Transcript 計算機科学者から見たナノテクノロジーと分子エレクトロニクス

分子コンピューティング
─計算機科学者(素人)から見た
ナノテクノロジーと
分子エレクトロニクス─
萩谷 昌己
東京大学・大学院情報理工学系研究科
ＪＳＴ ＣＲＥＳＴ
Special Thanks
•
•
•
•
有賀先生（ERATO相田ナノ空間）
岩崎先生・吉信先生（阪大）
西川先生（大阪電通大）
陶山先生（東大）
• 特定領域「分子プログラミング」の皆様
• ＪＳＴ ＣＲＥＳＴ
「多相的分子インタラクション」の皆様
あらすじ
• ボトムアップ・ナノテクノロジーと
DNAナノテクノロジー（その現状は？）
• 分子コンピューティングと
分子プログラミング（その目標は？）
• 真の分子メモリと
分子アドレシング（その心は？）
（なぞかけ研究者）
ボトムアップ・ナノテクノロジーと
ＤＮＡナノテクノロジー
（その現状は？）
• トップダウン
– 従来の加工技術や計測技術をスケールダウン
– 各種リソグラフィ
– ＳＰＭ（Scanning Probe Microscopy）
• ボトムアップ
– 自己組織化
情報処理 2002 Vol.43 No.1
特集 ナノテクのトレンド
• 量子電子デバイスの最近のトピックス
日立ケンブリッジ研究所
トップダウン？
中里 和郎
• 超分子化学からのナノテクノロジーへの
アプローチ
科学技術振興事業団 相田ナノ空間プロジェクト
有賀 克彦
ボトムアップ
トップダウンとボトムアップ
• トップダウン
パターンを微細化していく方法
– リソグラフィとエッチング
• フォト・電子ビーム・イオンビーム
– ＳＰＭ
• ボトムアップ
原子や分子をナノ構造に集積させる方法
– ＳＰＭ？
– 自己組織化
（ナノテクノロジー・
ハンドブック
– 分子線エピタキシー
日経ＢＰ）
– 蒸着法
ＳＰＭはボトムアップ？
• ＳＰＭ（Scanning Probe Microscopy）
– ＳＴＭ（Scanning Tunneling Microscopy）
– ＡＦＭ（Atomic Force Microscopy）
• 原理的にはトップダウン
• しかし、リソグラフィとは違って、
個々の分子を直接的に操作している。
• 大量生産できない。
cf. 多探針ＳＴＭ
http://alme1.almaden.ibm.com/vis/stm/atomo.html
ＡＦＭ陽極酸化による微細パターン作成
（阪大・産研・岩崎研究室）
Si + 2H2O
 SiO2 + 4H+ + 4e–
AFM酸化システム
AFM酸化システム
ＡＦＭ酸化膜パターンの形成例
タンパクのポジティブ・パターンの作成法
ポジティブ・パターンの作成例
5mm  5mm
1mm  1mm
ＡＦＭによる量子ドットの作成
（富士通研究所）
http://pr.fujitsu.com/jp/news/2002/07/29.html
なぜボトムアップか？
トップダウンは限界なのか？
• 進歩するトップダウン技術
– 遠紫外リソグラフィ
– 電子ビーム：ＥＢ（Electron Beam）
– イオンビーム：ＦＩＢ（Focused Ion Beam）
• 生き伸びるＭｏｏｒｅの法則
• ボトムアップと組み合わせるにしても、
トップダウンの技術は必要。
インテル・リソグラフィ・ロードマップ
The Intel Lithography Roadmap, May 16, 2002
遠紫外リソグラフィ
The Intel Lithography Roadmap, May 16, 2002
BBC News Tuesday, 11 February, 2003, 10:12 GMT
Moore predicts more advances
"It will be a real challenge," Dr Moore told
the 50th anniversary meeting of the International
Solid-State Circuits Conference in San Francisco.
"No exponential is forever.
