手工课上，老师发下一张长长的彩纸和一小盒订书钉。彩纸的背面印着标记，订书钉上也印着标记——把标记吻合的订书钉按到对应位置，彩纸就会自己弯折起来，最终折成一栋小房子、一只小船，甚至一张笑脸。这套折纸技法，在纳米世界里有一个名字：DNA 折纸计算。只不过，这里的“彩纸”是一条极细的分子长链，“订书钉”是能识别对应标记的分子短链。它们不需要人手，只要在合适的环境里自然地碰在一起，就会自动“折”出设计好的形状。 更神奇的是，这些纳米折纸不只是好看的手工品。科学家把一道数学难题的所有可能答案，分别写成不同的纸条，让一池纸条同时折叠。最终，只有代表正确答案的那一张能折成完整形状。于是，“折纸”就变成了一台并行计算引擎——成千上万的纸条同时在试错。这个想法让分子第一次学会了“计算”。 这篇文章会带你从头了解 DNA 折纸计算：它凭什么能算？历史上走过哪些里程碑？它的性能强在哪、工程难在哪？它又如何变成医疗检测、药物递送，甚至未来量子 AI 的工具？请把这篇教程当作一本折纸手册，一页一页翻开。

岗位关联

理解 DNA 折纸计算，是踏入可逆计算与生物计算领域的关键一步；它帮助 AI 从业者打开“非冯·诺依曼”的新型计算视野，为未来异构计算架构与分子级数据存储提供跨越硅基边界的灵感。

目录
  1. 可视化演示
  2. 一、概念原理：一张彩纸如何学会思考
  3. 二、发展历程：从试管里的题到艺术折纸
  4. 三、关键算法：让分子学会解数学题
  5. 四、性能特性：全班同时折纸的威力
  6. 五、优化策略：让每道折痕都精确对齐
  7. 六、应用前景：从手工课到未来计算
  8. AI 应用场景
  9. Python 演示
  10. 常见误区
  11. 面试题

可视化演示

展示DNA折纸技术的自组装过程、计算模型中的状态编码机制及纳米级应用场景，揭示分子计算的原理与潜力。

本节配有交互动效（进入视口后自动加载，约 3KB）。

DNA折纸自组装 骨架链(scaffold)：长单链DNA作为结构骨架，约7000-8000个碱基 订书钉链(staple)：短链通过互补配对折叠骨架，约200条 scaffold + staples → anneal(65°C→4°C) → folded structure

一、概念原理：一张彩纸如何学会思考

手工课的第一课，是先认识材料——彩纸有多长，订书钉怎么用。老师发下一张长长的彩纸，纸面上印着许多标记，订书钉上也印着对应的标记，把吻合的订书钉按上去，纸就自动弯折。DNA 折纸计算的起点，正是这样一张“彩纸”：脚手架链，一条约七千个碱基的环状单链 DNA 分子。而“订书钉”是两百多条精心设计的短链 DNA，任务只有一个——把长链“钉”成预设的纳米形状。

为什么短链能把长链折成形状？秘密藏在碱基互补配对规则里：腺嘌呤（A）总要和胸腺嘧啶（T）配对，胞嘧啶（C）总要和鸟嘌呤（G）配对。短链上某一段序列恰好与长链某一段互补，两者相遇就会通过氢键粘在一起。当几十条短链分别在长链不同位置“钉”住，长链就被分割成许多小区域，每个区域在空间中弯折，最终形成矩形、三角形、圆筒等几何体。这一过程叫做自组装——没有外力的手，分子只凭序列图纸自动折叠。

自组装能否发生、折纸是否牢固，由热力学说了算。设计者要让整个体系的自由能下降，组装才会自发进行：

所以，“彩纸”与“订书钉”并不是随便挑选的——每一条短链都是一段精确的指令。理解了材料的语言，我们才看得懂 DNA 如何把一张纸变成一台纳米计算器。

ΔG=ΔH−TΔS\displaystyle \Delta G = \Delta H - T\Delta S
这个公式是判断“折纸能不能自动完成”的总闸门：只有当自由能变化为负，分子才会自发折叠成目标结构，否则折纸会半途散架。
  1. ΔG（自由能变化量）衡量反应自发程度的金标准。当 ΔG 为负时，折叠自发进行，就像订书钉一按就自动咬合。
    ΔG\Delta G
  2. ΔH（焓变）碱基配对形成氢键时释放的热量，相当于“胶水粘性”的强度，让结构更稳定。
    ΔH\Delta H
  3. TΔS（温度乘熵变）温度越高、体系越混乱，越不利于整齐的折纸结构，这是“热噪声”带来的代价。
    TΔST \Delta S
  4. 自发条件（ΔG < 0）设计序列时让释放的热量超过混乱度的代价，折纸才能稳定成活。
    ΔG<0\Delta G < 0

