donstuAdvanced Engineering Research (Rostov-on-Don)Advanced Engineering Research (Rostov-on-Don)2687-1653Don State Technical University10.23947/2687-1653-2023-23-3-296-306donstu-2077Research ArticleINFORMATION TECHNOLOGY, COMPUTER SCIENCE AND MANAGEMENTИНФОРМАТИКА, ВЫЧИСЛИТЕЛЬНАЯ ТЕХНИКА И УПРАВЛЕНИЕGATCGGenerator: New Software for Generation of Quasirandom Nucleotide SequencesGATCGGenerator: новый генератор для создания квазислучайных нуклеотидных последовательностейhttps://orcid.org/0000-0001-6476-5828КирьяноваО. Ю.KiryanovaO. Yu.

Ольга Юрьевна Кирьянова, ассистент кафедры цифровых технологий и моделирования

450064, Уфа, ул. Космонавтов, 1

Olga Yu. Kiryanova, Teaching assistant of the Department of Digital Technologies and Modeling

1, Kosmonavtov St., Ufa, 450064

olga.kiryanova27@gmail.comhttps://orcid.org/0000-0001-9087-7364ГарафутдиновР. Р.GarafutdinovR. R.

Равиль Ринатович Гарафутдинов, кандидат химических наук, заведующий лабораторией физико-химических методов анализа биополимеров

450054, Уфа, пр. Октября, 71

Ravil R. Garafutdinov, Cand.Sci. (Chemistry), Head of the Laboratory of Physico-Chemical Methods of Analysis of Biopolymer

71, Oktyabrya Av., Ufa, 450054, Bashkortostan Rep.

garafutdinovr@mail.ruhttps://orcid.org/0000-0002-9848-2882ГубайдуллинИ. М.GubaydullinI. M.

Ирек Марсович Губайдуллин, доктор физико-математических наук, профессор, заведующий лабораторией математической химии

450075, Уфа, пр. Октября, 141

Irek M. Gubaydullin, Dr.Sci. (Phys.-Math.), Professor, Head of the Laboratory of Mathematical Chemistry

141, Oktyabrya Av., Ufa, 450075, Bashkortostan Rep.

irekmars@mail.ruhttps://orcid.org/0000-0002-8917-0449ЧемерисА. В.ChemerisA. V.

Алексей Викторович Чемерис, доктор биологических наук, профессор, главный научный сотрудник

450054,  Уфа, пр. Октября, 71

Aleksei V. Chemeris, Dr.Sci. (Biology), Professor, Chief Research Fellow

71, Oktyabrya Av., Ufa, 450054, Bashkortostan Rep.

chemeris@anrb.ruУфимский государственный нефтяной технический университетРоссияUfa State Aviation Technical UniversityRussian FederationИнститут биохимии и генетики — обособленное структурное подразделение Федерального государственного бюджетного научного учреждения «Уфимский федеральный исследовательский центр»РоссияInstitute of Biochemistry and Genetics — a separate structural subdivision of the Ufa Federal Research Centre, RASRussian FederationИнститут нефтехимии и катализа — обособленное структурное подразделение Федерального государственного бюджетного научного учреждения «Уфимский федеральный исследовательский центр»РоссияInstitute of Petrochemistry and Catalysis — a separate structural subdivision of the Ufa Federal Research Centre, RASRussian FederationИнститут биохимии и генетики — обособленное структурное подразделение Федерального государственного бюджетного научного учреждения «Уфимский федеральный исследовательский центр»РоссияInstitute of Biochemistry and Genetics — a separate structural subdivision of the Ufa Federal Research Centre, RASRussian Federation202329092023233296306Copyright © Kiryanova O.Y., Garafutdinov R.R., Gubaydullin I.M., Chemeris A.V., 20232023Кирьянова О.Ю., Гарафутдинов Р.Р., Губайдуллин И.М., Чемерис А.В.Kiryanova O.Y., Garafutdinov R.R., Gubaydullin I.M., Chemeris A.V.Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://www.vestnik-donstu.ru/jour/article/view/2077Introduction

Introduction. In  recent  decades,  knowledge  about  DNA  has  been  increasingly  used  to  solve  biological  problems (calculations using DNA, long-term storage of information). Principally, we are talking about cases when it is required to select artificial nucleotide sequences. Special programs are used to create them. However, existing generators do not take into account the physicochemical properties of DNA and do not allow obtaining sequences with a pronounced “non-biological” structure. In fact, they generate sequences by distributing nucleotides randomly. The objective of this work is to create a generator of quasirandom sequences with a special nucleotide structure. It should take into account some physicochemical features of nucleotide structures, and it will be involved in storing non-biological information in DNA.

