246
開一個腦洞：如果地球正在面臨一場馬上到來的毀滅性星際災害，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)然后逃離太陽系，這恐怕來不及了。而如果像諾亞方舟一樣，一股腦把人類、動植物和人類的知識搬運到飛船上，現(xiàn)有的火箭運載能力，恐怕也裝不下這些物質(zhì)的億萬分之一。
如果想盡可能多、盡可能長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)境下便可以保存長達數(shù)十萬年；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)主要存儲在硬盤和光盤當中的。
想想這些硬盤儲存器的重量和數(shù)據(jù)密度，我們不得不再一次氣餒。更何況，可能飛船還沒逃出太陽系，這些數(shù)據(jù)就會因為硬盤或光盤的壽終正寢而丟失。
那么 DNA 能不能當做硬盤來存儲數(shù)據(jù)信息呢？答案是，可以的。
DNA 絕對是這個星球上最古老的生命信息存儲工具，同樣也可以作為數(shù)據(jù)信息的存儲介質(zhì)，且存儲密度和使用壽命要遠遠超出現(xiàn)有的磁盤式的存儲方案。因此，DNA 存儲，正在被人類視為數(shù)據(jù)存儲的未來，成為拯救人類數(shù)據(jù)存儲危機的最好的替代方案。
DNA 存儲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 存儲是如何工作的？?
在了解 DNA 存儲是如何工作的之前，我們簡單了解下磁存儲和光存儲這兩種現(xiàn)有的解決方案的原理。
磁存儲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，可以進行存儲和表達 0101 的二進制信息。磁存儲的硬盤的優(yōu)點是錄入和讀取的速度快，缺點是與體積重量相比，數(shù)據(jù)密度較低。經(jīng)過 60 年發(fā)展，大概可以在 3.5 英寸大小的硬盤驅(qū)動上存儲 3TB 數(shù)據(jù)。
光存儲的原理是將數(shù)字編碼的視頻和音頻儲刻錄在光盤表面的凹槽中，再通過激光將這些凹槽中的數(shù)據(jù)讀取出來，進行轉(zhuǎn)存或播放。當前，光存儲也正在經(jīng)歷存儲的極限。因為想要存下更多的數(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，其光盤容量可以達到 500GB 的容量。
相對于磁存儲和光存儲而言，DNA 存儲有哪些優(yōu)勢？
首先，就是節(jié)約空間。但這些單層平鋪式的存儲方式，比起 DNA 的雙螺旋立體結構來說，其存儲量就有了多個數(shù)量級的差距。DAN 本身的物理體積極小且又是立體結構，單位空間的數(shù)據(jù)密度非常高。舉個簡單的例子，1 克 DNA 不到指尖上一滴露珠大小，卻能夠儲存 700TB 的數(shù)據(jù)，相當于 1.4 萬張 50GB 容量的藍光光盤，或 233 個 3TB 的硬盤（差不多 151KG 重）。
再則，非常節(jié)能?，F(xiàn)有存儲方式，比如說一個數(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。就算需要把 DNA 冷凍起來，消耗的資源和能源也幾乎可以忽略不計。
此外，最重要的一點就是，保存時間非常久。現(xiàn)在高密度的存儲器都會隨著時間推移而衰減，能存儲時間最長的工具是磁帶，其壽命也就 50 年，其他的存儲器壽命更短。比較而言，DNA 則保質(zhì)期就以百年計算了，如果將其冷凍起來，能保存幾千甚至上萬年。
看來人類文明的拯救方案有了，但 DNA 存儲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 互補配對構成，科學家將腺嘌呤（A）、鳥嘌呤（G）、胞嘧啶（C）和胸腺嘧啶（T）分別賦予二進制值（A 和 C=0?，G 和 T=1），隨后通過微流體芯片對基因序列進行合成，從而使該序列的位置與相關數(shù)據(jù)集相匹配。這樣就把這些堿基對編碼成 1 和 0 的組合，就可以用 DNA 的序列信息來表達二進制的語言了。
