Computadoras con ADN (página 2)

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.

9.
Bibliografía
http://uxmcc1.iimas.unam.mx/~scoria/MENTE1.html http://www.puc.cl/curso_dist/cbc/anexos/texto_a/biochips.html

http://www.mmlab.usb.ve/universitas/exploracion/notas/210100.html

http://www.macrofono.com.mx/cienciaytecnologia/articulos/ciencias/4909/

http://delicias.dia.fi.upm.es/areas/nuevos_modelos_de_computa_Esp.html

http://delicias.dia.fi.upm.es/../proyectos/en-curso/cadena/cadena_proyecto_Esp.html

Autor:

Martínez Rivera Arturo