DNA มีฟังก์ชันเทียบเท่ากับคำสั่ง IF, ลูป WHILE หรือการเรียกฟังก์ชันหรือไม่?

 (biology.stackexchange.com)
2 คะแนน โดย GN⁺ 2024-01-11 | 1 ความคิดเห็น | แชร์ทาง WhatsApp
  • แม้จะยากที่จะมอง DNA เป็นโค้ดโปรแกรมที่รันแบบลำดับ แต่ในการแสดงออกของยีนและเส้นทางสัญญาณของเซลล์มีกลไกควบคุมที่เทียบได้กับ ตรรกะแบบ IF/WHILE
  • transcriptional activator และ transcriptional repressor สอดคล้องแบบหลวม ๆ กับ IF และ WHILE ตามลำดับ ในแง่ที่ว่ามันเปิดหรือยับยั้งการถอดรหัสยีนตามเงื่อนไข
  • บล็อกอินพุต-เอาต์พุตที่เป็นอิสระเหมือนการเรียกฟังก์ชันนั้นเกิดขึ้นได้ยากภายในเซลล์ และปฏิกิริยาที่เกิดในพื้นที่เดียวกันอาจรบกวนกันได้
  • กรณีที่คล้าย GOTO พบได้ในเครือข่ายการเชื่อมต่อแบบมีเงื่อนไข, feedforward loop และเส้นทางแตกแขนง แต่มีข้อจำกัดสำคัญคือ DNA ไม่ได้ถูกรันแบบลำดับ
  • ระบบชีววิทยาโดยทั่วไปเป็นแบบ ขนานและแอนะล็อก ดังนั้นแม้จะมีตัวอย่าง logic gate ในชีววิทยาสังเคราะห์ ก็ควรใช้คำเปรียบเทียบกับโค้ดคอมพิวเตอร์อย่างระมัดระวัง

ข้อจำกัดของการเปรียบเทียบ DNA กับภาษาโปรแกรม

  • DNA ไม่ได้ถูก รันแบบลำดับ เหมือนโค้ดคอมพิวเตอร์ และการถอดรหัสจำนวนมากเกิดขึ้นพร้อมกันแบบขนาน
  • โค้ดคอมพิวเตอร์หนึ่งบรรทัดมีความหมายที่เคร่งครัดและสม่ำเสมอ แต่ coding DNA ถูกแปลเป็นกรดอะมิโน และหน้าที่ของโปรตีนเกิดจากปฏิสัมพันธ์ทางเคมีที่ซับซ้อนระหว่างกรดอะมิโน
  • ชิ้นส่วน coding DNA เข้าใจแบบอิสระได้ยากหากแยกออกจาก บริบทของโปรตีน ที่ชิ้นส่วนนั้นสร้างขึ้น
  • ในระบบชีววิทยาก็มีเส้นทางที่ทำงานคล้ายคอมพิวเตอร์ แต่การเปรียบเทียบเช่นนี้ควรพิจารณาอย่างระมัดระวังในระดับโปรตีนมากกว่าระดับ DNA

การควบคุมยีนที่ใกล้เคียงกับ IF และ WHILE

  • transcriptional activator อาจมองเป็นตัวอย่างที่คล้าย IF เพราะเมื่อมีอยู่ก็ทำให้ยีนบางตัวถูกถอดรหัส
    • อย่างไรก็ตาม เหตุการณ์จะไม่สิ้นสุดจนกว่าสัญญาณจะหายไป และโปรแกรมยังดำเนินต่อไปตราบเท่าที่เซลล์ยังมีชีวิต ดังนั้น IF จึงทำงานเหมือนเป็นส่วนหนึ่งของลูปเสมอ
  • transcriptional repressor ถูกเปรียบกับ WHILE ในแง่ที่ว่ายีนจะถูกถอดรหัสระหว่างที่ไม่มีตัวยับยั้งอยู่
  • transcriptional interference ก็อาจตีความได้ว่าเป็นรูปแบบที่ใกล้เคียงกับ IF หรือ WHILE
    • ตัวอย่าง: if(x transcribed){not y transcribed}
    • การรบกวนนี้ไม่จำเป็นต้องเป็นแบบไบนารี และมักปรากฏเป็นการตอบสนองแบบเป็นระดับมากกว่า
  • ในระดับ RNA ก็เกิด transcriptional interference โดยใช้ antisense RNA ได้เช่นกัน และมักให้ ลูปป้อนกลับเชิงลบ
    • ในกรณีนี้ การรบกวนไม่ใช่สิ่งเทียบเคียงคำสั่ง IF ที่เกิดขึ้นโดยตรงในระดับ DNA

