中国科学家创新DNA存储算法让敦煌壁画再活两万年

　　DNA存储的敦煌壁画。天津大学供图
　　科幻大片《侏罗纪公园》里讲述了这样一个故事：科学家找到一块有史前蚊子的琥珀，从蚊子血中获得了恐龙的基因，从而让已灭绝了6000多万年的恐龙复活。
　　恐龙的生物信息存储在DNA中，若干年后被提取并还原出来。这听上去似乎有些道理，却也让人倒吸一口凉气。
　　最近，天津大学一项研究成果让人们离想象又近了一些。该校合成生物学团队将10幅精选敦煌壁画存入DNA中，并通过加速老化等实验，发现这些壁画信息在常温下可保存千年，在9。4下可保存两万年。
　　如果在合适的温度等条件下，保存千万年也是可以的。中国科学院院士、天津大学副校长元英进说。
　　小小的DNA却拥有惊人的存储容量
　　人类文明进化史，也是一部信息存储技术发展史。
　　从结绳记事、仓颉造字到磁带、硬盘等现代磁光电存储技术，数据存储帮助人类延续了思想，记录下灿烂文明。造纸与印刷术的发明，让人类能够存储的数据量在几百年内获得了大约5个数量级的提升。到了计算机时代，人类产生的数据呈爆发式增长。
　　全世界都在建数据中心，而数据中心的能耗是惊人的。元英进说。人们一直在不断寻找更海量、更稳定、更安全的存储方式。
　　大自然鬼斧神工的绝妙之处就在于此最好的存储器或许就藏身于生命体之中。
　　自地球上出现生命以来，大自然一直用DNA来存储信息，至今已有30多亿年。人类的五官在脸上如何摆放，体内的蛋白怎样合成，眼睛是什么颜色诸如此类纷繁复杂的人类基因组信息，都记录在比细胞还小得多的DNA上，一代代沿用至今。
　　不同于各种人造存储设备，DNA极其精巧却又如此经久耐用，它存储了亿万年来无数生物的遗传信息，造就生命繁衍、进化演化及生物多样性。
　　那么，假如把海量的信息，像存入U盘、硬盘一样，写到小小的DNA上，岂不是一举多得？事实上，当人类发现DNA的双螺旋结构后，美俄科学家就先后提出了用DNA存储数字信息的概念。
　　元英进解释说，DNA存储相较于磁、光、电等常规的信息存储介质有3个最显著的优势。其中最大的优势在于存储密度高。目前，天津大学研究团队将部分经典视频片段存储在DNA中，已实现了体积存储密度比普通硬盘高出6个数量级。
　　与此同时，存储的信息可用时间非常长。此次研究者将10幅敦煌壁画信息存储在DNA中，结合创新的算法，可以实现DNA分子在室温下保存超过千年，在9。4条件下保存两万年。
　　这样的长期保存需要的能耗却很低。元英进认为，DNA存储被视为一种极具潜力的存储技术，已经成为应对数据存储增长挑战的新机遇。
　　DNA存储技术概念图。天津大学供图
　　壁画变身DNA需要几步
　　DNA信息存储的原理共分两步信息写入和信息读取。
　　这个过程实际上跨越了极难逾越的鸿沟：它打破了有机与无机的界限，连起生命和信息两大系统。
　　DNA是脱氧核糖核酸的缩写，含有ATCG四种碱基。如果用数字中的0、1、2、3分别代表一个碱基，就组成了一个四进制的存储方式，类似于计算机采用的0和1二进制代码。
　　通过编码转化，碱基四进制和计算机二进制就可以实现对话。天津大学合成生物学前沿科学中心博士生韩明哲解释说，壁画的数字图像本质上就是二进制的比特串，我们通过编码将这些二进制的比特串，转化为四进制的ATGC碱基序列，再通过DNA合成技术将碱基序列写入DNA中，壁画的数据图像就‘变’为DNA了。
