ДНК-архив в бактериях: что показал опыт на 100 поколениях

Файл с рассказом Эрнеста Хемингуэя «Очень короткий рассказ» занимал 3288 байт. Исследователи закодировали его в 41 последовательность ДНК, собрали их в плазмиду и внесли в бактерию Escherichia coli. После выращивания бактерий до 100 поколений учёные прочитали последовательности плазмиды. В этих условиях конкретную запись удалось восстановить. Это не означает, что любой архив можно хранить в клетках бесконечно и без потерь.

Работу выполнила группа Yu Wang, Jiaxin Xu, Yang Wang и коллег из научных организаций Китая. Статья «Towards scalable DNA data storage with DNA-SaM codec system» опубликована в рецензируемом журнале Nature Communications 19 октября 2026 года; редакция приняла её 30 сентября. Полный текст статьи и дополнительные материалы доступны по DOI. На странице журнала есть также файл открытого рецензирования.

Как файл превращается в ДНК

Цифровые данные состоят из нулей и единиц. DNA-SaM переводит их в последовательности из четырёх букв ДНК: A, T, G и C. Вместо того чтобы каждый раз подбирать цепочку заново, система использует словарь коротких последовательностей. В описанной авторами версии в нём 42 560 фрагментов длиной восемь нуклеотидов. Для записи данных отведено 32 768 слов, остальные служат вариантами замены.

Словарь подбирали с учётом свойств, важных для изготовления и чтения ДНК. Доля G и C в кодовых словах должна составлять от 37,5 до 62,5%, а длинные повторы одной буквы исключаются. Но при соединении подходящих слов могут возникать нежелательные мотивы, например повторы или участки, похожие на сигналы, запускающие работу генов. Чтобы находить их и заменять, авторы применили суффиксный автомат, структуру данных для быстрого поиска последовательностей. Для записи в живой клетке это имеет значение: чужеродная ДНК может влиять на клеточные процессы и устойчивость плазмиды.

Код также получает адреса, позволяющие собрать фрагменты в нужном порядке, и избыточные данные для восстановления повреждённых участков. Один механизм, код Варшамова-Тенгволта, предназначен для исправления одиночной замены, вставки или удаления основания. Другой использует операцию XOR: к четырём строкам данных добавляют пятую, вычисленную из них. Если одна строка потеряна, её можно восстановить по оставшимся строкам и дополнительной. Такая коррекция помогает при определённых ошибках, но не гарантирует исправление любой порчи.

Что именно проверили в бактериях

Авторы записали рассказ в плазмиду, небольшую молекулу ДНК, которая копируется отдельно от бактериальной хромосомы. Культуры выращивали при 37 °C, регулярно перенося их в свежую среду. Для эксперимента выбрали три независимые линии с разными информационными последовательностями. Плазмиды исследовали в поколениях 0, 10, 20, 40, 60, 80 и 100. Их размер проверяли электрофорезом, а последовательности читали методом Сэнгера и сравнивали с исходными.

По сообщению авторов, в точках отбора прочитанные последовательности совпадали с исходными, и данные удалось извлечь после 100 поколений. Это результат для проверенных плазмид в трёх линиях и при описанном режиме выращивания. Между точками отбора каждое поколение не проверяли, поэтому редкие изменения, которые могли возникнуть и исчезнуть между измерениями, этим опытом не исключаются.

Размер записи тоже важен. В клетках проверили рассказ, закодированный в 41 последовательность, а не многомегабайтный архив. Авторы кодировали изображение объёмом 1,06 МБ в 54 блока, но для бактериального опыта выбрали только один из них. Рассказ и этот блок изображения подтверждают работу схемы на отдельных записях, но не сохранность целого мегабайтного файла в бактериях.

Синтетическая ДНК: проверка с другими условиями

Отдельную серию опытов провели вне клеток. Файлы записали в синтетические олигонуклеотиды, то есть искусственно изготовленные короткие цепочки ДНК. Число копий в образцах постепенно уменьшали, затем молекулы размножали методом полимеразной цепной реакции (ПЦР) и читали методом высокопроизводительного секвенирования.

В трёх подробно описанных пулах файлы полностью восстановили после коррекции ошибок при концентрации не ниже 10⁵ копий на одну последовательность. При меньшем числе копий часть данных терялась. Например, при 10⁴ копий коррекция увеличивала долю восстановленных данных, но не возвращала файлы целиком. Влияло и покрытие секвенирования, то есть число прочтений каждой последовательности. Для большинства из 17 проверенных пулов полное восстановление получили при покрытии 20× или выше; некоторым наборам требовалось более 50×.

Эти результаты не сравнивают напрямую «живое» и синтетическое хранение. В бактериях проверяли, сохраняются ли выбранные плазмидные записи при размножении клеток и последующем чтении. В синтетических пулах изучали, как число молекулярных копий и глубина чтения влияют на восстановление после разведения, ПЦР и секвенирования. Сто поколений в первом опыте не доказывают, что бактерии надёжнее синтетической ДНК при равных условиях: такого сравнения авторы не проводили.

Теоретическая ёмкость и практические пределы

Авторы оценивают потенциальную ёмкость архитектуры DNA-SaM более чем в 270 петабайт. Это расчёт, основанный на схеме адресации и кодирования, а не объём данных, который удалось записать и восстановить в лаборатории. Эксперименты проверяли файлы и пулы гораздо меньшего размера. В клетках исследовали отдельные последовательности и один выбранный блок изображения.

Есть и практические вопросы. Синтез и чтение ДНК остаются дорогими. При живом хранении плазмиды могут переходить между клетками; авторы отдельно обсуждают риск горизонтального переноса генов и необходимость биологического сдерживания. Поэтому сохранность отдельных записей и безопасность хранения в живых системах требуют разных проверок.

Опыт с рассказом Хемингуэя показывает, что кодирование, коррекция ошибок и подбор последовательностей, совместимых с клеточной системой, сработали вместе в конкретной лабораторной схеме. Сто поколений дают проверку выбранных плазмид в нескольких временных точках, но не доказывают бессрочное хранение архива. Разобраться, где заканчиваются измеренные результаты и начинаются более широкие выводы, помогает наш материал о критическом анализе научной статьи.

Источники

Wang Y., Xu J., Wang Y. et al. «Towards scalable DNA data storage with DNA-SaM codec system». Nature Communications, опубликована 19 октября 2026 года. DOI: 10.1038/s41467-026-78759-4. Рецензируемая оригинальная статья, полный текст и дополнительные материалы.
Серегин А. «Рассказ Хемингуэя записали в ДНК кишечной палочки». Naked Science, 20 октября 2026 года. Русскоязычный обзор первичной работы.