编辑推荐：
本研究提出了一种基于热力学平衡态编程的动态DNA纳米技术新范式，通过直接编程熵驱动力实现分子信息处理。该研究突破了传统动力学路径编程的局限，通过构建热力学结合网络（TBN）模型，成功实现了可逆信号传导、布尔逻辑算法自组装和尺寸可控串联体合成三大应用，为复杂分子系统的鲁棒性设计提供了理论框架和实验验证。相关工作发表于《Science Advances》。
在合成分子信息处理领域，传统方法主要依赖于对动力学路径的编程，通过控制分子结合、解离或构象变化的特定顺序来实现功能。这种"指令式"编程虽然有效，但常常受到副反应的困扰——即使这些副反应速率较慢，它们仍然会发生。更棘手的是，错误校正机制本身也依赖于动力学路径的设计，而错误状态在热力学上往往更有利。这就像试图逆流而上，系统总是有回归到热力学偏好状态的趋势。
能否换一种思路，直接对热力学平衡态进行编程，让期望的状态本身就是能量上最有利的？这正是本研究团队探索的新范式。他们受到计算机科学中声明式编程的启发，将重点从"如何实现"转向"期望的结果是什么"，从而简化分子编程过程，避免热力学力量与编程动力学相互冲突导致的错误。
研究人员在《Science Advances》上发表的这项工作中，展示了一种基于热力学结合网络（TBN）模型的动态DNA纳米技术新方法。与传统的动力学编程不同，这种方法直接编程系统的热力学平衡态，让计算从熵驱动力中自然涌现。就像声明式编程关注期望结果而非具体步骤一样，这种热力学计算方法有望简化分子编程，为工程化复杂分子行为开辟新的可能性。
关键技术方法
本研究主要采用热力学结合网络（TBN）理论建模与DNA分子实验验证相结合的方法。通过构建TBN模型抽象化分子系统的焓和熵，其中焓等价于键合数量，熵等价于独立复合物数量。实验部分通过DNA链设计、原生聚丙烯酰胺凝胶电泳（PAGE）、荧光标记与淬灭检测等技术，在典型DNA纳米技术浓度条件下验证了TBN模型的预测准确性。序列设计确保结构域正交性和强结合力，并通过引入单碱基缺失补偿几何能量损失。
最简单的非平凡TBN验证
研究团队首先从最简单的非平凡TBN系统入手，该系统包含四个不可分割的分子：a、b、ab和ab。实验通过改变链浓度并利用原生PAGE分析，证实了在标准DNA纳米技术浓度下，系统确实强烈偏好具有最多独立复合物的稳定构型。定量测量显示，要检测到5%的游离ab，需要将a和b链的浓度提高到ab浓度的3000倍，这支持了稳定构型的强热力学偏好性。
信号传导电路的可逆性实现
基于先前提出的TBN AND门设计，研究人员实验实现了一个可逆信号传导模块A+B?C。该系统具有三个稳定构型，分别代表模块的前向和反向状态。通过荧光标记和凝胶分析，证实当两个输入A和B都存在时，游离输出C的量是仅有一个或没有输入时的8倍以上。反向实验也显示，当输入C存在时，输出量至少增加3倍。这种设计实现了前向的AND门逻辑和反向的扇出功能。
种子自组装电路的布尔逻辑计算
作为热力学算法自组装的示例，研究实现了基于种子链的自组装逻辑电路。所有输入通过单个种子链上的结构域选择进行编码，热力学平衡决定其他链的结合选择和计算执行。通过将输入链标记为淬灭基团，0和1输出标记为两种不同荧光团，成功实现了AND门和NAND门的布尔逻辑计算。实验显示，对于所有输入组合，正确输出的荧光信号几乎完全被淬灭，而错误输出的荧光信号保持在最大信号的一半以上。
尺寸可控串联体的自限制组装
研究还应用TBN模型于串联体的自组装，展示了熵驱动力如何将串联体生长限制在预定尺寸。基于Vernier机制，系统由两种分子组成：一种具有m个重复结构域x，另一种具有n个重复互补结构域x*。该机制可视为计算m和n的最小公倍数。实验证明，在不同浓度比例下，组装产物对初始浓度比例敏感，且在理想化学计量比下，几乎全部链都形成目标尺寸的复合物。通过连接反应，成功合成了包含多达20个重复单元的串联体。
研究结论与意义
这项工作确立了TBN模型作为工程化复杂分子系统的设计范式，展示了热力学编程方法的灵活性。与依赖亚稳态复合物的动力学方法不同，热力学优先系统具有可重用性的重要优势——改变输入后，系统会自然适应新的热力学平衡。虽然研究中使用了退火协议在合理时间内驱动系统达到热力学平衡，但研究人员推测，通过部分 destabilizing 结构域结合，可以实现TBN的等温操作。
这项研究最重要的启示在于，清洁的抽象化是创建复杂可靠系统的关键。就像计算机科学中布尔电路将电压限制为高或低一样，计算独立复合物数量为分子系统提供了一个特别清晰的抽象化方法，与自下而上的工程实践相一致。通过信号传导、布尔逻辑和尺寸可控串联体合成等示例系统，证明这种抽象化方法仍然具有足够的表达能力，可以实现复杂而可靠的设计行为。
热力学优先的方法为分子工程提供了新的设计原则，可能启发比遵循自然"设计原则"更成功的人工工程方法。随着对焓和熵权重的编程以及对温度影响的进一步探索，将为了解生物工程中的热力学提供更完整的图景，并为编程热力学系统开辟新的可能性。
