你能否想象，DNA（脫氧核糖核酸）也可成為一個(gè)“超級(jí)硬盤”，儲(chǔ)存人類歷史所遺留下來的龐大數(shù)據(jù)，并將這些珍貴數(shù)據(jù)妥善保管，使其得以“存活”千萬年？

近日，中國科學(xué)院院士、天津大學(xué)教授元英進(jìn)領(lǐng)銜的合成生物學(xué)團(tuán)隊(duì)，利用DNA信息存儲(chǔ)技術(shù)實(shí)現(xiàn)了人類文化遺產(chǎn)的長期保存：將敦煌研究院提供的10幅精選敦煌壁畫存入DNA中，通過加速降解實(shí)驗(yàn)驗(yàn)證，通過DNA存儲(chǔ)創(chuàng)新算法，壁畫信息可在實(shí)驗(yàn)室常溫下可靠保存超過千年，或9.4℃下2萬年。該算法支持DNA分子有望成為世界上最持久的數(shù)據(jù)存儲(chǔ)介質(zhì)之一，為長期保存人類歷史文化遺產(chǎn)提供了一個(gè)潛在的數(shù)字化解決方案。相關(guān)成果在線發(fā)表于國際期刊《自然·通訊》（NatureCommunications）。

創(chuàng)新DNA信息存儲(chǔ)技術(shù)

助力人類文化遺產(chǎn)傳承萬年

進(jìn)入21世紀(jì)以來，全球數(shù)字信息呈爆炸式增長。國際數(shù)據(jù)公司（IDC）預(yù)測，全球數(shù)字信息5年平均復(fù)合增長率8%，總量在2025年將達(dá)到驚人的175ZB。這些數(shù)據(jù)需要1750億個(gè)1TB機(jī)械硬盤才能完全存儲(chǔ)。隨著數(shù)據(jù)的快速增長，在可預(yù)見的未來，傳統(tǒng)存儲(chǔ)介質(zhì)的發(fā)展速度都將無法滿足數(shù)據(jù)增長需求。因此，開發(fā)新的數(shù)據(jù)存儲(chǔ)技術(shù)就顯得尤為重要。

元英進(jìn)院士團(tuán)隊(duì)近年來致力于DNA存儲(chǔ)這一頗具潛力的存儲(chǔ)技術(shù)的攻關(guān)研究?！坝捎跀?shù)字信息的爆炸式增長，全世界都在建數(shù)據(jù)中心，而數(shù)據(jù)中心的能耗是挑戰(zhàn)。DNA存儲(chǔ)由于其高存儲(chǔ)密度與低能耗處理等特點(diǎn)，被視為一種具有潛力的存儲(chǔ)技術(shù)，是應(yīng)對數(shù)據(jù)存儲(chǔ)增長挑戰(zhàn)的新機(jī)遇，”元英進(jìn)院士表示。

2021年8月，元英進(jìn)院士團(tuán)隊(duì)從頭編碼設(shè)計(jì)合成了一條長度為254,886堿基的數(shù)據(jù)存儲(chǔ)專用的人工酵母染色體，存儲(chǔ)了兩張經(jīng)典圖片和一段視頻。并利用酵母繁殖實(shí)現(xiàn)了數(shù)據(jù)可靠復(fù)制和基于納米孔測序儀的精確快速數(shù)據(jù)讀取。該方法在“活”細(xì)胞內(nèi)部利用幾百K堿基對實(shí)現(xiàn)了幾十KB外部數(shù)據(jù)存儲(chǔ)，與以前只實(shí)現(xiàn)幾K堿基的驗(yàn)證相比，是新的突破?！拔覀兯芯康膶W(xué)科是合成生物學(xué)。早期在合成酵母染色體的工作中積累了豐富的DNA設(shè)計(jì)合成的經(jīng)驗(yàn)，重塑了保存酵母遺傳信息、具有生命活性的合成型染色體。這讓我們意識(shí)到其實(shí)我們已經(jīng)具備了將信息寫入DNA并讀取的能力，也正因此我們開展了諸如‘酵母光盤’‘DNA硬盤’等一系列的創(chuàng)新研究?？紤]到此次的成果對人類文化遺產(chǎn)的長期保存的潛在價(jià)值，我們選取并存儲(chǔ)了中華民族數(shù)千年歷史文化的典型──敦煌壁畫。我們也很高興地看到我們研發(fā)的DNA存儲(chǔ)技術(shù)可以為人類文化遺產(chǎn)的長期保存助力，”元英進(jìn)介紹道。

