DNA存儲(chǔ)，拯救人類數(shù)據(jù)危機(jī)的良方？
開(kāi)一個(gè)腦洞：如果地球正在面臨一場(chǎng)馬上到來(lái)的毀滅性星際災(zāi)害，人類又想盡可能地保存地球的生命和文明，在現(xiàn)有條件下，該怎么辦？
像大劉一樣讓地球停止自轉(zhuǎn)然后逃離太陽(yáng)系，這恐怕來(lái)不及了。而如果像諾亞方舟一樣，一股腦把人類、動(dòng)植物和人類的知識(shí)搬運(yùn)到飛船上，現(xiàn)有的火箭運(yùn)載能力，恐怕也裝不下這些物質(zhì)的億萬(wàn)分之一。
如果想盡可能多、盡可能長(zhǎng)久地保存地球的生物，我們只需要把所有物種的 DNA 序列信息收集打包，在飛船的低溫環(huán)境下便可以保存長(zhǎng)達(dá)數(shù)十萬(wàn)年；而人類文明的信息呢？我們知道這些信息最高效的形式就是數(shù)據(jù)，而這些數(shù)據(jù)主要存儲(chǔ)在硬盤和光盤當(dāng)中的。
想想這些硬盤儲(chǔ)存器的重量和數(shù)據(jù)密度，我們不得不再一次氣餒。更何況，可能飛船還沒(méi)逃出太陽(yáng)系，這些數(shù)據(jù)就會(huì)因?yàn)橛脖P或光盤的壽終正寢而丟失。
那么 DNA 能不能當(dāng)做硬盤來(lái)存儲(chǔ)數(shù)據(jù)信息呢？答案是，可以的。
DNA 絕對(duì)是這個(gè)星球上最古老的生命信息存儲(chǔ)工具，同樣也可以作為數(shù)據(jù)信息的存儲(chǔ)介質(zhì)，且存儲(chǔ)密度和使用壽命要遠(yuǎn)遠(yuǎn)超出現(xiàn)有的磁盤式的存儲(chǔ)方案。因此，DNA 存儲(chǔ)，正在被人類視為數(shù)據(jù)存儲(chǔ)的未來(lái)，成為拯救人類數(shù)據(jù)存儲(chǔ)危機(jī)的最好的替代方案。
DNA 存儲(chǔ)具體是怎么做到的呢？現(xiàn)在發(fā)展到那一階段？商用的話還有哪些阻礙？這需要我們一一解答。
DNA 存儲(chǔ)是如何工作的？
在了解 DNA 存儲(chǔ)是如何工作的之前，我們簡(jiǎn)單了解下磁存儲(chǔ)和光存儲(chǔ)這兩種現(xiàn)有的解決方案的原理。
磁存儲(chǔ)的原理就是在金屬材料上涂上磁性介質(zhì)，在通電的情況下形成電磁效應(yīng)，可以進(jìn)行存儲(chǔ)和表達(dá) 0101 的二進(jìn)制信息。磁存儲(chǔ)的硬盤的優(yōu)點(diǎn)是錄入和讀取的速度快，缺點(diǎn)是與體積重量相比，數(shù)據(jù)密度較低。經(jīng)過(guò) 60 年發(fā)展，大概可以在 3.5 英寸大小的硬盤驅(qū)動(dòng)上存儲(chǔ) 3TB 數(shù)據(jù)。
光存儲(chǔ)的原理是將數(shù)字編碼的視頻和音頻儲(chǔ)刻錄在光盤表面的凹槽中，再通過(guò)激光將這些凹槽中的數(shù)據(jù)讀取出來(lái)，進(jìn)行轉(zhuǎn)存或播放。當(dāng)前，光存儲(chǔ)也正在經(jīng)歷存儲(chǔ)的極限。因?yàn)橄胍嫦赂嗟臄?shù)據(jù)，凹槽就必須越小、越緊湊，要求激光的精度也越高。目前，單層藍(lán)光光盤能夠保存 25GB 以上的信息，另一種紫外線激光如果研制成功，其光盤容量可以達(dá)到 500GB 的容量。
相對(duì)于磁存儲(chǔ)和光存儲(chǔ)而言，DNA 存儲(chǔ)有哪些優(yōu)勢(shì)？
