北卡罗来纳州立大学的研究人员近日取得突破性进展，成功开发并训练了一个名为BINND（Binding and Interaction Neural Network for DNA）的深度学习模型。该模型能够以前所未有的精度预测复杂的DNA-DNA结合亲和力，其性能超越了现有最先进的模型，为DNA计算和数据检索的规模化应用奠定了关键基础。

传统的DNA结合模型通常将DNA结合视为一种简单的、孤立的“是/否”相互作用。然而，在真实的生物系统中，DNA分子远非如此简单。正如研究共同通讯作者、北卡罗来纳州立大学化学与生物分子工程副教授Albert Keung所指出：“我们通常认为结合是一种非常简单的关系——分子A结合分子B。但在生物系统中，这远非简单。分子A可能以不同程度结合数十种其他分子。”这种“超连接”的复杂性，即多条不同DNA链同时相互作用，模拟了活细胞或复杂DNA计算机中拥挤的环境，构成了巨大的挑战。

为了克服这一“超连接障碍”，BINND模型被专门设计来处理此类复杂网络。它摒弃了从基本生物物理或热力学公式推断预测的方法（这些方法难以解释非线性分子行为），而是直接利用了一个由1.44亿对DNA序列组成的物理文库进行训练。研究团队通过这种独特的实验方法，生成了海量的真实世界结合事件数据，从而使BINND能够直接从经验数据中学习，而非依赖于可能产生过高估计的理论模型。

在概念验证测试中，BINND深度学习模型在预测DNA结合行为方面取得了83.5%的准确率，比现有最先进的模型至少高出10%。更值得注意的是，该模型展现出一种可预测的“不对称安全失败”偏向：当模型出错时，它倾向于预测两条DNA链不会结合，而实际上它们会结合，而不是错误地声称不存在的结合会发生。这种特性对于分子诊断至关重要，因为它有助于研究人员避免灾难性的背景干扰（串扰），确保诊断的准确性。

为了展示BINND的实际应用价值，研究团队构建了一个交互式数据库，绘制了96条20个字符的DNA序列与26条其他20个字符的DNA序列之间的交叉结合关系。这个数据库相当于一个可靠的“地址簿”，可用于存储和检索分子数据。共同通讯作者、北卡罗来纳州立大学电气与计算机工程教授James Tuck表示：“这种特殊的演示在DNA计算方面具有真正的实用性，因为它为我们提供了这些序列特征的关键信息——这对于使用DNA捕获和检索信息的努力至关重要。”

将海量人类数据存储在微观DNA分子中，需要快速、无错误的物理数据检索。BINND通过提供精确的DNA链结合路线图，解决了DNA数据存储和计算面临的根本性扩展挑战。它为开发能够在单滴溶液中存储拍字节（PB）数据的分子硬盘铺平了道路。Keung教授乐观地表示：“DNA数据存储和计算面临的挑战之一是它是否能扩展到实际应用。我们乐观地认为，BINND将成为促进这些技术规模化以及其他潜在应用的重要工具。”

该研究还详细解释了DNA数据存储的工作原理：数字信息被翻译成合成DNA碱基A、C、T和G。要从分子“硬盘”中检索特定文件，需要注入一个小的荧光DNA“探针”，它像搜索查询一样，找到并结合目标数据链进行读取。如果搜索探针意外地结合到错误的文件，数据就会损坏。BINND模型就像一个极其智能的安全协调员，精确地绘制出这些序列将如何相互作用，以确保搜索查询只检索到正确的数据，而不会产生任何分子串扰。

研究人员已将BINND模型公开发布在GitHub上（https://github.com/dna-storage/BINND），期望研究界能够广泛利用这一工具。这项工作得到了美国国家科学基金会、美国国立卫生研究院、教育部研究生援助计划以及西蒙斯基金会的多方支持。