448
13 L’ordinateur ` a ADN
construire en plusieurs ´ etapes. Mais la machine de Turing de la figure 13.8 (exemple
13.9) la calcule de mani` ere beaucoup plus simple !
Comme l’illustre cet exemple et celui du chemin hamiltonien, il est trop tˆ ot pour
savoir quelles op´ erations biologiques seront privil´ egi´ ees par l’ordinateur `
a ADN du futur,
si un jour il devient r´ ealit´ e.
13.6.2 Les limites actuelles des ordinateurs ` a ADN
Jusqu’ici, nous avons peint un tableau assez encourageant des ordinateurs ` a ADN.
En effet, nous avons montr´ e comment r´ esoudre des probl` emes math´ ematiques concrets
(comme le graphe hamiltonien) ` a l’aide des chaˆ ınes d’ADN. La grande capacit´ e th´ eorique
de parall´ elisme de l’ordinateur ` a ADN semble permettre de tester toutes les solutions
possibles `
a un probl` eme en mˆ eme temps, au lieu de les essayer une ` a la fois comme
dans un ordinateur classique. De plus, nous avons vu que tous les probl` emes r´ esolubles
par une machine de Turing pourraient ˆ etre r´ esolus par un ordinateur ` a ADN au moyen
d’une s´ equence d’insertions et de d´ el´ etions. Sous ces angles, l’ordinateur `
a ADN est un
outil de calcul potentiellement tr` es puissant.
Cependant, tous nos mod` eles th´ eoriques font une hypoth` ese importante : la nature
est parfaite, et nous pouvons la manipuler `
a notre gr´ e. Or, c’est loin d’ˆ etre le cas. En
effet, dans la nature, il arrive que des chaˆ ınes d’ADN en suspension dans l’eau se brisent
(s’hydrolisent) spontan´ ement. Il arrive aussi qu’il y ait des erreurs quand une chaˆ ıne se
lie ` a son compl´ ement. Par exemple, la chaˆ ıne
AAGT ACCA
dont le compl´ ement est
T T CAT GGT
pourrait se lier `
a un « faux compl´ ement » qui lui ressemble ` a une base pr` es. On pourrait
donc se retrouver avec le double brin
A A G T A C C A
T T T A T G G T
o` u le G est li´ e ` a un T au lieu d’un C. On comprend facilement que ce type d’erreur peut ˆ etre fatal pour des algorithmes, comme celui d’Adleman, qui reposent sur la
compl´ ementarit´ e des bases. La recherche est en cours pour r´ egler ce probl` eme. Certains
proposent de faire les op´ erations ` a l’int´ erieur d’une cellule vivante (in vivo) plutˆ ot qu’` a
l’ext´ erieur. En effet, les cellules disposent de dispositifs de contrˆ ole des erreurs assez
efficaces, qui leur permettent de filtrer de telles anomalies.
Il faut par ailleurs savoir que l’exp´ erience du graphe hamiltonien qui a ´ et´ e r´ eussie en
1994 par Adleman a ´ et´ e r´ ep´ et´ ee (sans succ` es !) en 1995 par Kaplan, Cecci et Libchaber.
Leur ´ electrophor` ese n’a pas donn´ e les r´ esultats escompt´ es. `
A l’endroit o` u les solutions
de la bonne longueur (celles qui passent par six arˆ etes) auraient dˆ u se trouver, il y
13 L’ordinateur ` a ADN
construire en plusieurs ´ etapes. Mais la machine de Turing de la figure 13.8 (exemple
13.9) la calcule de mani` ere beaucoup plus simple !
Comme l’illustre cet exemple et celui du chemin hamiltonien, il est trop tˆ ot pour
savoir quelles op´ erations biologiques seront privil´ egi´ ees par l’ordinateur `
a ADN du futur,
si un jour il devient r´ ealit´ e.
13.6.2 Les limites actuelles des ordinateurs ` a ADN
Jusqu’ici, nous avons peint un tableau assez encourageant des ordinateurs ` a ADN.
En effet, nous avons montr´ e comment r´ esoudre des probl` emes math´ ematiques concrets
(comme le graphe hamiltonien) ` a l’aide des chaˆ ınes d’ADN. La grande capacit´ e th´ eorique
de parall´ elisme de l’ordinateur ` a ADN semble permettre de tester toutes les solutions
possibles `
a un probl` eme en mˆ eme temps, au lieu de les essayer une ` a la fois comme
dans un ordinateur classique. De plus, nous avons vu que tous les probl` emes r´ esolubles
par une machine de Turing pourraient ˆ etre r´ esolus par un ordinateur ` a ADN au moyen
d’une s´ equence d’insertions et de d´ el´ etions. Sous ces angles, l’ordinateur `
a ADN est un
outil de calcul potentiellement tr` es puissant.
Cependant, tous nos mod` eles th´ eoriques font une hypoth` ese importante : la nature
est parfaite, et nous pouvons la manipuler `
a notre gr´ e. Or, c’est loin d’ˆ etre le cas. En
effet, dans la nature, il arrive que des chaˆ ınes d’ADN en suspension dans l’eau se brisent
(s’hydrolisent) spontan´ ement. Il arrive aussi qu’il y ait des erreurs quand une chaˆ ıne se
lie ` a son compl´ ement. Par exemple, la chaˆ ıne
AAGT ACCA
dont le compl´ ement est
T T CAT GGT
pourrait se lier `
a un « faux compl´ ement » qui lui ressemble ` a une base pr` es. On pourrait
donc se retrouver avec le double brin
A A G T A C C A
T T T A T G G T
o` u le G est li´ e ` a un T au lieu d’un C. On comprend facilement que ce type d’erreur peut ˆ etre fatal pour des algorithmes, comme celui d’Adleman, qui reposent sur la
compl´ ementarit´ e des bases. La recherche est en cours pour r´ egler ce probl` eme. Certains
proposent de faire les op´ erations ` a l’int´ erieur d’une cellule vivante (in vivo) plutˆ ot qu’` a
l’ext´ erieur. En effet, les cellules disposent de dispositifs de contrˆ ole des erreurs assez
efficaces, qui leur permettent de filtrer de telles anomalies.
Il faut par ailleurs savoir que l’exp´ erience du graphe hamiltonien qui a ´ et´ e r´ eussie en
1994 par Adleman a ´ et´ e r´ ep´ et´ ee (sans succ` es !) en 1995 par Kaplan, Cecci et Libchaber.
Leur ´ electrophor` ese n’a pas donn´ e les r´ esultats escompt´ es. `
A l’endroit o` u les solutions
de la bonne longueur (celles qui passent par six arˆ etes) auraient dˆ u se trouver, il y