Archival data storage using DNA proximity graphs
Dit artikel introduceert SPAN, een synthesevrije methode voor DNA-archiefopslag die gegevens codeert als ruimtelijke patronen van willekeurig gecodeerde moleculen op een optisch gepatroneerd oppervlak, wat een potentiële kostenreductie van vijf ordes van grootte biedt bij het schrijven in vergelijking met bestaande DNA-opslagtechnieken.
Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Dit is een AI-gegenereerde uitleg van een preprint die niet peer-reviewed is. Dit is geen medisch advies. Neem geen gezondheidsbeslissingen op basis van deze inhoud. Lees de volledige disclaimer
De wereld verzuipt in data. Elke dag genereren sensoren, camera's en geautomatiseerde systemen meer informatie dan mensen kunnen lezen, laat staan opslaan. Het grootste deel van deze data is niet bedoeld om opnieuw bekeken te worden; het is het digitale equivalent van een bonnetje of een camerabeeld dat eenmaal wordt opgenomen en daarna wordt vergeten. Toch vereist de wet en de geschiedenis dat we deze records decennia of zelfs eeuwenlang veilig bewaren. Het probleem is dat de huidige manieren waarop we deze informatie opslaan duur en kwetsbaar zijn. Magnetische tapes en harde schijven degraderen in de loop van de tijd, waardoor ze constant vervangen moeten worden en stroom nodig hebben om te blijven functioneren. Wetenschappers kijken al lang naar DNA, het molecuul van het leven, als een oplossing omdat het ongelooflijk compact is en duizenden jaren kan blijven bestaan zonder elektriciteit. Het schrijven van data in DNA is echter prohibitief duur geweest, omdat het traditioneel een traag, chemisch proces vereist om specifieke genetische sequenties voor elk afzonderlijk stukje informatie te bouwen.
Een team onderzoekers aan het Massachusetts Institute of Technology heeft een andere manier voorgesteld om DNA voor deze diepe opslag te gebruiken, een methode die het kostbare chemische schrijfproces volledig omzeilt. Ze noemen hun methode SPAN. In plaats van zorgvuldig een unieke DNA-sequentie te bouwen voor elke bit aan data, gebruiken ze een vooraf gemaakte bibliotheek van DNA-moleculen die allemaal identiek zijn, behalve een willekeurige, unieke ID-tag die aan elk molecuul is bevestigd. Ze schrijven de data vervolgens niet in het DNA zelf, maar op een plat oppervlak met behulp van licht, waardoor een fysiek patroon van bulten en vlakke gebieden ontstaat. Wanneer ze de DNA-bibliotheek over dit oppervlak gieten, blijven de moleculen aan de vlakke gebieden plakken maar stuiteren ze van de bulten af. De data is nu verborgen in het patroon van waar het DNA wel en niet is geland. Om de data terug te lezen, gebruiken de onderzoekers een enzym om de ID-tags van DNA-moleculen die toevallig naast elkaar zijn geland, met elkaar te verbinden. Door deze gekoppelde paren te sequensen en hun verbindingen in kaart te brengen, kunnen ze het oorspronkelijke patroon van bulten en vlakke plekken reconstrueren, waardoor de opgeslagen informatie effectief wordt herwonnen.
De onderzoekers demonstreerden dit concept door een kleine afbeelding van het MIT-logo op een glazen plaat te schrijven. Ze gebruikten een lichttechniek om een raster van minuscule bultjes te creëren, elk 30 micrometer breed, gerangschikt in een patroon van 17 bij 8. Vervolgens brachten ze hun DNA-bibliotheek aan, die twee soorten moleculen bevatte, elk met een unieke 25-letterige genetische ID. Er werd een enzymatische reactie uitgevoerd op het oppervlak, die fungeerde als een moleculaire lijm die de ID's van twee DNA-moleculen die dicht bij elkaar zaten, aan elkaar verbond. Na het wegwassen van het niet-gekoppelde DNA, sequensen de onderzoekers de resterende gekoppelde paren. Ze voerden deze data in een computerprogramma in dat de posities van de moleculen in kaart bracht op basis van hoe vaak ze samen voorkwamen. Het resultaat was een digitale kaart die liet zien waar het DNA dicht was en waar het ontbrak. Door deze kaart te vergelijken met het oorspronkelijke raster, slaagden ze erin 123 van de 136 bits die het logo vormden, te herstellen, een succespercentage van ongeveer 90 procent.
De betekenis van dit werk ligt niet alleen in het succesvolle herstel van de afbeelding, maar ook in de economie van het proces. Het duurste deel van traditionele DNA-opslag is de schrijfase, waarbij chemicaliën worden gebruikt om specifieke sequenties te synthetiseren. In deze nieuwe methode wordt de DNA-bibliotheek één keer gesynthetiseerd en kan deze voor elke data worden gebruikt, waardoor de kosten voor het schrijven van data onafhankelijk worden van de data zelf. De onderzoekers schatten dat het gebruik van hun huidige experimentele opstelling de kosten voor het schrijven van data nu al vier keer lager maakt dan de meest economische bestaande DNA-synthesemethoden. Ze voorzien dat als ze gebruikmaken van gevestigde, snelle optische schrijftechnologieën die vergelijkbaar zijn met die voor Blu-ray-schijven, de kosten nog met vijf ordes van grootte kunnen dalen, waardoor het goedkoper wordt dan flashgeheugen voor langetermijnopslag.
