DNA的另一种新用途——存储数据

编者按

伴随着大数据时代的来临，其中一个重要问题是如何存储数据？很可能就在不远的将来，需要存储的数据量甚至会大于存储设备的总容量。那么，有没有新的存储介质呢？

专家预测，到2020年数字信息量将达到40,000EB，如果把这些数据全部存到蓝光光碟中，碟片的重量将与424艘尼米兹航母相当。目前几乎所有的数字数据存储技术都只能持续有限的时间，内存卡和芯片可持续约5年，标准硬盘会因为高温、湿气、磁场或机械故障而损坏，比硬盘更好的固态硬盘如果长期不接入电源也可能丢失信息。因此，人们一直在寻找高容量、高密度并能够承受极端环境条件的数据存储介质。

脱氧核糖核酸(DNA)给了人们启发，DNA有高密度的信息编码容量，在普通条件下有很长的寿命，而且自然界已经利用DNA携带遗传信息了，科学家开始关注利用DNA作为存储介质的可行性。

1. DNA数据存储的原理

学过计算机的人都知道，任何数字信息都是由0和1构成的二进制编码。而DNA由A、C、G、T四个基本碱基单元组成。因此，将数据保存在DNA之中需要将0和1数据通过一定的编码方法转换为4种核苷酸，即碱基组成的序列。随后通过合成包含这些序列的DNA便可将数字信息保存了。

利用DNA分子进行信息存取的想法早在60年代就已出现，但由于DNA信息的读写较为困难，直到1988年才开始出现利用DNA保存少量信息的实验性工作，不能大规模应用。随着二代测序技术的发展，出现了真正具有突破性进展的DNA存储工作。2012年，哈佛大学和麻省理工学院的著名遗传学家乔治·丘奇(George Church)，即CRISPR基因编辑技术发明人之一，采用一种新型编码方案，用DNA来存储任意数字信息，并将研究成果发表在了《科学》杂志上。这项工作中存储的数据是丘奇自己写的一本书，数据读出则利用PCR先扩增序列再用二代测序仪测序，最后成功恢复了原始数据文件，整本书籍5.27M位中仅有10位错误。

图1  技术George Church采用的DNA数据存取方案示意图

2016年，微软公司曾与Twist Bioscience签订协议订购了约1000万条DNA产品，用于测试DNA数据存储能力。同年七月份微软和华盛顿大学的研究人员宣布自己成功利用这些DNA完成了约200MB数据的保存工作，这也是数字数据一次性写入DNA的最大数据量。其中包括《战争与和平》以及99部经典文学作品，摇滚乐队的高清音乐视频、《世界人权宣言》、数字图书馆“古腾堡工程”排名前100位的电子书、以及全球作物多样性信托基金的种子数据库等。今年四月份，微软公司再一次购买了1000万条DNA序列，以对DNA存储进行进一步研究。

2. DNA数据存储的优点

相比传统的存储介质，DNA存储有存储密度高、保存时间长、能耗低等特点。DNA进行数据存储的密度与现时的硬盘、U盘、记忆卡相比是非常惊人的，目前已经实际达到的数据密度为每克DNA可存储215 PB的信息。

DNA也有着很好的耐久性。硬盘或U盘会在几年内失去作用，磁带能存在几十年，DVD和其他光盘可以持续存在约一个世纪，DNA数据存储可以持续2000年且不会变质。2015年苏黎世联邦理工学院研究人员测试了DNA储存信息的持久性，将数据信息采用一种错误校正编码保存到DNA中后，在70°C条件下放置一周仍可无错恢复数据，相当于10°C 条件下存储2000年，估计在-18°C条件下经二百万年仍可恢复数据。保存DNA也非常容易，可以在没有电的干冷阴暗条件下长期保存，几乎不需要维护，也不会破坏生态环境。

DNA存储非常适合于一些不常用却需要长期保存的信息，譬如政府文件、病人的临床信息、研究项目数据、历史档案、个人视频等。

3.DNA数据存储的短板

不过，跟所有新兴技术发展早期一样，DNA存储目前也存在不少亟需克服的短板。

其一，DNA存储写入速度慢，费用高。微软和华盛顿大学的科学家们需要两周时间存储200MB的数据，而普通的U盘或硬盘几秒钟即可搞定。负责合成这些DNA的Twist Bioscience公司通常每碱基价格为10美分，商用合成技术的成本最低可以达到每碱基0.04美分，但碱基都是以百万计的，因而总价不菲。

其二，DNA数据的随机存取仍是个问题。要读取一个字节数据，通常需要将整个DNA库中的序列进行测序解码。微软研究人员测试了一种随机读取数据的方案，伊利诺伊大学的亚兹迪(Yazdi)也开发了一种可重写的DNA文本数据随机访问存储系统。要完全解决DNA数据的随机存取问题仍需进一步研究。

总而言之，尽管DNA数据存储的概念非常新颖，但是该技术从实验室研究阶段走向日常应用还需要数年、甚至数十年的研究和发展。目前DNA合成和测序的花费每年仍以指数形式下降，预计随着DNA读写成本的大幅降低，DNA存储或许会成为长期存储数据的一种选择，DNA存储技术也有望进入寻常百姓家。

作者简介

蔡晓辉，生物信息学博士，副研究员，上海生物信息技术研究中心生命科学数据中心主任。

责任编辑：刘小玲