生物存储，DNA表示太能“装”

人们着眼于生物存储技术以前，磁盘、光盘等存储设备一直占据着存储市场的主体。1946年第一台电子数字计算机ENIAC的问世，标志着人类进入了一个崭新的信息革命时代。随着计算机磁存储设备的出现，信息的存储速度与容量日渐得到大幅度改善。一块铝制的圆片，表面涂上磁性介质，便可以在电磁效应作用下，通过一系列二进制字符串来完成存储与表达。而光盘作为光存储介质的代表，同样可以通过数字编码信息将其保存于光盘的表面凹槽中。这些设备一定程度上解决了大量信息的存储问题，然而它们存储能力的增长速度却远远跟不上人类创造新数据的速度。据报道，仅过去两年，人们创造的数据就比此前历史上的所有的数据加在一起还要多。随着数据量的飞速增长，人们迫切需要一种新的存储介质，它理应具有更高的信息存储密度从而节省存储空间，而且结构稳定，其中的数据日久经年也不会发生丢失。而要满足以上两点，似乎没有任何一种存储介质可以比得上DNA。

图1. DNA结构示意图。图片来源：Sergey Volkov / iStockphoto

DNA这一具有双螺旋结构的物质保存着物种的遗传信息，因此也可以看作是一种特殊的数据载体。将各种信息背后的大串1和0数据转换成DNA的四个基本核苷酸：腺嘌呤（A）、鸟嘌呤（G）、胞嘧啶（C）和胸腺嘧啶（T），就能实现信息的存储。理论上，DNA存储的信息密度比现有的磁盘或光盘存储技术高好几百万倍。而且DNA不会像磁盘和光盘那样随着时间的推移发生降解，保存得当的话可以经历成千上万年而不丢失一丁点数据。不要把这个想法当作天方夜谭，实际上，已经有科学家在尝试用DNA来存储数据了。哈佛大学遗传学家George Church等在2012年用DNA片段装下了一本5.2万字的书（Science, 2012, 337, 1628）；微软的工程师和美国华盛顿大学的科学家在2016年用DNA存储数码图片（点击阅读相关）。

然而DNA存储数据现阶段在实际应用中还存在诸多困难。最直接的问题是成本，DNA进行编码存储和读取的过程十分昂贵，商业化应用还需从长计议。另一方面，现有的编码方案效率较低，DNA的实际存储能力仅实现了约理论值的一半，且在读取数据进行检索时常常发生数据遗失，稳定性并不理想。近日，纽约基因组研究中心的Yaniv Erlich与Dina Zielinski在这方面的研究取得了进一步突破，他们在Science报道了一种可靠高效的DNA存储策略——DNA Fountain，大幅提升DNA的存储能力，接近其理论极限（图2）。

图2. 不同科学家在DNA存储方面的努力。图片来源：Science

DNA具有A、T、G、C四种核苷酸，理想状态下，每个核苷酸的信息存储量可以达到2个比特（1字节=8比特），但考虑到存储中的读写错误以及额外的索引信息等等因素，科学家估计实际情况下DNA存储的理论容量是1.8比特/核苷酸，而目前为止最好的结果是1.14比特/核苷酸（Angew. Chem. Int. Ed., 2015, 54, 2552-2555）。

Erlich和Zielinski相信他们可以更接近上述DNA存储能力的理论极限。他们找了六个数据文件作为样品，包括一个完整的计算机操作系统、一个计算机病毒、一部电影等，共2.14 MB（图3A），并将这些文件转换为0和1的二进制字符串，再压缩成一个主文件，然后将这些数据拆分为二进制代码的短字符串。他们还使用“喷泉码”（fountain codes）设计了一种“DNA Fountain”算法（图4），将这些短字符串随机地打包成所谓的云滴，进行额外的标记后，以正确的顺序进行重新组合，最终得到了72,000个DNA链的数字列表，每个链包含200个碱基（图3B）。

图3. DNA存储的实验过程。图片来源：Science

图4. DNA Fountain编码策略。图片来源：Science

Yaniv Erlich又将这些列表发送给Twist Bioscience中心，根据碱基的顺序合成DNA链。收到合成样品后，他们利用现代DNA测序技术，将测序结果输入计算机中，并根据此前设定的编码方式解码得到二进制数据，随后根据标记重新组装成六个原始的数据文件。他们发现这种方法表现的十分出色，不仅得到的文件没有发生任何错误，还能通过聚合酶链反应（PCR）复制得到大量的无错误副本。经过测算，这种DNA Fountain策略下，每个核苷酸可以存储1.57比特的数据，相比此前结果大幅度提升，整体存储量达到理论极限的86％(图3)。如果从重量角度来衡量，这种策略下存储密度最高可实现1克DNA存储21.5万TB的数据，这些数据量在目前需要数十万块大容量硬盘才能装下，比过去的记录提高了至少两个数量级。

加州大学洛杉矶分校的生物化学家Kosuri对这一结果给出了高度的评价，他认为这一研究有力证实了人们利用DNA作为存储介质来存储数据是完全可行的。

不过，DNA存储要想走向实用，依然还有关键问题没有解决。Erlich和Zielinski的实验中，合成DNA用来存储这仅仅2.14 MB数据就花费近7000美元，读取这些数据又另外花费了2000美元；而且，仅仅合成就花费了近两周的时间。想象一下，在电脑上点击一下“存储”按钮，十几天后才弹出提示框“保存成功！”，然后还提示需要缴费上千美元……

随着DNA合成、测序的成本不断下降，存储与读取的成本也会随之下降，但实现这一过程仍旧有很长的路要走。除此之外，相比于其它形式的数据存储，DNA的存储和读取速度相对较慢，该方法对于需要紧急处理的数据则不太奏效。为此，人们仍旧需要做出进一步努力来不断完善DNA的存储过程。

原文（扫描或长按二维码，识别后直达原文页面，或点此查看原文）：

DNA Fountain enables a robust and efficient storage architecture

Science, 2017, 355, 950-954, DOI: 10.1126/science.aaj2038

部分内容编译自：

http://www.sciencemag.org/news/2017/03/dna-could-store-all-worlds-data-one-room