de Inteligencia Artificial
Gestión de datos
Bases de datos locales o accesibles mediante redes de comunicaciones.
Literatura médica y científica unida a las secuencias.
Distribución de datos
Redes de comunicaciones
Campos de aplicación
Gestión de datos en el laboratorio
Automatización de experimentos
Ensamblaje de secuencias contiguas
Predicción de dominios funcionales en secuencias génicas
Alineación de secuencias
Búsquedas en las bases de datos de estructuras
Determinación de la estructura de macromoléculas
Predicción de la estructura de macromoléculas
Evolución molecular. Árboles filogenéticos
4. La Nueva Generación de Bioinformática
Se introduce el concepto de Bioinformática de Segunda Generación caracterizada
por:
En los últimos años, la bioinformática ha trabajado con muchas bases de datos
que almacenaban información biológica a medida que iba apareciendo. Esto no sólo
ha tenido efectos positivos: muchos científicos se quejan de la creciente
complejidad que representa encontrar información útil en este "laberinto de
datos". Para mejorar esta situación, se desarrollan técnicas que integran la
información dispersa, gestionan bases de datos distribuidas, las seleccionan
automáticamente, evalúan su calidad, y facilitan su accesibilidad para los
investigadores. Se habla de Bioinformática Integradora. En ella no deben faltar
ayudas para la navegación por la información, que cada vez, con más énfasis,
reside en Internet y no en bases de datos locales.
Introducción.
Los modelos matemáticos de la máquina de Turing (MT), del lenguaje Ábacus, y del
lenguaje L; la posibilidad de enumerar, codificar y descodificar algoritmos
mediante números de Gödel; el Teorema de la Universalidad y otros temas
relacionados, me han resultado muy estimulantes para especular sobre algunas
posibilidades que están en los límites de lo rigurosamente formal, la ficción y
lo espiritual. Debido a que en el presente trabajo se presentan varias
especulaciones, muchas preguntas planteadas se quedan sin respuesta inmediata y
pretenden reflejar y estimular un interés en profundizar en los temas
correspondientes.
Para empezar, la MT, como uno de los modelos de cómputo más versátiles, es
susceptible de ser implementada en muy variadas formas de hardware, además de
las ya conocidas implementaciones electromecánica y electrónica del siglo XX.
Hasta la fecha y durante varios años más, han existido y existirán razones
importantes para implementar el modelo de las MT en su modalidad electrónica de
estado sólido; pero, ¿qué puede haber más allá del hardware tradicional?
Podríamos pensar, por ejemplo, en capacidad de cómputo de hardware y/o software
basados en procesos o fenómenos de la química inorgánica; de la química
orgánica, como el comportamiento del ADN, el comportamiento colectivo de seres
microscópicos, las reacciones químicas de sustancias orgánicas; fenómenos de la
óptica, de la acústica, de las señales de radio, de los comportamientos
emergentes de seres vivos en general y de grupos humanos en particular, etc.
La Inteligencia Artificial (IA), que pretende imitar algunos de los procesos
desarrollados por la mente humana, basa su operación en computadoras de hardware
electrónico. ¿Habría alguna ventaja para la IA si buscara el apoyo de hardware
de otro tipo? Por ejemplo: ¿qué ventajas podría obtener una forma de Robótica
basada en el comportamiento emergente de vegetales? ¿O el Procesamiento de
Lenguaje Natural basado en reacciones químicas de ciertas sustancias? Estas
preguntas aparentemente absurdas podrían tener respuestas muy concretas.
En lugares como el Media Lab, vinculado al Massachussetts Institute of
Technology (MIT), se investiga cómo simular en computadoras un equivalente de
las emociones humanas. ¿Qué se podría lograr usando hardware no electrónico?
Varios motivos me hacen pensar que la capacidad de cómputo puede implementarse
en prácticamente cualquier ente , siendo necesaria la existencia de otro ente
que haga uso del primero e interprete los resultados generados.
¿En qué momento un montón de átomos o moléculas adquiere la capacidad de
computar? ¿En qué momento un ente comienza a funcionar como MT? La intuición nos
dice que cuando está organizado en una forma muy específica que cumple
requisitos muy particulares. ¿Y cómo llega a ese estado de organización: puede
llegar por sí mismo, o siempre es necesaria una fuerza externa que lo lleve a
ese estado?
5. Química inorgánica y orgánica
Aunque la computación actual está basada en la química inorgánica (los
semiconductores y elementos de hardware similares), quizá sería útil explorar
procesos o fenómenos de la física atómica, de algunos materiales inorgánicos
especiales, etc. que hagan factible la analogización del modelo de MT.
