DNA 기반 관계형 데이터베이스 구축

초록

본 논문은 DNA 스트랜드를 이용해 관계형 테이블을 저장하고, 관계대수 연산인 카테시안 곱, 합집합, 차집합, 선택, 투사, 교집합, 조인, 나눗셈을 분자 수준에서 수행하는 알고리즘을 제시한다. 이를 통해 분자 컴퓨팅이 대규모 데이터 검색에 활용될 수 있음을 실증한다.

상세 분석

본 연구는 전통적인 전자식 저장 매체가 한계에 다다른 상황에서, DNA의 초고밀도 저장 특성을 관계형 데이터베이스와 결합하려는 시도이다. 먼저 저자는 관계형 레코드를 고정 길이 DNA 서열로 인코딩하는 방식을 제안한다. 각 속성은 2비트(또는 4비트) 코덱으로 변환되어 염기 서열에 매핑되며, 레코드 구분을 위해 고유한 플라스머 마커와 종결 서열을 삽입한다. 이러한 인코딩은 오류 정정 코드를 포함시켜 PCR 증폭 과정에서 발생할 수 있는 삽입·삭제·치환 오류를 최소화한다.

관계대수 연산은 전통적인 알고리즘을 분자 생화학적 반응으로 변환한다. 예를 들어, 카테시안 곱은 두 테이블의 DNA 풀을 혼합한 뒤, 제한효소와 리가아제를 이용해 모든 가능한 조합을 연결하는 ‘연결 반응’으로 구현한다. 합집합과 차집합은 각각 동일 서열을 선택적으로 보존하거나 제거하는 ‘하이브리다이제이션-선택’ 과정을 통해 수행된다. 선택 연산은 특정 속성값에 상보적인 탐침 서열을 설계하여, 목표 레코드만을 친화적으로 끌어내는 방식이며, 투사는 불필요한 속성에 해당하는 구간을 제한효소로 절단하고 재연결함으로써 구현한다. 교집합은 두 풀 사이의 상보적 하이브리다이제이션을 이용해 겹치는 서열만을 남기고, 조인은 카테시안 곱 후 선택 연산을 연속 적용하는 복합 프로세스로 정의된다. 마지막으로 나눗셈은 조인과 차집합을 조합해 ‘모든 가능한 조합이 존재하는’ 레코드 집합을 추출한다.

알고리즘의 복잡도 분석에서는 전통적인 전자식 DBMS와 달리 연산 시간은 주로 반응 시간(수시간~수일)과 시료 준비 단계에 의존함을 강조한다. 그러나 병렬성 측면에서 수천억 개의 DNA 분자가 동시에 반응하므로, 이론적 스루풋은 기존 메모리 기반 시스템을 크게 초과한다. 또한 저자는 실험적 검증을 위해 4개의 속성을 가진 8레코드 테이블을 구성하고, 각 연산을 수행한 후 전기영동 및 시퀀싱으로 결과를 확인하였다. 모든 연산이 기대한 결과와 일치했으며, 오류율은 0.5% 이하로 보고되었다.

핵심 인사이트는 (1) DNA 인코딩이 관계형 스키마를 충분히 표현할 수 있다는 점, (2) 기존 분자 연산(하이브리다이제이션, 제한효소 절단, 리가아제 연결)을 조합해 관계대수 연산을 구현할 수 있다는 점, (3) 대규모 병렬성을 활용해 데이터 검색 속도를 이론적으로 극대화할 수 있다는 점이다. 다만, 현재는 실험실 수준의 작은 데이터셋에 국한되며, 오류 정정, 자동화된 시퀀싱 파이프라인, 비용 효율성 개선이 향후 과제로 남아 있다.