當每次將二進制語言寫進 DNA 序列當中，就可以把“DNA 硬盤”放到低溫環(huán)境中進行保存。而需要讀取數(shù)據(jù)的時候，只用對目標 DNA 進行測序，將堿基對還原成二進制編碼，再完成解碼，就可以還原為我們常見的數(shù)據(jù)了。
原理是非常簡單，但科學家是如何做到的呢？這就要簡單回顧下 DNA 存儲技術的發(fā)展史了。
DNA 存儲是如何一步步發(fā)展到現(xiàn)在的？
最先想到這一方法的是一位藝術家 Joe Davis，他在 1988 年與哈佛研究人員合作，把一個取名為 Microvenus（小維納斯）的 7*5 像素矩陣的照片，轉(zhuǎn)化成 35 個堿基的 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了在 DNA 當中。
（Microvenus 代表女性和地球）
2010 年，美國合成生物學家克雷格?文特爾（(Craig Venter）帶領研究團隊化學合成了整個支原體基因組 DNA，取名為“辛西婭（Synthia）”，并以“自娛自樂”的方式將課題研究者的名字、研究所網(wǎng)址和愛爾蘭詩人詹姆斯的詩句等信息編碼進新合成的 DNA 中。
2011 年，哈佛大學的合成生物學家喬治·丘奇（George Church）和加州大學的瑟里·庫蘇里(Sriram Kosuri)領導的團隊以及約翰?霍普金斯大學的基因組專家高原（Yuan Gao）首次進行了概念證明性實驗。團隊使用短 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）和他的研究團隊也成功地將包括莎士比亞十四行詩和馬丁?路德?金“我有一個夢想”的演講片段、一篇沃森和克里克 DNA 雙螺旋論文副本等 5 個文件編寫進了 DNA 片段里當中。739KB 數(shù)據(jù)成為當時最大的 DNA 存儲文件。
2016 年，微軟和華盛頓大學又利用 DNA 存儲技術完成了約 200MB 數(shù)據(jù)的存儲，成為 DNA 信息存儲技術的一個飛躍。
2017 年 7 月，《自然》雜志發(fā)表了哈佛大學醫(yī)學院的賽斯?希普曼(Seth Shipman)和喬治·丘奇合作的一項活體 DNA 存儲的研究。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)復制。而且存儲在基因組中的電影，在每一代大腸桿菌中也都完整無缺地保存下來了。
但因為細胞的復制、分裂以及死亡，會造成信息出錯的風險，未來數(shù)據(jù)安全，大多數(shù)情況下存儲信息的 DNA 都是以 DNA 干粉的形式存在，活體細胞存儲的研究轉(zhuǎn)向合成 DNA 存儲。
同一年，哥倫比亞大學和紐約基因組中心在《科學》雜志發(fā)表了一項稱為“DNA 噴泉”算法高效的 DNA 存儲策略。這項技術展示了最大化利用 DNA 的存儲潛力，成功將海量信息壓縮至 DNA 的四個堿基，即為每個 DNA 編碼 1.6 比特（bits）的數(shù)據(jù)，比之前多存儲了 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)存儲在一克 DNA 中，相當于 2.2 億部電影。
2018 年，愛爾蘭沃特福德理工學院（WIT）研究人員開發(fā)出一種新型 DNA 存儲方法，可在 1 克大腸桿菌 DNA 中存儲 1ZB 的數(shù)據(jù)。
2019 年，丘奇團隊又在《科學》期刊上發(fā)表了一項實驗結果。他們將丘奇的一本大約 5.34 萬個單詞《再生：合成生物學將如何改變未來的自然和自己》的書，以及 11 張圖片和一段 Java 程序，編碼進不到億萬分之一克的 DNA 微芯片，再成功利用 DNA 測序來閱讀這本書。
這些科研的快速發(fā)展也意味著 DNA 合成技術（數(shù)據(jù)寫入）和 DNA 測序技術（數(shù)據(jù)讀?。┱呦虺墒臁５瑫r，DNA 編碼過程仍然存在著存儲 / 讀取速度和成本等問題，DNA 存儲離商業(yè)化還在路上。
DNA 存儲商業(yè)化的問題與進展
在實驗室里，看起來 DNA 存儲并不復雜，但是在商業(yè)化上面，仍然還面臨著一些問題。?