DNA存儲(chǔ)作為一種分子鏈?zhǔn)酱鎯?chǔ)介質(zhì)，長期保存時(shí)會(huì)面臨分子鏈降解斷裂等，嚴(yán)重影響信息的長期可靠性，是亟待解決的關(guān)鍵問題。為解決該問題，研究團(tuán)隊(duì)設(shè)計(jì)了基于德布萊英圖理論的序列重建算法，首次在實(shí)驗(yàn)室驗(yàn)證了其處理DNA鏈降解斷裂問題的能力。結(jié)合該序列重建算法（內(nèi)碼）與噴泉碼算法（外碼），團(tuán)隊(duì)設(shè)計(jì)編碼了6.8MB敦煌壁畫，合成了承載圖片信息的DNA片段21萬條。為驗(yàn)證數(shù)據(jù)的長期可靠性，團(tuán)隊(duì)制備了一個(gè)沒有任何特殊保護(hù)的DNA水溶液樣本，并在70℃下加速樣本降解長達(dá)十周。加速降解處理后，80%以上的片段都發(fā)生了斷裂錯(cuò)誤，依靠設(shè)計(jì)的序列重建算法依然可以準(zhǔn)確組裝解碼96.4%以上的片段。再通過噴泉碼解決少量片段丟失的問題，原始的敦煌壁畫圖片依然能夠完美恢復(fù)。根據(jù)理論推算，這種程度的高溫破壞相當(dāng)于在實(shí)驗(yàn)室常溫25℃一千年或者9.4℃兩萬年的自然降解。

反復(fù)實(shí)驗(yàn)優(yōu)化算法

實(shí)現(xiàn)DNA對文物樣本信息的長期可靠儲(chǔ)存

據(jù)元英進(jìn)院士介紹，早在三年前，由他領(lǐng)銜的天津大學(xué)合成生物學(xué)團(tuán)隊(duì)就開始對解決DNA降解問題進(jìn)行規(guī)劃，然而由于沒有先例，團(tuán)隊(duì)只能一步步摸索，并不斷改進(jìn)優(yōu)化算法設(shè)計(jì)，最終通過實(shí)驗(yàn)得到驗(yàn)證?！皳?jù)我們了解，此前沒有用DNA存儲(chǔ)文物信息的先例。為能實(shí)現(xiàn)我國悠久歷史文化的長期傳承，技術(shù)層面需要應(yīng)對存儲(chǔ)過程中產(chǎn)生的各類復(fù)雜錯(cuò)誤。從理論到方法，DNA存儲(chǔ)都與信息領(lǐng)域其他存儲(chǔ)方式不同，也與生物技術(shù)傳統(tǒng)研究范式有差別，對我們團(tuán)隊(duì)也是一個(gè)挑戰(zhàn)。”元英進(jìn)說道。在研究前期，元英進(jìn)院士團(tuán)隊(duì)針對算法進(jìn)行了必要的理論準(zhǔn)備，從理論層面上進(jìn)行分析并證明了其可行性。隨后便開始實(shí)施實(shí)驗(yàn)，并在過程中不斷優(yōu)化算法。從研究開始，到最終實(shí)驗(yàn)成功，花費(fèi)了三年的時(shí)間，在此期間對算法做了大量的優(yōu)化甚至重寫，還挑戰(zhàn)了更大規(guī)模尺度的實(shí)驗(yàn)驗(yàn)證。

當(dāng)談及該項(xiàng)研究成功的意義，元英進(jìn)院士表示：“此項(xiàng)研究的成功實(shí)施意味著DNA存儲(chǔ)的長期可靠性得到了實(shí)質(zhì)驗(yàn)證”，“DNA存儲(chǔ)相較于磁、光、電等常規(guī)的信息存儲(chǔ)介質(zhì)還具有存儲(chǔ)密度高的優(yōu)勢。例如，我們將《開國大典》和《十九大》的視頻片段存儲(chǔ)在DNA中，實(shí)現(xiàn)的體積存儲(chǔ)密度達(dá)125PB/g，這比普通硬盤高出了6個(gè)數(shù)量級(jí)。第三個(gè)優(yōu)勢是長期保存能耗低。根據(jù)美國情報(bào)高級(jí)研究計(jì)劃局（IARPA）估計(jì)，一個(gè)EB級(jí)的數(shù)據(jù)中心采用DNA存儲(chǔ)，功耗可以從200MW降至200KW以下?！?/p>