En la película de ficción "La Mosca", los seres vivos y prácticamente cualquier
objeto material eran susceptibles de ser transducidos (entiéndase
"descodificados") en sus componentes fundamentales que, en última instancia, se
reducen a información. Luego, los seres podían ser "retransducidos" (entiéndase
"recodificados") hacia su estado original y, en algunos casos, hacia un estado
mejorado. Ésto me hace imaginar que la capacidad de cómputo tiene relaciones con
el problema de la transducibilidad de la información. Los materiales
transductores, que en su mayoría son inorgánicos, pueden ser otra puerta más de
entrada para evaluar posibilidades de cómputo en hardware no tradicional.
Química orgánica.
Los procesos que ocurren en los seres vivos constituyen algunos de los
mecanismos más eficientes para procesar información. El código genético es una
de las maquinarias más eficientes y compactas para procesarla y almacenarla. De
ahí el creciente interés que la biología ha despertado a los investigadores de
las ciencias computacionales en los últimos años.
Los materiales transductores orgánicos, como algunas células que generan
electricidad químicamente en respuesta a estímulos, han dado pauta para buscar
nuevas formas de cómputo, como la aplicación de neuronas naturales implantadas
sobre placas electrónicas.
Comportamiento del ácido desoxirribonucleico (ADN).
En años recientes ha crecido el interés en evaluar y aplicar el potencial de la
biología molecular para realizar cómputo. Es decir, se pretende aprovechar el
comportamiento natural del ADN para implementar directamente sobre moléculas
orgánicas algunos algoritmos computacionales que tradicionalmente han sido
aplicados en hardware electrónico. En general, este paradigma consiste en
aplicar un lenguaje "bioquímico" a ciertas moléculas de ADN, cuyo comportamiento
(espontáneo, o manipulado en algunos casos) pueda generar resultados útiles
desde el punto de vista de la computabilidad de funciones matemáticas.
Arturo Medrano [1] ha dicho que "la maquinaria celular lee y escribe a lo largo
del ADN". Basándonos en ésto, podemos ver una clara semejanza con el
funcionamiento de la MT, que escribe a lo largo de una cinta. Partiendo de esta
semejanza, aparentemente superficial y coincidental, podrían desarrollarse
algunas ideas de mayor interés. Por ejemplo, se podría aplicar el modelo de MT
para manipular directamente el código genético. Del mismo modo, el
funcionamiento del código genético podría analogizarse con una MT, con lo cual
podrían desarrollarse nuevas formas de cómputo. En otras palabras, esta
semejanza podría ser benéfica en ambas áreas: tanto en la genética como en la
computación, dándose una retroalimentación muy valiosa.
Un trabajo muy citado en el joven campo de la Computación Molecular, es el
realizado por Leonard M. Adleman, publicado en 1994 [2]. En su trabajo, Adleman
describe el cómputo molecular de soluciones de problemas de combinatoria. Según
Yali Friedman [3], investigador del área, esa fué la primera implementación de
una computadora basada en ADN.
En particular, el experimento de Adleman logró resolver el problema de la Ruta
Hamiltoniana para una pequeña cantidad de nodos. Este problema consiste en
hallar una ruta que recorra todos los nodos de un grafo, pasando sólo una vez
por cada uno de ellos. El problema resulta muy difícil para las computadoras
convencionales porque es de tiempo polinomial no determinístico, o sea, de tipo
NP. Los problemas NP son intratables con computadoras determinísticas, que son
las convencionales, de tipo serial; pero pueden resolverse usando computadoras
no determinísticas, o sea, masivamente paralelas. Viendo al ADN como
computadora, podría considerársele de tipo no determinístico. Según Friedman,
Adleman eligió el problema de la Ruta Hamiltoniana porque es específicamente del
tipo NP-completo, y todos los problemas NP pueden reducirse a alguna forma del
problema de la Ruta Hamiltoniana.
Tradicionalmente, el problema de la Ruta Hamiltoniana se ha resuelto con el
siguiente algoritmo:
1. Generar rutas aleatorias a través del grafo.
2. Conservar sólo aquellas rutas que inicien en el nodo inicial y concluyan en
el nodo final.
3. Si el grafo tiene n nodos, conservar sólamente aquellas rutas que contengan n
nodos.
4. Conservar sólo aquellas rutas que tocan todos los nodos al menos una vez.
5. Cualesquiera rutas restantes son soluciones al problema.
El elemento central de la solución usando ADN fué establecer los equivalentes
bioquímicos adecuados de los pasos correspondientes al algoritmo especificado.
