[论文解读] Efficient and Explicit Balanced Primer Codes

Yeow Meng Chee, Han Mao Kiah+1 more|arXiv (Cornell University)|Jan 4, 2019

DNA and Biological Computing参考文献 19被引用 5

一句话总结

本文提出了一种显式且高效的DNA存储用平衡引物码构造方法，利用循环码与可逆循环码，并结合Knuth的平衡技术及Tavares的编码方法。该方法在无限多组$(n,d)_4$-码中实现了冗余度为$(d+1)\frac{1}{2}\binom{4}{n}+O(1)$，支持纠错与随机访问，且开销最小。

ABSTRACT

To equip DNA-based data storage with random-access capabilities, Yazdi et al. (2018) prepended DNA strands with specially chosen address sequences called primers and provided certain design criteria for these primers. We provide explicit constructions of error-correcting codes that are suitable as primer addresses and equip these constructions with efficient encoding algorithms. Specifically, our constructions take cyclic or linear codes as inputs and produce sets of primers with similar error-correcting capabilities. Using certain classes of BCH codes, we obtain infinite families of primer sets of length $n$, minimum distance $d$ with $(d + 1) \log_4 n + O(1)$ redundant symbols. Our techniques involve reversible cyclic codes (1964), an encoding method of Tavares et al. (1971) and Knuth's balancing technique (1986). In our investigation, we also construct efficient and explicit binary balanced error-correcting codes and codes for DNA computing.

研究动机与目标

• 设计适用于DNA存储系统的显式、高效纠错码，作为引物地址使用。
• 通过构建稳健的引物码，实现在DNA存储中支持随机访问与重写功能。
• 在保持高纠错能力与平衡特性的前提下，最小化引物码的冗余度。
• 将可逆循环码与Knuth的平衡技术扩展应用于DNA计算与引物码构造。
• 为构造具有最优冗余度的显式二进制与DNA基平衡码提供一个通用框架。

提出的方法

• 作者使用本原窄义BCH码作为输入，构造具有可控冗余度的平衡引物码。
• 应用Knuth的平衡技术将任意码字转换为平衡码字，确保四种核苷酸的等量表示。
• 该构造利用可逆循环码，其在反向互补操作下保持封闭，从而维持结构对称性。
• 适配Tavares的编码方法，以高效地将消息映射到码的循环类中，实现快速编码。
• 该方法确保所生成的码在反向互补操作下保持封闭，这是DNA存储的关键要求。
• 采用$\mathbb{F}_4$上的多项式代数来定义生成多项式，并验证码的性质，如不可约性与非整除性条件。

实验结果

研究问题

• RQ1 能否设计出冗余度最小的显式高效平衡引物码，用于DNA存储？
• RQ2 如何利用可逆循环码在DNA存储中构造在反向互补操作下封闭的码？
• RQ3 对于给定最小距离$d$，平衡纠错引物码可实现的最小冗余度是多少？
• RQ4 Knuth的平衡技术能否被高效适配到循环码框架中，以处理DNA序列？
• RQ5 如何在保持纠错与平衡特性的前提下，使编码过程更加高效？

主要发现

• 作者构造了无限多组$(n,d)_4$-码，其冗余度为$(d+1)\log_4 n + O(1)$，在固定$d$下实现了最优渐近冗余度。
• 通过使用本原窄义BCH码作为输入，构造出显式高效引物码，其冗余项中$C_d \leq d+1$，形式为$C_d \log n + O(1)$。
• 该方法确保所有构造的码在反向互补操作下保持封闭，这是DNA存储鲁棒性的必要条件。
• 在$\mathbb{F}_{4^m}$中使用避免生成多项式根的本原元素$\alpha$，可确保码的有效生成多项式存在。
• 该构造高效且显式，编码算法可在多项式时间内运行，适合实际实现。
• 该框架可推广至二进制平衡码与DNA计算应用，优于该领域先前的构造。