据美国哥伦比亚大学工程与应用科学学院（Columbia University School of Engineering and Applied Science）2017年3月2日提供的消息，纽约基因组中心(New York Genome Center)的科学家雅尼夫·埃里希（Yaniv Erlich）博士和蒂娜·杰林斯基（Dina Zielinski）3月2日在《科学》（Science）杂志上发表了他们的一项最新研究成果——Yaniv Erlich, Dina Zielinski. DNA Fountain enables a robust and efficient storage architecture. Science, 2017, 355(6328): 950-954.他们在文章中描述一个新的编码技术,可最大限度地提高DNA分子的数据存储容量。
2017年3月2日物理学家组织网报道，研究人员可以在DNA上储存计算机操作系统和短片电影（Researchers store computer operating system and short movie on DNA）。人类产生数据的速度要比硬盘或磁带可以处理数据的速度更快,因此按照现有陈旧的老方法，难以应付快速增长的信息储存，这是科学家所面临的实际问题，寻找信息储存新的解决方案是解决此难题的唯一出路。因为DNA分子是一种令人难以置信的密集存储介质，每克DNA能够存储大约2拍字节，相当于大约300万张CD。
发表在《科学》（Science）杂志的此项新研究成果，是哥伦比亚大学（Columbia University）和纽约基因组中心（New York Genome Center, NYGC）的研究人员合作完成的。此成果表明为在手机上观看流媒体视频而设计的一个算法，可以通过将更多信息挤压成四个基本核苷酸而使得DNA几乎全部存储潜力被开启。他们证明这项技术是非常可靠的。
DNA是一种理想的存储介质,不仅仅因为它是一种令人难以置信的密集存储介质，而且因为它能够使信息保持的时间极长。如果将DNA分子保存在阴凉、干燥的地方,可以使其保存的信息持续成千上万年，就像最近在西班牙的一个洞穴中发现的、距今已有43万年的人类祖先的骨头中，照样保存着DNA信息。
哥伦比亚大学工程与应用科学学院（Columbia University School of Engineering and Applied Science）计算机科学教授、哥伦比亚数据科学研究所（Columbia''s Data Science Institute）成员以及纽约基因组中心(New York Genome Center, NYGC）的核心成员雅尼夫·埃里希（Yaniv Erlich）博士说：“DNA不会像磁带和CD那样，随着时间的推移而降解,它不会成为废物。如果它会成为废物，那我们可就与上大麻烦问题了。”
雅尼夫·埃里希（Yaniv Erlich）博士和他的同事、也是NYGC的一位助理科学家（associate scientist）蒂娜·杰林斯基（Dina Zielinski）一起，他们选择了6个文件来进行编码,即写入DNA。这6个文件分别为一份完整的计算机操作系统文件，一部1895年上映的法国电影“火车到达拉西奥塔站（Arrival of a train at La Ciotat）”视频文件，一份价值50美元的亚马逊礼品卡图片文件，一份计算机病毒程序文件，一份先驱者镀金铝板（Pioneer plaque）图片文件，一份由信息理论学家克劳德·香农（Claude Shannon）在1948年发布的研究论文文件。
他们将这些文件压缩成一种主文件（master file），然后将这些数据分割成短的由0和1组成的二进制代码短的字符串（short strings）。他们利用一种被称作喷泉码（fountain code）的消除纠错算法（erasure-correcting algorithm），随机地将这些二进制代码字符串包装成“水滴（droplet, 即数据包）”，将每个水滴中的0和1映射到DNA的4种碱基（A、G、C和T）上。这种算法删除已知会产生错误的碱基组合，并且将一种条形码加入到每个水滴中，从而有助随后重新装配这些文件。