二、发展历程：从试管里的题到艺术折纸

手工课的第二个阶段，是回顾折纸大师们如何一步步把“纸”玩出计算功能。1994 年，计算机科学家阿德勒曼在实验室里做了一个惊人之举：不用芯片，只用 DNA 分子在试管里解决了一道著名难题——汉密尔顿路径问题。他的做法是：城市用 DNA 短链表示，城市之间的航线用另一段 DNA 短链表示，把所有链混在一管液体里，它们靠互补配对自动连接成各种“路径组合”，再用生物技术筛选出正确的那条路径。这是人类第一次证明：分子也能计算。

2006 年，罗瑟蒙德把 DNA 计算带入了“折纸”纪元。他不再让众多短链混乱拼接，而是用一条长链作骨架、两百多条短链作订书钉，把长链精确折叠成设计好的图案——包括笑脸、地图和星形。相比阿德勒曼时代的随机组装，折纸法让结构设计变得可控、可编程、可预测，大幅降低了组装错误率。

从“随机拼接”到“按图折叠”，核心变化是计算空间的组织方式。阿德勒曼式的计算靠海量组合撞运气：n 个顶点最多有 n 阶乘种访问顺序，DNA 池同时尝试所有顺序：

从试管里的一堆链，到今天能折出精美图案，DNA 计算完成了一次“材料革命”。折纸技艺的成熟，让分子计算的规模与精度都有了质的飞跃。

n!=n×(n−1)×⋯×2×1\displaystyle n! = n \times (n-1) \times \cdots \times 2 \times 1
这个公式揭示：顶点一多，候选答案数量爆炸式增长，传统计算机束手无策，而 DNA 池用分子数量硬生生扛下“组合爆炸”——这正是生物计算最令人兴奋的地方。
  1. n! 的含义n 座城市所有可能访问顺序的总数，每一种顺序就是一条候选 DNA 链，靠随机连接生成。
    n!n!
  2. 连乘过程第一站有 n 种选择，第二站剩 n−1 种，依次递减，直到最后一站只剩 1 种。
    n×(n−1)×⋯×2×1n \times (n-1) \times \cdots \times 2 \times 1
  3. 组合爆炸的规模n 等于 10 时已有 362 万种组合，n 等于 30 时远超地球上的分子总数。
    10!=3,628,80010! = 3{,}628{,}800

三、关键算法：让分子学会解数学题

手工课最难的一课是“反着折”：老师只给成品图纸，要求学生倒推出折痕。DNA 计算的核心算法本质上就是这种“设计反演”——把问题的所有可能答案编码成 DNA 链，再让物理筛选替我们找到正确答案。最经典的例子仍是汉密尔顿路径问题：给定一张图，是否存在一条路径恰好经过每个顶点一次。

用图论语言，汉密尔顿路径可以写成：

除了路径问题，DNA 计算还能解决图着色问题——给每个顶点涂色，让相邻顶点颜色不同，折纸通过不同形状的“颜色标签”实现。更进一步，分子逻辑门（AND、OR、NOT）用短链的有无表示输入输出，像搭积木一样搭建分子电路。这些算法有一个共同点：答案空间越大，DNA 的并行优势越明显。

