Ce încearcă să rezolve stocarea datelor în ADN
Stocarea datelor în ADN este o tehnologie de arhivare în care informația digitală este transformată în secvențe construite din cele patru nucleotide ale ADN-ului: adenină, citozină, guanină și timină, notate de regulă A, C, G și T. Un fișier este împărțit în fragmente digitale, fragmentele sunt codificate sub forma unor secvențe de ADN, iar moleculele sintetice rezultate sunt păstrate în afara celulelor vii. Când informația este necesară, moleculele sunt secvențiate, iar datele sunt reconstruite computațional și transformate din nou în informație binară.
Atracția acestei tehnologii este fundamental diferită de cea a mediilor convenționale. ADN-ul este un purtător molecular de informație evoluat pentru păstrarea instrucțiunilor biologice, iar ADN-ul sintetic poate păstra informația codificată pentru perioade foarte lungi în condiții adecvate. Densitatea fizică a informației este extrem de mare, iar materialul nu are nevoie de alimentare electrică permanentă doar pentru a rămâne depozitat. Din aceste motive, ADN-ul este cercetat în primul rând ca mediu de stocare rece sau de arhivare, nu ca înlocuitor pentru SSD-uri, hard diskuri sau DRAM.
Problema centrală este fiabilitatea. ADN-ul nu este un canal digital perfect. Erorile pot apărea atunci când sunt produse moleculele sintetice, în timpul depozitării și degradării chimice și la citirea ADN-ului cu instrumente de secvențiere. Erorile pot fi substituții, inserții și deleții. Sistemele convenționale de stocare în ADN folosesc de aceea scheme de codare, copii redundante și acoperire de secvențiere pentru a face posibilă recuperarea. Gungnir abordează problema întrebând dacă o parte semnificativă din această redundanță fizică poate fi înlocuită prin calcul.
Ce este Gungnir?
Gungnir este un codec pentru stocarea datelor în ADN, introdus de cercetători de la School of Computing and Data Science și Department of Electrical and Electronic Engineering din cadrul The University of Hong Kong. Echipa de cercetare îi include pe Jingcheng Zhang, Lei Chen, Jinlin Sun, Shumin Li, Yekai Zhou, Zhenqin Wu, Can Li, Zhenxian Zheng și Ruibang Luo. Lucrarea a fost primită în octombrie 2025, acceptată în martie 2026 și publicată online în Nature Communications în aprilie 2026, versiunea finală fiind datată iunie 2026.
Numele face referire la Gungnir, sulița asociată zeului nordic Odin. Ideea tehnică este însă mai importantă decât numele: codec-ul folosește intenționat o cantitate semnificativă de calcul pentru a căuta corecțiile posibile până când o secvență candidat satisface o constrângere bazată pe o semnătură hash.
Autorii descriu Gungnir ca pe un sistem codec inspirat de ideea de proof-of-work. Fiecărui fragment digital îi este asociată o semnătură hash. La decodare, sistemul nu presupune pur și simplu că secvența ADN observată este corectă. În schimb, generează corecții candidate, le evaluează în funcție de constrângerile așteptate și continuă căutarea până când semnătura hash identifică fragmentul corect. Practic, o parte din protecția oferită anterior prin redundanță fizică este transferată în domeniul calculului.
Cum funcționează stocarea datelor în ADN
Fluxul de bază poate fi înțeles ca o succesiune de transformări. Un fișier digital, fie că este text, imagine, video sau audio, este împărțit mai întâi în fragmente binare. Fiecărui fragment îi este asociată o adresă, astfel încât fragmentele să poată fi ulterior reasamblate în ordinea corectă. Encoderul transformă apoi informația binară în secvențe formate din A, C, G și T.
Aceste secvențe trebuie să respecte constrângeri biologice. Sinteza și secvențierea ADN-ului nu tratează toate secvențele posibile în același mod. Un dezechilibru excesiv al conținutului GC poate crea probleme, homopolimerii lungi pot fi dificil de sintetizat sau citit, iar anumite motive pot fi asociate cu rate mai mari de eroare la secvențiere. Un encoder practic pentru stocarea în ADN trebuie, prin urmare, să găsească un echilibru între densitatea informației și fiabilitatea moleculară.
