[논문 리뷰] Fundamental Limits of DNA Storage Systems

Reinhard Heckel, Ilan Shomorony외 2명|arXiv (Cornell University)|2017. 05. 12.

DNA and Biological Computing참고 문헌 9인용 수 4

한 줄 요약

이 논문은 짧고 순서가 없는 DNA 분자에 데이터를 기록하고 PCR 증폭을 통해 무작위로 샘플링하여 읽는 현실적인 모델 하에서 DNA 기반 아카이브 시스템의 기본 저장 용량을 규명한다. 색인 기반의 코드 설계가 정보이론적으로 최적임을 증명하며, 용량은 분자 수에 비해 분자 길이와 커버리지 깊이의 상대적 비율에 의해 결정되며, 높은 커버리지 깊이가 저장 용량 증가에 기여하는 데에는 한계가 있으며, 이는 시퀀싱 비용을 크게 증가시킴을 보여준다.

ABSTRACT

Due to its longevity and enormous information density, DNA is an attractive medium for archival storage. In this work, we study the fundamental limits and tradeoffs of DNA-based storage systems under a simple model, motivated by current technological constraints on DNA synthesis and sequencing. Our model captures two key distinctive aspects of DNA storage systems: (1) the data is written onto many short DNA molecules that are stored in an unordered way and (2) the data is read by randomly sampling from this DNA pool. Under this model, we characterize the storage capacity, and show that a simple index-based coding scheme is optimal.

연구 동기 및 목표

• 실제 기술적 제약 조건 하에서 DNA 기반 아카이브 시스템의 기본 저장 용량을 규명하는 것.
• DNA 저장 시스템에서 저장 밀도, 시퀀싱 비용, 커버리지 깊이 간의 트레이드오프를 분석하는 것.
• 현실에서 널리 사용되는 색인 기반 코드 설계 방식이 정보이론적으로 최적인지 규명하는 것.
• 단위 시퀀싱 비용당 최대 저장 속도를 달성하는 커버리지 깊이의 최적 운영 지점을 규명하는 것.

제안 방법

• 저자들은 M개의 짧은 DNA 분자를 기록하고 N개의 독서를 유니폼하게 무작위로 복원 추출하는 채널로 DNA 저장을 모델링하여 PCR 증폭을 통한 무작위 샘플링을 시뮬레이션한다.
• 오류 없는 합성과 시퀀싱을 전제로 하여, 신뢰성 있게 저장할 수 있는 최대 비트 수(비트/핵산)를 저장 용량으로 정의한다.
• M → ∞의 渐近적 영역 분석을 수행하며, 분자 길이 L은 log M에 상대적으로 스케일링되며, β = lim L / log M로 매개변수화된다.
• 용량은 Cs = (1 − e−c)(1 − 1/β) log 4로 유도되며, 여기서 c = N/M는 커버리지 깊이다.
• 합성 또는 시퀀싱 오류가 없다는 가정 하에, 무작위 샘플링에 의해 효과적인 삭제 채널로 문제를 단순화한다.
• 색인 기반 코드 설계의 최적성을 증명하기 위해, 색인화가 비율 손실을 유발하지 않으며, 이러한 방식이 유도된 용량에 도달함을 보였다.

실험 결과

연구 질문

• RQ1 무작위 샘플링과 PCR 증폭 하에서 DNA 기반 시스템의 기본 저장 용량은 무엇인가?
• RQ2 현행 시스템에서 널리 사용되는 색인 기반 코드 설계 방식은 정보이론적으로 최적인가?
• RQ3 분자 길이 L과 분자 수 M이 증가함에 따라 용량은 어떻게 변화하는가? 특히 L이 log M에 비해 증가할 경우 어떻게 되는가?
• RQ4 저장 속도와 시퀀싱 비용을 균형 잡는 데 최적의 커버리지 깊이 c = N/M는 무엇인가?
• RQ5 실제 DNA 저장 시스템에서 저장 속도와 독서 속도(즉, 시퀀싱 비용) 간의 최적 트레이드오프는 무엇인가?

주요 결과

• 용량은 Cs = (1 − e−c)(1 − 1/β) log 4로 주어지며, 여기서 β = lim L / log M 이고, c는 커버리지 깊이다.
• 만약 β ≤ 1이라면, 양의 저장 속도를 확보할 수 없으며, 이는 분자 수에 비해 분자 길이에 대한 근본적인 제한을 시사한다.
• 커버리지 깊이 c = 1일 때는 최대 가능한 저장 속도의 63%를 달성하고, c = 2일 땐 86%, c = 3일 땐 95%를 달성하여, 중간 수준의 c를 초과하면 수익 감소가 뚜렷하다.
• 색인 기반 코드 설계는 정보이론적으로 최적이며, 분자들을 식별하기 위해 고유한 헤더를 사용하는 데에도 비율 손실이 발생하지 않는다.
• 합성 비용이 시퀀싱 비용보다 10,000~100,000배 더 높을 경우, 비용 당 최적의 비트 수는 c ≈ 9.2에서 달성되며, 이는 깊은 시퀀싱이 낭비임을 시사한다.
• Rs와 Rr의 타당 영역이 규명되었으며, 이는 중간 정도의 커버리지 깊이가 비용과 시간을 최소화하면서 대부분의 저장 속도를 달성함을 보여준다.