単一のヒトゲノムを保存するために必要なバイト単位のストレージ量 (MB、GB、TB など) を探しています。ウィキペディアで DNA、染色体、塩基対、遺伝子に関する記事をいくつか読み、大まかな推測をしましたが、何かを開示する前に、他の人がこの問題にどのようにアプローチするかを知りたいと思います。
別の質問として、人間の DNA にはいくつの原子があるかという質問がありますが、それはこのサイトの話題から外れます。
これは概算であることを理解しているので、人間の DNA を保存できる最小値を探しています。
そのようなことを信頼するなら、ウィキペディアの主張は次のとおりです ( http://en.wikipedia.org/wiki/Human_genome#Information_contentから):
一倍体ヒトゲノムの 29 億塩基対は、最大約 725 メガバイトのデータに対応します。これは、すべての塩基対が 2 ビットでコード化できるためです。個々のゲノムの違いは 1% 未満であるため、約 4 メガバイトまで可逆圧縮できます。
すべての DNA を 1 つのストリームに保存するのではなく、ほとんどの場合、DNA は染色体ごとに保存されます。
大きな染色体は約 300 MB、小さな染色体は約 50 MB かかります。
編集：
塩基対あたり 2 ビットで保存されない最初の理由は、データを操作する上でハードルが発生するためだと思います。ほとんどの人は、それを変換する方法を知りません。また、変換用のプログラムが提供されたとしても、大企業や研究機関の多くの人々は、プログラムのインストール方法を尋ねることを許可されていない/要求する必要がないか、または知らない.
1GB のストレージは無料です。3 GB のダウンロードでも 100 Mbitsps で 4 分しかかからず、ほとんどの企業はより高速です。
もう 1 つのポイントは、データが言われるほど単純ではないということです。
たとえば、Craig_Venterによって発明されたシーケンシングの方法は大きなブレークスルーでしたが、欠点もあります。同じ塩基対の長鎖を分離することはできないため、A が 8 つあるのか 9 つあるのかが常に 100% 明確であるとは限りません。あとで気をつけないといけないこと…
もう 1 つの例は、DNA メチル化です。これは、この情報を 2 ビット表現で保存できないためです。
基本的に、各塩基対は 2 ビットを使用します (T、G、C、および A には 00、01、10、11 を使用できます)。ヒトゲノムには約 29 億の塩基対があるため、(2 * 29 億) ビット ~= 691 メガバイトです。
私は専門家ではありませんが、ウィキペディアのヒトゲノムのページには次のように記載されています。
生の MB:
それらの差異がどこから来るのかはわかりませんが、あなたならそれを理解できると確信しています。
はい、全ヒト DNA に必要な最小 RAM は約 770 MB です。ただし、2 ビット表現は実用的ではありません。それを検索したり、計算したりするのは難しいです。したがって、一部の数学者は、これらの塩基のシーケンスを格納するためのより効果的な方法を設計し、それらをたとえば GARLI (www.bio.utexas.edu/faculty/antisense/garli/garli.html) などの検索および比較アルゴリズムで使用します。このアプリケーションは現在私の PC で実行されているので、あなたに言えることは、実際には DNA が約1,563 MBに保存されているということです。
私たちの DNA を構成する 4 つのヌクレオチド塩基があり、これらは A、C、G、T であるため、DNA の各塩基は 2 ビットを占めます。約 29 億の塩基があるので、約 700 メガバイトになります。奇妙なことは、通常のデータ CD をいっぱいにすることです! 一致？！？
ヒトゲノムには 30 億以上の塩基対が含まれています。したがって、各塩基対を 2 ビットで表した場合、6.15 × 10⁹ ビットまたは約 770 MB を占めます。