Создана система, сохраняющая различную информацию в синтезированных ДНК и извлекающая ее обратно без ошибок.

На завершившейся 6 апреля в Атланте (США) 21-й Международной конференции по архитектурной поддержке языков программирования и операционных систем исследователи из университета Вашингтона и фирмы Microsoft представили доклад, в котором описали систему хранения информации на синтезированных ДНК. Им удалось не только сохранить этим способом различные виды информации (текст, изображения, звук), но и безошибочно прочитать их.

Все данные из сотен обычных смартфонов (10 000 гигабайт) можно хранить в слабом розовом мазке ДНК в конце этой пробирки (Tara Brown Photography/ University of Washington)

Исследователь смешивает образцы ДНК для хранения. Каждая пробирка содержит цифровой файл, который может быть изображение кошки или записью симфонии Чайковского. (Tara Brown Photography/ University of Washington)

Три изображения, которые были закодированы в ДНК, а затем успешно извлечены обратно.

Молекулы ДНК, созданные природой для хранения генетической информации живых организмов, способны хранить информацию во много миллионов раз более плотно, чем все существующие технологии для цифровых запоминающих устройств – жесткие и оптические диски, флэш-накопители и др. Кроме того, ДНК может надежно сохранять данные в течении нескольких столетий в отличие от срока от нескольких лет до двух–трех десятилетий для прочих устройств. По оценкам предел плотности записи на ДНК достигает 1 эксабайт на мм³ (10¹⁸ байт/мм³) при периоде полураспада более 500 лет. Правда, пока доступ к записанной таким образом информации очень медленный (от десятков секунд до часов), так что такую систему можно использовать только для архивного хранения данных.

Кодирование осуществляется с помощью четырех основных строительных блоков ДНК: аденина (А), гуанина (G), цитозина (C) и тимина (T). Эти блоки соответствуют цифрам кода. Поскольку их четыре, то двоичные числа перед кодированием переводятся в код с другим основанием. В простейшем случае, может использоваться система с основанием 4, тогда A, C, G, T сопоставляются цифрам 0, 1, 2, 3. Процесс кодирования, к примеру, двоичной последовательности 01110001 заключается в ее замене на код Хаффмена при основании 4 – 1301, а затем синтезе цепочки ДНК – СТАС. Однако такое кодирование не позволяет уберечься от многочисленных ошибок , возникающих при синтезе ДНК, поэтому пришлось разработать специальный метод кодирования, уменьшающий вероятность ошибки, и кроме того, добавить к биотехнологиям схемы коррекции ошибок, используемые в компьютерной памяти.

Исследователи решили и проблему произвольного доступа к информации, записанной на большом количестве различных ДНК. Для этого они научились кодировать в них служебные данные («индексы»), позволяющие находить нужную информацию. С помощью полимеразной цепной реакции, используемой в молекулярной биологии, они идентифицировали нужные индексы, а затем, используя методы  секвенирования (определения последовательности блоков) ДНК, читали данные. 

Эта работа представляет большой интерес на фоне лавинообразного роста информации во всем мире. По прогнозам в 2017 году ее количество возрастет до значения более 16 зеттабайт (10²¹). Даже при условии, что далеко не все надо сохранять, это огромное число. А наибольшая плотность коммерчески доступной памяти на ленточных картриджах составляет всего 10 гигабайт на мм³ (1 ГБ = 10⁹ Б), даже самые последние исследования обещают оптические диски с плотностью всего около 100 ГБ/мм³. Высота нужной стопки таких дисков будет больше расстояния до Луны. Разумеется, пока стоимость и эффективность памяти на ДНК оставляют желать лучшего, но исследователи считают эти проблемы вполне решаемыми.

По материалам Университета штата Вашингтон