Las operaciones que se describen a continuación pueden realizarse con ADN en los
laboratorios y se denominan "Modelo no restringido de cómputo con ADN":
Síntesis de una cadena genética deseada.
Separación de cadenas considerando su longitud.
Mezcla, vertiendo dos tubos de ensayo en uno para realizar la unión.
Extracción, tomando aquellas cadenas que contengan un patrón determinado.
Fundir y/o templar, rompiendo o ligando dos moléculas de ADN con secuencias
complementarias.
Amplificación, usando un compuesto denominado PCR para hacer copias de cadenas
de ADN.
Corte, separando el ADN con enzimas de restricción.
Ligación, enlazando cadenas de ADN con límites complementarios "adherentes"
usando un compuesto denominado ligasa.
Detección, confirmando la presencia o ausencia de ADN en un determinado tubo de
ensayo.
Las operaciones mencionadas pueden usarse para "programar" una "computadora de
ADN".
Adleman vislumbra la posibilidad de que una molécula simple de ADN pueda usarse
para codificar la "descripción instantánea" de una MT, y que los protocolos
bioquímicos y enzimas disponibles actualmente podrían, al menos bajo condiciones
ideales, usarse para inducir modificaciones sucesivas en una secuencia de ADN,
modificaciones que serían el equivalente de la ejecución de una MT.
La ejecución del experimento de Adleman tomó aproximadamente una semana. Aunque
este problema específico puede resolverse en papel en menos de una hora, cuando
el número de nodos se incrementa a 70, el problema se vuelve excesivamente
complejo aún para una super-computadora. Actualmente, las super-computadoras más
veloces pueden ejecutar 1000 millones de instrucciones por segundo (1000 MIPS);
una molécula simple de ADN necesita aproximadamente 1000 segundos para ejecutar
una instrucción, por lo cual su velocidad sería inferior a 0.001 MIPS.
Obviamente, si se desea realizar un cálculo a la vez (arquitectura serial), las
computadoras de ADN no son una opción viable. Sin embargo, si se desea ejecutar
muchos cálculos simultáneamente (arquitectura paralela), una computadora como la
descrita puede ejecutar fácilmente 10^14 MIPS. Las computadoras de ADN también
requieren menos energía y espacio. Mientras que las computadoras actuales
ejecutan 10^9 operaciones por Joule de energía consumida, las computadoras de
ADN podrían ejecutar 2 X 10^19 operaciones. Ésto significa 10^10 veces más
eficiencia. Los datos pueden almacenarse en el ADN a una densidad aproximada de
1 bit por nanómetro cúbico (nm3), mientras que los medios actuales de
almacenamiento requieren 10^12 nm3 para cada bit.
Al ver al ADN como elemento de cómputo, los bioquímicos pueden generar moléculas
mediante nuevos procesos, que serían similares a algoritmos computacionales, con
lo cual su nivel de control sería quizá mejor que el de los procesos bioquímicos
tradicionales. Algunas aplicaciones recientes incluyen, por ejemplo, la
construcción de pseudo-enzimas.
A pesar de las actuales limitaciones físicas y lógicas del hardware de ADN, en
el futuro, el posible hardware biológico podría ser quizá más veloz que el
electrónico para aplicaciones que requieran paralelismo, dada su gran capacidad
de operar dentro de este paradigma; además, se tendría la ventaja de que lo vivo
puede reproducirse por sí mismo, y eso es algo que las computadoras electrónicas
actuales todavía no pueden hacer. La aplicación de un posible hardware biológico
depende en gran medida de su posibilidad de automatización, que quizá no esté
muy lejana.
Óptica.
Ya se ha investigado las posibilidades de usar la luz visible o la luz de
longitudes de onda no visibles (láseres no visibles) para implementar capacidad
de cómputo. Una de las ventajas de este tipo de hardware sería su alta inmunidad
a la interferencia de ondas de radio, propiedad que es relativa en el hardware
tradicional. Nota: lamentablemente, no se encontraron referencias bibliográficas
ni hemerográficas sobre el tema.
Señales de radio.
¿Se puede implementar capacidad de cómputo mediante un software puramente
electromagnético? Es decir, ¿pueden hacerse cálculos usando como medio
equivalente del actual microprocesador o de la actual memoria RAM, el vacío?
¿Podría un programa "electromagnético" ser ejecutado en el éter, al igual que
viaja en éste la luz? ¿Podría un programa almacenarse en el vacío? Esta
pretensión llevaría implícita la idea de tener software sin un hardware que lo
aloje. ¿Será posible? ¿Podemos imaginar un razonamiento que no esté alojado en
un cerebro? ¿Tendría eso algo que ver con el supuesto filosófico de que la idea
precede a la materia?