După codare, secvențele pot fi sintetizate sub forma moleculelor de ADN. Acestea pot rămâne stocate pentru o perioadă îndelungată. În momentul recuperării, secvențierea transformă informația moleculară în secvențe de nucleotide observate. Aceste observații conțin zgomot. Decoderul trebuie să reconstruiască fragmentele binare originale și apoi să folosească adresele pentru a reconstitui fișierul sursă.
Gungnir se integrează în acest flux atât prin encoder, cât și prin decoder. Encoderul include o semnătură hash pentru fiecare fragment și poate lua în calcul constrângeri biochimice cunoscute. Decoderul este proiectat să recupereze informația chiar și atunci când secvența observată conține un număr important de substituții, inserții și deleții.
Ideea de a folosi calculul în locul redundanței
În stocarea digitală tradițională, calculul este în general considerat ieftin în comparație cu stocarea, însă ADN-ul schimbă acest echilibru. Moleculele pot avea o densitate extraordinară, în timp ce sinteza și secvențierea rămân costisitoare. Dacă trebuie păstrate numeroase copii fizice doar pentru protecția împotriva degradării moleculare, o parte din avantajul teoretic al ADN-ului se pierde.
Gungnir mută, prin urmare, o parte din mecanismul de protecție în software. Decoderul poate consuma resurse de calcul pentru a explora posibile corecții, în loc să ceară ca un număr mare de molecule originale să supraviețuiască intact. Semnătura hash funcționează ca un mecanism de identificare a reconstrucției valide în raport cu un candidat incorect.
Asta nu înseamnă că ADN-ul devine lipsit de erori. Moleculele pot fi în continuare deteriorate, iar secvențierea poate produce în continuare erori. Ideea este că un decoder suficient de puternic poate recupera informația dorită în ciuda unei degradări mult mai mari decât cea tolerată în mod obișnuit.
Abordarea este deosebit de relevantă pentru substituții, inserții și deleții. Inserțiile și delețiile sunt dificile deoarece deplasează alinierea aparentă dintre secvența observată și cea intenționată. Gungnir folosește corecția bazată pe distanța de editare și o procedură de căutare pentru a trata aceste cazuri.
Ce a demonstrat cercetarea din 2026
Studiul publicat în Nature Communications prezintă rezultate de benchmarking in silico, nu demonstrarea unei arhive comerciale de ADN aflate în exploatare. Rezultatul principal raportat este că Gungnir poate recupera complet date binare dintr-o singură copie de secvență care conține 20% baze eronate în experimentele computaționale descrise.
Lucrarea mai arată că Gungnir poate gestiona eficient peste 10% erori de tip inserție și deleție folosind o singură copie de secvență, capacitate pe care autorii o consideră importantă în raport cu abordările existente. Sistemul poate fi configurat pentru diferite compromisuri între densitatea informației și toleranța la erori.
Configurația Gungnir descrisă în lucrare folosește o densitate de aproximativ 0,8 biți pe bază de ADN atunci când urmărește o toleranță mai ridicată la erori. O configurație separată, numită Gungnir-Trit, crește densitatea informației la 1,35 biți pe bază, acceptând o toleranță mai redusă la erori. Implementarea publică documentează pentru Gungnir și Gungnir-ONT un interval de densitate de 0,5 până la 0,9, în timp ce Gungnir-Trit permite un interval mai larg.
Cercetătorii au dezvoltat și Gungnir-ONT, o extensie optimizată pentru tiparele de eroare ale secvențierii long-read de tip Oxford Nanopore. În experimentele lor, encoderul poate folosi informații despre preferința bazelor pentru a reduce erorile de secvențiere Nanopore așteptate. Lucrarea raportează o reducere posibilă de 28,4% a erorilor așteptate în anumite configurații, cu prețul unei părți din capacitatea de toleranță la erori.
De ce contează rata de eroare de 20%
O rată de eroare de 20% nu reprezintă un punct normal de funcționare pentru stocarea digitală convențională. Într-un SSD sau hard disk obișnuit, un flux de date cu un asemenea nivel de corupere ar fi inutilizabil fără un nivel mult mai mare de redundanță. Stocarea în ADN are o arhitectură diferită deoarece erorile provin din sinteză moleculară, degradare și secvențiere, nu din funcționarea electrică a unei celule de memorie semiconductor.
Autorii corelează scenariul cu 20% baze eronate cu o estimare de aproximativ 406 ani de arhivare la 13 grade Celsius. Aceasta nu trebuie interpretată ca o predicție universală conform căreia orice arhivă ADN va rămâne lizibilă exact 406 ani. Este o corespondență modelată în cadrul studiului între acumularea erorilor și anumite condiții de stocare. Durata reală depinde de chimia ADN-ului, ambalare, temperatură, umiditate, contaminanți și procesul concret de stocare.
