Une étude novatrice constitue une avancée significative vers le développement d'un système de stockage de données numériques basé sur l'ADN .
Les données numériques croissent aujourd'hui de façon exponentielle en raison de notre dépendance aux appareils électroniques et nécessitent un stockage robuste à long terme. Le stockage des données devient progressivement un défi, car la technologie numérique actuelle ne permet pas d'y apporter de solution. À titre d'exemple, la quantité de données numériques créées au cours des deux dernières années dépasse celle de toute l'histoire de l'informatique : 2.5 quintillions d'octets (1 quintillion d'octet = 2 500 000 téraoctets (To) = 2 500 000 000 gigaoctets (Go)) sont créés chaque jour dans le monde. Cela inclut les données des réseaux sociaux, les transactions bancaires en ligne, les archives des entreprises et des organisations, les données satellitaires, les données de surveillance, les données de recherche et développement, etc. Ces données sont massives et non structurées. Par conséquent, répondre aux besoins considérables de stockage et à la croissance exponentielle de ces données représente un défi majeur, en particulier pour les organisations et les entreprises qui exigent un stockage robuste à long terme.
Les options disponibles actuellement sont le disque dur, les disques optiques (CD), les clés USB, les lecteurs flash et les lecteurs de bandes plus avancés ou les disques optiques BluRay qui stockent environ jusqu'à 10 téraoctets (To) de données. De tels dispositifs de stockage, bien qu'utilisés couramment, présentent de nombreux inconvénients. Premièrement, ils ont une durée de conservation faible à moyenne et ils doivent être stockés dans des conditions de température et d'humidité idéales pour pouvoir durer plusieurs décennies et nécessitent donc des espaces de stockage physiques spécialement conçus. Presque tous consomment beaucoup d'énergie, sont encombrants et peu pratiques et peuvent être endommagés lors d'une simple chute. Certains d'entre eux sont très coûteux, sont souvent entachés d'erreurs de données et ne sont donc pas assez robustes. Une option qui a été universellement acceptée par l'organisation est appelée cloud computing - un arrangement dans lequel une entreprise loue essentiellement un serveur "extérieur" pour gérer tous ses besoins informatiques et de stockage de données, appelé "cloud". L'un des principaux inconvénients du cloud computing sont les problèmes de sécurité et de confidentialité et la vulnérabilité aux attaques de pirates. Il existe également d'autres problèmes tels que les coûts élevés impliqués, le contrôle limité par l'organisation mère et la dépendance à la plate-forme. Le cloud computing est toujours considéré comme une bonne alternative pour le stockage à long terme. Cependant, il semble que les informations numériques générées dans le monde dépassent certainement notre capacité à les stocker et des solutions encore plus robustes sont nécessaires pour répondre à ce déluge de données tout en offrant une évolutivité pour prendre également en compte les besoins de stockage futurs.
L'ADN peut-il aider au stockage informatique ?
Notre ADN (acide désoxyribonucléique) est envisagé comme un support alternatif prometteur pour le stockage de données numériques. L'ADN est le matériel autoréplicatif présent dans presque tous les organismes vivants et constitue notre information génétique. Un ADN artificiel ou synthétique est un matériau durable qui peut être produit à l'aide d'appareils de synthèse d'oligonucléotides disponibles dans le commerce. Le principal avantage de l'ADN est sa longévité : il dure 1 000 fois plus longtemps que le silicium (la puce de silicium, matériau utilisé pour la construction des ordinateurs ). Étonnamment, un seul millimètre cube d' ADN peut contenir un quintillion d'octets de données ! L'ADN est également un matériau ultracompact qui ne se dégrade jamais et peut être conservé dans un endroit frais et sec pendant des centaines de siècles. L'idée d'utiliser l'ADN pour le stockage existe depuis longtemps, et ce, depuis 1994. La principale raison est la similitude de mode de stockage de l'information dans un ordinateur et dans notre ADN : les deux contiennent les plans de construction de l'information. Un ordinateur stocke toutes les données sous forme de 0 et de 1, tandis que l'ADN stocke toutes les données d'un organisme vivant grâce à ses quatre bases : la thymine (T), la guanine (G), l'adénine (A) et la cytosine (C). Par conséquent, l'ADN pourrait être considéré comme un dispositif de stockage standard, au même titre qu'un ordinateur, puisque ces bases peuvent être représentées par des 0 (bases A et C) et des 1 (bases T et G). L'ADN est robuste et durable, ce qui se traduit simplement par la transmission efficace et répétée de notre code génétique – le plan de toutes nos informations stockées dans l'ADN – d'une génération à l'autre. Tous les géants du logiciel et du matériel informatique s'intéressent de près à l'utilisation d'ADN synthétique pour stocker d'énormes quantités de données et atteindre leur objectif : l'archivage à long terme. L'idée consiste d'abord à convertir le code informatique (0 et 1) en code ADN (A, C, T, G). Ce code ADN converti est ensuite utilisé pour produire des brins d'ADN synthétiques qui peuvent être conservés à basse température. Lorsque cela est nécessaire, les brins d'ADN peuvent être sortis du stockage frigorifique et leurs informations décodées à l'aide d'une machine de séquençage d'ADN, la séquence d'ADN étant finalement retraduite au format informatique binaire de 1 et de 0 pour être lue sur l'ordinateur.