Your job is to delay forever."
それでも分子エレクトロニクス？
• やはりトップダウンの限界
– delay foreverのために（特にMooreの第二法
則）
• 単電子デバイス（量子ドット）の自然な実現
– 超省電力の単電子トランジスタなど？
– 将来的に、量子計算のための素子？？？
• これまでに、分子素子の様々な提案
– 例えば、ＨＰ ＱＳＲ（Quantum Science Research）
• しかし、どうやって配線するのか、という大問題
– しかし、専門家に言わせれば、
• 派生技術は実り多いが、
自己組織化！
ロタクサン
C. P. Collier et al.
Science 285, 391-394 (1999)
カテナン
C. P. Collier et al.
Science 289, 1172-1175 (2000)
自己組織化というけれど…
• 人によって千差万別。
• 粒子やドット、もしくは、その配列の形成を
意味することが多い。
• 自己組織化の場も色々。
– 液相・気相・界面・膜・・・
• 回路のような複雑なパターンを
自己組織化させる試みは決して多くはない。
– ＤＮＡナノテクノロジー
– プログラムされた自己組織化
– Algorithmic self-assembly
量子ドットの自己組織化
（電通大・山口浩一研究室）
http://crystal.ee.uec.ac.jp/dot.html
タンパクによる量子ドット配列の自己組織化
（松下電器・山下一郎研究室＋奈良先端大・冬木研究室）
http://adw3.aist-nara.ac.jp/EVENT/tokyo-sympo2002/fuyuki.htm
分子の鎖でナノワイヤー配線
（理研・青野研究室）
http://www.riken.go.jp/r-world/info/release/press/2001/010205/
ここでちょっと脇道
量子ドット・コンピュータ
• キワモノか？
• 量子コンピュータとは違う。
• 量子ドット・セル・オートマトン
（QCA）
– ドミノのように四個の
量子ドットを並べる。
– ドミノ内ではトンネル効果に
よって電子が移動。
– ドミノの相互作用により
状態が伝搬する。
• 配線が必要無い？
• しかし、量子ドットを正確に
配置しなければならない。
ＱＣＡによるインバータ
http://www.nd.edu/~qcahome/
ＤＮＡナノテクノロジー
ＤＮＡによる自己組織化
• ＤＮＡの網
• 分子糊としてのＤＮＡ
– ＤＮＡによるナノ粒子の自己組織化
– ＤＮＡによるナノワイアの自己組織化
• ＤＮＡタイル
– ＤＮＡ自身による構造形成
• プログラムされた自己組織化
~20 Å
こ
こ
で
、
Ｄ
Ｎ
Ａ
の
大
き
さ
に
つ
い
て
3.4 Å
Seeman先生
ＤＮＡの網
（阪大・産研・川合研究室）
http://www.sanken.osaka-u.ac.jp/labs/kawai-lab/02Lrep/32spm.htm
ＤＮＡによるナノ粒子の自己組織化
初期の研究
• C. A. Mirkin et al.
DNA-based method for rationally
assembling nanoparticles into macroscopic
materials. Nature 382, 607-609 (1996)
• A. P. Alivisatos et al.
Organization of ‘nanocrystal molecules’
using DNA. Nature 382, 609-611 (1996)
ナノ粒子：C. A. Mirkin et al. Nature (1996)
http://www.chem.nwu.edu/~mkngrp/dnasubgr.html
ナノ粒子：A. P. Alivisatos et al. Nature (1996)
ナノ粒子からワイヤへ
E. Braun et al. Nature (1998)
E. Braun et al.
Nature 391, 775-778 (1998)
ナノワイアの自己組織化
• N. I. Kovtyukhova and T. E. Mallouk
Nanowires as Building Blocks for SelfAssembling Logic and Memory Circuits
Chem. Eur. J., 8, 4355-4363 (2002)
Winfree-SeemanのDNAタイル
（double crossover分子）
The experimental result will be presented at DNA9, 2003.