Deze besparing gaat echter gepaard met een trade-off. Hoewel het schrijven goedkoop is, is het lezen van de data momenteel veel duurder dan bij standaard DNA-opslag, omdat het systeem een enorm aantal moleculaire verbindingen moet sequensen om de afbeelding te reconstrueren. De onderzoekers berekenden dat voor data die één keer wordt geschreven en zelden, zo niet nooit, weer wordt gelezen, deze trade-off gunstig is. Als de data slechts één keer in honderd jaar wordt geraadpleegd, wegen de lage schrijfkosten op tegen de hoge leeskosten. Ze suggereren dat naarmate de sequencing-technologie in de loop van de tijd goedkoper wordt, het ophalen van deze archieven nog betaalbaarder zal worden, wat dit een levensvatbare weg maakt voor het bewaren van de enorme hoeveelheden data die de moderne wereld genereert maar zelden gebruikt.
Het succes van de methode hangt af van de fysieke relatie tussen de grootte van de geschreven kenmerken, de afstand tussen de DNA-moleculen en de afstand waarover het enzym ze kan verbinden. In hun experiment waren de DNA-moleculen uit elkaar geplaatst en kon het enzym moleculen over een bepaalde afstand verbinden. Deze afstand was voldoende om de 30-micrometer brede bulten duidelijk te onderscheiden van de vlakke gebieden. De onderzoekers merken op dat voor commerciële toepassing de afstand van de moleculen en het bereik van het enzym moeten worden geschaald naar de veel kleinere kenmerken van hoog-densiteit optische schrijventechnologie, die in nanometers worden gemeten. Ze geloven dat dit mogelijk is, aangezien de principes van moleculaire interactie niet veranderen met de schaal, alleen de precisie van de benodigde instrumenten.
Deze benadering vertegenwoordigt een verschuiving in hoe we over moleculaire opslag denken. In plaats van de informatie in de sequentie van het molecuul zelf te programmeren, wordt de informatie opgeslagen in de ruimtelijke ordening van willekeurig samengestelde onderdelen. De willekeur van de DNA-bibliotheek is geen probleem dat opgelost moet worden, maar een kenmerk dat gebruikt kan worden; de unieke ID-tags stellen de computer in staat om te bepalen waar elk stukje van de puzzel thuishoort op basis van zijn buren. Deze methode maakt van de fysieke nabijheid van moleculen een medium voor datastorage. Hoewel de huidige demonstratie klein is en slechts 17 bytes aan data codeert, zijn de principes schaalbaar. De onderzoekers suggereren dat dit in de toekomst uitgebreid kan worden naar driedimensionale materialen, zoals gels, om de opslagdichtheid nog verder te vergroten, of dat de grootte en vorm van de geschreven kenmerken kunnen variëren om meer dan alleen een simpel aan- of uit-signaal op elke locatie op te slaan.
De studie benadrukt ook het potentieel voor het creëren van archieven die bijna onmogelijk te manipuleren zijn. Omdat de data verdeeld is over miljoenen moleculen en hun verbindingen, zou het veranderen van een enkel stuk informatie extreem moeilijk zijn zonder het hele patroon te verstoren. Dit maakt het systeem potentieel ideaal voor juridische of historische records die eeuwenlang ongewijzigd moeten blijven. De onderzoekers erkennen dat er uitdagingen blijven bestaan, met name het toegankelijk maken van het systeem voor 'random-access', zodat een gebruiker een specifiek bestand kan ophalen zonder de volledige kaart van het opslagmedium te hoeven reconstrueren. Ze stellen voor dat het toevoegen van specifieke "postcodes" aan verschillende secties van de DNA-bibliotheek een selectieve retrieval mogelijk zou maken, hoewel dit de complexiteit van het schrijfproces zou verhogen.
Uiteindelijk presenteert het artikel een overtuigend argument voor een nieuw soort archiefopslag. Het suggereert dat door het schrijfproces los te koppelen van de specifieke data die wordt opgeslagen, we de kosten voor het bewaren van de wereldwijde informatie drastisch kunnen verlagen. De methode steunt op gevestigde technologieën voor het schrijven van patronen en het lezen van DNA, die op een innovatieve manier worden gecombineerd om het kostenprobleem op te lossen. Hoewel de leeskosten momenteel hoog zijn, wijst de koers van de sequencing-technologie erop dat deze zullen dalen, wat dit een veelbelovende oplossing maakt voor de verre toekomst van data. De onderzoekers hebben aangetoond dat het mogelijk is om informatie als een fysiek patroon te schrijven en het te herstellen uit de relaties tussen willekeurige moleculen, waarmee zij bewijzen dat digitale informatie niet alleen in de code van het leven kan worden opgeslagen, maar ook in de ruimte tussen de onderdelen ervan.
Verdrinkt u in papers in uw vakgebied?
Ontvang dagelijkse digests van de nieuwste papers die bij uw onderzoekswoorden passen — met technische samenvattingen, in uw taal.