Polimery o programowalnych poprzez sekwencję właściwościach jako materiały nowej generacji do archiwizacji danych – PolyNCs

Od zarania dziejów ludzie musieli przechowywać informacje, aby przekazywać zdobytą wiedzę kolejnym pokoleniom. Metody przechowywania informacji znacząco ewoluowały na przestrzeni wieków. Jednak mimo zaawansowania współczesnych technologii, nie nadążają one za rosnącą liczbą generowanych bitów danych. Obecnie ilość wytwarzanych danych przekracza pojemność konwencjonalnych nośników, takich jak dyski twarde czy pamięci flash, a tendencja ta dynamicznie się nasila. Wadą powszechnie stosowanych dysków twardych jest ich ograniczona stabilność oraz wysokie zużycie energii.

Natura wykorzystuje kwasy nukleinowe jako głównych nośników informacji. Udowodniono, że syntetyczne DNA może służyć do przenoszenia kodu binarnego, który umożliwia przechowywanie tekstu lub instrukcji procesora komputerowego przy użyciu zapisu 0 i 1, reprezentowanego przez dwa wybrane nukleotydy.

Polimery o zdefiniowanej sekwencji (SDP, ang. sequence-defined polymers) stanowią stabilne, efektywne zasobowo i energetycznie oraz zrównoważone rozwiązanie dla przechowywania danych – korzystną alternatywę dla DNA. Właściwości syntetycznych polimerów można precyzyjnie dostosować do konkretnych potrzeb. Charakterystyki polimerów można modulować poprzez dobór elementów budulcowych z szerokiej biblioteki syntetycznych monomerów. W ten sposób możliwe jest zwiększenie stabilności, wydłużenie żywotności materiału lub uproszczenie odczytu informacji. Co więcej, rozszerzony alfabet syntetycznych monomerów pozwala na osiągnięcie większej gęstości informacji.

Dodatkowo, pojemność przechowywania danych przy użyciu syntetycznych polimerów może zostać zwiększona dzięki przestrzennej organizacji cyfrowych polimerów z wykorzystaniem niekowalencyjnych metod syntezy, takich jak warstwowe nanoszenie polielektrolitów (Layer-by-Layer). Tego typu podejścia eliminują ograniczenia związane z klasyczną syntezą polimerów. Makrocząsteczki można sekwencyjnie organizować na małej powierzchni, uzyskując w ten sposób materiały o dużej pojemności danych.

W porównaniu do powszechnie stosowanych dysków twardych, szybkość zapisu i odczytu danych z makrocząsteczek jest znacznie mniejsza. Polimery nie zastąpią dysków twardych, ale mogą zminimalizować problem przechowywania danych i znaleźć zastosowanie jako nośniki do długoterminowego archiwizowania. Kluczowym wymaganiem jest jednak efektywność i szybkość odczytu informacji.

Celem projektu jest opracowanie polimerów o zdefiniowanej sekwencji, zaprojektowanych z myślą o odczycie informacji zakodowanej w sekwencji monomerów na podstawie właściwości fluorescencyjnych. Monomery zawierające barwniki fluorescencyjne zostaną zsyntetyzowane i użyte do zapisu informacji w łańcuchach makrocząsteczek za pomocą iteracyjnej syntezy. Kluczowe będzie dobranie odpowiednich struktur monomerów, które pozwolą na otrzymanie polimerów charakteryzujących się sekwencyjnie zależnymi właściwościami fluorescencyjnymi.

Uzyskane charakterystyki polimerów posłużą do treningu sieci neuronowych. Dzięki zastosowaniu narzędzi sztucznej inteligencji możliwa będzie ocena fluorescencji jako metody odczytu informacji zakodowanej w makrocząsteczkach. W projekcie przyjęto hipotezę, że spektroskopia fluorescencyjna stanowi korzystną technikę odczytu polimerów cyfrowych. Zalety stosowania fluorescencji jako metody sekwencjonowania polimerów to: szybkość, niski koszt, nieniszczący charakter pomiaru, brak konieczności odzyskiwania próbki, wysoka czułość, możliwość miniaturyzacji oraz zastosowania w analizie równoległej o wysokiej przepustowości.

Pomimo dużego potencjału fluorescencji jako metody sekwencjonowania, głównym wyzwaniem naukowym projektu jest opracowanie polimerów, które generują sygnał fluorescencyjny zależny od sekwencji. W tym celu monomery zostaną zaprojektowane tak, aby były wrażliwe na odległość między jednostkami fluoroforowymi (wpływającą na transfer energii) oraz na warunki środowiskowe.

Oczekiwane wyniki projektu przyczynią się do powstania nowej, wartościowej wiedzy podstawowej na temat zależności pomiędzy sekwencją a właściwościami fluorescencyjnych polimerów. Badania nad układami dyskretnymi umożliwią systematyczne porównanie różnych sekwencji i głębsze zrozumienie zachodzących zjawisk. Ponadto, narzędzia AI umożliwią odkrycia, które są niedostępne przy użyciu tradycyjnych metod. Zdobyta wiedza przyczyni się do rozwoju chemii polimerów (syntezy nowych struktur) oraz dziedziny materiałów funkcjonalnych (tworzenia nowych materiałów do przechowywania danych), a także pozwoli na ocenę fluorescencji jako nowej techniki sekwencjonowania polimerów.