S. Xiao et al.
Journal of Nanoparticle Research 4: 313-317 (2002)
Nadrian Seeman
New York University, Professor (chemistry)
1995 Feynman Prize in Nanotechnology
妄想
• 自己組織化された分子回路の
ビンディング・ブロック（たとえばadderとか）
– 自己組織化の制御
• 巧妙にエネルギーを注入することにより、
状態を遷移させて非可逆的に自己組織化を進める。
• 分子マシン研究の動機の一つ
– 「精製」のプロセス
• エラーを含む分子の除去
• いかにして既存の半導体回路に組み込むか
– ボトムアップとトップダウンのハイブリッド
また脇道：アモルファス計算
• 自己組織化のための新しい計算パラダイム
– 微細加工技術と細胞工学
– 低コストで様々なプロセッサ
• Computational particle
–
–
–
–
–
–
小さい計算力と少量メモリー
不規則配置、可動性
非同期、局地的相互作用
誤った挙動、環境の影響
同一プログラム
自分たちの位置や方向に
関する情報をもたない
– 近接のparticleと短距離
（半径r）の通信をする。
• 全体としては超並列計算システムになっている。
• 回路の自己組織化のシミュレーション
http://www.swiss.ai.mit.edu/projects/amorphous/
ボトムアップとトップダウンの
ハイブリッド
• 自己組織化された分子回路を
いかにして既存の半導体回路に組み込むか
–
–
–
–
カーボンナノチューブ
ＤＮＡ
量子ドットによるフローティング・ゲート型メモリ
インプリント・リソグラフィによるクロスワイア
• 分子回路に見合うトップダウン技術
– 例えば、ＦＩＢやインプリント・リソグラフィ
カーボンナノチューブを用いた
量子効果ナノデバイスの集積化技術
（産総研＋富士通研究所）
http://www.aist.go.jp/aist_j/press_release/pr2002/pr20020913/pr20020913.html
導線としてのＤＮＡ
http://chem.ch.huji.ac.il/~porath/
フローティング・ゲート型メモリ
（松下電器・山下一郎研究室＋奈良先端大・冬木研究
室）
クロスワイア（ＨＰ）
http://www.hpl.hp.com/news/2002/oct-dec/beyond_silicon.html
ＨＰ
http://www.hpl.hp.com/research/qsr/gallery/images/molectronics.html
必要とされる人材
（ここまでのまとめに代えて）
• 計算機科学、特に量子計算を含む
各種計算理論に精通していて、
半導体物理の深い知識を持つと同時に、
コンピュータ・シミュレーションを駆使して
分子素子の設計を行い、
しかも実際に有機合成して、
ＳＰＭによる観測までもやってしまう人。
• そんな奴、いるわけないだろ！
分子コンピューティングと
分子プログラミング
（その目標は？）
• 生体分子＝情報処理装置
– 化学反応の自律的制御 → 自身にコード化
（組み合わせ的複雑さ）
• 分子コンピューティング
– 潜在的計算能力の理学的解明
– 新しい計算機能の工学的実現
• 分子プログラミング
– 分子計算のシステマティックな設計論
• 新しい情報処理パラダイムの構築
• 生命科学・微小科学への計算概念の移転
設計論のための３つの切り口
進化
（設計方法論）
高信頼性
（計算過程）
バイオテクノロジー
医療応用
自己組織化
（計算原理）
ナノテクノロジー
分子エレクトロニクス
タンパク工学
ドラッグデザイン
分子コンピューティング
• 様々な計算モデル（とその解析）
• Adleman-Lipton
– ＤＮＡの選択的ハイブリダイゼーションを利用した
解の候補のランダムな生成
– データ並列計算による解の抽出
– Suyama --- dynamic programming
– Sakamoto-Hagiya --- SAT Engine
• Seeman-Winfree
– 各種形態のＤＮＡ分子の自己組織化（selfassembly）
– 自己組織化による計算
Adlemanの最初のDNAコンピュータ
PCR
O0
