A szakértők az elmúlt években egyre többet foglalkoztak az élőlények genetikai kódját tartalmazó makromolekula, a DNS adattárolási felhasználásának lehetőségével. A molekula ugyanis csaknem minden szempontból ideális médiumnak tűnik erre a célra: nagyon nagy adatsűrűséget lehet rajta megvalósítani (minden egyes emberi sejtmag nagyjából 800 megabájt adatot hordoz), könnyen másolható és évezredeken át stabil marad.
A technológia működőképességének igazolására a kutatók kísérleti céllal már számos dolgot belekódoltak a DNS-be: a Háború és békét, az első nyilvánosan levetített filmek egyikét, A vonat érkezését vagy éppen a Smoke on the water című számot.
Belefulladunk a sok adatba
Ahhoz azonban, hogy a módszer valóban alternatívája legyen a jelenleg elterjedt mágneses vagy félvezetős adathordozóknak, nagyon olcsó megoldást kell találni a DNS írására és olvasására is. Úgy tűnik, hogy ez a mérföldkő is elérkezik lassan, június végén ugyanis fontos bejelentést tett az MIT és Harvard kutatói által közösen létrehozott Catalog. A startup munkatársai azt tervezik, hogy már jövőre DNS-alapú adathordozókat dobnak piacra, először pilotprogramok keretében célozva meg a legnagyobb adatarchiváló szervezeteket.
A cég másfél éve lépett színre egy, a már említettekhez hasonló mutatvánnyal: akkor Robert Frost egyik költeményét kódolták DNS-be. Azóta úgy tűnik, hogy sokat haladtak a fejlesztéssel, hiszen jelenleg egy olyan rendszer építésén dolgoznak, amellyel naponta egy terabájt adatot tudnak DNS formájában rögzíteni, 500 billiárd molekula felhasználásával. A kezdeményezés elsődleges célja egy ipari adattároló szolgáltatás kiépítése, amely megoldhatja az IT- és techcégek, a szórakoztatóipar és az amerikai szövetségi kormány számos problémáját.
Az emberiség öt évvel ezelőttig 4,4 zettabájt (1 zettabájt = 1 billiárd gigabájt) adatot hozott létre, és ez a mennyiség előrejelzések szerint 2025-re 160 zettabájtra nő.
A jelenlegi infrastruktúra ennek csak töredékét képes kezelni, és ha így folytatjuk az adatgyártást, a becslések szerint 2040-re kifogyunk a mikrochipekben használható szilíciumból.
A DNS az adatsűrűség bajnoka
A legtöbb digitális archívum persze jelenleg mágneses adathordozókon tárolódik, amelyek olcsók ugyan, de sok helyet foglalnak, és nagyjából 10 évente cserélni kell őket, ha nem akarjuk elveszíteni az adatokat. (A BackBlaze pár évvel ezelőtti, 25 ezer merevlemezen végzett vizsgálata alapján ezen adathordozók várható élettartama 6 év.)
Összességében tehát elmondható, hogy ami az adattárolást illeti, a jelenlegi technológiákkal gyakorlatilag elértük a skálázhatóság fizikai határait. És ezen a ponton jöhet be „megmentőként” a DNS, amelynek adatsűrűsége nagyságrendekkel nagyobb minden más ismert adathordozóénál. Tavaly tavasszal Yaniv Erlich és Dina Zielinski, a New York-i Genomközpont és a Columbia Egyetem kutatói például 216 petabájt/gramm adatsűrűséget valósítottak meg kísérleti DNS-adathordozójukon, ami több mint 200 ezerszerese egy 1 terabájtos merevlemez adatsűrűségének. Ez azt jelenti, hogy
ha minden létező filmet DNS-ben tárolnánk, a végeredmény kisebb lenne, mint egy kockacukor, és akár 10 ezer évig is kitarthatna.
