[论文解读] "Going back to our roots": second generation biocomputing

Jon Timmis, Martyn Amos+2 more|ArXiv.org|Dec 16, 2005

Evolutionary Algorithms and Applications参考文献 92被引用 23

一句话总结

本文提出了一种‘第二代’生物计算，通过将生物学与计算深度整合，超越了对生物系统的粗略类比。它倡导跨学科合作，开发出受自然系统（如纤毛虫的基因重排）启发、具有生物学合理性的可扩展计算模型，以天然基因工程为未来仿生计算的蓝图。

ABSTRACT

Researchers in the field of biocomputing have, for many years, successfully "harvested and exploited" the natural world for inspiration in developing systems that are robust, adaptable and capable of generating novel and even "creative" solutions to human-defined problems. However, in this position paper we argue that the time has now come for a reassessment of how we exploit biology to generate new computational systems. Previous solutions (the "first generation" of biocomputing techniques), whilst reasonably effective, are crude analogues of actual biological systems. We believe that a new, inherently inter-disciplinary approach is needed for the development of the emerging "second generation" of bio-inspired methods. This new modus operandi will require much closer interaction between the engineering and life sciences communities, as well as a bidirectional flow of concepts, applications and expertise. We support our argument by examining, in this new light, three existing areas of biocomputing (genetic programming, artificial immune systems and evolvable hardware), as well as an emerging area (natural genetic engineering) which may provide useful pointers as to the way forward.

研究动机与目标

• 解决生物启发计算中的停滞问题，超越对生物系统的表面类比。
• 识别第一代生物计算技术（如遗传编程和人工免疫系统）的局限性，特别是在可扩展性和生物学保真度方面。
• 倡导生命科学与工程/计算机科学领域之间重新建立双向合作。
• 展示更深层次的生物学理解如何催生更强大且创新的计算范式。
• 将天然基因工程定位为开发下一代生物学合理计算系统的关键范式。

提出的方法

• 从生物学合理性角度分析现有的生物计算范式——遗传编程、人工免疫系统、可演化硬件。
• 研究纤毛虫的天然基因工程模型，其中分子内DNA重组（环状、发夹状及双环状操作）可实现精确的基因组装。
• 使用拓扑操作（如折叠、切割、拼接）将基因重排的分子机制抽象为形式化计算模型。
• 将此抽象模型应用于纤毛虫的真实实验数据，验证其解释已知基因组装过程的能力。
• 提出计算模型应源自详细的生物学机制，而非高层次的抽象。
• 强调生物学与计算机科学之间需要反馈回路，即生物学洞察应启发计算模型，而计算模型反过来又指导生物学假设的生成。

实验结果

研究问题

• RQ1 为何第一代生物计算技术在创新和性能方面已达到瓶颈？
• RQ2 当前的生物启发系统在多大程度上未能捕捉自然生物系统的真正复杂性与适应性？
• RQ3 更深层次的生物学理解如何推动更高效、可扩展的计算模型？
• RQ4 天然基因工程（特别是纤毛虫基因组装）在下一代生物计算中可发挥何种范式作用？
• RQ5 如何重新激发计算机科学与生物学之间的跨学科合作，以推动生物计算的创新？

主要发现

• 第一代生物计算方法（如遗传编程和人工免疫系统）依赖于对生物过程的过度简化抽象，已达到可扩展性和保真度的极限。
• 纤毛虫的天然基因工程模型，涉及环状、发夹状及双环状DNA重组操作，为基因组装提供了一个具有生物学合理性和数学形式化的框架。
• 该模型成功解释了纤毛虫基因组装的所有已知实验数据，包括来自 *Urostyla grandis*、*Engelmanniella mobilis* 和 *Sterkiella nova* 的基因。
• 在天然基因工程领域，生物学与计算机科学之间的反馈回路（生物学机制启发计算模型，计算模型又反过来指导生物学理解）已被证明是有效的。
• 天然基因工程作为计算范式的成功表明，深入的生物学洞察可催生更强大、更稳健的计算系统。
• 亟需一种新的、第二代生物计算方法，其根植于生物学合理性，并由生命科学与计算学科之间的紧密合作所驱动。