Almacenamiento de datos digitales de ADN

El almacenamiento digital de datos en ADN es el proceso de codificación y decodificación de datos binarios hacia y desde hebras de ADN sintetizadas . ^{[ 1 ] [ 2 ]}

Aunque el ADN como medio de almacenamiento tiene un enorme potencial debido a su alta densidad de almacenamiento, su uso práctico actualmente está muy limitado debido a su alto costo y a los tiempos de lectura y escritura muy lentos. ^{[ 3 ]}

En junio de 2019, los científicos informaron que los 16 GB de texto de la Wikipedia en inglés se habían codificado en ADN sintético . ^{[ 4 ]} En 2021, los científicos informaron que se había desarrollado un escritor de datos de ADN personalizado capaz de escribir datos en ADN a 1 Mbps. ^{[ 5 ]}

Existen muchos métodos posibles para codificar datos en ADN. Los métodos óptimos son aquellos que hacen un uso económico del ADN y protegen contra errores. ^{[ 6 ]} Si el ADN mensajero se va a almacenar durante un largo período de tiempo, por ejemplo, 1000 años, también es útil que la secuencia sea claramente artificial y que el marco de lectura sea fácil de identificar. ^{[ 6 ]}

El código genético de los organismos vivos puede utilizarse para almacenar información. Además, la biología sintética permite diseñar células con "registradores moleculares" que posibilitan el almacenamiento y la recuperación de la información contenida en el material genético celular. ^{[ 1 ]} La edición genética CRISPR también permite insertar secuencias de ADN artificiales en el genoma celular. ^{[ 1 ]} Para codificar datos de linaje de desarrollo (registrador molecular de vuelo), aproximadamente 30 billones de núcleos celulares por ratón * 60 sitios de registro por núcleo * 7-15 bits por sitio generan alrededor de 2 terabytes por ratón (pero solo se leen de forma muy selectiva). ^{[ 9 ]}

La idea del almacenamiento digital de datos en ADN se remonta a 1959, cuando el físico Richard P. Feynman , en "Hay mucho espacio en el fondo: una invitación a entrar en un nuevo campo de la física", describió las perspectivas generales para la creación de objetos artificiales similares a los objetos del microcosmos (incluidos los biológicos) y con capacidades similares o incluso más extensas. ^{[ 11 ]} En 1964-65, Mikhail Samoilovich Neiman , el físico soviético, publicó 3 artículos sobre la microminiaturización en electrónica a nivel molecular-atómico, que presentaban de forma independiente consideraciones generales y algunos cálculos sobre la posibilidad de grabar, almacenar y recuperar información en moléculas de ADN y ARN sintetizadas. ^{[ 12 ] [ 13 ] [ 14 ]} Tras la publicación del primer artículo de MS Neiman y después de que el editor recibiera el manuscrito de su segundo artículo (el 8 de enero de 1964, como se indica en dicho artículo), se publicó la entrevista con el cibernético Norbert Wiener . ^{[ 15 ]} N. Wiener expresó ideas sobre la miniaturización de la memoria de las computadoras, cercanas a las ideas propuestas independientemente por MS Neiman. MS Neiman mencionó estas ideas de Wiener en el tercero de sus artículos. Esta historia se describe en detalle. ^{[ 16 ]}

Uno de los primeros usos del almacenamiento de ADN se produjo en 1988, en una colaboración entre el artista Joe Davis e investigadores de la Universidad de Harvard . La imagen, almacenada en una secuencia de ADN de E. coli , estaba organizada en una matriz de 5 x 7 que, una vez decodificada, formaba una imagen de una antigua runa germánica que representaba la vida y la Tierra femenina. En la matriz, los unos correspondían a píxeles oscuros, mientras que los ceros correspondían a píxeles claros. ^{[ 17 ]}

En 2007, se creó en la Universidad de Arizona un dispositivo que utilizaba moléculas de direccionamiento para codificar sitios de desajuste dentro de una cadena de ADN. Estos desajustes podían leerse mediante digestión con enzimas de restricción, recuperando así los datos. ^{[ 18 ]}

En 2011, George Church, Sri Kosuri y Yuan Gao llevaron a cabo un experimento para codificar un libro de 659 kb del que Church era coautor. Para ello, el equipo de investigación realizó una correspondencia de dos a uno, donde un cero binario se representaba con una adenina o una citosina , y un uno binario con una guanina o una timina. Tras el análisis, se encontraron 22 errores en el ADN. ^{[ 17 ]} 