首先，就是節(jié)約空間。但這些單層平鋪式的存儲(chǔ)方式，比起 DNA 的雙螺旋立體結(jié)構(gòu)來(lái)說(shuō)，其存儲(chǔ)量就有了多個(gè)數(shù)量級(jí)的差距。DAN 本身的物理體積極小且又是立體結(jié)構(gòu)，單位空間的數(shù)據(jù)密度非常高。舉個(gè)簡(jiǎn)單的例子，1 克 DNA 不到指尖上一滴露珠大小，卻能夠儲(chǔ)存 700TB 的數(shù)據(jù)，相當(dāng)于 1.4 萬(wàn)張 50GB 容量的藍(lán)光光盤，或 233 個(gè) 3TB 的硬盤（差不多 151KG 重）。
再則，非常節(jié)能。現(xiàn)有存儲(chǔ)方式，比如說(shuō)一個(gè)數(shù)據(jù)中心，要消耗大量的單晶硅，還要消耗大量的電。而 DNA 物質(zhì)只需保存在陰涼、干燥的地方就可以，基本不需要額外的人工維護(hù)。就算需要把 DNA 冷凍起來(lái)，消耗的資源和能源也幾乎可以忽略不計(jì)。
此外，最重要的一點(diǎn)就是，保存時(shí)間非常久。現(xiàn)在高密度的存儲(chǔ)器都會(huì)隨著時(shí)間推移而衰減，能存儲(chǔ)時(shí)間最長(zhǎng)的工具是磁帶，其壽命也就 50 年，其他的存儲(chǔ)器壽命更短。比較而言，DNA 則保質(zhì)期就以百年計(jì)算了，如果將其冷凍起來(lái)，能保存幾千甚至上萬(wàn)年。
看來(lái)人類文明的拯救方案有了，但 DNA 存儲(chǔ)到底是如何做到的呢？
眾所周知，DNA 由四種含氮堿基——A、T、C和G互補(bǔ)配對(duì)構(gòu)成，科學(xué)家將腺嘌呤（A）、鳥(niǎo)嘌呤（G）、胞嘧啶（C）和胸腺嘧啶（T）分別賦予二進(jìn)制值（A和C=0 ，G和T=1），隨后通過(guò)微流體芯片對(duì)基因序列進(jìn)行合成，從而使該序列的位置與相關(guān)數(shù)據(jù)集相匹配。這樣就把這些堿基對(duì)編碼成 1 和 0 的組合，就可以用 DNA 的序列信息來(lái)表達(dá)二進(jìn)制的語(yǔ)言了。
當(dāng)每次將二進(jìn)制語(yǔ)言寫進(jìn) DNA 序列當(dāng)中，就可以把“DNA 硬盤”放到低溫環(huán)境中進(jìn)行保存。而需要讀取數(shù)據(jù)的時(shí)候，只用對(duì)目標(biāo) DNA 進(jìn)行測(cè)序，將堿基對(duì)還原成二進(jìn)制編碼，再完成解碼，就可以還原為我們常見(jiàn)的數(shù)據(jù)了。
原理是非常簡(jiǎn)單，但科學(xué)家是如何做到的呢？這就要簡(jiǎn)單回顧下 DNA 存儲(chǔ)技術(shù)的發(fā)展史了。
DNA 存儲(chǔ)是如何一步步發(fā)展到現(xiàn)在的？
最先想到這一方法的是一位藝術(shù)家 Joe Davis，他在 1988 年與哈佛研究人員合作，把一個(gè)取名為 Microvenus（小維納斯）的7*5 像素矩陣的照片，轉(zhuǎn)化成 35 個(gè)堿基的 DNA 序列，插入到大腸桿菌里，第一次把不屬于自然演化的信息寫進(jìn)了在 DNA 當(dāng)中。
（Microvenus 代表女性和地球）
2010 年，美國(guó)合成生物學(xué)家克雷格·文特爾（(Craig Venter）帶領(lǐng)研究團(tuán)隊(duì)化學(xué)合成了整個(gè)支原體基因組 DNA，取名為“辛西婭（Synthia）”，并以“自?shī)首詷?lè)”的方式將課題研究者的名字、研究所網(wǎng)址和愛(ài)爾蘭詩(shī)人詹姆斯的詩(shī)句等信息編碼進(jìn)新合成的 DNA 中。