การเรียกฟังก์ชันและเส้นทางแบบโมดูลาร์

  • โครงสร้างที่สอดคล้องกับการเรียกฟังก์ชันอย่างแม่นยำหาได้ยาก
    • เหตุการณ์ภายในเซลล์เกิดขึ้นในพื้นที่เดียวกันและมีโอกาสรบกวนกันได้เสมอ
    • ออร์แกเนลล์ของเซลล์อาจมีคุณสมบัติคล้ายฟังก์ชันในฐานะช่องส่วน แต่ไม่ใช่อุปกรณ์อินพุต-เอาต์พุตที่เรียบง่าย หากเป็นโครงสร้างที่ซับซ้อนมาก
  • เส้นทางแบบโมดูลาร์ บางส่วนอาจเปรียบกับการเรียกฟังก์ชันได้อย่างหลวม ๆ
    • ตัวอย่าง: วิธีปฏิบัติกับช่วงหนึ่งใน apoptosis signaling ที่อินพุตบางอย่างนำไปสู่ผลลัพธ์ที่ค่อนข้างคงที่ เสมือนเป็นบล็อกโค้ดหนึ่งบล็อก
    • หากถือว่ากระบวนการระหว่างการกระตุ้น caspase กับ cytochrome leakage เป็นบล็อกเดียว ก็สามารถอธิบายกลไกหลายอย่างให้สั้นลงได้
  • กระบวนการติดป้ายโปรตีนด้วย ubiquitin อาจตีความได้เหมือนการเรียกฟังก์ชันเพื่อการย่อยสลาย
  • nuclear receptor เมื่อถูกกระตุ้นด้วยลิแกนด์ จะเคลื่อนจากไซโทพลาซึมเข้าสู่นิวเคลียส ทำให้เกิดการยับยั้งหรือกระตุ้นยีนและกระบวนการต่อเนื่อง จึงอาจมองเป็นตัวอย่างของการเรียกฟังก์ชันได้
  • ในโปรตีนเชิงซ้อนที่ประกอบจากหน่วยย่อยหลายหน่วย กระบวนการแทนที่หน่วยย่อยเดี่ยวถูกเปรียบกับแนวคิดการเรียกฟังก์ชันหรือ composition

GOTO และเส้นทางแตกแขนง

  • GOTO มีความหมายหลักในโค้ดที่รันแบบลำดับ และเพราะ DNA ไม่ได้รันแบบนั้น จึงเทียบกันโดยตรงได้ยาก
  • ในเครือข่ายการเชื่อมต่อแบบมีเงื่อนไข อาจพบโครงสร้างที่คล้าย GOTO ได้
    • ตัวอย่าง: เมื่อมีเส้นทาง A→B→C และมีการเชื่อมต่อแยก D→C หาก D ถูกกระตุ้น ก็จะส่งผลต่อ C โดยตรงโดยไม่ผ่าน A และ B
  • feedforward loop และ เส้นทางแตกแขนง อาจดูเหมือนการข้ามขั้นตอนกลางภายใต้เงื่อนไขบางอย่าง
  • เคยมีการตีความในลักษณะความคิดเห็นว่า intron splicing อาจมองได้คล้าย GOTO ที่ทำให้พอยน์เตอร์ของไรโบโซมข้ามค่าบางค่าไป แต่ประเด็นหลักคือ DNA ไม่มีโครงสร้างการรันแบบลำดับ

splicing และโครงสร้างแบบโปรแกรมในระดับย่อย

  • alternative splicing ถูกเปรียบกับ IF ในแง่ที่ว่า exon ซึ่งเป็นชิ้นส่วน DNA บางชิ้นอาจถูกรวมหรือถูกตัดออกจากทรานสคริปต์ที่เข้ารหัสโปรตีนสุดท้าย
  • การเปรียบเทียบระดับย่อยเช่นนี้แสดงให้เห็นความคล้ายคลึงระหว่างแนวคิดการเขียนโปรแกรมกับการควบคุมทางชีววิทยา แต่ยากที่จะมองว่าเป็นสิ่งเทียบเท่าที่แม่นยำ
  • หากต้องการอธิบายการไหลของข้อมูลภายในเซลล์ ต้องดูไม่ใช่แค่ DNA แต่รวมถึงทรานสคริปต์ โปรตีน และเครือข่ายการควบคุมด้วย