O6
PAGE
AF-SEP
O1
HP
O2
O3
O4
O5
Adleman-Liptonパラダイム
全ての解候補の生成
０
０
０
０
変数X１
変数X２
変数X３
変数Xｎ
１
１
１
１
全ての
代入の生成
(Lipton 1995,
充足可能性問題)
解の検査と抽出
Ti : 文字列の多重集合 （試験管)
[Separate命令] T2 ＝＋（T１, ｓ） ： ｓ を含む配列の抽出
T2 ＝－（T１, ｓ） ： ｓ を含まない配列の抽出
[Merge命令]
T3 ＝T１ U T2 ： T1 と T2 の混合
[Amplify命令] (T2, T3) ＝T１ ： T1 の増幅（コピー）
解の検出
[Detect 命令]
3-SAT問題
Problem
:
4 variables,
10 clauses
( x1  x 2  x 3 )  ( x1   x 2  x 3 ) 
(  x1  x 2   x 3 )  (  x1   x 2   x 3 ) 
( x1   x 3   x 4 )  (  x1  x 2   x 4 ) 
(  x1  x 3   x 4 )  ( x 2  x 3  x 4 ) 
( x 2   x 3  x 4 )  ( x 2   x 3  x 4 )
Solution
:
YES
T
{X 1 X
T
2
F
X3 X
F
4
}
SuyamaのDNAコンピュータ
• “counting” （Ogihara and Ray）
– O(20.4n) molecules for n-variable 3-SAT
• “dynamic programming” (Suyama)
• 生成と選択の繰り返し
– 解の候補の部分的な生成
– 解の候補の選択
• 指数オーダーには変わりはないが、
O(20.4n) は O(2n) よりずっと少ない。
• 固相法
– 磁気ビーズによるアフィニティ・セパレーション
– 自動化に適している Ｒｏｂｏｔ！
DNA Computer Robot based on
MAGTRATIONTM (Prototype No.1)
10-variable and 43-clause instance of 3SAT
(  x1  x 2   x 3 )  ( x1  x 3  x 4 )  ( x 2   x 3   x 4 )
 ( x1  x 4  x 5 )  ( x 2  x 3   x 5 )  (  x 2   x 3   x 5 )
 (  x1   x 3   x 5 )  (  x 2   x 4  x 6 )  (  x 2  x 3  x 6 )
 ( x 2   x 3  x 6 )  (  x1   x 5   x 6 )  ( x 2   x 6  x 7 )
 ( x1  x 5  x 7 )  (  x1   x 5   x 7 )  ( x 5   x 6   x 7 )
 ( x1   x 2   x 7 )  ( x1  x 6   x 7 )  (  x 4  x 6   x 7 )
 ( x1  x 4  x 8 )  (  x1  x 5  x 8 )  ( x 2   x 3  x 8 )
 ( x1  x 6  x 8 )  ( x 2  x 5   x 8 )  ( x1  x 4   x 8 )
 ( x3   x5   x8 )  (  x 2  x 4  x9 )  ( x 4  x 7  x9 )
 ( x1  x 7  x 9 )  (  x 4  x 6   x 9 )  (  x1  x 3   x 9 )
 (  x 2  x 3   x 9 )  ( x1   x 7   x 9 )  (  x 2  x 4   x 9 )
 (  x1  x 5   x 9 )  (  x 4  x 8  x10 )  ( x 3   x 6  x10 )
 (  x 2   x 7  x10 )  ( x 3   x 4   x10 )  (  x 5   x 6   x10 )
 ( x 4  x 5   x10 )  (  x1   x 3   x10 )  ( x 2  x 8   x10 )
 (  x1  x 8   x10 )
Akira Suyama
東大教授（生物物理）
ヘアピン・エンジン（SATエンジン）
• Sakamoto et al., Science, May 19, 2000.
