[논문 리뷰] DNACloud: A Potential Tool for storing Big Data on DNA

Shalin Shah, Dixita Limbachiya외 1명|arXiv (Cornell University)|2013. 10. 25.

DNA and Biological Computing참고 문헌 16인용 수 11

한 줄 요약

DNACloud는 디지털 파일을 합성 DNA 서열로 인코딩하고 원래 파일로 디코딩할 수 있도록 해주는 오픈소스 소프트웨어 도구입니다. 장기적이고 고밀도의 데이터 저장을 위해 DNA의 높은 데이터 밀도와 안정성을 활용하며, 허프만 코딩과 오류 정정 기능을 지원합니다. 디코딩 시 최대 3.4 GB, 인코딩 시 최대 554 MB의 파일 크기 제한을 지원합니다.

ABSTRACT

The term Big Data is usually used to describe huge amount of data that is generated by humans from digital media such as cameras, internet, phones, sensors etc. By building advanced analytics on the top of big data, one can predict many things about the user such as behavior, interest etc. However before one can use the data, one has to address many issues for big data storage. Two main issues are the need of large storage devices and the cost associated with it. Synthetic DNA storage seems to be an appropriate solution to address these issues of the big data. Recently in 2013, Goldman and his collegues from European Bioinformatics Institute demonstrated the use of the DNA as storage medium with capacity of storing 2.2 peta bytes of information on one gram of DNA and retrived the data successfully with low error rate. This significant step shows a promise for synthetic DNA storage as a useful technology for the future data storage. Motivated by this, we have developed a software called DNACloud which makes it easy to store the data on the DNA. In this work, we present detailed description of the software.

연구 동기 및 목표

• 거대한 부피의 빅데이터를 효율적이고 비용 효율적으로 저장하는 데 도전하는 문제를 해결하기 위해.
• 디지털 파일을 DNA 서열로 인코딩하고 다시 디코딩할 수 있도록 해주는 사용자 友好的 소프트웨어 도구를 개발하기 위해.
• 합성 DNA를 매체로 사용하여 확장 가능하고 유지보수가 적으며 내구성이 높은 데이터 저장을 지원하기 위해.
• 연구자와 개발자가 DNA 기반 데이터 저장을 실험할 수 있도록 실용적인 오픈소스 플랫폼을 제공하기 위해.
• DNA에 저장된 데이터의 저장 요구량, 생화학적 성질(염기 조성, 융해 온도) 및 합성 비용을 추정하기 위해.

제안 방법

• 2013년 골드먼 등이 제안한 DNA 저장 방법의 수정 버전을 사용하며, 오류 정정 및 효율적인 인코딩을 통합합니다.
• 데이터를 DNA 서열으로 변환하기 전에 허프만 코딩을 적용하여 압축함으로써 저장 효율을 향상시킵니다.
• 인코딩된 데이터를 고정 길이(117개 염기)의 DNA 조각으로 나누며, 각 조각에는 재구성에 사용할 인덱스 정보 문자열(3진수, 15자리)을 첨부합니다.
• 각 조각의 시작에 'A' 또는 'T'를, 끝에 'G' 또는 'C'를 추가하여 뉴클레오티드 조성을 균형 잡히게 하고 안정성을 향상시킵니다.
• 파일 인코딩/디코딩, 메모리 및 생화학적 성질 추정, 합성기 및 시퀀서용 내보내기 옵션 기능을 갖춘 GUI를 제공합니다.
• 입력 파일 크기를 바탕으로 필요한 DNA 양, 염기 조성, 융해 온도 및 비용을 예측할 수 있는 저장소 추정기 기능을 포함합니다.

실험 결과

연구 질문

• RQ1 장기적이고 고밀도의 저장을 위해 디지털 데이터를 효율적으로 DNA 서열로 인코딩하는 방법은 무엇인가요?
• RQ2 신뢰성 있고 확장 가능한 DNA 기반 데이터 인코딩 및 디코딩을 가능하게 하는 소프트웨어 아키텍처와 알고리즘은 무엇인가요?
• RQ3 DNA에 저장된 데이터의 실용적 저장 및 생화학적 제약 조건(예: 염기 조성, 융해 온도, 비용)은 무엇인가요?
• RQ4 DNA 인코딩 및 디코딩 과정에서 오류 정정 및 데이터 무결성을 유지하는 방법은 무엇인가요?
• RQ5 DNA 기반 데이터 저장을 위한 소프트웨어 도구의 파일 크기 제한은 무엇이며, 이를 어떻게 확장할 수 있을까요?

주요 결과

• DNACloud는 최대 554 MB 크기의 파일을 DNA 서열로 성공적으로 인코딩하였으며, 디코딩 시 최대 3.4 GB까지 지원합니다.
• 이 소프트웨어는 오류 정정을 지원하며, 허프만 코딩을 활용해 인코딩 효율을 향상시키고 데이터 크기를 줄입니다.
• 이 도구는 DNA 서열의 핵심 생화학적 성질인 염기 조성 및 융해 온도를 추정하여 실험 설계에 도움을 줍니다.
• 필요한 DNA 합성 비용을 추정함으로써 DNA 저장 응용 프로그램의 실용적 계획 수립을 가능하게 합니다.
• 파일 인코딩, 디코딩, 데이터 내보내기 및 데이터 보안을 위한 사용자 인증 기능을 포함한 GUI를 제공합니다.
• DNACloud는 오픈소스이며, Windows 및 Mac용 설치 프로그램과 함께 사용자 설명서 및 데모 자료를 함께 제공합니다.