他们总共产生一份由7.2万个DNA片段（每个片段长200个碱基）组成的数字清单，将这份清单以文本文件的形式发送给位于美国加州旧金山市的一家DNA合成创业公司（San Francisco DNA-synthesis startup）Twist Bioscience。该公司专门将数字化数据进行转化，使其成为生物学数据。两周之后，他们接收到一个储存着一丁点DNA分子的小瓶。
为了检索他们的文件，他们利用现代排序技术（modern sequencing technology）来读取这些DNA片段，随后利用软件将这种遗传密码转化回二进制代码。在他们的研究报道中，他们零误差地将他们的文件复原。也可以浏览相关视频。
他们也证实通过利用聚合酶链式反应（polymerase chain reaction, PCR）增加他们的DNA样品，用他们的编码技术能创建几乎无限地拷贝文件，而且能够从这些拷贝副本，甚至经过多次拷贝的副本中，都能无差错地恢复原文件。
最终，雅尼夫·埃里希（Yaniv Erlich）博士和蒂娜·杰林斯基（Dina Zielinski）表明，他们的编码策略可在每克DNA中包装215拍字节（1拍字节等于1千万亿字节）数据，比哈佛大学研究员乔治·丘奇（George Church）和欧洲生物信息研究所（European Bioinformatics Institute）的开创性研究者尼克·戈德曼（Nick Goldman）和伊万·伯尼（Ewan Birney）开发的数据存储方法高出100倍。雅尼夫·埃里希（Yaniv Erlich）博士说，“我们认为这是迄今为止制造出的最高密度数据存储设备。”
DNA数据存储的能力在理论上受限于每种核甘酸(nucleotide)所对应的2个二进制数，但是DNA本身的生物约束以及为随后重新组装和读取这些DNA片段加入冗余信息的需求使得它的存储能力降低到每种核甘酸(nucleotide)碱基对应1.8个二进制数。
雅尼夫·埃里希（Yaniv Erlich）博士和蒂娜·杰林斯基（Dina Zielinski）的洞察力就是采用喷泉码技术，可使读取和写入过程更加有效。利用他们的DNA喷泉码技术，他们将平均1.6 bit压包到每种核甘酸(nucleotide)碱基中。这要比之前已经发表的方法多存储至少60%的数据，接近于这个1.8 bit的限度。
成本仍然是一大障碍。雅尼夫·埃里希（Yaniv Erlich）博士和蒂娜·杰林斯基（Dina Zielinski）花费了7千美元合成他们用来存储2兆字节（megabytes）数据的DNA，另外还花费了2千美元读取它。尽管DNA测序的成本大幅度下降，但是对DNA合成的需求并非如此。美国加州大学洛杉矶分校（UCLA）生物化学教授、未参与此项研究的斯里·库苏里（Sri Kosuri）说：“投资者不可能冒险投入大量资金降低成本。”
如果合成出的DNA分子质量不高，并且采用DNA喷泉码等编码策略修复DNA分子中的差错，那么DNA的合成成本也能够大幅下降。雅尼夫·埃里希（Yaniv Erlich）博士说，“我们能够将更多的繁重工作交给计算机，从而降低进行比较耗时的分子编码时承受的负担。”
关于DNA硬盘的更多信息网络已有报道，不再赘述。但是，就DNA作为储存介质的优点如下︰其一是体积小。一个碱基只有几个原子大小，人们以此为基础进行数据存储，整体的体积将大大领先于传统硬盘。其二是密度大。一个DNA片段就含有无数个碱基。1克DNA不到指尖上一滴露珠大小，却能够储存700 TB的数据，相当于1.4万张50 GB容量的蓝光光盘，或233个3 TB的硬盘(其质量大约有151 kg)。其三是稳定性强。相比于其他需要低温、真空保存的存储介质，DNA可以在不苛刻的条件下保存上百年。得益于微流体技术的发展，合成、排列DNA成为了一项较为简单方便的工作。
相关报道的背景知识：
DNA的数据密度比磁、光等传统介质高多个数量级。生物科技公司（Twist Bioscience）在2016年就宣称，1 mm3的DNA能存储近10亿TB的数据。虽然这项技术的规模化商业应用还有待时日，但微软公司的研究人员2016年曾经表示，从最初的测试来看这项技术实现的可能性很大，微软在2015年秋天就已经开始了相关的研究。微软研究院的科研人员表示，由于数字数据需求正在成倍的扩张，我们急需寻求更加长期且安全的数据存储方式。微软目前运行着全球最大的云存储平台之一，发现更高效的存储方式对微软来说非常重要，这将有利于微软降低数据存储的成本。