6. Comportamientos emergentes de seres vivos.
Los estudiosos del fenómeno de la complejidad han visto que muchas especies de
seres vivos cuyas conductas individuales son sencillas, casi simples y
rudimentarias, tienen la capacidad de generar conductas colectivas altamente
complejas, cuyas características y consecuencias superan a la simplicidad de la
conducta individual. Este fenómeno se denomina comportamiento emergente, y es
muy evidente en especies como las abejas, las hormigas, las aves, y algunos
mamíferos como los delfines, los monos y, por supuesto, el hombre. El enjambre
es un ser más complejo que la abeja; en cierto modo, constituye un nuevo ser,
superior en capacidades a la propia abeja considerada individualmente. Lo mismo
podríamos decir de una MT: sus cuádruples consideradas individualmente son algo
mucho menos "inteligente" que la MT considerada en su totalidad. El todo es
mayor que la suma de las partes: esa podría ser una forma de explicar el
concepto de comportamiento emergente, el cual puede servir como plataforma para
implementar símiles de la MT que resuelvan problemas computables.
Seres vivos microscópicos.
Algunos microorganismos, al actuar en forma colectiva, formando colonias o
agrupamientos similares, son capaces de realizar hazañas de complejidad. Un
ejemplo destacable es el paso que se dió en la evolución de los seres vivos al
aparecer los seres pluricelulares (constituidos con muchos células). A
diferencia de sus predecesores, los unicelulares (constituidos con una sóla
célula ), los pluricelulares eran capaces de realizar funciones imposibles para
un unicelular.
Existen microorganismos que reaccionan de forma muy predecible ante ciertos
estímulos. Esa capacidad los haría relativamente "fáciles de programar" para
realizar cálculos y alcanzar capacidad de cómputo.
Seres vivos macroscópicos.
Los seres vivos macroscópicos, o sea, los visibles a simple vista, también
presentan comportamientos emergentes. Para dar capacidad de cómputo a un
conjunto de estos seres, habría que detectar cuáles son los comportamientos
individuales en los cuales la relación estímulo - respuesta es altamente
predecible. Algunos de esos comportamientos podrían tomarse como "instrucciones
fundamentales" de un lenguaje de programación parecido al lenguaje L.
Animales.
¿En qué momento alcanzó el hombre la capacidad de cómputo? ¿Podemos hacer que la
alcancen otras especies de seres vivos? ¿Podemos entrenar a un animal: perro,
delfín, chimpancé, pollo, etc. para que individualmente y/o en grupo "calcule",
"compute" el resultado de una función matemática? Si los objetos inanimados,
organizados adecuadamente por el hombre, han podido hacerlo, quizá para un
animal o un conjunto de animales resulte más fácil, contando con la
"programación" humana. ¿Cómo habría que "programarlos"? ¿Depende sólo del
lenguaje que establezcamos para darles las instrucciones?
Pensando en un ejemplo de cómputo basado en comportamiento animal, podríamos
imaginar que a un perro se le entrena para ladrar si observa que un recipiente
contiene una o más pelotas; a otro perro se le entrena para sacar una y sólo una
pelota de la cubeta si escucha el ladrido del primer perro; a un tercer perro se
le entrena para colocar una pelota en una cubeta si percibe un estímulo
determinado, etc. De esta forma, podríamos tener un conjunto de animales que,
sin saberlo, estarían computando una función, basándose en el modelo del
lenguaje Ábacus.
Vegetales.
¿Por qué podría decirse que una computadora y un árbol son diferentes
implementaciones de MT? Por su tipo de especialización. Un árbol es una MT
especializada en recibir como "argumentos" agua, minerales, bióxido de carbono,
etc., generando como principal "valor de salida" oxígeno respirable.
Aunque los vegetales no son tan "expresivos" como los animales ni tan rápidos
para generar respuestas a estímulos, las generan de forma perceptible para los
humanos. Algunas formas de respuesta pueden ser los diversos parámetros que
varían en un vegetal en función de los nutrientes recibidos del medio. Aquí, la
implementación de la capacidad de cómputo, la "programación" sería algo similar
a establecer ciertos niveles de suministro de agua, de luz solar, de minerales,
etc. La duración del proceso de cómputo sería de más largo plazo en comparación
con la duración del cómputo basado en conducta animal; sin embargo, parece
factible establecer esa capacidad.
Ecosistemas.
¿Computabilidad espontánea? ¿Puede esperarse que una entidad, un ser, un objeto,
genere capacidad de cómputo en forma espontánea? ¿Qué ha pasado con el hombre y
otras posibles formas de vida inteligente?