“反着折”看似是难题，但只要把图纸画得足够精妙，分子世界就能替我们完成最繁重的搜索。这正是折纸计算的核心智慧：复杂留给设计，简单交给分子。

∀ i∈{1,2,…,n−1},  (vi,vi+1)∈E\displaystyle \forall\, i \in \{1, 2, \dots, n-1\},\; (v_i, v_{i+1}) \in E
这段话翻译成大白话：无论走到第几步，前后相邻的两个“景点”之间必须有一条直连道路，而且每个景点只能踩一次——这就是老师说的“不走回头路”。
  1. ∀（任意符号）对路径上的每一个相邻位置都要做同一项检查，缺一不可。
    ∀\forall
  2. v_i（第 i 个顶点）路径中第 i 次访问的城市，由一段 DNA 短链编码，链与链能拼合代表有路相连。
    viv_i
  3. (v_i, v_{i+1}) ∈ E（相邻边）相邻两次访问的城市之间必须有边，对应两条 DNA 链能成功互补配对。
    (vi,vi+1)∈E(v_i, v_{i+1}) \in E
  4. i 的范围从 1 到 n−1，覆盖整条路径的所有连接段，保证“恰好经过每个顶点一次”。
    i∈{1,2,…,n−1}i \in \{1, 2, \dots, n-1\}

四、性能特性：全班同时折纸的威力

如果让全班同学同时折同一个图案，速度会怎样？传统计算机是“一个人折纸”——逐个尝试路径，折一个检查一个。而 DNA 计算是“全班同时折纸”：一试管溶液里有大约 10 的 14 次方个 DNA 分子，每个分子都是独立的处理器，同时执行各自的折叠与连接操作。理论上，它一秒钟完成的操作数可以远超当前最强的超级计算机，能耗却低得惊人。

这个优势可以用并行加速比来理解：

除了并行，DNA 还是超高密度的信息载体。四种碱基的序列组合可以存储海量数据，理论密度可达每克 DNA 约 10 的 21 次方字节，远超硬盘；而每个碱基只有约一纳米见方，让计算单元缩到了分子尺度。这些特性让 DNA 折纸成为“分子级数据中心”的头号候选。

全班同时折纸，意味着速度、密度和能耗的三重碾压。但全班折纸也有代价——有人折歪了怎么办？这就引出下一节：如何确保折纸的精度。

Tdna=TserialNmolecule\displaystyle T_{\text{dna}} = \frac{T_{\text{serial}}}{N_{\text{molecule}}}
如果一个问题串行需要 100 小时，而参与计算的分子数有 100 亿，理想情况下 DNA 计算把时间压缩到原来的百亿分之一——当然实际还要算上准备和读出的开销。
  1. T_serial（串行时间）传统计算机逐个尝试所有候选答案的总耗时，单位通常是小时。
    TserialT_{\text{serial}}
  2. T_dna（DNA 并行时间）一池 DNA 分子同时尝试答案所需的理想时间，分子数越多耗时越短。
    TdnaT_{\text{dna}}
  3. N_molecule（分子数量）同时参与计算的 DNA 链数目，相当于并行计算中的线程数。
    NmoleculeN_{\text{molecule}}
  4. 分母的意义分子数在分母位置，直观表达“试管的算力来自体积”——液体越多、分子越多，并行度越高。
    1Nmolecule\frac{1}{N_{\text{molecule}}}

五、优化策略：让每道折痕都精确对齐

手工课最常见的翻车现场，是折痕没对齐，成品歪歪扭扭。DNA 折纸同样面临“折歪”问题：短链可能与长链的错误位置发生部分配对，形成错配；温度过高会让已配对的链散开，温度过低又会让错误的链也粘上去。因此，优化策略的第一条是精心设计短链序列——让每条短链都与目标位置形成最强、最特异的互补，同时尽可能减少短链之间的交叉配对。

第二条策略是精确控制退火温度。设计者先加热让所有链解开，再缓慢降温，让“正确配对优先”。估算配对强度的经验公式是：

最后是“验收”环节。折好的纳米结构需要被“读”出来：凝胶电泳按大小把 DNA 结构分开，验证有没有目标条带；原子力显微镜（AFM）直接在纳米尺度“拍照”，确认折纸图案的形状。读出的高成本，正是当下 DNA 计算走向工程化的最大瓶颈之一。