วงจรตรรกะในชีววิทยาสังเคราะห์

  • ในชีววิทยาสังเคราะห์ มีตัวอย่างการสร้าง logic gate ด้วยวงจรชีวภาพ
  • มีการแนะนำรีวิวที่เกี่ยวข้องคือ รีวิววงจรชีววิทยาสังเคราะห์ใน Nature Reviews Genetics
  • Siuti et al. 2013 เป็นตัวอย่างที่ใช้แบคทีเรียในการเก็บข้อมูลและประกอบเป็นวงจรชีวภาพเพื่อประมวลผลฟังก์ชันตรรกะ
  • โปรแกรม biobricks.org ถูกแนะนำว่าเป็นความพยายามในการกำหนด ชิ้นส่วนแบบโมดูลาร์ เช่น เซนเซอร์ ฟังก์ชันตรรกะ และเอฟเฟกเตอร์

เซลล์ใกล้เคียงกับ feedback แบบแอนะล็อกมากกว่าโค้ดดิจิทัล

  • เซลล์มีลักษณะ แอนะล็อก เหมือนระบบทางกายภาพจำนวนมาก และในสถานการณ์ส่วนใหญ่ ตัวแปรไม่ได้แบ่งเป็นค่าไบนารี 0/1
  • ในการแสดงออกของยีน หากมี transcriptional activator ยีนจะถูกถอดรหัส แต่เมื่อเพิ่มความเข้มข้นของ activator ระดับการแสดงออกจะเพิ่มขึ้นจนถึงจุดอิ่มตัว
  • ในระบบชีววิทยา ก็สามารถเกิดพฤติกรรมแบบสวิตช์ได้
    • โครงสร้างเครือข่ายควบคุมบางแบบสามารถสร้างพลวัตเช่นนั้นได้
    • co-operativity ที่มีหรือไม่มี feedback เชิงบวก เป็นหนึ่งในกลไกที่ทำให้เกิดพฤติกรรมแบบสวิตช์
  • มีการแนะนำแนวคิดที่เกี่ยวข้องคือ ultrasensitivity และ คำถามใน Biology Stack Exchange ที่พูดถึง “การทำให้ตัวแปรต่อเนื่องกลายเป็นตัวแปรบูลีนได้หรือไม่”

บทความที่เกี่ยวข้อง

1 ความคิดเห็น

 
GN⁺ 2024-01-11
ความคิดเห็นจาก Hacker News

  • DNA อาจไม่มีโครงสร้างแบบการเขียนโปรแกรม แต่ก็มีด้านที่ ทำงานคล้ายโครงข่ายประสาท อยู่ ลองดู “เครือข่ายควบคุมยีน (Gene regulatory network)”
    โปรตีนบางชนิดมีหน้าที่เพียงกระตุ้นยีนอื่น ๆ และ ปัจจัยการถอดรหัส เหล่านี้เป็นหัวใจของเครือข่ายควบคุมหรือปฏิกิริยาลูกโซ่ มันจับกับบริเวณโปรโมเตอร์ที่อยู่ตอนต้นของยีนอื่นเพื่อเปิดยีนนั้น แล้วเริ่มการผลิตโปรตีนอื่นต่อไป ปัจจัยการถอดรหัสบางชนิดก็ทำหน้าที่ยับยั้งด้วย
    เครือข่ายแบบนี้คล้ายโครงข่ายประสาทตรงที่มันประมวลผลข้อมูลผ่านโหนดที่เชื่อมโยงกันอย่างยีนและโปรตีน และเปลี่ยนกิจกรรมของกันและกัน เมื่อปัจจัยการถอดรหัสกระตุ้นหรือยับยั้งยีนหนึ่ง ก็อาจเกิดเหตุการณ์ต่อเนื่องเป็นลูกโซ่ ซึ่งคล้ายกับวิธีที่นิวรอนกระตุ้นกันและกัน
    https://en.m.wikipedia.org/wiki/Gene_regulatory_network