Materials and Methods

Materials and Methods. A new GATCGGenerator software for generating quasirandom sequences of nucleotides was described. It was presented as SaaS (from “software as a service”), which provided its availability from various devices and platforms. The program generated sequences of a certain structure taking into account the guanine-cytosine (GC) composition and the content of dinucleotides. The performance of the new program algorithm was presented. The requirements for the generated nucleotide sequences were set using a chat in Telegram, the interaction with the user was clearly shown. The differences between the input parameters and the specific nucleotide structures obtained as a result of the program were determined and generalized. Also, the time costs of generating sequences for different input data were given in comparison. Short sequences differing in type, length, GC composition and dinucleotide content were studied. The tabular form shows how the input and output parameters are correlated in this case.

Results

Results. The developed software was compared to existing nucleotide sequence generators. It has been established that the generated sequences differ in structure from the known DNA sequences of living organisms, which means that they can be used as auxiliary or masking oligonucleotides suitable for molecular biological manipulations (e.g., amplification reactions), as well as for storing non-biological information (images, texts, etc.) in DNA molecules. The proposed solution makes it possible to form specific sequences from 20 to 5 000 nucleotides long with a given number of dinucleotides and without homopolymer fragments. More stringent generation conditions remove known limitations and provide the creation of quasirandom sequences of nucleotides according to specified input parameters. In addition to the number and length of sequences, it is possible to determine the GC composition, the content of dinucleotides, and the nature of the nucleic  acid  (DNA  or  RNA)  in  advance.  Examples  of  short  sequences  differing  in  length,  GC  composition  and dinucleotide content are given. The obtained 30-nucleotide sequences were tested. The absence of 100 % homology with known DNA sequences of living organisms was established. The maximum coincidence was observed for the generated sequences with a length of 25 nucleotides (similarity of about 80 %). Thus, it has been proved that GATCGGenerator can generate non-biological nucleotide sequences with high efficiency.

Discussion and Conclusion. The new generator provides the creation of nucleotide sequences in silico with a given GC composition. The solution makes it possible to exclude homopolymer fragments, which improves qualitatively the physicochemical stability of sequences.

Введение

Введение. В последние десятилетия знания о ДНК все шире применяются для решения небиологических задач (вычисления с помощью ДНК, долговременное хранение информации). В первую очередь речь идет о случаях, когда необходимо подобрать искусственные нуклеотидные последовательности. Для их создания используются специальные программы. Однако существующие генераторы не учитывают физико-химические свойства ДНК и не позволяют получать последовательности с явно выраженной «небиологической» структурой. Фактически они генерируют последовательности, распределяя нуклеотиды случайным образом. Целью данной работы является создание генератора  квазислучайных последовательностей  с  особой  нуклеотидной  структурой.  Он  должен учитывать  некоторые  физико-химические  особенности  нуклеотидных  структур  и  будет  задействован  при хранении небиологической информации в ДНК.

Материалы  и  методы

Материалы  и  методы. Описано новое  программное  обеспечение  GATCGGenerator для  генерации квазислучайных  последовательностей  нуклеотидов.  Оно  предоставляется  как  SaaS (от  англ.  software as a service — программное  обеспечение  как  услуга),  что обеспечивает  его  доступность  с  разных  устройств  и платформ.  Программа  генерирует  последовательности  определенной  структуры с  учетом гуанинцитозинового (GC)  состава и  содержания динуклеотидов. Представлена  работа  алгоритма  новой  программы.  Требования  к  сгенерированным  нуклеотидным  последовательностям  заданы  с  помощью  чата в  «Телеграм» (Telegram),  наглядно  показано  взаимодействие  с  пользователем.  Определены  и  обобщены различия  входных  параметров  и  получаемых  в  результате  работы  программы  конкретных  нуклеотидных структур.  Также  в  сопоставлении  даны  временные  затраты  генерации  последовательностей  при  различных входных  данных.  Изучены  короткие  последовательности,  различающиеся  по  типу,  длине,  GC-составу  и содержанию динуклеотидов. В табличном виде показано, как в этом случае соотносятся входные и выходные параметры.