　　此前，该团队成功在酿酒酵母中合成了一条额外的人工染色体，并在上面存储了两张图片及一段视频信息，将其称之为酵母CD。随着酵母的不断繁殖扩增，数字信息也随之廉价且稳定地复制。
　　我们传代培养酵母到100代，依然可以完美地恢复出原始数据。元英进说，假如脑洞更大一点，将信息存储到一棵树中，随着树生长千百年，人类的子孙后代都可以随时从这棵树中读取到千百年前存储的信息。
　　这一次，这支年轻团队的创新之处在于，能实现更恶劣条件下可靠读取信息。韩明哲说，存了壁画信息的DNA，本质上其实跟天然的DNA没有什么不同，同样也存在长时间存放而产生的断裂和降解等问题，影响信息存储的长期可靠性，这也成为亟待解决的关键科学问题。
　　于是，他们设计了基于德布莱英图理论的序列重建算法来解决DNA断裂等问题，可以从严重降解的DNA样本中，恢复原始的信息。
　　为了验证数据的长期可靠性，团队制备了一个没有任何特殊保护的DNA水溶液样本，随后在70的温度下加速样本断裂、降解长达十周。韩明哲说：这个过程使得DNA片段80以上都发生了断裂错误，模拟了DNA在自然环境下千年万年的降解情形。
　　随后，团队依靠设计的序列重建算法，依然可以准确组装并解码96。4以上的片段，再通过一种编码方式解决了少量片段丢失的问题，使原始的敦煌壁画图片能够完美恢复。
　　DNA存储走向实用化还有多远
　　尽管DNA存储还不被大众所熟知，但它正在努力走出实验室，距离实用化并不遥远。元英进说，惊人的数据存储需求是新技术走向市场的最大推动力。
　　据国际数据公司估计，到2025年全球数据总量将达到175ZB（1ZB为十万亿亿字节）。到2024年，全球将有30的数字业务进行DNA存储试验。然而从目前来看，DNA存储想要大规模应用，尤其是在中国实用化还需要突破几个关键瓶颈。
　　基于德布莱英图理论设计的序列重建算法高效解决DNA断裂、降解问题。天津大学供图
　　团队分析了当前DNA信息存储面临的主要挑战。信息存储成本高、信息读写速度慢，以及无法高效对接现有信息系统是三大主要限制因素。
　　根据测算，目前DNA存储写入成本相当于20世纪80年代内存的存储成本，而要达到当前数据存储成本还需要降低78个数量级。
　　DNA信息存储成本在未来有很大下降的潜力。韩明哲认为，今后可以从优化合成反应、改良芯片结构、替换廉价耗材、优化试剂分配量等方面着手，大幅降低合成成本。
　　与此同时，由于信息存储领域市场规模巨大，随着半导体器件、微纳加工在DNA信息存储领域的应用，该领域的巨大投入将对DNA合成技术产生重大影响，DNA合成技术与装备快速迭代升级，也有望使成本快速下降。
　　DNA信息存储的读取依赖测序技术，与磁、光、电等存储相比，读取速度较慢。目前DNA测序仪的读取速度与硬盘相比，还存在34个数量级的差距现有电、磁存储技术通常每秒可读取几十到几百兆字节数据。此外，DNA存储的标准尚待建立，面临与现有数字存储系统兼容的问题。
　　DNA信息存储是一个新兴的、多学科深度交叉融合的研究方向。元英进认为，DNA存储在未来极有可能成为庞大冷数据存储的主要存储介质。
　　所谓冷数据，就如同档案馆的历史资料，需要把海量信息保存好，但平时又很少去使用。因为这些数据需要长期存储、耗能又大，而电子存储设备的寿命往往只有十年到几十年，并需要不断更新迭代，难以满足冷数据存储的需要。
　　DNA存储走向实用化仍面临很多挑战。元英进认为，眼下的突破可能还只是冰山一角，技术进步需要十年磨一剑的耐心，还需要一点运气。