„DNR gali saugoti didžiulius duomenų kiekius itin kompaktiška forma ir išlikti nepakitusi tūkstančius metų“, – sako Daniella Bar-Lev iš Kalifornijos universiteto San Diege. „Be to, DNR natūraliai replikuojama, o tai suteikia unikalų pranašumą ilgalaikiam duomenų saugojimui.“
Tačiau DNR užkoduotos informacijos atkūrimas yra didžiulis iššūkis, nes saugant DNR gijos susimaišo ir persipina. Vykstant duomenų kodavimo procesui, atskiros gijos kartais replikuojamos netobulai, o kai kurie fragmentai gali būti visiškai prarasti. Todėl DNR saugomų duomenų skaitymas gali priminti knygos atkūrimą iš dėžės, pilnos sutrūkinėjusių puslapių, su rašybos klaidomis.
„Tradiciniai metodai sunkiai susidoroja su šiuo chaosu ir reikalauja dienų dienas trunkančio apdorojimo“, – sako D. Bar-Lev.
Ji ir jos kolegos sukūrė dirbtinio intelekto valdomą metodą „DNAformer“, kuris gali greitai ir tiksliai iššifruoti supainiotas DNR sekas. Sistemą sudaro giluminio mokymosi (angl. deep learning) DI modelis, apmokytas rekonstruoti DNR sekas, atskiras kompiuterinis algoritmas, kuris nustato ir ištaiso klaidas, ir trečiasis dekodavimo algoritmas, kuris viską konvertuoja atgal į skaitmeninius duomenis, kartu ištaisydamas visas likusias klaidas.
Eksperimentų metu „DNAformer“ galėjo nuskaityti 100 megabaitų DNR saugomų duomenų beveik 90 kartų greičiau nei kitas greičiausias metodas, kuris buvo sukurtas naudojant tradicinius, taisyklėmis pagrįstus skaičiavimo algoritmus – ir kartu pasiekti geresnį ar panašų tikslumą.
Iššifruotus duomenis sudarė spalvotas mėgintuvėlių vaizdas, 24 sekundžių trukmės garsiojo astronauto Neilo Armstrongo pasisakymo nusileidus Mėnulyje garso įrašas ir rašytinis tekstas apie tai, kodėl DNR yra perspektyvi duomenų laikmena.
Komanda planuoja kurti „DNAformer“ versijas, pritaikytas naujesniems duomenų kodavimo į DNR metodams, sako Omeras Sabary iš Techniono – Izraelio technologijų instituto.
„Svarbiausia, kad mūsų metodas nepriklauso nuo konkrečių [DNR] sintezės ar sekos nustatymo metodų, todėl jį galima pritaikyti būsimoms, dar neišvystytoms technologijoms, kurios gali būti komerciškai naudingesnės“, – sako jis.
Tyrimas publikuotas žurnale „Nature Machine Intelligence“.
Parengta pagal „New Scientist“.