折纸的精髓在于“对齐”——序列设计是源头控制，退火是过程控制，读出是质量验收。三道工序做好，折纸作品才能又准又稳。

Tm=4(G+C)+2(A+T)\displaystyle T_m = 4(G + C) + 2(A + T)
这是估算“解链温度”的经典经验公式：G/C 之间形成三道氢键所以粘得更牢，权重为 4；A/T 之间只有两道氢键相对松，权重为 2。升温到 Tm 以上，折纸结构才会解散。
  1. Tm（解链温度）DNA 双链结构开始解开的临界温度，超过它折纸就会散架。
    TmT_m
  2. 4(G+C)（强键贡献）鸟嘌呤与胞嘧啶之间形成三条氢键，粘合更牢，所以权重取 4。
    4(G+C)4(G+C)
  3. 2(A+T)（弱键贡献）腺嘌呤与胸腺嘧啶之间形成两条氢键，粘合较弱，所以权重取 2。
    2(A+T)2(A+T)
  4. 退火温度（配平）按公式估算 Tm 后，退火温度设在 Tm 以下约 5 到 10 摄氏度，让正确结构优先成形。
    Tanneal≈Tm−(5∼10)T_{\text{anneal}} \approx T_m - (5 \sim 10)

六、应用前景：从手工课到未来计算

手工课的作品终于可以走向市场：小房子变成小工具，小盒子变成小药箱。DNA 折纸最先落地的领域是生物传感——折纸可以折成“纳米开关”：当目标病毒 RNA 出现时，互补配对会触发开关翻转，让荧光信号亮起，实现快速检测。另一个明星应用是靶向药物递送：把化疗药物封进 DNA“纳米盒”，盒盖用能识别癌细胞的适配体锁住；遇到癌细胞时盖子打开，药物定点释放，大幅降低对健康细胞的伤害。

更宏大的远景是 DNA 折纸与量子计算的结合。DNA 折纸能在纳米尺度上精确定位量子点、单量子比特或超导线路，作为制造量子芯片的分子模板；反过来，DNA 分子的指数级编码空间也被视为量子态制备的潜在平台。计算学家正尝试让“分子存储 + 量子计算”形成互补——DNA 负责超高密度信息存储，量子计算负责高效求解。

从信息论看，DNA 每增加一个碱基，携带的信息量增长是：

手工课的彩纸，正在变成纳米世界的万能材料——能诊断、能送药，甚至能为未来计算搭建舞台。从一张纸到一台分子计算机，DNA 折纸的旅程才刚刚开始。

I=log⁡2(4n)=2n bits\displaystyle I = \log_2(4^n) = 2n \text{ bits}
每个碱基等价于 2 比特信息，一条上百碱基的短链就能编码数十字节；如果一克 DNA 的所有编码潜能都被利用，它将是一本装得下整个图书馆的分子书。
  1. 4^n 种状态n 个碱基的任意组合共有 4 的 n 次方种序列，对应海量编码空间。
    4n4^n
  2. log_2（以 2 为底的对数）把组合数换算成二进制比特数，让分子信息量可以与电子存储直接比较。
    log⁡2(4n)\log_2(4^n)
  3. 2n bits（信息量结论）每个碱基携带 2 比特信息，分子级存储密度由此而来。
    2n bits2n \text{ bits}

AI 应用场景

生物传感：纳米开关点亮病毒警报

阶段：感知与检测（输入端）

解决的问题：传统 PCR 检测需要精密温控设备和荧光标记，偏远地区难以部署；DNA 折纸传感器把“识别病毒序列”变成一次自组装折叠，目标 RNA 出现即触发开关翻转，肉眼可见颜色变化。

具体案例：学术界已制造出针对埃博拉、新冠病毒 RNA 的 DNA 折纸开关，加入待测样本后，只有匹配的病毒序列能让纳米结构“开盖”并释放荧光团，实现 30 分钟内可视化检测，无需大型仪器。

靶向药物递送：纳米盒子的精准开锁

阶段：决策与控制（执行端）

解决的问题：传统化疗药物全身分布，杀伤癌细胞的同时误伤健康组织；DNA 折纸可折成六角“纳米盒”，盒盖以适配体为锁，只有锁与癌细胞表面蛋白匹配时盒盖才打开。

具体案例：哈佛大学团队利用 DNA 折纸“纳米机器人”搭载凝血酶，当纳米机器人识别到肿瘤血管表面的特异性标志物时释放药物，在小鼠实验中成功切断肿瘤血供，肿瘤明显缩小。

