基于质粒和菌落演化的体内计算研究

Plasmids and E. coli colonies are widely used as molecular programming tools in gene circuit and DNA computations. Most of the current circuit or computational models fail to use the communication mechanism between bacteria, resulting in limitations on their size and capabilities. This project proposes to use neural P system model as the theoretical framework, using the Bacterial Conjugation mechanism to transmit information between cells in the form of pulses, to generate the computational space for bacterial division, and to use the phage to remove the non-solution in the process of splitting to realize the calculation. The recycling of space to solve the problem of computational space explosion. In order to develop in-vivo computational algorithms with learning capabilities, this project proposes to use evolutionary strategies in biological neural networks and artificial neural networks to introduce evolutionary strategies such as competition, lateral inhibition, and quorum sensing in local systems, exploring unsupervised and supervised algorithms based on the evolution of colonies. On this basis, the project will study the computational capability of in vivo systems based on the evolution of plasmids and colonies, including issues such as computational complexity and computational universality. Completion of the computational simulation platform and biological principle experiments. The above work will establish the basis for in vivo calculations in scientific computing and biology and medicine.

质粒和大肠杆菌菌落，作为分子编程工具，在基因电路和DNA计算得到广泛应用。目前的电路或计算模型，大多没能利用细菌之间通讯机制，导致其规模和能力受到限制。本项目提出以神经型细胞计算模型为理论框架，使用细菌接合机制在细胞间以脉冲形式传递信息，以细菌分裂产生计算空间，在分裂过程中使用噬菌体删除非解，实现对计算空间的回收利用，以解决计算空间爆炸问题。为了开发具有学习能力的体内计算算法，本项目提出借鉴生物神经网络和人工神经网络中的演化策略，在局部系统中引入竞争、侧抑制、群体感应等演化策略，探索基于菌落演化的无监督与有监督学习机制。在此基础上，项目将研究基于质粒和菌落演化的体内系统的计算性能，包括计算复杂性、计算通用性等问题。完成计算仿真平台和生物原理性实验。以上工作将为体内计算在科学计算和生物、医学方面的应用建立基础。

本项目通过借鉴生物神经网络和人工神经网络，提出质粒神经膜系统，使用细菌接合机制在细胞间以脉冲形式传递信息，以细菌分裂产生计算空间，在分裂过程中使用噬菌体删除非解，实现对计算空间的回收利用，以解决计算空间爆炸问题。证明了质粒神经膜系统具有计算通用性，能产生递归可枚举语言。并开发了具有学习能力的体内计算算法，在此基础上，项目研究了基于质粒和菌落演化的体内系统的计算性能，包括计算复杂性、计算通用性等问题，并将系统应用于生物医药的实际问题中，取得了良好的效果。主持人在项目期间获国家优秀青年基金，湖南省杰出青年基金。入选全球高被引学者。成果发表在CCF A类或中科院一区期刊上。本项目培养博士后一名，博士4名，硕士6名。