據(jù)元院士介紹，“DNA存儲(chǔ)已成為了國際新一輪產(chǎn)業(yè)發(fā)展的競爭重點(diǎn)。數(shù)據(jù)總量的爆發(fā)式增長，使得探索新的數(shù)據(jù)存儲(chǔ)介質(zhì)與存儲(chǔ)方式成為信息領(lǐng)域的一個(gè)發(fā)展制高點(diǎn)，美國、歐盟以及中國都對DNA數(shù)據(jù)存儲(chǔ)給予了極大關(guān)注。”根據(jù)公開信息，美國國防部高級(jí)研究計(jì)劃局與美國情報(bào)高級(jí)研究計(jì)劃局是DNA存儲(chǔ)的主要推手，從2017年就開始進(jìn)行了一系列研發(fā)布局，以微軟、TwistBioscience、Illumina和西部數(shù)據(jù)四家公司為核心創(chuàng)建了“DNA數(shù)據(jù)存儲(chǔ)聯(lián)盟”。我國已將“DNA存儲(chǔ)”列入國家“十四五”發(fā)展規(guī)劃和2035年遠(yuǎn)景目標(biāo)綱要，將其作為與量子技術(shù)、神經(jīng)計(jì)算等并列的前沿技術(shù)，也布局了“生物與信息融合（BT與IT融合）”重點(diǎn)專項(xiàng)推動(dòng)其發(fā)展。“與美國不同，我們支持跨領(lǐng)域研究的體制機(jī)制方面仍處于不斷探索中。現(xiàn)階段需要抓住DNA存儲(chǔ)發(fā)展機(jī)遇，進(jìn)一步釋放我國數(shù)據(jù)紅利，支持‘?dāng)?shù)字中國’建設(shè)。”元英進(jìn)院士提到。

DNA數(shù)據(jù)儲(chǔ)存技術(shù)逐步升級(jí)

實(shí)用化需突破成本高、與現(xiàn)有架構(gòu)融通等瓶頸

DNA存儲(chǔ)數(shù)字信息的想法由來已久，早在上世紀(jì)60年代，隨著DNA雙螺旋結(jié)構(gòu)的發(fā)現(xiàn)，就有研究人員提出了利用DNA存儲(chǔ)數(shù)據(jù)。1988年，藝術(shù)家喬·戴維斯（JoeDavis）和哈佛大學(xué)研究人員合作，開展了利用DNA存儲(chǔ)數(shù)據(jù)的實(shí)際實(shí)驗(yàn)探索。他們在大腸桿菌的DNA序列中，將一張代表生命和女性地球的古代日耳曼符文圖片，通過5×7的矩陣存儲(chǔ)到DNA序列中。自此開始，人們對DNA作為數(shù)據(jù)儲(chǔ)存解決方案的興趣逐漸升溫。2017年，哥倫比亞大學(xué)團(tuán)隊(duì)在《科學(xué)》雜志上報(bào)告，他們將6個(gè)文件存入了DNA中，這6個(gè)文件包括一個(gè)完整的計(jì)算機(jī)操作系統(tǒng)、一種計(jì)算機(jī)病毒、一部法國電影片段，和信息論創(chuàng)始人香農(nóng)（ClaudeShannon）在1948年完成的一篇開創(chuàng)性論文等。2018年，在微軟的資助下，華盛頓大學(xué)的研究人員更是成功實(shí)現(xiàn)了200MB數(shù)據(jù)規(guī)模的可靠和隨機(jī)讀取。

國內(nèi)的很多研究機(jī)構(gòu)都開展了一系列研究，除了天津大學(xué)團(tuán)隊(duì)，國內(nèi)的東南大學(xué)、清華大學(xué)、華大生命科學(xué)研究院等都開展了相關(guān)研究。2021年11月，東南大學(xué)生物電子學(xué)國家重點(diǎn)實(shí)驗(yàn)室的劉宏團(tuán)隊(duì)成功將學(xué)校校訓(xùn)存入一段DNA序列中，并構(gòu)建了一個(gè)小型的讀寫融合器件，成果發(fā)表于《ScienceAdvances》。2022年4月，深圳華大生命科學(xué)研究院團(tuán)隊(duì)建立了一種有特色的比特—堿基轉(zhuǎn)換系統(tǒng)──“陰陽編碼系統(tǒng)”，論文發(fā)表于《NatureComputationalScience》。

DNA存儲(chǔ)擁有超越傳統(tǒng)存儲(chǔ)介質(zhì)6-7個(gè)數(shù)量級(jí)的存儲(chǔ)密度優(yōu)勢，且具備長時(shí)間數(shù)據(jù)存儲(chǔ)能力，其未來的主要應(yīng)用方向是對占比80%以上的冷數(shù)據(jù)進(jìn)行存儲(chǔ)。DNA存儲(chǔ)距離實(shí)用化并不遙遠(yuǎn)，據(jù)高德納咨詢公司預(yù)測，到2024年，將有30%的數(shù)字業(yè)務(wù)進(jìn)行DNA存儲(chǔ)試驗(yàn)。然而DNA存儲(chǔ)想要大規(guī)模應(yīng)用，尤其是在國內(nèi)實(shí)用化還需要突破DNA合成成本高、讀寫速度慢、與現(xiàn)有存儲(chǔ)架構(gòu)互融互通難等幾個(gè)瓶頸。