"El registro de la evolución en nuestro planeta, particularmente el contenido en
los registros fósiles, ilustra una progresiva tendencia hacia la inteligencia.
No hay nada misterioso en ésto: los organismos ?listos? sobreviven, por mucho,
mejor que los ?estúpidos?, dejando más descendientes" [5]. Según Sagan, "la
tendencia general parece absolutamente clara y debería aplicarse a la evolución
de la vida inteligente en otros lugares." [5]
La capacidad de computar, es decir, la capacidad en sentido amplio de generar un
resultado específico para un estímulo determinado, es una forma de inteligencia.
En la relativamente "simple" capacidad de computar pueden apoyarse capacidades
asombrosamente complejas, siempre y cuando existan un programa y un programador
que indiquen cómo desarrollarlas. ¿Podríamos decir que nuestras capacidades
humanas de tipo intelectual, emocional y quizá espiritual, se basan en
capacidades tan sencillas como la de computar?
En cierta forma, todos los seres vivos tienen capacidad de cómputo en sentido
amplio, porque para ciertos "argumentos" (los estímulos y recursos recibidos del
ambiente) se generan ciertos "valores de salida" (las respuestas y los
materiales de desecho que se devuelven al medio). Bajo este punto de vista, un
ecosistema, que es un conjunto de vegetales, animales y seres humanos
interactuando con un ambiente, sería una compleja MT. Yéndonos hacia el extremo,
el ecosistema más grande que tenemos hasta el momento es el planeta Tierra.
¿Podríamos considerarlo una complejísima MT que generará un resultado?
Comportamiento emergente de grupos humanos.
¿Puede un grupo humano, cuyos individuos ejecuten acciones simples, generar algo
similar a un proceso de cómputo, consciente o inconscientemente? Por ejemplo:
¿podríamos "programar" a un grupo de niños para que, haciendo individualmente
operaciones tan sencillas como las del lenguaje Ábacus (colocar una piedra en un
lugar definido, extraer una piedra de ese lugar, verificar si un espacio tiene o
no piedras) resuelvan un problema complejo, sin conocer el método de solución?
Programar gente: organizar y dirigir un grupo humano para lograr un resultado, o
sea, ejercer el liderazgo, es una forma de programación. Un guía, un líder, un
político o un directivo tienen que "programar" adecuadamente a su respectiva MT,
constituida por su grupo de trabajo, para alcanzar la meta establecida, el
resultado de la "función computada" por el grupo.
Nuestra capacidad humana de computar tiene como canales de entrada y de salida
los sentidos de la vista y del oído. Es decir, para calcular la solución de una
función, recibimos la información a través de tales sentidos. ¿Serviría de algo
intentar aprovechar otros sentidos para tal propósito? Pensemos en ésto: ¿cómo
le diríamos a una persona invidente y sorda que hiciera una operación
aritmética? ¿Qué sentidos quedarían disponibles? El tacto (con posibilidad de
percibir presión mecánica y cambios de temperatura), el olfato, el gusto, la
autocepción (percepción de la disposición espacial de los miembros corporales),
y quizá otros sentidos poco reconocidos.
Una analogía valiosa sería considerar a las diversas colectividades humanas como
MT que generan algún resultado. Así, la colectividad suprema que conocemos, la
humanidad completa, también lo es. Una pregunta interesante sería: ¿cuál es la
función que ha sido y está siendo computada por la humanidad?
7. Computación y antiguas filosofías.
En la filosofía hermética de Egipto y Grecia [6] se decía que "el universo es
mental"; es decir, los objetos y fenómenos que existen son todo aquéllo que
podemos percibir, abstraer, de ellos. Gran parte de tales abstracciones son
expresables mediante lenguajes formales, como las funciones computables; así que
podríamos especular que una parte importante del universo es computable y, por
lo tanto, establecible en modelos como las MT. Una buena pregunta sería: ¿cómo
hacer que una MT tome consciencia de que posee tales abstracciones? Quizá un
camino estaría sugerido por otro principio hermético: el principio del género
mental, según el cual la consciencia está compuesta en realidad por dos mentes
que se comunican entre sí. Se trataría de una mente que "habla" y otra que
"escucha", encapsuladas en un cierto "empaquetamiento"
Aparentemente, no existe relación entre la capacidad de computar y la posesión
de una consciencia, entendida ésta última como la posibilidad de percibir y
autopercibirse. En otras palabras, la computabilidad sola no puede generar
consciencia; pero, ¿necesita la consciencia tener capacidad de computar, además
de otras capacidades, para ser consciencia? ¿Es indispensable que un ser
consciente tenga capacidad de computar?