Результаты исследования

Результаты исследования. Созданное программное  обеспечение сравнили  с  существующими  генераторами нуклеотидных  последовательностей.  Установлено,  что  генерируемые  последовательности  отличаются  по структуре  от  известных  ДНК-последовательностей  живых  организмов,  а  значит, могут  быть  использованы  в качестве  вспомогательных  или  маскирующих  олигонуклеотидов,  пригодных для  молекулярно-биологических манипуляций (например — реакции амплификации), а также для хранения в молекулах ДНК небиологической информации  (изображений,  текстов и т. д.). Предложенное  решение  дает  возможность  формировать специфические последовательности длиной от 20 до 5 000 нуклеотидов с заданным числом динуклеотидов и без гомополимерных  участков.  Более  жесткие  условия  генерации  снимают  известные  ограничения  и  позволяют создавать  квазислучайные  последовательности  нуклеотидов  по  заданным  входным  параметрам. Кроме количества и длины последовательностей можно заранее определить GC-состав, содержание динуклеотидов и природу нуклеиновой кислоты (ДНК или РНК).

Приводятся  примеры  коротких  последовательностей,  различающихся  по  длине,  GC-составу  и  содержанию динуклеотидов.

Полученные 30-нуклеотидные последовательности прошли проверку. Установлено отсутствие 100-процентной гомологии  с  известными  ДНК-последовательностями  живых  организмов.  Максимальное  совпадение наблюдалось для сгенерированных последовательностей длиной 25 нуклеотидов (сходство около 80 %). Таким образом  доказано,  что  GATCGGenerator  может  с  высокой  эффективностью  генерировать  небиологические нуклеотидные последовательности.

Обсуждение и заключение

Обсуждение и заключение. Новый генератор позволяет создавать нуклеотидные последовательности in silico с заданным  GC-составом.  Решение  дает  возможность  исключить  гомополимерные  фрагменты,  что  качественно улучшает физико-химическую стабильность последовательностей.

