DNAを使用してランダムな数値を生成する

事故。一部の人にとって、周りで起こるすべては1つのまったくの事故です。そして、誰かが事故はないと主張します。このトピックについて何時間も哲学と議論をすることができますが、それでも多くの結論があります。形而上学的な考えからより現実的な考えに移ると、ランダムな数字は、スロットマシンから情報コーディングシステムまで、私たちの生活の多くの側面でその応用が見出されていることがわかります。予測できない一連のランダム番号/シンボルが生成されるプロセスは、ランダム番号生成（RNG）と呼ばれます。人類の長い歴史の中で、多くのRNGメソッドが作成されてきました。ダイス、コイン（表/裏）、カードのデッキなど、非常にシンプルでわかりやすいものもあります。



他のものは、はるかに複雑な物理的プロセスを使用します。たとえば、電子の高周波運動のために、ワイヤの電気抵抗は一定ではありません。ランダムに変化します。このバックグラウンドノイズを測定することにより、一連のランダムな数値を取得できます。しかし、RNG技術は物理学だけに限定されていません。チューリッヒのスイス高等技術学校（または略してETHZ）の科学者のグループは、DNA合成に基づいてランダム数を生成するための新しい方法を作成しました。これはどの程度正確に達成され、数値はどの程度ランダムに取得され、予測できますか？これらの質問に対する答えは、科学者の報告で私たちを待っています。行く。

研究の基礎

ランダム数ジェネレーターとしてのダイスの主な制限の1つは何ですか？これらの数はそれほど多くないという事実（誇張されている場合、つまり確率やその他のものがない場合、36のダイスの組み合わせ）。変動が少ないほど、起こりうる結果を予測しやすくなります。したがって、より複雑で、結果として安全なRNGベースのコーディングを行うには、生成される数値を大きくする必要があり、それら自体がより複雑になります。これは非常に単純化された説明ですが、問題の本質を伝えています。





2つのダイスの組み合わせのバリエーション。



したがって、正確に予測できない物理プロセスの使用は、多くの最新のRNGメソッドの基礎になっています。ただし、RNGには2つの主な方向があることを覚えておく価値があります。ランダム（真にランダム）と疑似ランダム番号の生成です。最初のケースでは、非決定論的（カオス的）ソースを使用してランダムな数値を生成します。 2つ目は、入力（シード）に依存する決定論的な数値シーケンスを作成します。入力シードがわかっている場合は、ランダムな番号のシーケンス全体を再現できます。一見、疑似RNGの効率は低いように見えますが、この方法は統計的特性が優れており、RNGよりもはるかに高速にランダムな数値を生成できることがよくあります。



物理的なプロセスやソフトウェアアルゴリズムだけでなく、化学反応も真にランダムな数を生成するのに適していることは非常に明白です。一方では、化学反応は、化学生成物の形成が反応の活性化エネルギーに応じて特定の確率分布に従う統計的プロセスです。しかし一方で、反応の結果を統計的に予測する能力にもかかわらず、合成後に個々の分子を識別する能力は実質的にゼロです。



ランダムな数を生成するための化学の使用に関する研究はすでに行われています。たとえば、この作品では化学反応の過程で成長する結晶の検出可能なマクロ状態のエントロピーの印象的なプールを提供するデバイスが説明されています。問題は、個々の分子を識別できないと、確率的化学プロセスを分析するときにランダム性が失われることです。言い換えれば、化学反応はRNGには適していないようです。しかし、今日検討している研究の著者が宣言しているように、DNA合成の状況は完全に異なります。



合成DNA生成は、重要な利点を備えた確率的化学プロセスです。合成DNAシーケンス内の個々の分子は、最新のシーケンステクノロジ（次世代シーケンスのNGS）を使用して、簡単に識別および分析できます。）。シーケンス自体は1970年代から存在しますが、現在の技術では、個々の分子を読み取ることができるため、ランダムな数値を生成するためのソースとしてDNAを使用できます。