    • ในฐานะนักชีววิทยาสังเคราะห์ ผมมองว่านี่เป็นคำตอบที่ดี แต่ถ้าดู โปรแกรมทางพันธุกรรม ที่มนุษย์สร้างขึ้น จะได้มุมมองที่เรียบง่ายลงอีก
      มีความคืบหน้าไม่น้อยในการวิศวกรรมโปรแกรมที่ทำให้ T cell ของมนุษย์ฆ่าเซลล์มะเร็งเป้าหมายแบบ มีเงื่อนไข ตามการแสดงออกของตัวบ่งชี้บนพื้นผิว ซึ่งต่างจากเซลล์ CAR-T ที่มีอยู่ในตลาดแล้ว (เช่น Kymriah) วงจร T cell แบบ AND gate อย่างง่ายกำลังอยู่ระหว่างการทดสอบในมนุษย์
      ตอนนี้มีกลยุทธ์หลายแบบในการเขียนโปรแกรมการตัดสินใจของเซลล์ด้วยวงจรสังเคราะห์ เรากำลังก้าวเข้าสู่ยุคที่เขียนโปรแกรม DNA แล้วใส่เข้าไปในร่างกายมนุษย์ และในตอนนี้ที่กำลังขยับจาก proof of concept ในแบคทีเรียไปสู่การทดลองทางคลินิกจริงในมนุษย์ ผมสงสัยว่าจะทำอย่างไรให้คนสายวิทยาการคอมพิวเตอร์สนใจ “ชีววิทยาสังเคราะห์ในฐานะการเขียนโปรแกรม” มากขึ้น
      https://pubmed.ncbi.nlm.nih.gov/33243890/
      https://arsenalbio.com/2023/05/16/arsenalbio-announces-prese...
    • ผมคิดว่าเป็นเพราะ DNA เป็นโครงสร้างข้อมูล ไม่ใช่ แรงทางกายภาพ
      ข้ออ้างทำนองว่าเมื่อลำดับ DNA หนึ่งมีปฏิสัมพันธ์กับสนามแม่เหล็กไฟฟ้า แรงโน้มถ่วง แรงเข้ม/แรงอ่อนที่มีคุณสมบัติ xyz แล้วจะเกิดการกลายพันธุ์ตามเส้นทาง abc นั้น หากไม่มีการวิเคราะห์เชิงสถิติที่ทำซ้ำได้มารองรับ ก็ควรทิ้งไป
      ผมคิดว่าความหมกมุ่นกับ data model ในวงการ IT ผลักคนไปสู่กึ่งวิทยาศาสตร์เทียมที่มองข้ามเอนโทรปีและ Lindy effect โครงสร้างเปลี่ยนได้ แต่แรงทางกายภาพไม่เป็นเช่นนั้น โครงสร้างข้อมูลไม่ใช่แรงทางกายภาพ แต่เป็น mental model ที่รั่วไหลซึ่งชีววิทยาทำ garbage collection เพราะเอนโทรปีและ Lindy effect มากกว่า
      นี่คือความคิดของวิศวกรไฟฟ้าคนหนึ่งที่มองว่าความหมกมุ่นกับการพัฒนาซอฟต์แวร์นั้นประหลาด และเต็มไปด้วยภาพลวงตาทางสถิติกับความสำเร็จที่หลอนขึ้นมา
    • ในตำราชีววิทยาระบบ เครือข่ายแบบนี้มักอธิบายว่าใกล้กับ logic gate มากกว่าโครงข่ายประสาท แน่นอนว่าก็มีส่วนคล้ายกันอยู่
      เครือข่ายควบคุมยีนมีความเป็นพลวัตมากกว่าแค่เปิด/ปิดแบบเข้มงวดเล็กน้อย แต่เพราะมีปฏิสัมพันธ์หลายประเภท เช่น enhancer และ repressor จึงดูเหมือนจะสร้างโมเดลเป็น logic gate ได้ดีกว่าโครงข่ายประสาททั่วไป
    • ฟังดูเหมือน สถาปัตยกรรมแบบ event-driven คือโครงสร้างที่ตอบสนองต่อ event อื่นด้วยการปล่อย event ออกมา และฝั่งที่ส่ง event เองก็ถูก “ควบคุม” โดย event อื่นด้วย
    • ก่อนจะกระโดดไปสู่ข้อสรุปที่ซับซ้อนเกินไป นี่อาจเป็นปรากฏการณ์ที่เกิดเพราะโครงข่ายประสาทมีความทั่วไปมากก็ได้
      คำว่าทั่วไปในที่นี้หมายถึง มันสามารถประมาณหรือสร้างโมเดลให้กับระบบพลวัตจำนวนมากที่ทำ การประกอบเชิงตัวดำเนินการ ได้

