DNA 데이터 저장 채널의 정량적 특성 분석

초록

본 논문은 DNA를 장기 아카이브 매체로 활용할 때 발생하는 합성·보관·시퀀싱 과정의 오류와 분자 손실을 정량·정성적으로 규명한다. 자체 실험과 두 외부 연구팀의 데이터를 분석해, 합성·시퀀싱 단계에서 주로 삽입·삭제·치환 오류가 발생하고, 보관·핸들링 단계에서는 전체 분자 손실이 크게 기여한다는 결론을 도출한다. 이러한 채널 모델링은 향후 코덱 설계와 비용‑효율 최적화에 필수적인 지표를 제공한다.

상세 분석

논문은 DNA 저장 시스템을 “입력: 길이 L인 M개의 DNA 분자(멀티셋) → 출력: N번 독립 샘플링 후 삽입·삭제·치환 오류가 가해진 멀티셋”이라는 채널 모델로 추상화한다. 이 모델은 실제 실험에서 관찰되는 네 가지 주요 오류 원인을 정리한다. 첫째, 합성 단계에서 화학적 반응의 불완전성으로 인해 각 염기가 잘못 삽입되거나 누락되는 확률이 존재한다. 특히 합성 종료 확률이 약 0.05 % 수준으로, 길이가 길어질수록 전체 분자 중 완전한 길이를 갖는 비율이 급격히 감소한다. 둘째, PCR 증폭 과정에서 복제 효율이 2배 미만으로 떨어지는 경우가 빈번하며, 서열 특이적 증폭 편향이 존재해 특정 서열이 과다 복제되거나 소실된다. 셋째, 보관 중 가수분해에 의한 탈리와 탈아민화가 발생한다. 탈리는 DNA 가닥을 파괴해 증폭 프라이머가 양쪽에 존재하지 않게 만들므로 완전히 읽히지 못하고, 탈아민화는 C→U 변이를 일으켜 프로프리딩 효소 사용 시 증폭이 중단되고, 비프로프리딩 효소 사용 시 C→T, G→A 오류로 전환된다. 넷째, Illumina 시퀀싱 단계에서는 삽입·삭제가 10⁻⁶ 수준으로 매우 낮지만, 치환 오류는 0.0004–0.0015 per base 정도이며, GC 함량이 높거나 동질 서열(예: 6개 이상 연속 G)에서는 오류율이 급격히 상승한다. 이러한 오류 원인을 각각 실험 데이터에 매핑한 결과, 합성·시퀀싱 단계가 전체 오류의 약 70 %를 차지하고, 보관·핸들링 단계가 전체 분자 손실의 60 % 이상을 설명한다는 정량적 관계가 도출되었다. 논문은 또한 PCR 사이클 수, 초기 복제본 수(M·copy), 저장 기간 등에 따른 샘플링 분포와 오류 확률 변화를 수식화하여, 설계자가 목표 신뢰도와 비용 사이의 트레이드오프를 명확히 판단할 수 있게 한다.