生物计算位于计算机科学、生物学和工程学的交叉点。该领域的研究人员试图利用生物材料的固有分子和化学特性，包括如细菌和真菌这样的微生物以及如 DNA 这样的细胞组成部分，以推进计算机技术。所展示和潜在的应用包括执行计算任务、数据存储和检索以及构建新型硬件。
支持者认为，生物计算比传统的电子方法具有优势。例如，该技术不依赖快速加热的硅微芯片，使其更加节能，许多生物材料具有自我修复的有用能力。
生物计算的起源可以追溯到 1990 年代，当时图灵奖获得者和计算机科学家伦纳德·阿德曼证明了 DNA 分子可以编码来执行计算任务。近年来，合成生物学和纳米生物技术的发展使该领域取得了进展，允许在纳米尺度上操纵生物材料。突破正在全球范围内发生，范围从以细菌驱动的功能到基于真菌菌丝和人类脑细胞的潜在颠覆性技术的持续工作。
细菌设备
细菌是能够表现出基因表达和群体感应等行为的微生物，可以通过基因工程来执行计算任务。
印度加尔各答核物理研究所的生物物理学家 Sangram Bagh 和 Rajkamal Srivastav，利用分子工程细菌在人工神经网络（ANN）架构中开发了一个逻辑可逆的双 Feynman 门。他们利用实验室工程的非病原性大肠杆菌细胞构建了一个单层人工网络类型架构，并在其中排列了工程化的细菌，称之为“细胞装置”。当 bactoneurons 按照这种结构排列时，双 Feynman 门就会生成。Bagh 解释说，这些细胞装置的输入信号是使用细胞外化学物质产生的；“这个输入信号就像零或一。它存在或不存在，然后你会得到一个输出。” 在这种情况下，输出是三种荧光蛋白的表达。
其他以细菌为驱动的生物计算解决方案也正在出现：来自爱尔兰沃尔顿研究所、泰恩达尔国家研究所和英国埃塞克斯大学的一个团队，以及西班牙国家生物技术中心（CSIC）和马德里康普鲁滕斯大学（UCM）以及智利圣地亚哥迭戈·波尔塔莱斯大学的研究人员，已经提出了一种名为“芯片上的细菌分子计算（BMCoC）”的方案，该方案使用微流控技术和电化学传感技术。在波士顿大学的 Oliveira 实验室，研究人员正在开发嵌入微流控装置中的可编程微生物群落。
细菌是单细胞的和微小的，但一些生物计算实验是基于更复杂的生物结构。
真菌基质
英国西英格兰大学非传统计算实验室（UCL）、荷兰乌得勒支大学、丹麦皇家建筑学院信息技术和建筑中心（CITA）以及意大利菌丝技术组织 MOGU 正在合作进行一项名为“真菌架构”的欧盟资助项目，旨在构建一个“完全集成的结构和计算生物基质，利用真菌菌丝进行建筑生长”。
UCL 的主管和创始人亚当·亚达马茨基列举了真菌为他的研究提供的有利条件：
- “容错性和自我修复：不可能摧毁地下所有菌丝。
- 可重构性：我们可以使用排斥剂和引诱剂编程菌丝网络的生长。
- 进化性——像所有生物一样，真菌会进化。
- 非常低的能量消耗——真菌是依靠腐烂树木生存的计算机。”
去年，来自UCL的Adamatzky和他的同事Nic Roberts展示了在真菌中挖掘逻辑电路的技术。2021年，他与CITA的同事发表了一篇论文，介绍了“真菌电子学”：由纯菌丝或菌丝结合复合材料制成的生物电子设备，包括化学和光学传感器以及振荡器。Adamatzky表示：“我一生都对从不寻常的底物中实现计算设备感兴趣。”
同样不寻常但有前途的生物计算材料是黏菌Physarum polycephalum。一度被归类为真菌，现在被认为是一种独特的生物实体。去年，芝加哥大学人机集成实验室的Jasmine Lu和Pedro Lopes在ACM用户界面软件和技术（UIST）研讨会上展示了一款黏菌集成的智能手表。此外，来自中国温州大学、越南岘港大学、伊朗德黑兰大学和澳大利亚托伦斯大学的国际团队提出了一种用于解决优化问题的黏菌算法（SMA）。
一个新的领域？
生物计算的最新领域或许也是最令人惊讶的。Organoid Intelligence（OI）项目汇集了来自美国约翰斯·霍普金斯大学、霍华德·休斯医学研究所和加州大学圣迭戈分校、澳大利亚Cortical Labs以及德国卢森堡大学和康斯坦茨大学的研究人员。该项目的目标是使用三维的脑细胞培养物，称为脑器官样结构，构建强大的生物计算机。
该团队在二月份发布了建立OI作为新科学学科的路线图。这篇发表在《科学前沿》上的论文定义了OI的现状，以及它所面临的一些科学、技术和伦理挑战。
基于OI的生物计算旨在部署人类干细胞衍生的脑器官样结构，能够记忆和计算输入。研究人员表示，这将通过提高处理能力、数据效率和存储能力来支持超级计算。
约翰斯·霍普金斯大学的毒理学家Thomas Hartung表示，3D脑器官样结构已经可以制造出来。他说，它们具有可以在基于OI的生物计算中利用的特性，如高细胞密度、自发的电生理活动/反应以及增强的神经胶质（“助手”）细胞，在生物学学习任务中支持神经元。
“你需要助手细胞，神经胶质细胞，才能建立长期记忆。他们必须消除所有无用的连接；我们称之为突触的修剪，”Hartung解释道。
然而，目前的脑器官样结构由不到10万个细胞组成。Hartung说：“它们非常非常小。”为了进行有用的计算和记忆，器官样结构需要更大。这带来了一个重大的实际挑战，正如Hartung所解释的那样，“如果你让它们变得更大，这些模型就会在核心部分腐烂。”
现在，器官样结构可扩展性（高达约1000万个神经元）已成为一个主要的研究目标；耐久性也是如此。人们正在从多个方面进行工作，包括开发微流体灌注系统以支持器官样结构的稳态，以及解决存储和处理方面的挑战。
然而，Hartung指出，去年10月，澳大利亚Cortical实验室的Brett Kagan已经证明了这个概念。Kagan展示了一个名为BrainDish的合成生物智能系统（SBI），该系统是基于胚胎小鼠和人诱导多能干细胞（hiPSCs）的活细胞构建的。这种合成细胞培养物表现出了学习和改进70年代游戏Pong模拟的能力。
虽然这可能需要一些时间，但许多种生物——从细菌、黏菌和菌丝到人类脑细胞——都有可能驱动我们的设备。
K.J. Bannan是一位作家和编辑，常驻纽约州的Massapequa。她的职业生涯始于PM杂志的First Looks团队，负责评论所有最新和最伟大的技术。如今，她是一位自由撰稿人，涵盖商业、技术、健康、个人财务和生活方式等主题。