Twist CEO曾经在一份声明中表示，现在的数据存储方式保存时间有限，需要周期性的再次编码。DNA是一种极具潜力的存储介质，其维护成本低且数据能够保存数千年。
另外2016年4月12日科技网站Computer world也曾经报道，微软和华盛顿大学研究人员已经展示了利用人工合成DNA作为数据存储介质的技术。研究人员表示，如果这一技术成熟到适合主流应用，装备当今存储密度最高的存储设备、沃尔玛超市般大小的数据中心，就可能“瘦身”到一块方糖大小，“我们认为，考虑把DNA作为存储介质，探索相关系统设计问题的时机已经成熟”。
研究团队成功地将4个图片文件的数据编码为人工合成DNA片段的核苷酸序列。更重要的是，他们能实现逆过程——从更大的DNA池中取回正确的核苷酸序列，重建图像，而且没有丢失1个字节的信息。另一项试验涉及对视频文件的编码和读取。
DNA存储技术
华盛顿大学计算机科学和技术副教授、论文共同作者路易斯·塞兹(Luis Ceze)在一份声明中说，“生命产生了神奇的DNA，它能高效地存储与基因和生命活动有关的所有信息，而且非常紧凑，非常‘耐用’。我们将把DNA用于数据存储——图像、视频、文档，保存时间可以长达数百或数千年。”
DNA存储技术研究进展神速
对DNA数据存储技术的研究进展神速。1999年，研究人员利用DNA存储技术编码和恢复了一条长23个字母的信息。到2013年，欧洲分子生物学实验室-欧洲生物信息学研究所的科学家，把美国黑人运动领袖马丁·路德·金(Martin Luther King)《我有一个梦想》演讲的mp3文件编码在DNA中。
研究人员在发表在《自然》上的论文中称，这种编码方法使得约一杯DNA能存储至少1亿小时的高清视频。
据英国研究人员称，存储在DNA链中的数据能保存数万年。
在DNA存储技术中，读取DNA相对简单，主要障碍在于写DNA。DNA存储技术存在两个难点：其一，目前的方法只能合成短链DNA；其二，写和读DNA都容易出错。
微软和华盛顿大学研究人员称，他们已经开发了“一种新颖的方法”，把数据中的“1”和“0”字符串转换成DNA序列中的4种碱基——腺嘌呤(A)、鸟嘌呤(G)、胞嘧啶(C)和胸腺嘧啶(T)。
为了访问存储的数据，研究人员在DNA序列中编码了相当于邮政编码和街道地址的寻址信息。聚合酶链反应(Polymerase Chain Reaction, PCR)技术帮助研究人员更轻松地识别他们需要查找的“邮政编码”。研究人员然后利用DNA测序技术，“读取”数据，并通过利用“街道地址”对数据进行整理，将数据恢复成原来的视频、图像或文档。
研究人员表示，“DNA是一种有吸引力的潜在数据存储介质”，理论上其存储密度比磁带高出8个量级，一个可以拿在手里的磁带盒存储容量高达185 TB。
微软和华盛顿大学研究人员也证实了人工合成DNA的“长寿”，称即使在恶劣环境中其半衰期也超过500年，磁带保存时间为10~30年，硬盘为3~5年。
还不够完美
美国研究人员强调了提高存储密度的紧迫性。市场研究公司IDC和存储设备厂商EMC(EMC Corporation)在《数字宇宙》（The Digital Universe）研究论文中称，到2020年，包含在全球计算机、历史档案、电影、照片、企业系统和移动设备中的数据量将达到44万亿GB，“是2013年的10倍。尽管并非所有信息都需要保存，但世界生成数据的速度快于存储容量的增长”。
要进入商用阶段，DNA存储系统还有一些问题需要解决。首先是DNA合成和测序还远不够完美，DNA存储系统的一个关键部分是开发一种适当的编码技术，通过增加冗余度提高容错能力。其次，DNA存储系统中随机存取数据还是个问题，读取延迟远长于写入延迟。目前的技术只能批量读取数据，即使只从存储系统中访问一个字节的信息，系统也必须对整个DNA池进行测序和解码。
把数据编码为DNA序列
研究人员已经提出了改进随机数据存取的方法，即利用PCR只扩增希望读取的数据，并对相应的DNA序列测序。这种方法既能提高数据读取速度，也无需对整个DNA池进行测序。
华盛顿大学计算机科学和技术副教授路易斯·塞兹(Luis Ceze)称，“这是我们在数据存储方面向大自然学习的一个范例。”
评论 (0)