分子级模板：为量子芯片铺路

阶段：架构设计（基础设施）

解决的问题：量子芯片制造需要在纳米精度上放置量子比特和电极，传统光刻受限于波长；DNA 折纸能按设计图精确固定分子位置，充当量子器件的组装模板。

具体案例：研究团队在 DNA 折纸矩形上定点排列金纳米颗粒，形成等离激元波导，并尝试以 DNA 折纸为支架定位量子点，为可扩展量子计算硬件提供分子尺度的“印刷底板”。

Python 演示

python43 行
import itertools COMPLEMENT = {'A': 'T', 'T': 'A', 'C': 'G', 'G': 'C'}  def hamiltonian_paths(vertices, edges):    """用穷举法模拟 DNA 计算对汉密尔顿路径的并行搜索。"""    adj = {v: set() for v in vertices}    for u, v in edges:        adj[u].add(v)        adj[v].add(u)    results = []    for perm in itertools.permutations(vertices):        if all(perm[i + 1] in adj[perm[i]] for i in range(len(perm) - 1)):            results.append(perm)    return results  def fold_origami(scaffold):    """模拟订书钉链与脚手架链的自组装配对。"""    staples = [COMPLEMENT[b] for b in scaffold]    paired = [s == COMPLEMENT[b] for s, b in zip(staples, scaffold)]    return staples, paired  def main():    vertices = ['A', 'B', 'C', 'D', 'E']    edges = [('A', 'B'), ('B', 'C'), ('C', 'D'),             ('D', 'E'), ('B', 'D'), ('C', 'E')]    paths = hamiltonian_paths(vertices, edges)    print('找到 %d 条汉密尔顿路径' % len(paths))    for p in paths[:3]:        print(' -> '.join(p))     scaffold = 'AGCTTCG'    staples, paired = fold_origami(scaffold)    print('脚手架链:', scaffold)    print('订书钉链:', ''.join(staples))    print('配对图谱:', ''.join('|' if ok else '.' for ok in paired))  if __name__ == '__main__':    main()
目的：用 Python 模拟 DNA 折纸计算的两大核心环节——汉密尔顿路径的分子级并行搜索，以及碱基互补配对驱动的自组装折叠。
  1. adj = {v: set() for v in vertices}构建邻接表，模拟 DNA 短链之间“能否互补配对”的连通关系。
  2. for perm in itertools.permutations(vertices)枚举所有访问顺序，对应一池 DNA 中同时生成的全部候选路径。
  3. all(perm[i + 1] in adj[perm[i]] ...)检查每条候选路径是否满足“前后相邻顶点有边”，相当于 DNA 实验里的生物筛选。
  4. COMPLEMENT = {'A': 'T', ...}定义碱基互补配对规则，是折纸“标记吻合”的代码表达。
  5. staples = [COMPLEMENT[b] for b in scaffold]由脚手架链生成每条订书钉链的序列，模拟设计阶段的图纸翻译。
  6. print('配对图谱:', ...)用 | 和 . 可视化配对结果，对应实验中“是否成功扎上订书钉”。

常见误区

误区学了 DNA 计算之后，以为未来家用电脑会变成试管，传统计算机很快会被完全替代。毕竟分子都能并行计算了，芯片岂不是要淘汰？

正解DNA 计算更适合搜索和组合类问题，比如汉密尔顿路径、图着色；但通用逻辑运算、交互、软件生态都不是它的强项。更准确的说法是“分子协处理器”——专门处理某类数学题，日常计算依然交给硅基芯片。拿折纸课比喻：全班同时折纸很快，但没人会用全班折纸去写作文。

为何常见：媒体常渲染“分子计算机”的科幻感，让小白误以为这是全面替代性的技术革命，忽略了它只是计算谱系中的一个新成员。

误区听到“折纸”两个字，就以为 DNA 折纸像是手工课一样被人用手弯折，甚至以为折的是蛋白质，毕竟蛋白质也会“折叠”。

正解DNA 折纸完全靠碱基互补配对自发完成，不需要任何外力或人手。折叠对象是 DNA，不是蛋白质——蛋白质折叠由氨基酸的疏水和静电作用驱动，和“长链图纸 + 短链订书钉”的 DNA 折纸是两套不同的机制。彩纸和订书钉，都不是手。