Il a été démontré¹ que quelques grammes d'ADN suffisent pour stocker un quintillion d'octets de données et les conserver intactes pendant près de 2000 1 ans. Cependant, cette découverte simple se heurte à plusieurs obstacles. Premièrement, l'écriture de données sur l'ADN, c'est-à-dire la conversion des 0 et des 1 en bases azotées (A, T, C, G), est une opération coûteuse et extrêmement lente. Deuxièmement, une fois les données « écrites » sur l'ADN, leur localisation et leur récupération sont complexes et nécessitent le séquençage de l'ADN : il s'agit de déterminer l'ordre précis des bases au sein d'une molécule d' ADN , après quoi les données sont décodées et reconverties en 0 et en 1.
Une étude récente² menée par des scientifiques de Microsoft Research et de l'Université de Washington a permis d'obtenir un accès aléatoire au stockage ADN. Cet accès aléatoire est crucial car il signifie que l'information peut être transférée depuis ou vers un emplacement (généralement une mémoire) où chaque emplacement, quelle que soit sa position dans la séquence, est accessible directement. Grâce à cette technique, il est possible de récupérer des fichiers stockés sur l'ADN de manière sélective, contrairement aux méthodes précédentes qui nécessitaient le séquençage et le décodage de l'intégralité des données ADN pour trouver et extraire les quelques fichiers souhaités. L'importance de l'accès aléatoire est d'autant plus grande que le volume de données augmente considérablement, car il réduit le nombre de séquences à effectuer. C'est la première fois que l'accès aléatoire est démontré à une telle échelle. Les chercheurs ont également développé un algorithme permettant de décoder et de restaurer les données plus efficacement et avec une meilleure tolérance aux erreurs, ce qui accélère également la procédure de séquençage. Plus de 13 millions d'oligonucléotides d'ADN synthétiques ont été codés dans cette étude, représentant un volume de données de 200 Mo composé de 35 fichiers (contenant vidéo, audio, images et texte) dont la taille varie de 29 Ko à 44 Mo. Ces fichiers ont été récupérés individuellement sans erreur. De plus, les auteurs ont conçu de nouveaux algorithmes plus robustes et tolérants aux erreurs pour l'écriture et la lecture des séquences d'ADN. Cette étude, publiée dans Nature Biotechnology, constitue une avancée majeure en présentant un système viable et à grande échelle pour le stockage et la récupération d'ADN.
Le stockage de données sur ADN présente un grand intérêt grâce à sa haute densité de données, sa grande stabilité et sa facilité de stockage. Cependant, de nombreux défis doivent encore être relevés avant son adoption généralisée. Parmi ces défis figurent le décodage (le séquençage) de l'ADN, processus long et laborieux, ainsi que sa synthèse . La technique requiert une plus grande précision et une couverture plus étendue. Malgré les progrès réalisés dans ce domaine, le format exact de stockage des données à long terme reste encore à définir. Microsoft s'est engagé à améliorer la production d'ADN synthétique et à relever ces défis afin de concevoir un système de stockage sur ADN pleinement opérationnel d'ici 2020.
***
Sources)
1. Erlich Y et Zielinski D 2017. DNA Fountain permet une architecture de stockage robuste et efficace. Science. 355(6328). https://doi.org/10.1126/science.aaj2038
2. Organick L et al. 2018. Accès aléatoire au stockage de données ADN à grande échelle. Nature Biotechnology. 36. https://doi.org/10.1038/nbt.4079
***