研究成果

生物学では、微生物成分のグローバルスキームを特定する方法では、分類学的分類のために超可変領域（たとえば、16S rRNA遺伝子）を評価するために、特定のプライマー位置でランダムヌクレオチドを合成する必要があることに注意してください。ランダムヌクレオチド合成の他の用途は、バーコーディングで見つけることができます。そこでは、分子固有の識別子（一意の分子識別子のUMI）の助けを借りて、置換増幅PCR *を排除することができます。

ポリメラーゼ連鎖反応（PCR）* -生体物質中の特定の核酸断片（DNA）の低濃度を大幅に増加させる方法。

科学者は、そのようなランダムなヌクレオチドは文字Nでマークされていることに注意します（NC-IUB標準、つまり生化学に関する国際コミュニティの命名委員会による）。その結果、科学者たちは、使用されるDNAの設計において、文字Nで示される各位置に対してランダムなヌクレオチドを合成する機会を利用しました。





画像＃1この



研究で使用されたDNA鎖は、64ヌクレオチドのランダム領域が一方の端のフォワードプライマー*の所定の領域ともう一方の端のリバースプライマーの所定の領域から流れるように設計されました（図1）。

プライマー*は核酸の短い断片です。

操作されたDNA鎖の全長は105ヌクレオチドで、2つのプライマー領域とランダム領域を含みます。





画像＃2



設計されたDNA鎖は、後に最新のソリッドステート合成技術を使用して物理的に実装されました（画像＃2）。



DNAヌクレオチドの構成要素を混合することは、DNAストレージの分野でも応用されています。以前の研究では、最初にDNA配列の特定の位置にある4つのDNAヌクレオチドすべての混合比を決定することによって* DNAアルファベットを拡張すると、 DNA合成に複合文字を使用することによって論理ストレージ密度を高めることができることが示されています。

* — : A ( ), T (), G () C ().

2回：ランダムなDNA配列は、3回を合成したMicrosynth社によって、一度Eurofinsゲノミクス。最初の会社には、マージする前にビルディングブロックを混合するという追加のタスクが与えられました（合成1）。 2番目の会社は、プロセスに追加の介入なしで合成を作成しました（合成2）。



その結果、合成1により、3 'から5'方向に合成された204μgの乾燥DNAが得られました。ランダム性を判断するために、DNAのプールがシーケンスされ、続いてデジタルフィルタリングされました。



ランダム領域の位置の関数としてのDNA鎖の組成を見ると（画像＃3）、2つの一般的な傾向を見ることができます。

• : G , A C;
• : A C 60 , G 5' 3', T 5' 3'. Microsynth ( ), Eurofins ( ).

画像＃3



観察された傾向は、データの信頼性の最初の指標を提供し、DNA合成中に発生する化学プロセスによって部分的に説明できます。ヌクレオチドG、TとA、Cのパーセンテージの不一致（ヌクレオチドの非等価性）は、いくつかの要因によって引き起こされる可能性があります。 Microsynthによると、合成中の個々のビルディングブロックのボリュームは、最も近いマイクロリットルに制御されていません。



その結果、濃度の違いにより、鎖に沿ったヌクレオチドの分布が不均一になる可能性があります。さらに、結合の効率はビルディングブロックごとに異なり、メーカーによる合成用試薬の使用期間や各ビルディングブロックに取り付けられた保護グループなどの変数によって異なります。異なる結合効率の結果は、4つのヌクレオチドの不均一な分布に関連している可能性が最も高いです。



Gの減少とTの5 'から3'への増加（位置の非等価性）は、合成中にDNA鎖が受ける化学的手順の結果である可能性があります。 DNA合成が3'-5 '方向に進むと、60位のヌクレオチド（画像＃3）が最初にDNA鎖に追加されます。合成されたDNAフラグメントは、DNA鎖の目的の長さが得られるまで合成チャンバーに留まるため、合成の開始時にDNA鎖に追加されたヌクレオチドは、合成環境に最も長く留まります。したがって、これらのヌクレオチドは、ほとんどの合成ステップ、したがってほとんどの酸化ステップを経ています。