• 特平11-165114
• DNAのヘアピン構造を利用した選択
– ヘアピンの制限酵素切断
– exclusive PCR
• 3-SAT
–
–
–
–
各節から選んだリテラルから成る一本鎖 DNA
相補的なリテラル ＝ 相補的配列
矛盾したリテラルの選択 ⇒ ヘアピン
6-variable 10-clause 3-SAT Problem
• SAT計算の本質的部分 ＝ ヘアピン形成
– 節や変数の数によらないステップ数
– Autonomous molecular computation
(a∨b∨c)∧(￢d∨e∨￢f)∧ … ∧(￢c∨￢b∨a)∧ ...
b
e
￢b
b
￢b
ヘアピンの制限酵素切断
Exclusive PCR
Kensaku Sakamoto
東大＆理研（生物化学）
Adleman-Liptonパラダイムに関する
現在のコンセンサス
• 電子コンピュータを凌駕するには程遠い。
– スケールアップ問題
• 「分子が計算する」ことの
proof of conceptとしては重要。
• 少なくとも、バイオテクノロジーの
ベンチマークとして使うことができる。
• さらに、遺伝子計測への応用（Suyama）。
Seeman-Winfreeの
DNAの自己組織化による計算
...
...
...
...
....
....
....
....
線形
....
....
....
....
ヘアピン
DX（ダブルクロスオーバー）
様々なDNA構造分子
３分岐
Winfreeの結果
• （線形）構造分子によって生成される言語族
＝正則言語族
• （線形＋ヘアピン＋３分岐）構造分子によって
生成される言語族
＝文脈自由言語族
• （線形＋DX）構造分子によって
生成される言語族
＝帰納的可算言語族
＝チューリング計算可能
Winfreeのモデルによる計算過程の例
c = f(a,b)
d = g(a,b)
a
b
a
d
c
a
b
b
Initial Configuration
１次元セルオートマトンの模倣
a
b
Erik Winfree
Caltech, Assistant Professor (CS)
MacArthur Fellow
Presidential Early Career Award
LaBeanたちによるtriple crossover分子
分子プログラミング
• 分子システム設計の計算論的側面
• 分子の設計
– ＤＮＡの場合 ＝ 配列設計
– 構造 ⇒ 配列（inverse folding）
– 自己組織化パターンの設計・分子マシンの設計
• 分子反応の設計
– 反応条件や操作順序の設計
– シミュレーション・ツール
• 分子マシン
– 分子プログラミングの現在の目標の一つ
配列設計
• 配列セットの評価
– ミス・ハイブリダイゼーションの回避
• ハミング距離
• エネルギー計算 ⇒ mfold (Zuker), Vienna
– 一様な Tm （融解温度）
• 巨大な配列セットの探索
– 遺伝的アルゴリズム
– 符号理論 --- Arita’s template method
• 逆問題
– 構造 ⇒ 配列（inverse folding）
– Vienna Group
テンプレート法
• Arita and Kobayashi, 2002
[AT]か [GC] の位置を全配列共通にする
（これをテンプレートと呼ぶ）
例. 011010 より
ACCTGA, TGCTCA, TCGACA, etc.