Finalmente, la antigua filosofía hermética le da un significado interesante a la
palabra espíritu, considerándolo, al igual que muchas religiones, como una
energía viviente, una fuerza animada, un poder viviente que actúa a través de un
medio que lo aloja. Bajo este punto de vista podría encontrarse una ciertea
semejanza con conceptos aparentemente más "científicos", como programa de
computadora y código genético. ¿Hasta qué punto el programa de computadora y el
código genético constituyen formas potenciales de energía viviente, de fuerza
animadora? ¿Hasta qué punto son semejantes los conceptos de programa de
computadora y espíritu? Después de todo, tal vez no sería tan exagerado decir
que un programa es una extensión del pensamiento humano, y quizá de su espíritu.
8. Computadoras De ADN
Introducción:
El 11 de Noviembre de 1994, un artículo en Science[1] describía la "Computación
Molecular de Soluciones a Problemas Combinatorios". Esta fue la primera
implementación de una computadora basada en ADN, y el título quiere decir que un
problema que requiere buscar varias posibles soluciones (un problema
combinatorio) fue resuelto con moléculas (ADN).
Aún con su respectiva complejidad, las operaciones biológicas y matemáticas
tienen algunas similitudes:
La muy compleja estructura de un ser viviente es el resultado de aplicar
operaciones simples a la información inicial codificada en una secuencia de ADN
(genes).
Todos los problemas matemáticos complejos se pueden reducir a operaciones
simples como la suma y la resta. [2]
Por las mismas razones por las que el ADN fue supuestamente seleccionado para
los organismos vivientes como material genético, el ser estable y predecible en
reacciones, las cadenas de ADN también pueden ser usadas para codificar
información para sistemas matemáticos.
El Problema del Camino Hamiltoniano
El objetivo es encontrar un camino que vaya del inicio (start) hasta el final
(end) pasando por todos los demás puntos una sola vez. Este problema es difícil
para computadoras convencionales (lógica serial) porque deben de intentar cada
camino posible uno por uno. Es como tener una pila de llaves y tratar de ver
cual es la que entra en una cerradura. Las computadoras convencionales son muy
buenas para las matemáticas, pero malas para problemas de tipo "llave en la
cerradura". Las computadoras basadas en ADN pueden tratar todas las llaves al
mismo tiempo (masivamente paralelo) y por lo tanto son muy buenas para problemas
de llave-en-la-cerradura, pero mucho más lentas para problemas matemáticos
simples como la multiplicación. El problema del Camino Hamiltoniano fue escogido
porque todos los problemas llave-en-la-cerradura pueden ser resueltos como
problemas de Camino Hamiltoniano.[2]
Resolviendo el Problema:
El siguiente algoritmo resuelve el problema del Camino Hamiltoniano, sin
importar el tipo de computadora usada:
Generar caminos aleatorios a través del grafo.
Quedarse solo con los caminos que empiezan en la ciudad inicio (A) y terminan en
la ciudad fin(G).
Como el grafo tiene 7 ciudades, quedarse solo con los caminos que tengan 7
ciudades.
Quedarse solo con los caminos que entran a todas las ciudades por lo menos una
vez.
Cualquier camino que quede es una solución.[1]
La clave para resolver el problema fue usar ADN para llevar a cabo los cinco
pasos del algoritmo.
Estos bloques interconectados, pueden ser usados para modelar el ADN:
Al ADN le gusta formar largas hélices dobles:
Las dos hélices son unidas por "bases", que serán representadas por bloques de
colores. Cada base se une solamente a otra base específica. En nuestro ejemplo,
diremos que cada bloque de color únicamente se unirá con el mismo color. Por
ejemplo, si solo tuvieramos bloques rojos, pudieran formar una cadena larga como
esta:
Cualquier otro color no se unirá con el rojo:
Programando con ADN:
Paso 1: Crear una secuencia de ADN única para cada ciudad (de A hasta G). Para
cada camino, por ejemplo, de A a B, crear una pieza de ADN que concuerde con la
última mitad de A y la primera mitad de B:
Aquí el bloque rojo representa a la ciudad A, mientras que el bloque naranja
representa a la ciudad B. El bloque mitad rojo mitad naranja que conecta a los
otros dos bloques, representa el camino de A a B.
En un tubo de ensayo, todas las diferentes piezas de ADN se conectarán unas con
otras al azar, formando caminos a través del grafo.