化学DNA合成のこの性能特性は、G組成が鎖に沿って5'-3 '方向に減少し、T組成が5'-3'方向に増加する場合、傾向＃2（位置の非等価性）の説明になります。



酸化は、G-Tトランスバージョン（3e）と呼ばれる現象を引き起こす可能性があります。この現象では、G塩基が化学的に変化し、DNA複製ステップ中にT塩基に置き換えることができます。



上記の傾向に加えて、グラフの曲線の違いは、違いに関連している可能性があります。合成戦略（ビルディングブロックを混合する場合としない場合）。



結果に影響を与える可能性のあるバイアスの主な原因は2つあります。カバレッジバイアス（調査中のアイテムの一部がROI外にある場合）とエラーによるバイアスです。



最初のオプションは主にエラーで表されます。エラーは、合成チップ上の空間配置とPCRの確率に関連している可能性があります。 2番目のオプションは、合成、PCR、およびシーケンスの各ステップでの挿入、削除（染色体の一部が失われた場合の染色体の再配列）、または誤ったヌクレオチドの置換の結果です。



この特定の研究では、カバレッジバイアスは、各ランダムシーケンスのカバレッジ間に有意な不一致がある場合にのみヌクレオチドの分布に影響を与えます。しかし、データの分析は、エラーのこの変形が、観察されたヌクレオチドの非等価性および位置の非等価性の原因にはなり得ないことを示した。



エラーによるバイアスに関しては、DNAの分子形態へのアクセスは、DNAシーケンスによってのみ可能であるため、2つのプロセスを完全に分離できないため、合成エラーとシーケンスエラーを区別することは非常に困難です。ただし、調査によると、適切なデータ処理を行うと、ランダムな場所でシーケンスエラーが発生します。



DNA合成中、ストランドの成長は、目的の長さに達するまで中断される可能性があり、その結果、プールでエラーが発生します。しかし、シーケンスプロセスは結果に有意な影響を示しませんでした（3a - 3c）。したがって、エラーによるバイアスは、シーケンスではなく、DNA合成のプロセスによってのみ発生します。



合成1（3a）を正規化することにより、2つのヌクレオチド（3d）の結合の優位性を示すヒートマップが得られました。また、3番目のエラーであるヌクレオチド結合の優位性を確認することもできます。



単一の塩基の既存のヌクレオチドへの結合は、既存のヌクレオチドの性質に部分的に依存します。A、T、C、またはGに自由に結合できる場合、GはAに結合する可能性が低くなります。さらに、GがA、T、C、またはGに自由に結合できる場合、GはGに結合する可能性が高くなり



ます。合成の観点から、この不正確さは非常に簡単に修正できます。たとえば、Gの代わりにTブロックを追加すると（したがって、A、G、T、およびCヌクレオチドのターゲット比率が変更されます）、トランスバージョンからのオフセットが増加します。



ただし、このプロセスは複雑であるため、科学者は研究の一環として「物理的」編集を実行するのではなく、計算後処理アルゴリズムを使用してDNA合成中に作成されたバイアスを取り除き、手順全体の信頼性と再現性を高めることにしました。



データ処理の段階（つまり、RNGの準備段階）では、合成1（Microsynth）から取得したプールを使用しました。このバリアントは、トランスバージョンに起因する最も強い変位を示していますが、滑らかな曲線は、合成ステップ中に最も均一な混合と結合を示しています。



合成されたDNAストランドからランダム性を読み取るには、個々のストランドを読み取る必要があります。これは、シーケンスを使用して行われました（この場合、iSeq100システムが使用されました）。シーケンス後、出力データ（デジタルファイル）は、プールから正しい（つまりエラーのない）シーケンスを選択するように処理されました。