→ こうすると、全配列の融解温度はほぼ揃う。
ミスマッチを含むテンプレート
• 上手にテンプレートを選べば、
シフト、リバースの際でも必ずミスマッチをもつ。
例： １１０１００のとき
１１０１００
１１０１００
１１０１００
１１０１００
１１０１００ １１０１００
１１０１００
どうずらしても、連結した部分を考えても、
ミスマッチは最低２個存在
テンプレートの選び方
• テンプレート T を、以下のパターンと最低 d 個
のミスマッチを持つように選ぶ。
– TR
– TTR 、 TRT
– TT、 TRTR
注： TRはTの逆配列。
T=110100なら、001011
テンプレートの例
• 長さ 6 (ミスマッチ 2)
110100 （26個中）
• 長さ 11 (ミスマッチ 4)
01110100100, 01011100010, 11000100101 （211
個中）
• 長さ 23 (ミスマッチ 9）
01111010110011001010000,
10110011001010000011110,
11100000101001100110101 （223個中）
DNA配列の設計法
“テンプレート + 誤り訂正符号”
1 1 0 1 0 0 (テンプレート)
+ 0 1 0 0 1 1 (任意の符号語)
A T C A G G (DNA配列)
誤り訂正符号は何でも利用可。
1. BCH 符号
2. Golay 符号
3. Hamming 符号 など。
Masanori Arita
東大助教授（バイオインフォマティクス）
Inverse Folding
• Vienaグループ
• McCaskillのアルゴリズムの利用
• コスト関数の最小化による配列の探索
–
–
–
–
–
Ω ： 目的の構造
x： 配列
E(x,Ω)： x におけるΩ の自由エネルギー
G(x)： 配列 x の集団自由エネルギー（McCaskill）
p： x におけるΩ の確率
様々な分子マシン
SeemanのDNAモーター
２状態のDX分子
Whiplash PCR (WPCR)
: stopper sequence
B
1)
B
B
A
C
A
2)
A
B
B
Komiya et al.
B
A
C
Whiplash PCR (WPCR)
B
A
3)
B
A
C
B
A
4)
B
A
C
B
C
B
Polymerization Stop
Back-hybridization
B
B
A
C
A
B
A
B
A
C
B
B
B
A
B
B
A
Competing Alternative Hairpin Forms
C
Temperature optimization for WPCR
・8 M urea 8% PAGE
Komiya, et al.
not
59.8
65.9
74.0
82.1
89.8
incubated
62.2
69.9
78.0
86.1
92.2 (℃)
Thermal schedule
in 1X Pfx buffer
(the composition unknown)
1 mM MgSO4
0.2 mM dATP, dCTP, dGTP
1.5 units Platinum Pfx DNA polymerase
94℃ for 1 min.
↓
x ℃ for 5 min.
x =59.8 ~ 92.2
Successful implementation of transitions
・12％ PAGE
( bp )
155
140
125
110
95
80
65
50
Komiya, et al.
Ken Komiya
東大（生物化学）
http://www.rel-ay.com/
ShapiroのDNAオートマトン
IIS型制限酵素
認識部位 スペーサ
a’
<S,a>
S,a → S’
遷移分子
入力の残り
<S,a>
a’
<S’,a’>
入力の残り
入力の残り
入力文字a’の配列は、各S’に対して<S’,a’>を含んでいる。
遷移分子は、スペーサを調整して、適切な個所で切断する。
ShapiroのDNAオートマトン
• Nature 2001
• 2入力文字、2状態
• FokI
a=CTGGCT
b=CGCAGC
5’-p…22…GGATGTAC
3’-GGT…22…CCTACATGCCGAp
S0,a→S0
5’-p…22…GGATGACGAC
S0,a→S1
3’-GGT…22…CCTACTGCTGCCGAp
ギネスブック認定
（世界最小のコンピュータ）
http://gnn.tigr.org/articles/03_03/fuels.shtml
YurkeのDNAピンセット
三
状
態
機
械
Seeman: DNAによるDXの制御
System to Test the PX-JX2 Device
PX
PX
PX
JX 2
JX 2
JX 2
AFM Evidence for Operation
of the PX-JX2 Device
Yan, H., Zhang, X., Shen, Z. & Seeman, N.C. (2002), Nature 415, 62-65.
