Запустить сервис планирует ^[1] стартап Catalog. Компания разрабатывает специальную установку ^[2], которая позволит ежедневно записывать терабайт данных в 500 трлн ДНК-молекул.

Далее расскажем о подходе, используемом Catalog, и других свежих разработках на ДНК-поприще.

^[3]
/ фото University of Michigan ^[4] CC ^[5]

Подробности проекта

Классический подход к записи данных в ДНК предполагает преобразование последовательности битов ― нулей и единиц ― в последовательность из четырех базовых оснований ДНК. Например, азотистые основания аденин (A), тимин (T), гуанин (G) и цитозин ( С) можно представить так: A = 00, T = 01, G = 10, C = 11.

Пользуясь этим подходом, в 2016 году компании Microsoft удалось ^[6] «увековечить» 200 Мбайт текста и видео в синтетических молекулах ДНК (о чем мы уже писали в одном из постов ^[7]). Однако такой способ плохо подходит для массовой записи данных, при этом являясь дорогостоящим.

Вместо того чтобы использовать миллионы ДНК-цепочек, исследователи из Catalog предлагают генерировать большое количество различных ДНК-молекул, состоящих не более чем из 30 пар оснований. Затем за счет ферментативных реакций ^[8] эти предварительно подготовленные «кусочки» формируют особые паттерны, которые и кодируют информацию. Таким образом, вместо того чтобы представлять одно азотистое основание, биты выстраиваются в многомерные матрицы. А группы молекул отражают положение битов в этих матрицах.

Девин Лик (Devin Leake), руководитель исследовательского направления Catalog, приводит ^[2] следующую аналогию: «Представьте, что у вас есть книга. Вы можете скопировать её вручную: букву за буквой. Точно также можно писать данные в ДНК ― молекулу за молекулой. Этот подход использовали в Microsoft. Мы же предлагаем создать своеобразный «печатный станок», где молекулы ДНК будут гарнитурой ^[9]. Таким образом, переставляя предварительно сгенерированные молекулы, мы работаем сразу с целыми словами, расставляя их в нужном порядке».

Используя этот метод, исследователи из Catalog успешно ^[1] записали и восстановили данные в ДНК. Для этого они использовали стихотворение The Road Not Taken ^[10] (в одном из переводов ― «Другая дорога») Роберта Фроста. Сейчас компания решает задачу масштабирования платформы под нужды ИТ-компаний и правительственных организаций.

По словам ^[11] одного из основателей Catalog Хинджана Парка (Hyunjun Park), такой подход позволит сделать терабайтные ДНК-хранилища коммерчески выгодными уже к началу 2019 года. Однако точная стоимость услуги хранения данных, которую будет предлагать стартап, пока неизвестна.

Аналогичные разработки

Как уже было отмечено, вопросами создания ДНК-хранилищ занимаются в Microsoft. И с 2016 года исследователи из компании продвинулись ^[12] в своих разработках: в феврале 2018 они создали «библиотеку праймеров ^[13]» для организации произвольного доступа к ДНК. Каждый из праймеров «привязан» к конкретной цепочке, потому с помощью полимеразной цепной реакции ^[14] можно выбрать любую из них (и получить доступ к записанным данным).

/ фото Col Ford and Natasha de Vere ^[15] CC ^[5]

В компании надеются, что такой подход вкупе с новым, менее восприимчивым к ошибкам алгоритмом записи и чтения данных, в будущем поможет создать ДНК-хранилища объемом в несколько терабайт. В планах ИТ-гиганта предоставлять ДНК-хранилище as a service. Компания задалась целью ^[16] осуществить задумку к 2020 году.

Взаимовыгода ДНК и AI

С записью информации на ДНК-носитель уже нет особых трудностей: компании придумали способы автоматизации. А вот процесс считывания информации по-прежнему сложен и требует много времени. Чтобы решить и эту проблему компания Lifebit планирует ^[17] использовать системы ИИ. В Lifebit разрабатывают облачную платформу Deploit на базе алгоритмов МО, которая позволит автоматизировать процесс чтения информации из ДНК-носителей.

Таким образом, машинное обучение поспособствует в организации ДНК-хранилищ. Однако справедливо и обратное ― молекулы ДНК используются для создания систем искусственного интеллекта. Например, в этой сфере работают ^[18] исследователи из Caltech.

Принцип работы их нейронной сети основан ^[19] на химических реакциях, получивших название смещение нитей ^[20] (механизм репликации ДНК, известный у некоторых вирусов), когда нить, называемая входящей, вытесняет одну из нитей оригинальной ДНК. «Интеллектуальную систему» уже научили ^[21] распознавать цифры, написанные от руки.

Цифра отрисовывается на квадратной плоскости, разделенной на сто одинаковых ячеек (10x10) ― своеобразные пиксели. Каждая из этих ячеек представлена молекулой ДНК, которая «знает», есть ли на этом пикселе кусочек цифры. После все молекулы смешивают в одной пробирке, и «ДНК-сеть» дает свой ответ с помощью флуоресцентных сигналов. Пробирка начинает излучать свечение, цвет которого зависит от распознанной цифры. Например, зеленый и желтый цвета означают цифру пять, а зеленый и красный ― цифру девять.

В планах исследователей сформировать у нейронной сети некое подобие памяти, чтобы она «запоминала» обучающие векторы и использовала их для решения других задач.

O Catalog

Catalog ― это американский стартап, основанный в 2016 году, который занимается разработкой технологий хранения данных в молекулах ДНК. Штаб-квартира располагается в Бостоне, Массачусетс.

---

P.S. Пара дополнительных материалов из Первого блога о корпоративном IaaS:

• NetApp от А до Я: обзор технологий вендора для современных СХД ^[22]
• Как протестировать дисковую систему в облаке ^[23]
• Что скрывается за термином vCloud Director ― взгляд изнутри ^[24]

P.P.S. Другие посты по теме из нашего блога на Хабре:

• Microsoft внедрит ДНК-хранилище в одном из своих ЦОД ^[7]
• «Принцип макарон»: ученые организовали произвольный доступ к ДНК-памяти ^[25]

Автор: ИТ-ГРАДовец

Источник ^[26]