为何常见：“折纸”这个比喻太形象，“DNA 与蛋白质都会折叠”这两种说法又常被混着讲，概念边界于是被模糊了。

误区觉得既然 DNA 能并行计算，那只要把 DNA、酶和各种试剂倒进试管摇一摇，答案就会自动跳出来，实验失败只是运气不好。

正解完整流程包含三步：问题编码（精心设计碱基序列）、生化反应（退火、连接、扩增）、筛选读出（凝胶电泳、测序）。序列设计要抑制错误配对，退火温度要精确控制，读出阶段还需要昂贵设备。试管只是“计算引擎”的中段，前后端都是硬核工程。

为何常见：实验演示视频常把多步操作剪辑成“加样 → 出结果”，强烈压缩了中间过程，让观众误以为这是“一锅炖”。

误区认为 DNA 折纸只是实验室里博眼球的“科学玩具”，离工程实践十万八千里，无法为真实世界创造价值。

正解DNA 折纸传感和药物递送已进入临床前研究甚至商用验证阶段；DNA 存储已有创业公司推出商业化产品；DNA 折纸模板还被用于量子器件制造。它正在以“分子工具箱”的形式一步步落地，只是生化实验周期长、出图晦涩，让圈外人感受不到进度。

为何常见：生物实验动辄以天为单位，论文里的 AFM 图像又灰又抽象，不像软件 Demo 那样能立刻在屏幕上看到效果，导致“没进展”的错觉。

面试题

Q1. DNA 折纸计算中，“订书钉链”的主要作用是？

单选题 · easy

  • A.固定折叠形状（辅助折叠定型）← 正确答案
  • B.提供计算电力（提供能量供给）
  • C.加速 DNA 复制（加速分子复制）
  • D.破坏碱基配对（破坏配对结构）

答案：A。订书钉链是精心设计的短链 DNA，通过与脚手架链特定区域互补配对，把长链“钉”成目标折叠形状，就像手工课订书钉固定彩纸折痕。B 项把短链当成能源，C 项混淆了复制酶的功能，D 项则完全说反了——配对恰恰是构建而非破坏。

Q2. 阿德勒曼 1994 年用 DNA 分子在试管中解决的经典问题是？

单选题 · mid

  • A.汉密尔顿路径问题（七桥连通变体）← 正确答案
  • B.最大流最小割问题（网络流优化）
  • C.线性规划对偶问题（运筹学规划）
  • D.快速傅里叶变换问题（信号频域变换）

答案：A。阿德勒曼用 DNA 短链表示城市与航线，让分子自动拼接出所有路径后筛选出汉密尔顿路径，证明了分子可以计算。B、C、D 都是传统计算中的经典问题，但都不是阿德勒曼实验的题材；该实验的关键在于“组合搜索”，而非网络流或数值变换。

Q3. DNA 双链中正确的碱基互补配对规则是？

单选题 · easy

  • A.腺嘌呤配对胸腺嘧啶、胞嘧啶配对鸟嘌呤← 正确答案
  • B.腺嘌呤配对胞嘧啶、胸腺嘧啶配对鸟嘌呤
  • C.腺嘌呤配对鸟嘌呤、胞嘧啶配对胸腺嘧啶
  • D.腺嘌呤配对腺嘌呤、胸腺嘧啶配对胸腺嘧啶

答案：A。A 项是沃森-克里克互补配对标准规则：A 与 T 之间形成两条氢键，C 与 G 之间形成三条氢键，这是 DNA 折纸“标记吻合”的基础。B、C、D 都是错误的配对组合，若按这些规则折叠，作品必然歪斜散架。

Q4. DNA 折纸计算的优势包括哪些？

多选题 · mid

  • A.海量分子同时参与计算（并行性极强）← 正确答案
  • B.能量效率高且存储密度大（能耗低密度高）← 正确答案
  • C.适合所有高精度浮点运算（浮点算力极强）
  • D.分子尺度极小适合微型化（尺度小宜微型）← 正确答案

答案：ABD。DNA 计算的核心优势是海量并行、分子级尺度和超高能效与存储密度。C 错在 DNA 计算擅长组合搜索而非高精度浮点运算——浮点运算需要大量逻辑门级联，正是 DNA 的短板。正如全班折纸再快，也不适合做需要精密刻度的作业。