2011 年，哈佛大學(xué)的合成生物學(xué)家喬治·丘奇（George Church）和加州大學(xué)的瑟里·庫(kù)蘇里(Sriram Kosuri)領(lǐng)導(dǎo)的團(tuán)隊(duì)以及約翰·霍普金斯大學(xué)的基因組專家高原（Yuan Gao）首次進(jìn)行了概念證明性實(shí)驗(yàn)。團(tuán)隊(duì)使用短 DNA 片段編碼了一本丘奇的 659KB 數(shù)據(jù)的書。
2013 年，歐洲生物信息研究所（EBI）的尼克·高德曼（Nick Goldman）和他的研究團(tuán)隊(duì)也成功地將包括莎士比亞十四行詩(shī)和馬丁·路德·金“我有一個(gè)夢(mèng)想”的演講片段、一篇沃森和克里克 DNA 雙螺旋論文副本等 5 個(gè)文件編寫進(jìn)了 DNA 片段里當(dāng)中。739KB 數(shù)據(jù)成為當(dāng)時(shí)最大的 DNA 存儲(chǔ)文件。
2016 年，微軟和華盛頓大學(xué)又利用 DNA 存儲(chǔ)技術(shù)完成了約 200MB 數(shù)據(jù)的存儲(chǔ)，成為 DNA 信息存儲(chǔ)技術(shù)的一個(gè)飛躍。
2017 年 7 月，《自然》雜志發(fā)表了哈佛大學(xué)醫(yī)學(xué)院的賽斯·希普曼(Seth Shipman)和喬治·丘奇合作的一項(xiàng)活體 DNA 存儲(chǔ)的研究。他們把一部 130 年前的黑白電影《奔跑中的馬》存在了大腸桿菌的 DNA 上。雖然大腸桿菌體內(nèi)有一段“奇怪的 DNA”，不僅能夠正常生存，還可以正常遺傳，每次繁衍都是一次數(shù)據(jù)復(fù)制。而且存儲(chǔ)在基因組中的電影，在每一代大腸桿菌中也都完整無(wú)缺地保存下來(lái)了。
但因?yàn)榧?xì)胞的復(fù)制、分裂以及死亡，會(huì)造成信息出錯(cuò)的風(fēng)險(xiǎn)，未來(lái)數(shù)據(jù)安全，大多數(shù)情況下存儲(chǔ)信息的 DNA 都是以 DNA 干粉的形式存在，活體細(xì)胞存儲(chǔ)的研究轉(zhuǎn)向合成 DNA 存儲(chǔ)。
同一年，哥倫比亞大學(xué)和紐約基因組中心在《科學(xué)》雜志發(fā)表了一項(xiàng)稱為“DNA 噴泉”算法高效的 DNA 存儲(chǔ)策略。這項(xiàng)技術(shù)展示了最大化利用 DNA 的存儲(chǔ)潛力，成功將海量信息壓縮至 DNA 的四個(gè)堿基，即為每個(gè) DNA 編碼 1.6 比特（bits）的數(shù)據(jù)，比之前多存儲(chǔ)了 60% 的信息，逼近理論極限（1.8 比特）。該方法能夠?qū)?215PB 數(shù)據(jù)存儲(chǔ)在一克 DNA 中，相當(dāng)于 2.2 億部電影。
2018 年，愛(ài)爾蘭沃特福德理工學(xué)院（WIT）研究人員開(kāi)發(fā)出一種新型 DNA 存儲(chǔ)方法，可在 1 克大腸桿菌 DNA 中存儲(chǔ) 1ZB 的數(shù)據(jù)。
2019 年，丘奇團(tuán)隊(duì)又在《科學(xué)》期刊上發(fā)表了一項(xiàng)實(shí)驗(yàn)結(jié)果。他們將丘奇的一本大約 5.34 萬(wàn)個(gè)單詞《再生：合成生物學(xué)將如何改變未來(lái)的自然和自己》的書，以及 11 張圖片和一段 Java 程序，編碼進(jìn)不到億萬(wàn)分之一克的 DNA 微芯片，再成功利用 DNA 測(cè)序來(lái)閱讀這本書。