GATCGGeneratorгенератор нуклеотидных последовательностейсинтетические нуклеиновые кислотыслучайные последовательностихранение данных в ДНКстеганографияNYRN-олигонуклеотидывычисления с помощью ДНКкриптографияДНК-метчики в гидрологииGATCGGeneratornucleotide sequences generatorsynthetic nucleic acidsrandom sequencesdata storage in DNAsteganographyNYRN-oligonucleotidescalculations with DNAcryptographyDNA-tagging in hydrologyАвторы выражают признательность рецензентам за ценные замечания, способствовавшие улучшению статьи. Работа выполнена в рамках гранта РФФИ 20−07−00222.The authors would like to thank the reviewers for valuable comments that contributed to the improvement of the article. The research is done on RFFI grant no. 20−07−00222.ReferencesМалинецкий Г.Г., Митин Н.А., Науменко С.А. Нанобиология и синергетика. Проблемы и идеи. Препринты Института прикладной математики им. М.В. Келдыша РАН. 2005;29:1–26. URL: http://mi.mathnet.ru/ipmp722 (дата обращения: 01.06.2023).Malinetski GG, Mitin NA, Naumenko SA. Nanobiology and Synergetics. Problems and Ideas. Part 2. Keldysh Institute Preprints. 2005;29:1–26. URL: http://mi.mathnet.ru/ipmp722 (accessed: 01.06.2023).Katz E. (ed) DNA- and RNA-Based Computing Systems, 1st ed. Weinheim: Wiley-VCH; 2021. 408 p.Katz E. (ed) DNA- and RNA-Based Computing Systems, 1st ed. Weinheim: Wiley-VCH; 2021. 408 p.Ceze L., Nivala J., Strauss K. Molecular Digital Data Storage Using DNA. Nature Reviews Genetics. 2019;20:456– 466. https://doi.org/10.1038/s41576-019-0125-3Ceze L, Nivala J, Strauss K. Molecular Digital Data Storage Using DNA. Nature Reviews Genetics. 2019;20:456– 466. https://doi.org/10.1038/s41576-019-0125-3Kaundal A.K., Verma A.K. DNA Based Cryptography: A Review. International Journal of Information and Computation Technology. 2014;4(7):693–698.Kaundal AK, Verma AK. DNA Based Cryptography: A Review. International Journal of Information and Computation Technology. 2014;4(7):693–698.Aquilanti L., Clementi F., Landolfo S., Nanni T., Palpacelli S., Tazioli A. A DNA Tracer Used in Column Tests for Hydrogeology Applications. Environmental Earth Sciences. 2013;70:3143–3154. https://doi.org/10.1007/s12665-013-2379-yAquilanti L, Clementi F, Landolfo S, Nanni T, Palpacelli S, Tazioli A. A DNA Tracer Used in Column Tests for Hydrogeology Applications. Environmental Earth Sciences. 2013;70:3143–3154. https://doi.org/10.1007/s12665-013-2379-yZhirnov V., Zadegan R.M., Sandhu G.S., Church G.M., Hughes W. Nucleic Acid Memory. Nature Materials. 2016;15:366–370. https://doi.org/10.1038/nmat4594Zhirnov V, Zadegan RM, Sandhu GS, Church GM, Hughes W. Nucleic Acid Memory. Nature Materials. 2016;15:366–370. https://doi.org/10.1038/nmat4594Yetisen A.K., Davis J., Coskun A.F., Church G.M., Seok Hyun Yun. Bioart. Trends in Biotechnology. 2015;33(12):724–734. https://doi.org/10.1016/j.tibtech.2015.09.011Yetisen AK, Davis J, Coskun AF, Church GM, Seok Hyun Yun. Bioart. Trends in Biotechnology. 2015;33(12):724– 734. https://doi.org/10.1016/j.tibtech.2015.09.011Dokyun Na. DNA Steganography: Hiding Undetectable Secret Messages within the Single Nucleotide Polymorphisms of a Genome and Detecting Mutation-Induced Errors. Microbial Cell Factories. 2020;19(128):1–9. https://doi.org/10.1186/s12934-020-01387-0Na D. DNA Steganography: Hiding Undetectable Secret Messages within the Single Nucleotide Polymorphisms of a Genome and Detecting Mutation-Induced Errors. Microbial Cell Factories. 2020;19(128):1–9. https://doi.org/10.1186/s12934-020-01387-0Shuhong Jiao, Goutte R. Code for Encryption Hiding Data into Genomic DNA of Living Organisms. In: Proc. 9th International Conference on Signal Processing. Beijing: IEEE; 2008. P. 2166−2169. https://doi.org/10.1109/ICOSP.2008.4697576Shuhong Jiao, Goutte R. Code for Encryption Hiding Data into Genomic DNA of Living Organisms. In: Proc. 9th International Conference on Signal Processing. Beijing: IEEE; 2008. P. 2166−2169. https://doi.org/10.1109/ICOSP.2008.4697576Masanori Arita. Writing Information into DNA. In book: N. Jonoska, G. Păun, G. Rozenberg (eds). Aspects of Molecular Computing. Lecture Notes in Computer Science. Berlin, Heidelberg: Springer; 2004. P. 23–35. https://doi.org/10.1007/978-3-540-24635-0_2Masanori Arita. Writing Information into DNA. In book: N. Jonoska, G. Păun, G. Rozenberg (eds). Aspects of Molecular Computing. Lecture Notes in Computer Science. Berlin, Heidelberg: Springer; 2004. P. 23–35. https://doi.org/10.1007/978-3-540-24635-0_2Church G.M., Yuan Gao, Sriram Kosuri. Next-Generation Digital Information Storage in DNA. Science. 