Importanța rezultatului este astfel în primul rând metodologică. Dacă sistemele viitoare pot reconstrui date din molecule puternic deteriorate, arhivele ar putea necesita mai puține copii fizice și mai puțină acoperire de secvențiere.
Locul Gungnir în istoria stocării în ADN
Era modernă a stocării digitale în ADN este asociată cu mai multe momente importante. În 2012, George Church și colegii săi de la Harvard au demonstrat codarea la scară mare a informației digitale în ADN sintetic, inclusiv texte, imagini și fișiere informatice. Lucrarea a arătat că ADN-ul poate funcționa ca mediu informațional și nu doar ca material biologic.
În 2013, cercetătorii conduși de Nick Goldman și Ewan Birney la European Bioinformatics Institute au raportat un alt experiment major. Metoda lor de codare folosea o reprezentare ternară și redundanță pentru a îmbunătăți robustețea și a demonstrat stocarea și recuperarea mai multor tipuri de informații digitale. Aceste experimente au stabilit arhitectura de bază care poate fi recunoscută și astăzi: codare digital-ADN, sinteză moleculară, conservare fizică, secvențiere și reconstrucție computațională.
Cercetările ulterioare s-au concentrat puternic pe teoria codurilor. Fountain codes, metode bazate pe Reed-Solomon, encodere constrânse și alte scheme au încercat să maximizeze densitatea informației, respectând în același timp constrângerile biologice și corectând erorile de secvențiere. În timp, cantitatea de informație demonstrată în ADN a crescut substanțial, iar tehnologiile de sinteză și secvențiere s-au îmbunătățit.
Microsoft și University of Washington au stabilit un program de cercetare pentru stocarea în ADN în 2015. În 2019, Microsoft și UW au demonstrat un sistem automatizat cap-coadă care a codificat cuvântul „hello” în ADN fabricat și l-a recuperat ulterior fără intervenție manuală. Microsoft continuă să descrie ADN-ul ca posibil mediu de arhivare, subliniind însă că sinteza și secvențierea nu au devenit încă suficient de eficiente pentru ca tehnologia să fie un mediu general de stocare.
A apărut și activitate comercială. CATALOG a dezvoltat o platformă pentru stocarea și calculul bazat pe ADN și a promovat stocarea moleculară ca serviciu comercial. În 2025, Twist Bioscience a anunțat separarea activității sale de stocare în ADN într-o companie independentă numită Atlas Data Storage. În martie 2026, Biomemory a anunțat achiziția unor active importante ale CATALOG, inclusiv tehnologie și proprietate intelectuală, transferând o parte din această linie tehnologică în platforma Biomemory.
Aceste evoluții sunt importante deoarece arată că stocarea în ADN se deplasează dincolo de demonstrațiile exclusiv academice. Ele nu înseamnă însă că Gungnir este deja integrat într-un echipament comercial de stocare la scară largă.
Produse și servicii comerciale existente
Este importantă diferența dintre tehnologia stocării în ADN ca domeniu și Gungnir ca codec specific. Gungnir este un codec de cercetare și o implementare software disponibilă public; sursele consultate nu documentează un produs comercial de stocare care să utilizeze Gungnir drept codec de producție.
Există însă activitate comercială în domeniul stocării ADN. CATALOG a oferit un DNA Data Storage Service descris ca serviciu cap-coadă pentru preluarea datelor, scrierea lor în ADN și recuperarea ulterioară. CATALOG nu mai funcționează ca firmă independentă după achiziția activelor sale de către Biomemory în 2026, conform informațiilor actuale publicate de Biomemory.
Biomemory își descrie în prezent oferta sub conceptul Molecular IT și prezintă ADN-ul sintetic drept un nou nivel informațional offline și durabil pentru datele organizațiilor. Platforma actuală reprezintă astfel un exemplu concret de trecere a stocării în ADN spre produse și servicii comerciale. Materialele publice consultate nu demonstrează că platforma actuală Biomemory folosește Gungnir.
O altă evoluție comercială relevantă este Atlas Data Storage. Twist Bioscience a anunțat în 2025 că activitatea sa de stocare a datelor în ADN a fost separată într-o companie numită Atlas Data Storage, finanțarea urmând să susțină dezvoltarea tehnologiei până la lansarea comercială. Nici în acest caz sursele publice consultate nu stabilesc că Gungnir face parte din infrastructura de producție Atlas.