特定領域「分子プログラミング」計画研究
横森
近似
（遺伝子計測）
分散
萩谷
高信頼性
バイオ
自律
情報
山村
自己組織化
ＪＳＴ CREST
大内
抽象分子計算系
（解析→設計）
山下
ナノテク
実証分子計算系
（解析→設計→実現）
進化
バイオ
関連応用研究
（設計→実現）
（分子進化工学）
設計論のための３つの切り口
進化
（設計方法論）
高信頼性
（計算過程）
バイオテクノロジー
医療応用
自己組織化
（計算原理）
ナノテクノロジー
分子エレクトロニクス
タンパク工学
ドラッグデザイン
設計論のための３つの切り口
横森
山下
進化
（設計方法論）
バイオテクノロジー
医療応用
大内
ＪＳＴ CREST
高信頼性
（計算過程）
自己組織化
（計算原理）
タンパク工学
ドラッグデザイン
ナノテクノロジー
分子エレクトロニクス
萩谷
山村
真の分子メモリと分子アドレシング
（その心は？）
• ＪＳＴ ＣＲＥＳＴ：多相的分子インタラクションに
基づく大容量メモリの構築
• 多相的分子インタラクション
⇒分子コンピューティングの新たな展開
• 「真の分子メモリ」の構築
＝分子アドレシング技術の確立
• 光分子コンピューティング（余り話せませんが
…）
• 将来的に自己組織化への応用
真の分子メモリ
• 分子メモリ
– 分子や原子の状態によって情報を記憶
• 基本的に可能
• いかにして個々の分子に別々の情報を記憶するか。
– 分子メモリの本質は、アドレシングにあり。
• 真のメモリ分子
– 個々の分子が独自のアドレスを持つ。
• 真の分子メモリ
– アドレスの異なるメモリ分子の集合体
研究の意義
• 実際的な応用として、
遺伝子情報解析への応用を開発しつつ、
• 分子アドレシング技術を通して、
分子メモリ構築の基本原理を
確立するとともに、
• DNAナノテクノロジーの基本技術として、
将来の情報処理装置の開発に資する。
• 実際に構築するが、大容量分子メモリそのものではなく、
そのためのアドレシング技術を最終目標。
分子アドレシング
• アドレスを持つ分子の複合体（メモリ）の中から、
指定したアドレスの分子を参照する方法
– アドレスの数（分子の種類）を多くする --- 大容量
– 実験操作の手間を減らす --- 高速
• アドレシングの場
– 液相 --- （より大容量・実験操作が簡潔）
– 固相 --- メモリ分子が固相に固定されている。
（位置情報がアドレスの一部）
液相における分子アドレシング
• 約600本の正規直交配列セット（現在は約
300）
– 世界最大のDNAメモリ
• 階層メモリ
– 100×100×100×100×100×100 = 1006
– 1060
• 階層メモリのアドレシング
– nested PCR
– WPCR
– 逐次的ヘアピン開裂
アドレシングの高速化
Multi-state Molecular Machine
input1
2
1
3
input2
input3
１
2
3
3
1
Our goals:
Successive state change
Input order sensitive
……
3
2
……
……
Hairpin-based Machine
階層的アドレシングへの応用
Hairpin構造を用いたConformational Addressing (1)
連続したHairpin構造をアドレス部として用いることで
Conformational Addressingを構築することができる。
連続したHairpin構造は閉じた構造のうち5’側の
一番端のものにしかアクセスできない。
（赤い数字の部分）
あるInput oligomerによってHairpin構造が開かれる
と、残されたStem部分は次のヘアピン構造を開く
ためにアクセス可能な部分となる。
正しい順番でInput oligomerを加えた場合に
のみ、全てのHairpin構造が開かれる。
化学実験による検証 (Single hairpin)
Kameda et al.
電気泳動によってHairpin構造の
状態変化を観察した。
(F)
(D)
(E)
(A)
10% PAGE (non-denaturing gel)
200V const, 35min, SYBR Gold染色
Lane data:
1: Hairpin template
2: Input oligomer
3: Probe
4: Hairpin template + Input oligomer
5: Hairpin template + Probe
6: Input oligomer + Probe
7: (Hairpin template + Input oligomer) + Probe
8: (Input oligomer + Probe) + Hairpin template
化学実験による検証 (2 Hairpin)
実験条件
Kameda et al.