En 2012, George Church y sus colegas de la Universidad de Harvard publicaron un artículo en el que se codificó ADN con información digital que incluía un borrador HTML de un libro de 53.400 palabras escrito por el investigador principal, once imágenes JPEG y un programa JavaScript . Se añadieron múltiples copias para mayor redundancia y se pueden almacenar 5,5 petabits en cada milímetro cúbico de ADN. ^{[ 19 ]} Los investigadores utilizaron un código simple donde los bits se mapeaban uno a uno con las bases, lo que tenía el inconveniente de que generaba largas secuencias de la misma base, cuya secuenciación es propensa a errores. Este resultado demostró que, además de sus otras funciones, el ADN también puede ser otro tipo de medio de almacenamiento, como discos duros y cintas magnéticas . ^{[ 20 ]}

En 2013, un artículo liderado por investigadores del Instituto Europeo de Bioinformática (EBI) y presentado casi al mismo tiempo que el artículo de Church y colegas detalló el almacenamiento, recuperación y reproducción de más de cinco millones de bits de datos. Todos los archivos de ADN reprodujeron la información con una precisión entre el 99,99 % y el 100 %. ^{[ 21 ]} Las principales innovaciones en esta investigación fueron el uso de un esquema de codificación con corrección de errores para garantizar una tasa de pérdida de datos extremadamente baja, así como la idea de codificar los datos en una serie de oligonucleótidos cortos superpuestos identificables a través de un esquema de indexación basado en secuencias. ^{[ 20 ]} Además, las secuencias de las hebras individuales de ADN se superpusieron de tal manera que cada región de datos se repitió cuatro veces para evitar errores. Dos de estas cuatro hebras se construyeron hacia atrás, también con el objetivo de eliminar errores. ^{[ 21 ]} Los costos por megabyte se estimaron en $12.400 para codificar los datos y $220 para la recuperación. Sin embargo, se observó que la disminución exponencial de los costos de síntesis y secuenciación de ADN, si continúa en el futuro, debería hacer que la tecnología sea rentable para el almacenamiento de datos a largo plazo para 2023. ^{[ 20 ]}

En 2013, Manish K. Gupta y sus colaboradores desarrollaron un software llamado DNACloud para codificar archivos informáticos en su representación de ADN. Implementa una versión optimizada en memoria del algoritmo propuesto por Goldman et al. para codificar (y decodificar) datos en ADN (archivos .dnac). ^{[ 22 ] [ 23 ]}

La estabilidad a largo plazo de los datos codificados en ADN se informó en febrero de 2015, en un artículo de investigadores de la ETH Zúrich . El equipo añadió redundancia mediante la codificación de corrección de errores de Reed-Solomon y encapsulando el ADN dentro de esferas de vidrio de sílice mediante química sol-gel . ^{[ 24 ]}

En 2016 se publicó una investigación de Church y Technicolor Research and Innovation en la que se almacenaron y recuperaron 22 MB de una secuencia de película comprimida en formato MPEG a partir de ADN. Se comprobó que la recuperación de la secuencia no presentaba errores. ^{[ 25 ]}

En marzo de 2017, Yaniv Erlich y Dina Zielinski, de la Universidad de Columbia y el Centro del Genoma de Nueva York, publicaron un método conocido como Fuente de ADN que almacenaba datos con una densidad de 215 petabytes por gramo de ADN. La técnica se aproxima a la capacidad de almacenamiento de ADN de Shannon, alcanzando el 85 % del límite teórico. El método no estaba listo para su uso a gran escala, ya que sintetizar 2 megabytes de datos costaba 7000 dólares y leerlos otros 2000 dólares. ^{[ 26 ] [ 27 ] [ 28 ]}

En marzo de 2018, la Universidad de Washington y Microsoft publicaron resultados que demostraban el almacenamiento y la recuperación de aproximadamente 200 MB de datos. La investigación también propuso y evaluó un método para el acceso aleatorio a elementos de datos almacenados en ADN. ^{[ 29 ] [ 30 ]} En marzo de 2019, el mismo equipo anunció que había demostrado un sistema totalmente automatizado para codificar y decodificar datos en ADN. ^{[ 31 ]}

Una investigación publicada por Eurecom e Imperial College en enero de 2019 demostró la capacidad de almacenar datos estructurados en ADN sintético. La investigación mostró cómo codificar datos estructurados o, más específicamente, datos relacionales en ADN sintético y también demostró cómo realizar operaciones de procesamiento de datos (similares a SQL ) directamente sobre el ADN como procesos químicos. ^{[ 32 ] [ 33 ]}