発生した可能性のあるエラーには、削除、挿入、および置換のエラーが含まれます。 DNA鎖が短すぎたり、長すぎたり、損傷した塩基が含まれている可能性があります。ランダム性に対するエラー（特に削除によるエラー）の影響を最小限に抑えるために、すべてのシーケンスを60ヌクレオチドに減らしました。得られた鎖から、正しい長さのランダムヌクレオチドを含む鎖のみが選択された。



コンピューターで処理されたDNAのプールが制限された後（長さが60ヌクレオチドのシーケンスのみ）、次のスキームを使用してDNAヌクレオチドがビットにマッピングされました：A→0、C→0、T→1、G→1。その結果、デジタル化されたDNA鎖バイナリに変換されました。



マッチング後に取得されたビット文字列（ビットストリーム）は、その後、NIST統計テストスイートを使用してランダム性がチェックされました。科学者たちは、チャンスを評価する方法が非常に難しいと主張しています。シーケンスは、すべてのテストが個別に成功した場合にのみ十分にランダムであると見なされました（少なくとも1つのテストが失敗した場合、シーケンスは除外されました）。



NIST統計テストスイートを使用した初期ビットストリームの評価では、すべてのテストが正常に合格したわけではないことが示されました。これは、結果のビットストリームが完全にランダムなシーケンスと同じ統計的特性を持たないことを意味します。それらはまだいくらかの冗長性とバイアスを含んでいます。したがって、DNA合成の段階で発生した変位を除去するために、追加のビット処理が必要でした。



（いくつかの数値が他の数値よりも大きい場合に）出力ビットをシフトする問題を解決するために、科学者はフォンノイマンアルゴリズムを使用することにしました。アルゴリズムは、ビットをペアで順番に考慮し、3つのアクションのいずれかを実行します。2つの連続するビットが等しい場合、それらは削除されます（無視されます）。シーケンス「1、0」は1に変換されます。シーケンス「0、1」はゼロに変換されます。



この研究の文脈では、フォンノイマンアルゴリズムは次のように機能することが期待されていました。

• 入力が「0、1」または「1、0」の場合、最初の桁が出力になり、2番目の桁は破棄されます。
• 入力が「0、0」または「1、1」の場合、出力がないため、両方の入力桁が破棄されます。

この方法の最大の欠点の1つは、大きなデータ損失です。入力データの約75％は、その操作のために破棄されます。したがって、入力は、さらなる損失を補うのに十分な大きさでなければなりません。





画像＃4



生のビットストリーム（オフセットを含む）と処理されたビットストリーム（オフセットなし）の違いを分析すると、オフセットレベリングの効果（上の図）がはっきりとわかります。



各生ビットストリーム（それぞれ60ヌクレオチド長）と各処理ビットストリーム（それぞれ60ヌクレオチド未満の長さ）の累積合計は、各0を「-1」に設定し、各1を「1」に設定することによって計算されました。さらに、オフセットのないすべてのビットストリームが1つのビットブロックに結合されました。



科学者は、データの損失が大きく（すべてのビットの75％以上が失われる）、計算効率が非常に低い（平均データ出力レートが平均データ入力レートの4倍遅い）にもかかわらず、バイアスの除去が完全に実行された（出力では、バイアスが完全に不在）。



フォンノイマンアルゴリズムで処理した後に得られたビットブロックは、NISTシステムを介して再評価されました。





表1：NIST統計テストの結果。



処理されたすべてのビットストリームは、各テストの合格スコアが54/56を超え、統計的に必要な最小値（52/56）を超えるNIST統計テストに合格しました。ビットストリームをさらに評価すると、P値が0.001以上であることがわかりました。したがって、シーケンスは99.9％の信頼レベルでランダムになります。





画像＃5上



の図は、DNA合成を使用してランダム数を生成するための完全なプロセスです。我々は合成の結果として、DNAの204μgのが得られた、覚えて、その約4×10に対応する¹⁵のDNA鎖。この量のDNAを合成するプロセスには約8.75時間かかり、製造コストは約100ドルです。