A fő probléma, ahogy már említettük, az ár. Bár a DNS olvasása, vagyis a szekvenálás pár év alatt sokkal olcsóbbá vált, az írás, azaz a szintézis továbbra is problematikus, amennyiben így szeretnénk archiválni nagy mennyiségű adatot. A DNS-szintézissel foglalkozó cégek átlagosan 7–9 centet számolnak fel bázisonként, ami azt jelenti, hogy egy percnyi magas minőségű, sztereó hanganyag eltárolása majdnem 100 ezer dollárba kerülne.
A Catalog úgy csökkentene ezen az áron, hogy szétválasztanák a kódolás és a szintézis folyamatát. A „hagyományos” szintetizálás során a bináris kódnak megfeleltetett bázisokból (ahol mondjuk az adenin és a citozin 0-t, a timin és a guanin pedig 1-et jelent) építik fel a szekvenciákat. Ezzel a módszerrel a Microsoft 2016-ban több mint 13 millió egyedileg szintetizált DNS-darabban kódolt 200 megabájt adatot.
Molekuláris legó
A Catalog módszere ezzel szemben az, hogy gyorsan, olcsón és nagy mennyiségben gyártanak le néhány különbözőfajta, 20–30 bázispár hosszúságú DNS-szekvenciát, majd enzimatikus reakciók milliárdjait használva ezen előre legyártott DNS-darabok mintázatából rakják össze a kódot. Ha le akarunk másolni egy könyvet, ezt megtehetjük úgy, hogy betűről betűre, kézzel írjuk vagy gépeljük le azt, mondja Hyunjun Park, a Catalog egyik alapítója.
A Catalog azonban ehelyett csinált egy nyomdagépet, amelyben az előre legyártott betűk (illetve jelen esetben inkább betűsorok) kívánság szerint rendezhetők el, hogy megkapjuk az eredeti könyv egyes oldalainak másolatait, folytatja a kutató. (A végeredmény a Catalog esetében egy vékony, majdnem láthatatlan film, amelyről az adatok úgy olvashatók le, hogy a DNS-t vízben oldják, majd szekvenálják, végül dekódolják a sorozatokat.)
Devin Leake, aki a Ginkgo Bioworks DNS-szintetizáló részlegének éléről távozott, hogy a Catalog tudományos vezetőjeként folytassa munkáját, azt mondja, hogy ezzel a megközelítéssel és az automatizáció megoldásával a technológia pár éven belül versenyképes lehet a mágneses adathordozókkal. A cég nevét adó „katalógusos” módszerrel ugyanis
nem kell minden új információhoz egyedi DNS-szálakat szintetizálni, hanem csak megfelelően kell összeválogatni az olcsó alapdarabokat.
***
Ha ezt sikerül megvalósítani, Catalog reálisan versenybe szállhat abban a szektorban, amelyet a technológia legkorábbi lehetséges alkalmazási területének tartanak, vagyis megoldhatja mindazon adatok tárolását, amelyeket valamilyen okból meg kell őrizni, de csak nagyon ritkán kell leolvasni. Ilyenek mondjuk a biztonsági kamerák felvételei, az orvosi leletek többsége vagy a különféle jogi ügyletek iratainak java. Leake és Park tervei szerint az első pilotprogramok már a jövő év elején elindulhatnak: a startup első körben a hírszerző ügynökségeknek, a NASA-nak, az IT-szektornak és a filmiparnak szeretné eladni a technológiát.
Amire jók is az esélyeik, hiszen a molekuláris adattárolás lehetőségei az utóbbi években a DARPA-t is érdekelni kezdték. Az ügynökség tavaly 15,3 millió dollárt fordított olyan kezdeményezések támogatására, amelyek célja a bináris adatok biokémiai úton való tárolásának megoldása. A nagy techcégek szintén intenzíven foglalkoznak a témával, a Microsoft például 2020-ra üzembe akar helyezni egy DNS-alapú adattároló prototípust egyik adatközpontjában.