  • ผมสอนวิชาความคิดสร้างสรรค์และนวัตกรรมในมหาวิทยาลัย ผมยกตัวอย่างสิ่งประดิษฐ์ที่เริ่มจากการสังเกตธรรมชาติให้นักศึกษาดูมากมาย เช่น Velcro เกิดจากการที่นักประดิษฐ์เห็นผลของต้นหญ้าเจ้าชู้ติดอยู่กับขนสุนัขของเขา
    ผมมีสัญชาตญาณว่า หากสังเกตธรรมชาติ โดยเฉพาะวิธีที่ จิตใจมนุษย์ ทำงาน ก็น่าจะยังมีการค้นพบเกี่ยวกับคอมพิวติ้งเหลืออยู่ ผมจินตนาการว่าผลลัพธ์นั้นน่าจะเป็นเรื่องพื้นฐานถึงขั้นเปลี่ยนวิธีที่เราเข้าใจคอมพิวติ้งเอง

    • วิธีที่เราเข้าใจการคำนวณในปัจจุบันก็อิงกับ การสังเกตธรรมชาติ อยู่มาก เป็นผลสืบเนื่องตามธรรมชาติของการศึกษาตรรกศาสตร์ และการสืบค้นนั้นย้อนกลับไปได้ถึงยุคโบราณที่ศิลปะแห่งการโต้แย้งแบบโซฟิสต์เริ่มถูกทำให้เป็นระบบสถาบัน ตอนนั้นแทบไม่มีวิธีอย่างเป็นระบบในการตัดสินว่าอะไรจริง เกณฑ์สำคัญจึงเป็นว่ามันฟังดูน่าเชื่อหรือไม่
    • มีทั้งสาขาที่เรียกว่า optimization ที่ได้รับแรงบันดาลใจจากธรรมชาติ
      https://arxiv.org/pdf/1307.4186.pdf
    • นึกถึง convolutional neural network
    • ผมมักแนะนำหนังสือเล่มนี้บ่อย ๆ: 'Cats’ Paws and Catapults: Mechanical Worlds of Nature and People' (https://www.goodreads.com/book/show/223609.Cats_Paws_and_Cat...) ซึ่งแสดงให้เห็นอย่างดีว่าชีววิทยาสร้างแรงบันดาลใจให้การออกแบบของมนุษย์อย่างไร
      แนวคิดสำคัญอย่างหนึ่งคือ หลายกรณีเป็น แรงบันดาลใจ มากกว่าการคัดลอกการออกแบบโดยตรง ชีววิทยาทำงานภายใต้ข้อจำกัดที่ต่างจากเครื่องจักรของมนุษย์มาก ดังนั้นหากวิศวกรหรือนักออกแบบพยายามยึดตามต้นแบบทางชีววิทยามากเกินไป ก็อาจไม่สำเร็จได้

  • ผมมักคิดว่า DNA เป็นเหมือนการเขียนโปรแกรมที่ยาวนานหลายล้านปี เป็นชุดโค้ดแฮ็ก ๆ ที่พอทำงานได้ เรียงต่อกันโดยไม่มีคอมเมนต์หรือเอกสารประกอบ
    เหตุผลที่โค้ดบางส่วนมีหน้าตาแบบนั้นสูญหายไปกับกาลเวลาโดยสิ้นเชิง สิ่งที่เรารู้มีเพียงว่า หากไปแก้มันส่วนใหญ่จะให้ผลแย่ โค้ดบางก้อนนำไปสู่พฤติกรรมบางอย่าง และยิ่งดูเข้าไปลึกเท่าไร ก็ยิ่งดูเหมือน spaghetti code