乾燥したDNAサンプルには、28 PBの理論エントロピー（データにバイアスがない場合）と、フォンノイマンアルゴリズムを使用してオフセットを除去した場合（つまり、75％のビット損失後）の7PBのランダム性が含まれています。したがって、DNAを使用してデータを保存するのとは異なり、合成自体は、ランダム数生成のボトルネック（パフォーマンス制限要因）ではありません。これは、$ 0.000014 / GBのコストで毎秒225ギガバイトの速度でランダム性を生成できるためです。



ただし、逆に、シーケンス処理は、処理の時間とコストの点でボトルネックになります。この作業で使用されるiSeqシステムには、より生産的なオプション（たとえば、NovaSeq 6000）があり、36時間で最大200億のシーケンス読み取りを実行できます。財務コストは非常に印象的です（22,000ドル）。したがって、RNGのすべての段階を考慮すると、結果は1GBあたり600ドルの価格で毎秒300キロバイトの速度で取得できます。複数の合成とシーケンスの実行を組み合わせることにより、コストを削減することができます。



研究のニュアンスについてのより詳細な知識については、科学者の報告とそれに追加された資料を調べることをお勧めします。

エピローグ

ランダムナンバージェネレーターは、当時の人々がその潜在能力を完全に知らなかったとしても、何千年も前から存在しています（イランで見つかった最も古いダイスは約5200年前のものです）。現代の技術と科学の進歩により、人が予測できないランダム性を生成できる複雑なアルゴリズムとデバイスを作成できるようになりました。しかし、人が遅れると、テクノロジーが追いつきます。つまり、暗号がある場合は、復号化機能もあります。したがって、ランダム数ジェネレーターが使用される情報コーディング方法の段階的な改善は、そのようなシステムをハッキングする方法の並行した改善を引き起こします。ロックとロックピックのこの無限の競争は、双方が絶えずますます多くの新しい方法を考え出すことを必要とします。



最新のRNGの多くは、物理的なプロセスとアルゴリズムに基づいています。しかし、化学反応は、RNGの信頼できる基盤にはなり得ないと考えられていたため、長年にわたって傍観されていました。この研究で、科学者たちは、化学的プロセスであるDNA合成が、RNGの基礎の価値のあるバージョンであるだけでなく、多くの面でその「物理的」競合他社を凌駕できることを示しました。



当然のことながら、この方法は依然として粗いダイヤモンドであり、追加の研究という形で粉砕する必要があります。その目的は、生産性の向上とコストの削減です。それにもかかわらず、DNAを使用したランダムな数値の生成は、現在非常に有望な方向です。



ご清聴ありがとうございました。好奇心を持ち、良い一週間をお過ごしください。

ちょっとした宣伝

ご滞在ありがとうございます。あなたは私たちの記事が好きですか？もっと面白いコンテンツを見たいですか？注文や友人に推薦することにより、私たちをサポートして、クラウドVPS $ 4.99からご開発者のための、私たちはあなたのために発明したことをエントリーレベルのサーバのユニークなアナログ： （KVM）E5-2697 v3の（6つのコア）10ギガバイトDDR4 480ギガバイトSSD 1GbpsのVPSについて全体の真実19ドルからまたはサーバーを正しく分割する方法は？（RAID1およびRAID10、最大24コアおよび最大40GB DDR4で利用可能なオプション）。



アムステルダムのEquinixTierIVデータセンターでDellR730xdは2倍安いですか？唯一の我々は2×インテルテトラデカコアのXeon E5-2697v3 2倍の2.6GHzの14C 64ギガバイトDDR4 4x960GB SSD 1Gbpsの$ 199 100テレビオランダ！Dell R420-2x E5-2430 2.2Ghz 6C 128GB DDR3 2x960GB SSD 1Gbps 100TB-99ドルから！ビルのインフラストラクチャを構築する方法についてお読みください。1ペニーで9000ユーロかかるDellR730xd E5-2650 v4サーバーのクラス？