2012;337(6102):1628. https://doi.org/10.1126/science.1226355Church GM, Yuan Gao, Sriram Kosuri. Next-Generation Digital Information Storage in DNA. Science. 2012;337(6102):1628. https://doi.org/10.1126/science.1226355K.A. Schouhamer Immink, Kui Cai. Design of Capacity-Approaching Constrained Codes for DNA Based Storage Systems. IEEE Communications Letters. 2018;22(2):224–227. https://doi.org/10.1109/LCOMM.2017.2775608KA Schouhamer Immink, Kui Cai. Design of Capacity-Approaching Constrained Codes for DNA Based Storage Systems. IEEE Communications Letters. 2018;22(2):224–227. https://doi.org/10.1109/LCOMM.2017.2775608Nozomu Yachie, Kazuhide Sekiyama, Junichi Sugahara, Yoshiaki Ohashi, Masaru Tomita. Alignment-Based Approach for Durable Data Storage into Living Organisms. Biotechnology Progress. 2007;23(2):501–505. https://doi.org/10.1021/bp060261yNozomu Yachie, Kazuhide Sekiyama, Junichi Sugahara, Yoshiaki Ohashi, Masaru Tomita. Alignment-Based Approach for Durable Data Storage into Living Organisms. Biotechnology Progress. 2007;23(2):501–505. https://doi.org/10.1021/bp060261yGarafutdinov R.R., Sakhabutdinova A.R., Slominsky P.A. Aminev F.G., Chemeris A.V. A New Digital Approach to SNP Encoding for DNA Identification. Forensic Science International. 2020;317:110520. https://doi.org/10.1016/j.forsciint.2020.110520Garafutdinov RR, Sakhabutdinova AR, Slominsky PA, Aminev FG, Chemeris AV. A New Digital Approach to SNP Encoding for DNA Identification. Forensic Science International. 2020;317:110520. https://doi.org/10.1016/j.forsciint.2020.110520Ailenberg M., Rotstein O.D. An Improved Huffman Coding Method for Archiving Text, Images, and Music Characters in DNA. BioTechniques. 2009;47(3):747–754. https://doi.org/10.2144/000113218Ailenberg M, Rotstein OD. An Improved Huffman Coding Method for Archiving Text, Images, and Music Characters in DNA. BioTechniques. 2009;47(3):747–754. https://doi.org/10.2144/000113218Doricchi A., Platnich C.M., Gimpel A., Horn F., Earle M., Lanzavecchia G., et al. Emerging Approaches to DNA Data Storage Challenges and Prospects ACS Nano. 2022;16(11):17552–17571. https://doi.org/10.1021/acsnano.2c06748Doricchi A, Platnich CM, Gimpel A, Horn F, Earle M, Lanzavecchia G, et al. Emerging Approaches to DNA Data Storage: Challenges and Prospects. ACS Nano. 2022;16(11):17552–17571. https://doi.org/10.1021/acsnano.2c06748Sakhabutdinova A.R., Mikhailenko K.I., Garafutdinov R.R., Kiryanova O.Yu., Sagitova M.A., Sagitov A.M., et al. Non-Biological Application of DNA Molecules. Biomics. 2019;11(3):344–377. https://doi.org/10.31301/2221-6197.bmcs.2019-28Sakhabutdinova AR, Mikhailenko KI, Garafutdinov RR, Kiryanova OYu, Sagitova MA, Sagitov AM, et al. Non-Biological Application of DNA Molecules. Biomics. 2019;11(3):344–377. https://doi.org/10.31301/2221-6197.bmcs.2019-28Garafutdinov R.R., Chemeris D.A., Sakhabutdinova A.R. Chemeris A.V., Kiryanova O.Yu., Mikhaylenko C.I Encoding of Non-Biological Information for its Long-Term Storage in DNA. Biosystems. 2022;(215–216):104664. https://doi.org/10.1016/j.biosystems.2022.104664.9Garafutdinov RR, Chemeris DA, Sakhabutdinova AR, Chemeris AV, Kiryanova OYu, Mikhaylenko CI. Encoding of Non-Biological Information for its Long-Term Storage in DNA. Biosystems. 2022;(215–216):104664. https://doi.org/10.1016/j.biosystems.2022.104664.9Кирьянова О.Ю., Кирьянов И.И., Гарафутдинов Р.Р., Чемерис А.В., Губайдуллин И.М. GATCGGenerator. Свидетельство о регистрации программы для ЭВМ № RU 2021667097. 2021.Kiryanova OYu, Kiryanova II, Garafutdinov RR, Chemeris DA, Gubaidullin IM. GATCGGenerator. Certificate of Software Registration No. RU 2021667097. 2021. (In Russ.)Borzov E.A., Marakhonov A.V., Ivanov M.V., Drozdova P.B., Baranova A.V., Skoblov M.Yu. RANDTRAN: Random Transcriptome Sequence Generator that Accounts for Partition Specific Features in Eukaryotic mRNA Datasets. Molecular Biology. 2014;48:749–756. https://doi.org/10.1134/S0026893314050021Borzov EA, Marakhonov AV, Ivanov MV, Drozdova PB, Baranova AV, Skoblov MYu. RANDTRAN: Random Transcriptome Sequence Generator that Accounts for Partition Specific Features in Eukaryotic mRNA Datasets. Molecular Biology. 2014;48:749–756. https://doi.org/10.1134/S0026893314050021Harris C.R., Millman K.J., van der Walt S.J., Gommers R., Virtanen P., Cournapeau D., et al. Array Programming with NumPy. Nature. 2020;585:357–362. https://doi.org/10.1038/s41586-020-2649-2Harris CR, Millman KJ, van der Walt SJ, Gommers R, Virtanen P, Cournapeau D, et al. Array Programming with NumPy. Nature. 2020;585:357–362. https://doi.org/10.1038/s41586-020-2649-2

The authors declare that there are no conflicts of interest present.