這些科研的快速發(fā)展也意味著 DNA 合成技術(shù)（數(shù)據(jù)寫入）和 DNA 測(cè)序技術(shù)（數(shù)據(jù)讀取）正走向成熟。但同時(shí)，DNA 編碼過(guò)程仍然存在著存儲(chǔ)/讀取速度和成本等問(wèn)題，DNA 存儲(chǔ)離商業(yè)化還在路上。
DNA 存儲(chǔ)商業(yè)化的問(wèn)題與進(jìn)展
在實(shí)驗(yàn)室里，看起來(lái) DNA 存儲(chǔ)并不復(fù)雜，但是在商業(yè)化上面，仍然還面臨著一些問(wèn)題。
首先，存儲(chǔ)和讀取的速度都很慢。DNA 存儲(chǔ)設(shè)備的訪問(wèn)速度很慢，存取也很費(fèi)時(shí)間。相比較磁盤存儲(chǔ)的電磁信號(hào)，DNA 合成卻要依賴于一系列化學(xué)反應(yīng)。用磁盤寫入 200MB 數(shù)據(jù)，不用 1 秒，用 DNA 合成差不多得需要 3 周的時(shí)間。
其次，DNA 介質(zhì)不能覆蓋和重寫。在 DNA 里，一旦把信息存進(jìn)去，一般來(lái)說(shuō)不能修改。想讀取這個(gè)文檔，需要把全部信息完全測(cè)序出來(lái)再轉(zhuǎn)碼。
第三，數(shù)據(jù)存儲(chǔ)的準(zhǔn)確性有待提高。目前 DNA 測(cè)序時(shí)的重復(fù)讀取導(dǎo)致讀錯(cuò)概率較大。
第四，隨機(jī)讀寫困難。目前 DNA 合成技術(shù)無(wú)法一次性產(chǎn)生較長(zhǎng)的 DNA 分子，只能合成眾多的短片段。這使得在眾多 DNA 小片段組成的混合物當(dāng)中，快速調(diào)取特定數(shù)據(jù)存在困難。
最后，也是最重要的，DNA 存儲(chǔ)成本太高了。比如目前 DNA 存儲(chǔ) 200MB 數(shù)據(jù)，需要耗資 80 萬(wàn)美元，而用電子設(shè)備，成本連 1 美元都不到。
但正如上面所說(shuō)，如果放到更長(zhǎng)的時(shí)間尺度上和數(shù)據(jù)存儲(chǔ)空間壓力下，DNA 具有的大存儲(chǔ)密度、高節(jié)能環(huán)保、超長(zhǎng)穩(wěn)定性的獨(dú)特優(yōu)勢(shì)就顯現(xiàn)出來(lái)了。只要隨著存儲(chǔ)和讀取技術(shù)的發(fā)展，DNA 編碼和測(cè)序的效率提升，成本大幅下降，DNA 存儲(chǔ)離商業(yè)化應(yīng)用也就不遠(yuǎn)了。
那么，現(xiàn)在在商業(yè)化上有哪些進(jìn)展呢？
在 2015 年，微軟公司和華盛頓大學(xué)合作發(fā)表了一個(gè)成果，采用定點(diǎn)讀取信息，也就是給一個(gè)長(zhǎng)長(zhǎng)的 DNA 鏈里加入一些追蹤標(biāo)記。這些類似索引機(jī)制的標(biāo)記，可以不用每次等測(cè)序完整 DNA 長(zhǎng)鏈，就能選取合適的標(biāo)記進(jìn)行讀取。
2018 年，讀取技術(shù)又實(shí)現(xiàn)突破，微軟研發(fā)了“納米孔”讀取技術(shù)，讓 DNA 介質(zhì)列能擠過(guò)一個(gè)很小的納米孔而讀取其中每個(gè) DNA 堿基。這一技術(shù)讓大大縮小了讀取設(shè)備的空間開(kāi)支，一個(gè)手掌大小的 USB 設(shè)備就能進(jìn)行讀取，但讀取速度在每秒幾 KB 左右，可以說(shuō)仍然相當(dāng)慢。