Q5. DNA 折纸自组装过程的主要驱动力是什么？

单选题 · mid

  • A.碱基互补形成氢键的驱动（配对氢键作驱动）← 正确答案
  • B.重金属离子提供催化的驱动（金属离子做催化）
  • C.高温高压热裂解产生的驱动（高温高压热裂解）
  • D.紫外线照射引发光解的驱动（紫外线光解作用）

答案：A。自组装靠碱基互补配对形成的氢键驱动，A/T 两键、C/G 三键，序列互补的链自然粘合。B 的重金属离子、C 的高温高压、D 的紫外线都是破坏或辅助手段，不是自组装的主要驱动力，更不是“订书钉一按即合”的机制。

Q6. 目前 DNA 计算走向工程化面临的最大瓶颈是？

单选题 · hard

  • A.错误率偏高且读出速度慢（错配率高读取慢）← 正确答案
  • B.分子时钟频率太快而发散（时钟频率太快了）
  • C.编译器已经极其完善成熟（编译器非常完善）
  • D.分子存储容量严重不足（存储容量太不足）

答案：A。当前瓶颈集中在两端：反应过程存在错配、缺失等误差，读出阶段又依赖凝胶电泳、AFM 等昂贵慢速手段。B 里“时钟频率”与 DNA 生化反应无关；C 与事实相反，编译器远未成熟；D 与事实相反，DNA 存储密度恰恰远超电子存储。

Q7. DNA 折纸技术的实际应用方向包括？

多选题 · mid

  • A.靶向药物递送的纳米盒子（靶向药递送盒子）← 正确答案
  • B.生物分子快速传感检测器（生物传感检测器）← 正确答案
  • C.纳米级电路布线的模板（纳米电路布线模板）← 正确答案
  • D.传统硬盘的机械接口板（传统硬盘接口板）

答案：ABC。DNA 折纸可折成纳米盒送药、做成分子开关传感、充当纳米电路模板，这些都是真实研究热点。D 项“机械接口板”属于宏观机电部件，与纳米尺度的分子折纸完全不搭，是典型的“尺度错位”干扰项。

Q8. 罗瑟蒙德 2006 年开创的 DNA 折纸法是？

单选题 · easy

  • A.一条长链配合多条短订书钉（长链配短订书钉）← 正确答案
  • B.多条短链随机拼接成图案（短链随机拼接法）
  • C.蛋白质模板诱导核酸折叠（蛋白质诱导折叠）
  • D.脂质体包裹长链形成纳米粒（脂质体包裹长链）

答案：A。罗瑟蒙德的核心创新是用一条约七千碱基的长链作脚手架、两百多条短链作订书钉，把长链精确折叠成预设二维图案。B 是阿德勒曼时代的旧思路，C 用蛋白质作模板、D 用脂质体包裹都属于其他体系，不是 DNA 折纸。

Q9. DNA 折纸与量子 AI 结合的可行方向包括？

多选题 · hard

  • A.分子态比特作为量子比特候选（分子态量子比特候选）← 正确答案
  • B.折纸模板定位量子器件元件（折纸模板定向量子元件）← 正确答案
  • C.传统硅基芯片被完全替代（硅基芯片完全被替代）
  • D.生物分子神经网络信息处理（生物分子神经网络）← 正确答案

答案：ABD。DNA 分子本身可构造量子比特候选态，折纸可作纳米模板精准放置量子点，生物分子网络也被探索用于类脑计算，这三者都是真实的研究路线。C 的“完全替代”过于绝对——量子 AI 与硅基技术更可能是互补共存，而非简单取代。

Q10. 相比传统电子存储，DNA 存储的理论密度大约高几个数量级？

单选题 · hard

  • A.高约十到百倍数量级（存储密度高百倍）
  • B.高约千到万倍数量级（存储密度高万倍）
  • C.高约百万到千万倍级（存储密度高千万倍）← 正确答案
  • D.高约十亿到万亿倍级（存储密度高万亿倍）

答案：C。每克 DNA 理论可存储约 10 的 21 次方字节，而普通硬盘每克约 10 的 13 次方字节量级，差距在百万到千万倍量级。A、B 低估了 DNA 的超高密度，D 又过于夸张；折纸课上“一张彩纸装下整座图书馆”的比喻，对应的正是这种数量级优势。