Lane 1: 2-Hairpin(0.2 pmol)
Lane 2: 2-Hairpin(0.2 pmol) + Input oligomer A (0.5 pmol)
Lane 3: 2-Hairpin (0.2 pmol) + Input oligomer B (0.5 pmol)
Lane 4: 2-Hairpin (0.2 pmol) + Input oligomer A (0.5 pmol) + Input oligomer B (0.5 pmol)
Lane 5: 2-Hairpin (0.2 pmol) + Input oligomer A (0.5 pmol) + Input oligomer B (2.5 pmol)
Lane 6: 2-Hairpin (0.2 pmol) + Probe B (0.5 pmol)
Lane 7: 2-Hairpin (0.2 pmol) + Input oligomer A (0.5 pmol) + Probe B (0.5 pmol)
Lane 8: 2-Hairpin (0.2 pmol) + Input oligomer A (0.5 pmol) + Input oligomer B (0.5 pmol) + Probe B (0.5 pmol)
Lane 9: 2-Hairpin (0.2 pmol) + Input oligomer A (0.5 pmol) + Input oligomer B (1.5 pmol) + Probe B (0.5 pmol)
Lane 10: Input oligomer B (0.5 pmol) + Probe B (0.5 pmol)
Lane 11: Input oligomer A (0.5 pmol) + Input oligomer B (0.5 pmol) + Probe B (0.5 pmol)
10 % PAGE, 200 V const, 40 min
Visualized by FITC or SYBR Gold staining.
-反応は全て室温（25℃）で行った。
-それぞれの合成オリゴを10 ml (10mM TrisHCl (pH 8.0), 2.5 mM Mg2+)の反応系で混合した。
-各合成オリゴは全て一度に混ぜるのではなく、混合後10分間待ってから次の合成オリゴを添加した。
（３種類以上あるLane 4, 5, 7, 8, 9, 11の場合）
-Lane 6 - 11ではFITCでラベルしたProbe Bが入っており、FITCを検出することでProbe Bを含む構造
のバンドを確認した。
化学実験による検証 (2 Hairpin)
実験結果
Kameda et al.
固相上の分子アドレシング
• 位置とアドレスを組み合わせた高密度メモリ
– mm単位の微小連想メモリ
– トップダウンとボトムアップのハイブリッド
• トップダウン技術 ⇒ 位置の指定
– レーザー（ＶＣＳＥＬ） … これは光
– ＡＦＭ陽極酸化
• ボトムアップ技術
– 微小連想メモリ内の分子アドレシング
• さらに、
微小連想メモリ（アモルファス・メモリ）から
自己組織化分子パターン（結晶化メモリ）へ
分子アドレシングと自己組織化制御
• 鶏と卵の関係
– 分子アドレシングにより、
自己組織化パターン上の分子を指定して、
パターンを成長させる。
成長した部分には新しいアドレスが振られる。
• すると、例えば、
– 光によるアドレシング ⇒
光による自己組織化の制御
– トップダウンもボトムアップも
まとめ
• 分子システムによる計算
– 分子コンピューティング
• 分子システムを作るための計算
– 分子プログラミング
• どちらにも、計算機科学の役割は本質的。
• 将来的に、量子計算に至らずとも、
分子と量子は切っても切れないだろう。
• 今後は、化学（特に超分子化学）との
連携が重要。
– もの作りのセンス（どちらも役に立たないものを作っている？）
補足
• 分子コンピューティングの生物への展開は
ほとんど述べていない。
• 遺伝子計測
– インテリジェントＤＮＡチップ
• 人工分子進化
– インテリジェントな（？）タンパク工学
• さらに、in-vivo molecular computing
– インテリジェント・ドラッグ・デリバリ（？）