Китайские исследователи разработали систему DNA-SaM, которая превращает обычные цифровые файлы в последовательности ДНК и помогает организовать огромные молекулярные архивы. Авторы проверили запись как в синтезированных молекулах, так и в живых клетках, а затем полностью восстановили исходные данные.

Принцип ДНК-хранилища довольно прост. Компьютерный код состоит из нулей и единиц, а ДНК использует четыре «буквы» биологического алфавита: A, C, G и T. Программа переводит файл в последовательность этих букв, лаборатория синтезирует нужные цепочки, а при чтении секвенатор определяет порядок нуклеотидов. Программа после этого собирает из последовательности исходный файл.

Главная трудность начинается, когда данных становится много. Не каждую комбинацию A, C, G и T удобно синтезировать и считывать. Длинные повторы одного нуклеотида повышают риск ошибок, а некоторые участки внутри живой клетки способны запустить нежелательные биологические процессы. DNA-SaM заранее отбрасывает длинные одинаковые фрагменты, повторяющиеся участки и потенциальные промоторы, которые клетка может принять за команду для запуска работы гена.

Авторы также изменили способ организации архива. Система делит данные на отдельные блоки и снабжает их двухуровневыми индексами, поэтому программе не приходится перебирать весь массив, чтобы найти нужный фрагмент. В компьютерных испытаниях время кодирования росло примерно линейно вместе с объёмом данных, а сама программа справлялась с задачей заметно быстрее нескольких методов, с которыми её сравнивали исследователи.

Затем команда перешла от расчётов к физической записи. Данные сохраняли в ДНК вне клеток и внутри живых клеток, после чего считывали молекулы и восстанавливали файлы. Авторы сообщили о 100% успешном восстановлении в обоих вариантах. Эксперимент показывает, что алгоритм умеет создавать последовательности, пригодные не только для моделирования на компьютере, но и для реальной работы с ДНК.

Самая громкая цифра требует важной оговорки. По расчётам авторов, схема адресации и доступное пространство последовательностей позволяют описать архив объёмом более 2⁷⁰ ПБ. Учёные не записывали подобный объём физически. Число показывает теоретический масштаб архитектуры DNA-SaM, а не ёмкость уже созданной пробирки с данными.

До замены жёстких дисков и серверных хранилищ молекулам пока далеко. ДНК приходится химически синтезировать, а для чтения нужен секвенатор, поэтому запись и извлечение файлов остаются дорогими и медленными по сравнению с обычной электроникой. Зато молекулы способны хранить чрезвычайно плотные архивы, к которым обращаются редко. DNA-SaM решает одну из ключевых проблем на пути к подобным системам: помогает раскладывать огромные массивы данных по ДНК так, чтобы их можно было найти, записать и затем прочитать без потери исходной информации.