麦吉尔大学团队用大肠杆菌构建活体生物计算机，20年攻关实现子集和问题求解

11月6日，一项历时20年的基础研究取得突破性进展：由加拿大麦吉尔大学牵头的国际科学家团队，成功构建出一台以活体细菌为计算单元的生物计算机，并在实验中实现了对“子集和问题”（Subset Sum Problem）的求解。这项成果发表于《自然·生物技术》相关期刊，标志着生物计算从理论构想迈向概念验证阶段。

子集和问题是计算机科学中的经典NP完全问题——给定一组整数和一个目标值，判断是否存在一个子集，其元素之和恰好等于该目标值。随着数据规模增大，传统电子计算机的求解时间呈指数级增长，而此次生物计算机通过物理并行机制，在微观尺度上实现了高效探索。

实验装置的核心是一个微米级互联通道网络，形如迷宫。研究人员将数学问题编码为通道分支结构：每条路径代表一种可能的子集组合，通道交汇处设置逻辑门结点作为决策点。随后，将大肠杆菌（Escherichia coli）与耐盐弧菌（Vibrio natriegens）注入入口。细菌在液体介质中自主游动，沿不同路径前进；当某条路径满足问题约束条件时，细菌会抵达终点区域，被高分辨率图像分析系统识别并记录。

真正体现生物计算独特优势的是其“自复制算力”机制。传统并行计算需预先部署固定数量的处理器核心，而活体系统中，细菌在运动过程中持续分裂增殖，种群数量呈指数增长——这意味着计算资源随运算过程同步扩展，相当于“边算边造处理器”。研究团队可通过调控培养温度精确控制细菌生长速率，避免通道拥堵导致的信号干扰；同时，利用荧光标记与机器视觉追踪，系统能实时解析成功路径所对应的数值组合。

这一设计并非凭空而来。早在2000年代初，学界便提出“生物逻辑门”构想，尝试用基因回路实现布尔运算。但受限于响应速度慢、噪声高、难以规模化，多数方案止步于单细胞层面。本次突破的关键在于放弃基因编辑路径，转而利用细菌的天然运动行为与群体动力学特性，在宏观流体结构中实现分布式计算。微流控芯片的几何拓扑成为“硬件”，细菌个体是“可编程执行单元”，整个系统无需外部供电即可运行——仅依赖营养液与适宜温控环境。

尽管原理简洁，工程实现难度极高。研究团队指出，当前主要挑战集中在两方面：一是通道结点处细菌转向存在随机误差，影响路径判定准确性；二是高密度种群易引发流体扰动与代谢副产物积累，干扰后续计算进程。为此，团队引入动态反馈调节策略：当图像系统检测到某区域细菌密度过高时，自动触发局部降温或稀释操作，维持系统稳定性。

需要强调的是，该生物计算机并非意图替代通用电子设备。项目负责人明确表示，其目标场景是电子架构难以高效处理的特定问题域，例如：

高维组合优化（如物流路径规划、芯片布线）
分子对接与蛋白质折叠空间搜索
后量子密码学中的格基难题求解
复杂生物网络建模中的状态枚举

尤其值得注意的是，这类任务往往不追求单一最优解，而是需要穷尽可行解空间——这正是生物并行性的天然优势所在。相比GPU集群需消耗千瓦级电力进行暴力搜索，微型生物芯片仅需几毫升培养液与恒温箱，能耗降低数个数量级。

从更广视角看，该研究与近年细菌“暗物质”探索形成呼应。正如山东第一医科大学李冰清团队所揭示，大肠杆菌基因组中仍有约20%蛋白功能未知，这些“暗物质”可能蕴藏新型生物分子机器或信号通路。若未来能将特定功能蛋白整合至计算系统（例如设计对特定代谢物敏感的运动开关），或将催生可编程的智能生物处理器。

此外，合成生物学工具的进步也为该方向提供支撑。补充素材提及的Cas系统多菌株编辑能力、机器学习驱动的MurB抑制剂发现等成果，表明我们已具备定向改造细菌行为的能力。理论上，通过插入光敏启动子或化学感应模块，可使细菌响应外部指令改变运动偏好，从而实现更复杂的逻辑运算。

不过，距离实用化仍有漫长道路。目前系统仅能处理数十位整数规模的子集和问题，而实际应用常涉及上千变量。下一步，团队计划优化通道拓扑结构以提升路径区分度，并探索多菌种协同计算——例如让不同菌株承担加法、比较、存储等子任务，构建类神经网络的分布式架构。

值得玩味的是，研究者提出一个开放设想：未来或许可直接利用致病菌进行计算。“有害”与“有益”本是人为界定，只要其运动与增殖特性可控，沙门氏菌、铜绿假单胞菌等临床常见病原体同样可被纳入计算资源池。这不仅拓展了生物计算的材料边界，也倒逼我们重新思考生命系统的工程化潜力。

回顾过去二十年，生物计算领域经历了从“基因电路热”到“冷静务实”的转变。早期研究过度聚焦于在单细胞内构建完整CPU，忽视了物理尺度与噪声限制；而本次工作回归本质——不强求细胞做“硅基替身”，而是发挥其群体智能与自组织优势，在合适的问题域中寻找不可替代性。

正如一位参与该项目的工程师所言：“我们不是在造更快的芯片，而是在学习如何与生命共舞。”当电子摩尔定律逼近物理极限，向生命系统借智，或许正是计算范式演进的下一程起点。