生物计算与 DNA 计算

生物计算包含共享同一基质的两个不同命题。其一是存储：DNA 以磁介质与光介质无法企及的密度承载数据，并可保持数百年可读，因此工程难题不在容量而在访问——低成本写入、在数十亿条中找到某一文件，并在会破坏数据的合成与测序流程之下完成恢复。已发表的六种代表性编解码器对比显示，编码层单独评估时可容忍约 14% 的错误率与约 65% 的序列丢失，这正是让一种天然"有损"介质变得可用的余量。其二是计算：活细胞内执行逻辑的基因线路；2026 年的工作以正交反式剪接 AND 门与合成 microRNA 构建，演示了三输入组合逻辑门、半加器、全加器与动态多路复用器——由细胞而非晶体管执行的算术。围绕两者还存在一支规模较小的"非常规计算"传统，把黏菌与真菌菌丝视作计算基质。对上述一切，2026 年的诚实定位是：这是研究与专利活动，而非产品市场；被点名的参与者是企业研究实验室、高校与提交专利的平台公司，且生物计算机并不存在任何合规评定路径。

生物计算的关键方向是：

1. DNA 数据存储与随机访问： 把数据编码进合成的多核苷酸并从池中取回特定文件；专利工作把全池扩增与测序仪内随机访问相结合，使访问与读取合并为工作流中的单一步骤。
2. DNA 存储的纠错编码： 使有损介质变得可靠的编解码层；六种代表性方案的对比显示，单独评估时可容忍约 14% 的错误率与约 65% 的序列丢失，而现实部署下的可用密度低于这些孤立数值所暗示的水平。
3. 基因线路计算： 在哺乳动物细胞内以正交反式剪接 AND 门、原生—合成杂合启动子与实现抑制逻辑的合成 microRNA 构建的逻辑；2026 年在少数计算层内演示了三输入门、半加器、全加器与动态三选一多路复用器。
4. 非常规与生物混合计算： 把活系统作为计算与传感基质——驱动机器人导航的 Physarum polycephalum 元胞自动机模型，以及被提出作为分布式传感、自愈与异常检测层的真菌菌丝网络。

行业价值链#

[编码与设计] ──> [分子写入] ──> [存储/执行] ──> [分子读取]
                                        │
                                    (纠错)
                                        │
                                        ▼
[恢复的数据 / 输出] <─── [解码] <───────┘

价值链层级#

行业跨领域技术：

• 分子电子学传感： 使用 DNA 报告标签、面向多重基因分析的单分子电子传感器，提供电学而非光学的读出。
• 高保真 DNA 合成： 存储与线路构建共用的写入步骤，其通量、成本与保真度共同决定经济可行的边界。
• 仿生与元胞自动机算法： 取自生物体（尤以 Physarum polycephalum 为代表）的计算模型，既用于驱动生物混合硬件，也作为常规机器人学中的算法。

该技术栈宜读作两列——存储与计算——共同架设在同一物理层（分子合成与测序）之上，旁侧则并行着一条非常规计算传统。

1. DNA 存储：写入、寻址、读取：
   • 数据被编码为受生化约束的核苷酸序列并合成；写入是成本与保真度的瓶颈，因此明确的研究目标是高通量、低成本、高保真合成，而非更高密度。
   • 取回才是归档与样本的分水岭：全池扩增结合测序仪内随机访问，使得在复制整池的同时仍能读取特定被寻址子集，把两步操作并为一步。
2. 纠错编码：
   • 在 in silico 与 in vitro 条件下对六种代表性编解码器的对比显示，各自单独评估时可容忍约 14% 的错误率与约 65% 的序列丢失。
   • 同一工作明确指出，现实部署意味着可用存储密度低于孤立编解码器性能所暗示的水平——这正是基准测试与可用归档之间的落差。
3. 基因线路计算：
   • 由正交反式剪接 AND 门、原生—合成杂合启动子与实现抑制逻辑的合成 microRNA 构建的哺乳动物基因线路，在少数计算层内即可运行，这正是其可扩展的原因。
   • 2026 年演示的线路包括三输入组合逻辑门、半加器、全加器与动态三选一多路复用器——与数字电子学相同的原语，却由细胞机制求值。
4. 分子电子学与生物混合基质：
   • 分子电子传感器借助 DNA 报告标签以电学方式读取单分子事件，用于多重基因分析，完全绕开光学检测。
   • 生物混合计算把生物体本身当作机器：Physarum polycephalum 元胞自动机模型驱动机器人导航，真菌菌丝网络则被提出作为具备具身记忆与自主修复的分布式传感与自愈层。