Produse și programe anunțate
Ecosistemul stocării în ADN a inclus până acum mai ales inițiative de cercetare și programe comerciale, nu un catalog matur de produse pentru consumatori. Microsoft, Twist Bioscience, Illumina și Western Digital au anunțat o alianță pentru dezvoltarea stocării datelor în ADN. Rolurile reflectau faptul că un sistem complet necesită mai mult decât chimie ADN: sunt necesare sinteză, secvențiere, arhitectură de stocare și integrare în infrastructura centrelor de date.
Cercetarea Microsoft privind stocarea în ADN s-a concentrat pe arhivarea moleculară, nu pe un dispozitiv de stocare vândut în magazine. Pagina de cercetare a companiei descrie ADN-ul ca având potențial pentru densitate extrem de mare și durabilitate îndelungată, dar precizează și că tehnologia nu este încă practică din cauza stadiului sintezei și secvențierii.
Modelul CATALOG a reprezentat o altă direcție: în locul vânzării unei unități de stocare convenționale, compania urmărea furnizarea stocării și calculului pe ADN ca serviciu. Oferta actuală Biomemory continuă conceptul mai larg al ADN-ului ca nou nivel de stocare. Aceste direcții sugerează că primele implementări comerciale importante seamănă mai degrabă cu infrastructura de arhivare sau serviciile gestionate decât cu un echivalent ADN al unui SSD instalat într-un computer personal.
Avantajele abordării Gungnir
Primul avantaj este reducerea redundanței fizice. Dacă o singură copie de secvență poate fi decodată în ciuda unei degradări severe, o arhivă nu trebuie să păstreze la fel de multe copii independente doar pentru protecția împotriva deteriorării.
Al doilea avantaj este reducerea acoperirii de secvențiere. Abordările convenționale pot utiliza citiri repetate pentru a separa bazele reale de erorile de secvențiere. Gungnir încearcă să reducă această cerință prin calcul și validare bazată pe hash.
Al treilea avantaj este flexibilitatea. Codec-ul poate fi configurat pentru diferite compromisuri între densitate și toleranță la erori. Gungnir-Trit arată că arhitectura poate fi ajustată atunci când densitatea mai mare este mai importantă decât robustețea maximă.
Al patrulea avantaj este compatibilitatea cu tipare cunoscute de eroare ale platformei. Gungnir-ONT arată cum abordarea generală poate fi adaptată caracteristicilor unei anumite tehnologii de secvențiere în loc să trateze toate erorile ca fiind identice.
Limitări și probleme încă nerezolvate
Cea mai evidentă limitare este calculul. Gungnir schimbă în mod deliberat redundanța fizică pe putere de calcul. Acest lucru poate fi atractiv atunci când sinteza și secvențierea ADN-ului sunt costisitoare, iar resursele computaționale sunt relativ ieftine. Înseamnă însă și că decodarea nu este instantanee și că trebuie luat în calcul costul computațional total al recuperării unei arhive.
O a doua limitare este faptul că principalele rezultate publicate sunt computaționale. Ele demonstrează comportamentul codec-ului în raport cu tipare de eroare modelate și măsurate, dar nu reprezintă dovada unei arhive comerciale care funcționează timp de secole în condiții reale.
O a treia limitare este costul sintezei și secvențierii ADN-ului. Chiar și un codec foarte eficient nu poate elimina necesitatea de a fabrica ADN și de a-l citi ulterior printr-o tehnologie de secvențiere. Economia întregului ciclu de scriere și citire rămâne una dintre cele mai mari bariere pentru adoptarea extinsă.
O a patra limitare este viteza de acces. Stocarea în ADN este potrivită în mod natural pentru date reci și arhive, nu pentru sarcini care necesită citiri aleatorii în milisecunde sau microsecunde. Cea mai plauzibilă arhitectură este astfel una ierarhică: semiconductori și stocare magnetică pentru date active, iar ADN-ul pentru nivelul de arhivare profundă.
În final, constrângerile biochimice rămân importante. Compoziția secvențelor, homopolimerii și anumite motive pot influența atât sinteza, cât și secvențierea. Gungnir include aceste constrângeri în procesul de codare, dar nu elimină limitările fizice ale moleculelor.