En abril de 2019, gracias a una colaboración con TurboBeads Labs en Suiza, Mezzanine de Massive Attack fue codificado en ADN sintético, convirtiéndose así en el primer álbum en ser almacenado de esta manera. ^{[ 34 ]}

En junio de 2019, los científicos informaron que los 16 GB de Wikipedia se habían codificado en ADN sintético. ^{[ 4 ]} En 2021, CATALOG informó que habían desarrollado un escritor de ADN personalizado capaz de escribir datos a 1 Mbps en ADN. ^{[ 5 ]}

El primer artículo que describe el almacenamiento de datos en secuencias de ADN nativas mediante cortes enzimáticos se publicó en abril de 2020. En el artículo, los científicos demuestran un nuevo método para registrar información en la estructura del ADN que permite el acceso aleatorio bit a bit y la computación en memoria. ^{[ 35 ]}

En 2021, un equipo de investigación de la Universidad de Newcastle, liderado por N. Krasnogor, implementó una estructura de datos apilada utilizando ADN, lo que permitió el registro y la recuperación de datos según el principio LIFO (último en entrar, primero en salir). Su enfoque empleó hibridación y desplazamiento de hebras para registrar señales de ADN en polímeros de ADN, que luego se liberaron en orden inverso. El estudio demostró que es posible realizar operaciones similares a las de las estructuras de datos en el ámbito molecular. Los investigadores también exploraron las limitaciones y las futuras mejoras de las estructuras de datos dinámicas de ADN, destacando el potencial de los sistemas computacionales basados ​​en ADN. ^{[ 36 ]}

El 21 de enero de 2015, Nick Goldman, del Instituto Europeo de Bioinformática (EBI), uno de los autores originales del artículo de Nature de 2013 , ^{[ 21 ]} anunció el Desafío Bitcoin de Davos en la reunión anual del Foro Económico Mundial en Davos. ^{[ 37 ] [ 38 ]} Durante su presentación, se repartieron tubos de ADN entre el público, con el mensaje de que cada tubo contenía la clave privada de un bitcoin , todo codificado en ADN. El primero en secuenciar y decodificar el ADN podría reclamar el bitcoin y ganar el desafío. El desafío tenía una duración de tres años y finalizaría si nadie reclamaba el premio antes del 21 de enero de 2018. ^{[ 38 ]}

Casi tres años después, el 19 de enero de 2018, el EBI anunció que un estudiante de doctorado belga, Sander Wuyts, de la Universidad de Amberes y la Vrije Universiteit Brussel , fue el primero en completar el desafío. ^{[ 39 ] [ 40 ]} Junto a las instrucciones sobre cómo reclamar el bitcoin (almacenadas como un archivo de texto plano y PDF ), se recuperaron del ADN el logotipo del EBI, el logotipo de la empresa que imprimió el ADN (CustomArray) y un boceto de James Joyce . ^{[ 41 ]}

La Biblioteca Lunar, lanzada a bordo del módulo de aterrizaje Beresheet por la Fundación Arch Mission , contiene información codificada en ADN, que incluye 20 libros famosos y 10 000 imágenes. Esta fue una de las opciones de almacenamiento óptimas, ya que el ADN puede conservarse durante mucho tiempo. La Fundación Arch Mission sugiere que aún se puede leer después de miles de millones de años. ^{[ 42 ]} El módulo de aterrizaje se estrelló el 11 de abril de 2019 y se perdió. ^{[ 43 ]}

El concepto del ADN de las Cosas (DoT) fue presentado en 2019 por un equipo de investigadores de Israel y Suiza, entre ellos Yaniv Erlich y Robert Grass. ^{[ 44 ] [ 45 ] [ 46 ]} DoT codifica datos digitales en moléculas de ADN, que luego se incrustan en objetos. Esto permite crear objetos que llevan su propio plano, similar a los organismos biológicos. A diferencia del Internet de las cosas , que es un sistema de dispositivos informáticos interrelacionados, DoT crea objetos que son objetos de almacenamiento independientes, completamente fuera de la red .

Como prueba de concepto para DoT, el investigador imprimió en 3D un conejo de Stanford cuyo plano se encontraba integrado en el filamento plástico utilizado para la impresión. Al recortar un pequeño trozo de la oreja del conejo, lograron leer el plano, multiplicarlo y producir una nueva generación de conejos. Además, se demostró la capacidad de DoT para fines esteganográficos mediante la creación de lentes indistinguibles que contenían un vídeo de YouTube integrado en el material.

• Almacenamiento óptico de datos 5D
• computación de ADN
• nanotecnología del ADN
• Nanobiotecnología
• computación natural
• Almacenamiento de datos digitales basado en plantas
• El xenotexto