首先，存儲和讀取的速度都很慢。DNA 存儲設備的訪問速度很慢，存取也很費時間。相比較磁盤存儲的電磁信號，DNA 合成卻要依賴于一系列化學反應。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 周的時間。
其次，DNA 介質(zhì)不能覆蓋和重寫。在 DNA 里，一旦把信息存進去，一般來說不能修改。想讀取這個文檔，需要把全部信息完全測序出來再轉(zhuǎn)碼。
第三，數(shù)據(jù)存儲的準確性有待提高。目前 DNA 測序時的重復讀取導致讀錯概率較大。
第四，隨機讀寫困難。目前 DNA 合成技術無法一次性產(chǎn)生較長的 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 存儲成本太高了。比如目前 DNA 存儲 200MB 數(shù)據(jù)，需要耗資 80 萬美元，而用電子設備，成本連 1 美元都不到。
但正如上面所說，如果放到更長的時間尺度上和數(shù)據(jù)存儲空間壓力下，DNA 具有的大存儲密度、高節(jié)能環(huán)保、超長穩(wěn)定性的獨特優(yōu)勢就顯現(xiàn)出來了。只要隨著存儲和讀取技術的發(fā)展，DNA 編碼和測序的效率提升，成本大幅下降，DNA 存儲離商業(yè)化應用也就不遠了。
那么，現(xiàn)在在商業(yè)化上有哪些進展呢？
在 2015 年，微軟公司和華盛頓大學合作發(fā)表了一個成果，采用定點讀取信息，也就是給一個長長的 DNA 鏈里加入一些追蹤標記。這些類似索引機制的標記，可以不用每次等測序完整 DNA 長鏈，就能選取合適的標記進行讀取。
2018 年，讀取技術又實現(xiàn)突破，微軟研發(fā)了“納米孔”讀取技術，讓 DNA 介質(zhì)列能擠過一個很小的納米孔而讀取其中每個 DNA 堿基。這一技術讓大大縮小了讀取設備的空間開支，一個手掌大小的 USB 設備就能進行讀取，但讀取速度在每秒幾 KB 左右，可以說仍然相當慢。
2019 年 3 月，微軟團隊在《自然》雜志發(fā)表一項新的進展，他們開發(fā)了世界上第一個自動 DNA 存儲介質(zhì)。相比較于手動操作進行 DNA 的合成和測序，能夠自動化方式進行 DNA 編解碼才是未來商業(yè)化的出路。
另外，關于 DNA 存儲和讀取時長以及成本的問題，一家 2016 年成立的美國初創(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在了一個 DNA 分子上。他們使用了一臺 DNA 書寫器設備，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，大約相當于高端手機可以存儲的容量。這一速度已經(jīng)是之前研究所存儲速度的三倍。
目前，Catalog 使用了由 20 到 30 個堿基對長預制合成 DNA 鏈，通過酶嵌套在一起，可以存儲更多的數(shù)據(jù)。這些片段的排列就像英語使用 26 個字母一樣，理論上可以創(chuàng)造出無數(shù)的組合。據(jù) Catalog 估計，未來進行 1MB 數(shù)據(jù) DNA 存儲成本將不到 0.001 美分。
當然，如果未來這家創(chuàng)業(yè)公司真的能夠?qū)⒊杀敬蠓迪聛恚敲创_實有可能為 DNA 數(shù)據(jù)存儲的商業(yè)化鋪平道路。
在 2019 年，《科學美國人》與世界經(jīng)濟論壇聯(lián)合發(fā)布的當年全球十大新興技術中， DNA 數(shù)據(jù)儲存技術名列其中。
可以預見，磁存儲和光存儲方式在未來一段時間仍將占據(jù)數(shù)據(jù)存儲方式的主流。不過，即使我們不會出現(xiàn)地球末日這種極端情況，因為近幾年數(shù)據(jù)激增，人類也正面臨數(shù)據(jù)存儲空間不足的嚴峻問題。同時，數(shù)據(jù)存儲需求激增，帶來的是硅晶片使用量的激增，以及由此引發(fā)的環(huán)境污染問題、水資源和能源消耗等問題。
DNA 存儲技術的實現(xiàn)，一定程度將緩解傳統(tǒng)存儲的容量問題，并大幅減少電子元件和能源的消耗。
當然，在存取技術上和成本控制上，DNA 存儲為代表的碳基存儲方式還有很長的道路要走，但隨著商業(yè)化的進展，其規(guī)模普及速度也會加快。從數(shù)據(jù)存儲的歷史來看，存儲媒介的變化是一個不斷變化且加速的過程，DNA 存儲也應該成為我國關注和研究的技術方向。