Unde ar putea fi folosită tehnologia
Cele mai puternice cazuri de utilizare sunt arhivele pe termen lung în care datele trebuie să supraviețuiască decenii sau secole, dar nu trebuie accesate continuu. Exemplele includ arhive culturale, seturi de date științifice, documente guvernamentale, materiale istorice, înregistrări juridice și alte informații cu perioade foarte lungi de păstrare.
Aceeași arhitectură ar putea deveni relevantă pentru organizațiile care au nevoie de copii offline extrem de dense ale informațiilor. ADN-ul poate fi păstrat izolat fizic de atacurile bazate pe rețea, iar stocarea pe termen lung nu necesită alimentare electrică permanentă doar pentru menținerea informației moleculare. Aceste caracteristici îl fac atractiv conceptual pentru un nivel profund de arhivare.
Modelul practic de implementare va depinde probabil de automatizarea sintezei și secvențierii. Utilizatorul nu ar interacționa neapărat direct cu ADN-ul. Software-ul de stocare ar putea trimite un fișier către un sistem de arhivare, care ar codifica datele, ar sintetiza ADN-ul și ar păstra o bază de date cu informațiile despre probele fizice. Recuperarea ar declanșa secvențierea și decodarea computațională.
Ce schimbă Gungnir
Cea mai importantă contribuție a Gungnir nu este că face ADN-ul mai rapid decât un hard disk sau mai ieftin decât un SSD. El abordează o problemă diferită: cum pot fi păstrate fiabile arhivele moleculare atunci când mediul fizic este el însuși imperfect.
Cercetările anterioare privind stocarea în ADN au stabilit metode din ce în ce mai sofisticate pentru codarea informației, respectând constrângerile biologice și corectând erorile. Gungnir continuă această evoluție făcând din calcul o componentă și mai importantă a mecanismului de recuperare. Căutarea inspirată de proof-of-work și validarea prin hash permit decoderului să exploreze secvențe corupte și să identifice o reconstrucție care respectă constrângerile digitale așteptate.
Acest lucru schimbă compromisul de proiectare. În loc să fie pusă doar întrebarea câte copii fizice sunt necesare, proiectanții pot întreba și cât calcul este economic pentru recuperarea unei anumite arhive. Pe măsură ce resursele de calcul devin mai ieftine în raport cu sinteza și secvențierea moleculară, acest compromis ar putea deveni tot mai interesant.
Situația actuală și direcțiile viitoare
În septembrie 2026, Gungnir trebuie descris în primul rând drept un codec de cercetare publicat și disponibil împreună cu codul sursă, nu drept un produs comercial matur de stocare. Cercetătorii au publicat implementarea sub licență BSD 3-Clause și oferă exemple pentru codarea fișierelor, adăugarea erorilor simulate, decodare și reconstrucție.
Etapele următoare pentru domeniu vor include probabil reducerea complexității computaționale, validarea algoritmilor pe arhive fizice mai mari, scăderea costurilor de sinteză și secvențiere, creșterea gradului de automatizare și integrarea stocării moleculare cu software-ul convențional al centrelor de date. Lucrarea Gungnir observă chiar că dezvoltarea puterii de calcul poate depăși în timp erorile acumulate în stocarea arhivistică și indică necesitatea unor algoritmi cu complexitate computațională mai mică.
În paralel, ecosistemul comercial se dezvoltă. Extinderea Biomemory după achiziția activelor CATALOG, separarea Atlas Data Storage din Twist Bioscience și programul de cercetare desfășurat de Microsoft de mai mulți ani arată că stocarea în ADN este tratată tot mai mult ca posibilă tehnologie de infrastructură, nu doar ca o curiozitate științifică. Niciuna dintre aceste evoluții nu demonstrează că ADN-ul va înlocui stocarea convențională. Ele indică mai degrabă apariția unei arhitecturi de stocare pe niveluri, în care mediile moleculare ar putea gestiona informația care trebuie păstrată pentru perioade foarte lungi.
Gungnir se potrivește natural în această direcție. Propunerea sa centrală este simplă, dar importantă: dacă ADN-ul este extrem de dens și durabil, dar în mod inerent predispus la erori, o parte din fiabilitatea lipsă poate fi furnizată prin algoritmi și calcul. Tehnologia reprezintă astfel un pas în evoluția mai largă de la stocarea informației predominant în stări fizice controlate către sisteme în care stocarea moleculară și reconstrucția computațională sunt proiectate împreună.