Paso 2: Debido a que es difícil "remover" el ADN de la solución, el ADN que
empezaba en A y terminaba en G fue copiado una y otra vez hasta que el tubo de
ensayo contuviera mucho de ése ADN relativo a las otras secuencias secuencias
aleatorias. Esto es esencialmente lo mismo que remover todas las otras piezas.
Imagine un cajón de calcetas que inicialmente contiene una o dos calcetas de
colores. Si pone ahí cien calcetas negras, es muy probable que cuando saque una
del cajón todo lo que obtenga sean calcetas negras!
Paso 3: Por peso, las secuencias de ADN que tuvieran 7 "ciudades" de largo
fueron separadas del resto. Una "sieve" fue usada la cual permite que pasen
rápidamente pedazos pequeños de ADN, mientras que los segmentos más largos son
frenados.El procedimiento usado en realidad permite aislar las piezas que son
precisamente de 7 ciudades de largo.
Paso 4: Para asegurar que las secuencias que nos quedan pasan por todas las
ciudades, fueron usadas piezas "pegajosas" de ADN unidas a magnetos para separar
el ADN. Los magnetos fueron usados para asegurar que el ADN que queremos
permanezca en el tubo de ensayo, mientras que el ADN no requerido es removido.
Primero, los magnetos se quedaban con todo el ADN que pasara por la ciudad A en
el tubo de ensayo, luego por B, luego C, y D, y así sucesivamente. Al final, el
ADN que permanece en el tubo fue aquél que pasa por todas las ciudades.
Paso 5: Todo lo que falta es secuenciar el ADN, revelando el camino de A a B a C
a D a E a F a G.
Ventajas:
El procedimiento de arriba tomó aproximadamente una semana en terminar. Aunque
este problema particular pudiera ser resuelto en un pedazo de papel en menos de
una hora, cuando el número de ciudades aumenta a 70, el problema se vuelve
demasiado complejo incluso para una supercomputadora. Mientras que una
computadora de ADN se tarda mucho más que una computadora normal para hacer cada
cálculo individual, puede hacer una cantidad enorme de operaciones al mismo
tiempo (masivamente paralelo). Las computadoras de ADN también necesitan menos
energía y espacio que las computadoras normales. 1000 litros de agua pudieran
contener ADN con más memoria que todas las computadoras actuales juntas, y una
libra de ADN pudiera tener más poder de computación que todas las computadoras
actuales juntas. [3]
El Futuro:
La computación por ADN tiene apenas cuatro años (11 de Noviembre de 1994), y por
esta razón, es muy temprano para gran optimismo o gran pesimismo. Las primeras
computadoras como la ENIAC llenaban cuartos enteros, y tenían que ser
programadas por tarjetas perforadas. Desde ese tiempo, las computadoras se han
vuelto mucho más pequeñas y fáciles de usar. Las computadoras de ADN se volverán
más comunes para resolver problemas muy complejos; Así como la clonación y
secuenciación de ADN fueron una vez trabajos manuales, las computadoras de ADN
también se automatizarán.
Además de los beneficios directos de usar computadoras de ADN para desarrollar
computaciones complejas, algunas de las operaciones que las computadoras de ADN
ya poseen, y probablemente más serán usadas para investigación molecular y
bioquímica.
Computadoras De ADN
Alma Iridia Barranco
Cuando en 1953, los bioquímicos James Watson y Francis Crick presentaron por
primera vez el modelo de la doble hélice del ácido desoxirribonucléico o ADN,
ello no sólo les valió el Premio Nobel. Además, tuvieron la certeza de que
habían cambiado de golpe la dirección de las ciencias biológicas.
El ADN es la molécula que contiene toda la información genética de un organismo
vivo. En otras palabras, es el mecanismo en el cual se almacenan los "planos"
para que las células se dividan en la forma específica para "construir" un
organismo único. En otras palabras, la "receta" completa de cada árbol, de cada
camarón, de cada vaca y de cada ser humano está contenida en una sola molécula
de ácido desoxirribonucléico: en el caso de los humanos, el color de la piel,
del pelo y de los ojos, las proporciones de la cara, la complexión, el sexo y
hasta algunos rasgos de carácter y predisposiciones a padecer ciertas
enfermedades vienen programados en el ADN de cada individuo. Y toda esta
cantidad de información está contenida dentro de una molécula microscópica
almacenada en el núcleo de cada una de las células.
Ampliada millones de veces, la imagen de un ADN parece una escalera de caracol
larguísima en la cual cada peldaño está formado por un par de bases unidas por
un eslabón de hidrógeno. Considerando que el ADN humano tiene dos millones 900
mil pares de bases, el número de combinaciones distintas que se pueden obtener
sobrepasan los billones de billones.