  • ยีน KMT2D เป็นหนึ่งในตัวอย่างของยีนที่ควบคุมการแสดงออกของยีนอื่น ๆ หากยีนนี้มีความบกพร่อง มักทำให้เกิด กลุ่มอาการคาบูกิ
    ถ้าจำไม่ผิด ในบรรยายของ Bert Hubert เรื่อง 'DNA: The Code of Life (SHA2017)' มีตัวอย่างพฤติกรรมคล้าย IF ให้ดู
    https://en.wikipedia.org/wiki/KMT2D
    https://en.wikipedia.org/wiki/Kabuki_syndrome
    https://www.youtube.com/watch?v=EcGM_cNzQmE

  • เกี่ยวกับคำตอบแรก Tim Blais บน YouTube ได้ทำ เพลงเพื่อการศึกษาเชิงบันเทิง ที่ติดหูเกี่ยวกับเครื่องจักรโมเลกุล โดยอิงจากงานวิจัยของ A. Leigh
    แอนิเมชันก็ยอดเยี่ยม และแสดงให้เห็นว่า “สวิตช์” ทางไฟฟ้าเคมีสามารถเข้ารหัสสถานะไบนารีได้อย่างไร โดยหลักการแล้วสามารถใช้สิ่งนี้สร้างลอจิกเกตได้ด้วย
    https://www.youtube.com/watch?v=ObvxPSQNMGc
    https://pubs.acs.org/doi/10.1021/acs.chemrev.5b00146

    • มีบทความปี 2021 ที่สร้าง โปรตีนลอจิกเกต OR
      https://www.nature.com/articles/s41467-021-26937-x
      บริษัทบางแห่งพยายามใช้แนวทางแบบนี้ในการออกแบบยา เช่น เงื่อนไขทำนองว่า “ให้เปิดใช้งานสิ่งนี้เฉพาะเมื่อแอนติบอดีทั้งสองตัวจับกันแล้วเท่านั้น”

  • เป็นคำถามที่น่าสนใจ การเข้ารหัสและการแสดงออกทางพันธุกรรมนั้นโดยพื้นฐานแล้วเป็นแบบ เชิงความน่าจะเป็น เพราะต้องเป็นเช่นนั้นวิวัฒนาการจึงจะเกิดขึ้นได้
    ในทางกลับกัน หากการทำงานพื้นฐานของ CPU มีอัตราข้อผิดพลาดในระดับใกล้เคียงกัน ก็คงแย่มาก คอมเมนต์ระดับบนที่พูดถึงการสร้างลอจิกเกตด้วยวงจรชีวภาพนั้นน่าสนใจ และในทางกลับกันก็สงสัยว่ามีตัวอย่างภาษาการเขียนโปรแกรมเชิงความน่าจะเป็นที่ทำการคำนวณโดยมี noise ในระดับใกล้เคียงกับเซลล์หรือไม่

    • สาเหตุที่เกิดความเป็นไปได้เชิงความน่าจะเป็นคือ “การคำนวณ” ทางชีววิทยาเป็น ปฏิกิริยาไฟฟ้าเคมี และวงจรป้อนกลับ ซึ่งไม่ค่อยสอดคล้องกับแนวคิด “การรันโค้ด” ในภาษาการเขียนโปรแกรม
      อุปมาที่ใกล้กว่าน่าจะเป็นภาษาอธิบายฮาร์ดแวร์ที่ใช้สังเคราะห์วงจรอนาล็อกสำหรับการคำนวณ วงจรแบบนั้นคล้ายคอมพิวเตอร์อนาล็อกที่ได้รับผลกระทบจากสัญญาณรบกวนรังสีแม่เหล็กไฟฟ้าในสภาพแวดล้อม
      ในความหมายนี้ จึงอาจถือว่าเคยเกิดขึ้นแล้วในรูปแบบพื้นฐานมากในยุคการคำนวณก่อนดิจิทัล
    • หากเปรียบเทียบกับอัตราข้อผิดพลาดของการทำงานพื้นฐานของ CPU วิวัฒนาการเกี่ยวข้องกับ การกลายพันธุ์เมื่อไฟล์ปฏิบัติการถูกคัดลอก
    • เมื่อคิดว่าวิวัฒนาการช้าเพียงใด และภายในสิ่งมีชีวิตหนึ่งตัว DNA ถูกคัดลอกหรือถอดรหัสกี่ครั้ง อัตราข้อผิดพลาด ของกระบวนการทางพันธุกรรมน่าจะต่ำมากจริง ๆ