2019 年 3 月，微軟團(tuán)隊(duì)在《自然》雜志發(fā)表一項(xiàng)新的進(jìn)展，他們開(kāi)發(fā)了世界上第一個(gè)自動(dòng) DNA 存儲(chǔ)介質(zhì)。相比較于手動(dòng)操作進(jìn)行 DNA 的合成和測(cè)序，能夠自動(dòng)化方式進(jìn)行 DNA 編解碼才是未來(lái)商業(yè)化的出路。
另外，關(guān)于 DNA 存儲(chǔ)和讀取時(shí)長(zhǎng)以及成本的問(wèn)題，一家 2016 年成立的美國(guó)初創(chuàng)公司 Catalog 也正試圖嘗試解決。
去年，Catalog 將一共 16G 的維基百科英文版文本存儲(chǔ)在了一個(gè) DNA 分子上。他們使用了一臺(tái) DNA 書寫器設(shè)備，以 4Mbps 的速度在 DNA 中記錄這些數(shù)據(jù)。這意味著在一天內(nèi)可以記錄 125GB，大約相當(dāng)于高端手機(jī)可以存儲(chǔ)的容量。這一速度已經(jīng)是之前研究所存儲(chǔ)速度的三倍。
目前，Catalog 使用了由 20 到 30 個(gè)堿基對(duì)長(zhǎng)預(yù)制合成 DNA 鏈，通過(guò)酶嵌套在一起，可以存儲(chǔ)更多的數(shù)據(jù)。這些片段的排列就像英語(yǔ)使用 26 個(gè)字母一樣，理論上可以創(chuàng)造出無(wú)數(shù)的組合。據(jù) Catalog 估計(jì)，未來(lái)進(jìn)行 1MB 數(shù)據(jù) DNA 存儲(chǔ)成本將不到 0.001 美分。
當(dāng)然，如果未來(lái)這家創(chuàng)業(yè)公司真的能夠?qū)⒊杀敬蠓迪聛?lái)，那么確實(shí)有可能為 DNA 數(shù)據(jù)存儲(chǔ)的商業(yè)化鋪平道路。
在 2019 年，《科學(xué)美國(guó)人》與世界經(jīng)濟(jì)論壇聯(lián)合發(fā)布的當(dāng)年全球十大新興技術(shù)中， DNA 數(shù)據(jù)儲(chǔ)存技術(shù)名列其中。
可以預(yù)見(jiàn)，磁存儲(chǔ)和光存儲(chǔ)方式在未來(lái)一段時(shí)間仍將占據(jù)數(shù)據(jù)存儲(chǔ)方式的主流。不過(guò)，即使我們不會(huì)出現(xiàn)地球末日這種極端情況，因?yàn)榻鼛啄陻?shù)據(jù)激增，人類也正面臨數(shù)據(jù)存儲(chǔ)空間不足的嚴(yán)峻問(wèn)題。同時(shí)，數(shù)據(jù)存儲(chǔ)需求激增，帶來(lái)的是硅晶片使用量的激增，以及由此引發(fā)的環(huán)境污染問(wèn)題、水資源和能源消耗等問(wèn)題。
DNA 存儲(chǔ)技術(shù)的實(shí)現(xiàn)，一定程度將緩解傳統(tǒng)存儲(chǔ)的容量問(wèn)題，并大幅減少電子元件和能源的消耗。
當(dāng)然，在存取技術(shù)上和成本控制上，DNA 存儲(chǔ)為代表的碳基存儲(chǔ)方式還有很長(zhǎng)的道路要走，但隨著商業(yè)化的進(jìn)展，其規(guī)模普及速度也會(huì)加快。從數(shù)據(jù)存儲(chǔ)的歷史來(lái)看，存儲(chǔ)媒介的變化是一個(gè)不斷變化且加速的過(guò)程，DNA 存儲(chǔ)也應(yīng)該成為我國(guó)關(guān)注和研究的技術(shù)方向。
