[論文レビュー] Deep DNA Storage: Scalable and Robust DNA Storage via Coding Theory and Deep Learning

Daniella Bar-Lev, Itai Orr+3 more|arXiv (Cornell University)|Aug 31, 2021

DNA and Biological Computing被引用数 13

ひとこと要約

本論文は、深層学習と符号理論に基づく新規なパイプラインを提示し、スケーラブルで耐障害性の高いDNAストレージを実現する。シミュレートされたデータで訓練された深層ニューラルネットワーク、テンソル積に基づくエラー訂正符号、およびセーフティマージン機構を統合している。従来手法と比較して最大3200倍の高速化と40%の高い正確性を達成し、高ノイズ条件下でも1ベースあたり1.6ビットのコードレートを実現し、商業的DNAストレージシステムの実現可能性を示している。

ABSTRACT

DNA-based storage is an emerging technology that enables digital information to be archived in DNA molecules. This method enjoys major advantages over magnetic and optical storage solutions such as exceptional information density, enhanced data durability, and negligible power consumption to maintain data integrity. To access the data, an information retrieval process is employed, where some of the main bottlenecks are the scalability and accuracy, which have a natural tradeoff between the two. Here we show a modular and holistic approach that combines Deep Neural Networks (DNN) trained on simulated data, Tensor-Product (TP) based Error-Correcting Codes (ECC), and a safety margin mechanism into a single coherent pipeline. We demonstrated our solution on 3.1MB of information using two different sequencing technologies. Our work improves upon the current leading solutions by up to x3200 increase in speed, 40% improvement in accuracy, and offers a code rate of 1.6 bits per base in a high noise regime. In a broader sense, our work shows a viable path to commercial DNA storage solutions hindered by current information retrieval processes.

研究の動機と目的

• DNAベースのデータリトリーブにおけるスケーラビリティと正確性のトレードオフを解消し、商業的実現可能性を向上させること。
• 深層学習とエラー訂正符号を統合した包括的パイプラインを構築し、耐障害性の高いDNAストレージを実現すること。
• 高ノイズのシーケンシング環境下でもデータリトリーブの速度と正確性を向上させること。
• 現在の情報リトリーブプロセスにおけるボトル neck を克服することで、実用的で大規模なDNAストレージを可能にすること。
• 現実的な高ノイズ条件下で1ベースあたり1.6ビットのコードレートを達成すること。

提案手法

• シミュレートされたDNAシーケンシングデータで深層ニューラルネットワーク（DNN）を訓練し、リードアウトの正確性を向上させること。
• テンソル積（TP）に基づくエラー訂正符号（ECC）を採用し、構造的でスケーラブルなエラー耐性を実現すること。
• デコーディングエラーを低減し、信頼性を向上させるためにセーフティマージン機構を統合すること。
• DNN、ECC、セーフティマージンを統合したモジュール型でエンドツーエンドのパイプラインを設計し、一貫性のあるシステムを構築すること。
• 2種類の異なるシーケンシング技術を用いて3.1MBのデータでシステムを検証すること。
• 実世界の応用に耐えるために、高ノイズ環境下での最適化を実施すること。

実験結果

リサーチクエスチョン

• RQ1 シミュレートされたデータで訓練された深層学習モデルは、DNAデータリトリーブの正確性を顕著に向上させることができるか？
• RQ2 テンソル積に基づくエラー訂正符号は、スケーラブルで高レートのDNAストレージを実現するためにどの程度効果的か？
• RQ3 セーフティマージン機構は、ノイズの多いシーケンシング環境下でのデコーディング信頼性にどのような影響を与えるか？
• RQ4 深層学習と符号理論の統合は、DNAストレージにおけるスケーラビリティと正確性のトレードオフをどの程度克服できるか？
• RQ5 提案されたパイプラインは、高ノイズ条件下でも1ベースあたり1.6ビットのコードレートを達成しつつ、高速かつ高精度を維持できるか？

主な発見

• 提案されたシステムは、現在の最先端ソリューションと比較して、最大3200倍のデータリトリーブ速度の向上を達成した。
• 高ノイズ条件下でも、最先端の手法と比較して40%のデコーディング正確性の向上を示した。
• 1ベースあたり1.6ビットのコードレートを達成したが、これは特にノイズの多い環境下でも、多くの先行研究と比較して顕著に高い水準である。
• DNN、TPに基づくECC、セーフティマージンの統合により、耐障害性が高く、スケーラブルでエンドツーエンド最適化されたパイプラインが実現された。
• 2種類の異なるシーケンシング技術を用いて3.1MBのデータでシステムが正常に検証され、実世界への適用可能性が確認された。
• 本研究は、情報リトリーブにおける主要なボトル neck を克服する包括的で実現可能な道筋を提示し、商業的DNAストレージの実現に向けた道筋を示している。