Caratterizzazione degli errori e approcci di correzione degli errori nell’archiviazione combinatoria su DNA

Conservare i dati del mondo nel DNA

I nostri telefoni, server e centri cloud sono sommersi di informazioni, e le tecnologie di memorizzazione tradizionali faticano a stare al passo. Il DNA—the stessa molecola che porta l’informazione genetica negli organismi viventi—offre un’alternativa allettante: è incredibilmente denso, durevole nel tempo e richiede quasi nessuna energia per la conservazione. Questo articolo esplora una variante particolarmente potente di archiviazione su DNA, chiamata codifica combinatoria su DNA, e mostra come un nuovo tipo di correzione degli errori possa renderla molto più affidabile nella pratica.

Come impacchettare più bit nel DNA

La memorizzazione convenzionale su DNA scrive i dati scegliendo una delle quattro basi (A, C, G, T) in ogni posizione lungo un filamento sintetico. La codifica combinatoria su DNA adotta un approccio diverso. Invece di usare un singolo frammento di DNA breve per ogni posizione, utilizza combinazioni accuratamente scelte di frammenti brevi. Ogni posizione in un messaggio digitale è rappresentata non da una singola sequenza corta, ma da un insieme di queste estratte da una libreria predefinita. Questo aumenta notevolmente la quantità di informazione che si può concentrare in ogni passaggio di sintesi, riducendo costi e tempo. Tuttavia, significa anche che per leggere correttamente una singola “lettera” del messaggio memorizzato, il sistema deve rilevare tutti i frammenti che dovrebbero essere presenti in quella posizione.

Quando alcuni pezzi spariscono silenziosamente

Poiché le molecole di DNA sono prodotte e lette in grandi numeri, la stessa sequenza combinatoria appare molte volte, ogni copia prodotta e letta con piccole imperfezioni. Gli autori hanno esaminato diversi set di dati sperimentali e hanno scoperto che un tipo specifico di errore domina nell’archiviazione combinatoria su DNA: la cancellazione di un singolo frammento da una combinazione altrimenti corretta. In altre parole, un membro dell’insieme semplicemente non viene mai osservato nelle letture di sequenziamento, sebbene gli altri siano presenti. Queste “cancellazioni combinatorie asimmetriche” diventano particolarmente comuni quando il numero di letture per sequenza memorizzata è basso—una situazione realistica nei sistemi su larga scala, dove aumentare la profondità di sequenziamento è costoso. Sotto circa 50 letture per sequenza, la frequenza di questi pezzi mancanti aumenta bruscamente, rendendo difficile o impossibile ricostruire i dati previsti con i metodi standard.

Esaminare gli errori su più larga scala

Per andare oltre le piccole dimostrazioni, il team ha collaborato con un partner industriale per costruire un grande sistema proof‑of‑concept di archiviazione combinatoria su DNA. Hanno codificato migliaia di bit di testo in 640 sequenze combinatorie distinte, ciascuna composta da otto posizioni che contengono informazione. Protocolli di laboratorio specializzati hanno assemblato pool di molecole di DNA in cui ogni molecola rappresentava una combinazione di frammenti brevi. I ricercatori hanno quindi sequenziato milioni di letture e usato una pipeline di analisi personalizzata basata su BLAST, un noto strumento di allineamento di sequenze, per identificare quali frammenti apparivano in ogni posizione. Questo grande set di dati ha confermato l’osservazione iniziale: quando la copertura di lettura era elevata, la maggior parte delle combinazioni poteva essere ricostruita, ma quando il numero medio di letture per sequenza diminuiva, i frammenti mancanti—e quindi gli errori di cancellazione—diventavano il principale ostacolo a una decodifica accurata.

Un codice che si aspetta errori monodirezionali

Gli schemi tradizionali di correzione degli errori usati nell’archiviazione su DNA spesso presumono che gli errori siano più o meno simmetrici—i simboli possono essere confusi, aggiunti o persi con probabilità simili. Tale assunzione non si adatta alla codifica combinatoria su DNA, dove il guasto tipico è che un frammento presente nella combinazione originale non compare affatto, mentre frammenti spurii aggiuntivi sono relativamente rari. Per affrontare questo problema, gli autori hanno progettato un nuovo codice di correzione degli errori, chiamato codice combinatorio VT, tarato su questo comportamento monodirezionale. Rappresentano ogni lettera combinatoria come una riga in una matrice binaria e trattano i frammenti mancanti come bit che cambiano solo da uno a zero. Il codice usa un’impronta matematica, o “sindrome”, per ogni lettera che può rivelare quale frammento è venuto a mancare, anche quando è osservata solo una parte della combinazione. Queste sindromi sono a loro volta protette da un codice Reed–Solomon, che permette il recupero di diversi di questi errori attraverso una sequenza.

Mettere alla prova il nuovo metodo

I ricercatori hanno confrontato il loro codice su misura con uno schema Reed–Solomon bidimensionale più convenzionale che era stato usato precedentemente nell’archiviazione su DNA. Hanno testato entrambi con simulazioni software e in un secondo esperimento su larga scala, dove metà delle sequenze erano protette dal metodo tradizionale e metà dal nuovo codice combinatorio, con la stessa ridondanza. In una gamma di condizioni dominate da errori di cancellazione, il nuovo approccio ha ricostruito più spesso correttamente i dati originali, risultando particolarmente efficace quando la copertura di lettura era scarsa. In queste condizioni più difficili, l’approccio tradizionale frequentemente falliva nel decodificare intere sequenze, mentre lo schema combinatorio VT le recuperava ancora.

Perché questo è importante per gli archivi futuri su DNA

Il lavoro dimostra che rendere praticabile l’archiviazione dei dati su DNA non significa solo comprimere più bit nelle molecole—richiede anche correzione degli errori che corrisponda ai reali modelli di errore dei processi di laboratorio usati. Studiando attentamente come fallisce l’archiviazione combinatoria su DNA e progettando codici che si aspettano specificamente la scomparsa di frammenti, gli autori mostrano una via chiara verso archivi su DNA più affidabili e scalabili. Man mano che i sistemi basati su DNA crescono per gestire collezioni di dati sempre più grandi, strategie di correzione degli errori asimmetriche e su misura saranno essenziali per trasformare miscele molecolari fragili in memorie a lungo termine degne di fiducia.

Citazione: Preuss, I., Sabary, O., Gabrys, R. et al. Error characterization and error correction approaches in combinatorial DNA-based storage. Sci Rep 16, 8093 (2026). https://doi.org/10.1038/s41598-026-38599-0

Parole chiave: archiviazione dati su DNA, correzione degli errori, codifica combinatoria, errori di cancellazione, densità informativa