Las mejores computadoras personales actualmente en el mercado no suelen tener
más de 10 Gb (10 billones de bytes) de capacidad de almacenamiento en disco
duro; y, por pequeño que sea, éste no mide menos de unos cuantos centímetros. Si
guardáramos esa misma cantidad de información en moléculas de ADN, cabría dentro
de una célula humana. Más aún, si colocáramos trillones de moléculas de ADN
juntas y las hiciéramos interactuar por medio de procesos químicos para procesar
la información que contienen, tendríamos la más compleja y poderosa red de
cómputo paralelo dentro de un tubo de ensayo. Aunque esto suene a historia de
ciencia ficción, no está tan alejado de la realidad.
A finales de los años cincuenta, Richard Feynman, también ganador del Premio
Nobel, propuso por primera vez la posibilidad teórica de la computación a nivel
molecular, pero no fue hasta 1994 que el matemático y científico de la
computación Leonard Adleman comprobó en forma experimental esta propuesta.
Utilizó, para ello, ADN y técnicas de biología molecular. Con los resultados de
Adleman se ha despertado un gran interés en lo que hoy se conoce como cómputo
ADN (DNA computing). Esta es una rama de la biología computacional, ciencia
multidisciplinaria surgida en esta década, que sirve como intersección entre las
ciencias compu-tacionales, las matemáticas y la biología.
El experimento de Adleman consistió en establecer con ADN un sistema con una
cantidad enorme de "procesadores" en paralelo para resolver el siguiente
problema: supongamos que hay un vendedor ambulante que va de ciudad en ciudad y
que tiene que elegir, entre un gran número de posibles rutas, la más eficiente.
Este es un problema muy antiguo que requiere un número tremendo de cálculos
cuando se incrementa el número de ciudades que el vendedor tiene que visitar y
que ha sido teóricamente imposible de completar, aun y si todas las computadoras
convencionales que se han construido en el mundo se utilizaran al mismo tiempo
para resolverlo. Sin embargo, la computadora de ADN de Adleman resolvió este
problema en milésimas de segundo. Dicha computadora consistió en un tubo de
ensayo con una pequeña cantidad de solución que contenía trillones de moléculas
de ADN. Adleman asignó una combinación única de bases formando una hélice simple
de ADN por cada ciudad e hizo millones de copias de cada una a través de
procesos bioquímicos. Después hizo lo mismo asignando la combinación única de
bases equivalente al complemento del nombre de dos ciudades si existía una ruta
directa entre ambas (adenosina es el complemento de timina, citosina es el
complemento de guanina, y viceversa). El ADN, cuando está en hélice simple, en
forma natural tiende a unirse con su complemento.
Al poner las hélices de las ciudades junto con las de las rutas, éstas se
unieron en forma casi instantánea con sus respectivos complementos formando
doble hélices de ADN representando todas las posibles rutas y de entre éstas se
obtuvo la más corta.
Teóricamente, los beneficios potenciales del cómputo ADN son enormes,
particularmente si consideramos la inmensa capacidad de almacenamiento de estas
moléculas y la facilidad para realizar cómputo en multiparalelo. Sin embargo,
las computadoras de ADN tienen grandes desventajas. Aunque el experimento de
Adleman produjo una solución casi instantánea, tomó casi una semana el preparar
el sistema y otro tanto el poder pescar las moléculas con la solución correcta
de entre todas las moléculas en el tubo de ensayo. Además, no hay garantía de
que la solución producida será la mejor, aunque ciertamente será una muy buena
solución y se obtendrá en mucho menor tiempo que con una computadora
convencional. Otra gran desventaja es que las computadoras de ADN no pueden ser
programadas ni utilizadas por cualquier persona.
Así que, por el momento, las computadoras convencionales no podrán ser
reemplazadas por las de ADN. Para hacer estas últimas más viables se requiere
que el equipo necesario para la manipulación del ADN sea mucho más refinado y
permita reducir al mínimo el margen de error y el tiempo necesario para la
"programación".
Es muy improbable que las computadoras de ADN sean utilizadas para procesamiento
de palabras en el futuro cercano. En cambio, son una verdadera promesa para
resolver problemas que requieren una enorme cantidad de cómputo y
almacenamiento.
Aunque tal vez Watson y Crick jamás imaginaron que su investigación fuera a
repercutir en las ciencias exactas y la tecnología, ciertamente el cómputo ADN
no es una ficción, sino una ciencia en desarrollo y con enormes posibilidades.
Trabajo enviado por:
David Oridnola Guevara
davidordinola@yahoo.es
1.- norma
Viernes 01 de septiembre de 2006 a las 22:53
espero un articulo, gracias
