Partes: 1, 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