  • หากมีแล็กโทสในสภาพแวดล้อมภายนอกเซลล์ และไม่มีกลูโคสในสภาพแวดล้อมภายนอกเซลล์ ก็จะเปิดใช้งาน lac operon และถอดรหัสยีนสำหรับการดูดซึมและเมแทบอลิซึมของแล็กโทส แล้วเข้าสู่ while loop
    ตราบใดที่ยังมีแล็กโทส ก็จะถอดรหัสยีนเหล่านั้นต่อไป
    แต่สิ่งนี้ไม่ได้เกิดจาก DNA เพียงลำพัง แต่เกิดขึ้นในฐานะองค์ประกอบหนึ่งของระบบเซลล์ ในกรณีนี้ E. coli จะสร้างตัวขนส่งแล็กโทสและน้ำตาลชนิดอื่นในปริมาณขั้นต่ำอยู่เสมอ และสิ่งเหล่านี้ทำหน้าที่เหมือนเซ็นเซอร์ที่เยื่อหุ้มเซลล์เพื่อกระตุ้นวงจรป้อนกลับ มิฉะนั้นเซลล์จะรู้ได้อย่างไรว่ามีแล็กโทสอยู่
    หากมีกลูโคส E. coli จะใช้กลูโคสก่อน และลดการควบคุมยีนสำหรับการดูดซึมและเมแทบอลิซึมของน้ำตาลชนิดอื่น ทั้งหมดนี้ค่อนข้าง เป็นอนาล็อก มากกว่าดิจิทัล ดังนั้นแม้ยีนที่ “ปิด” อยู่ก็ยังอาจถูกถอดรหัสได้ในระดับต่ำมาก
    DNA ใกล้เคียงกับ RAM มากกว่า ส่วน CPU อาจคล้ายกับทรานสคริปโตม (DNA → mRNA) และไรโบโซม (mRNA → โปรตีน) โดยรวมแล้วเซลล์จึงเหมือนกำลังรันบางอย่างที่คล้ายวงจร fetch-decode-execute ของหลายโปรเซสแบบขนาน

  • ผม/ฉันเคยสงสัยเกี่ยวกับ DNA จากมุมมองของภาษาโปรแกรมมิงอยู่เสมอ แต่คิดมาตลอดว่ามันใกล้เคียงกับ โครงสร้างข้อมูล มากกว่าภาษา

    • ผม/ฉันคิดมาตลอดว่า Lisp เป็นการประมาณที่ใกล้เคียง DNA ที่สุด

  • เคยสนใจชีววิทยาสังเคราะห์อยู่ช่วงหนึ่งและอ่านตำราเบื้องต้นเล่มนี้: https://www.amazon.ca/Introduction-Systems-Biology-Principle...
    หากคุณเคยเรียนออสซิลเลเตอร์และระบบควบคุมระดับสูงที่ครอบคลุมหลายสาขาวิศวกรรมในวิชาแนว “วิศวกรรมระบบ” หรือ “ระบบควบคุม” หนังสือเล่มนี้เป็นบทนำที่ดีในการทำความเข้าใจว่าระบบเหล่านั้นถูก “นำไปใช้งาน” และทำงานภายในเซลล์อย่างไร มันใกล้กับ “วงจรลอจิกอย่างอัลกอริทึมการค้นหาเส้นทางของ E. coli ถูกนำไปใช้งานใน RNA อย่างไร” มากกว่า “IF” และ “WHILE” loop

  • หากสนใจ ชีววิทยาเชิงคำนวณ บรรยายของ George Church ยอดเยี่ยมมาก
    ตามคำอธิบายรายวิชา คอร์สนี้ครอบคลุมความก้าวหน้าในการสร้างแบบจำลองเชิงปฏิบัติของความสัมพันธ์ระหว่างลำดับ โครงสร้าง และหน้าที่ในเครือข่ายชีววิทยาที่ซับซ้อน รวมถึงการวิเคราะห์ฟังก์ชันจีโนมิกส์เชิงปริมาณและครอบคลุม งานที่มอบหมายรวมถึงอัลกอริทึม สถิติ ฐานข้อมูล แนวทางการจำลอง และการประยุกต์ใช้ในแพทยศาสตร์ เทคโนโลยีชีวภาพ การพัฒนายา และพันธุวิศวกรรม
    https://ocw.mit.edu/courses/hst-508-genomics-and-computation...