DNA存儲的敦煌壁畫。天津大學供圖

　　

　　DNA存儲技術概念圖。天津大學供圖

　　

　　基于德布萊英圖理論設計的序列重建算法高效解決DNA斷裂、降解問題。天津大學供圖

　　

　　科幻大片《侏羅紀公園》里講述了這樣一個故事：科學家找到一塊有史前蚊子的琥珀，從蚊子血中獲得了恐龍的基因，從而讓已滅絕了6000多萬年的恐龍復活。

　　

　　恐龍的生物信息存儲在DNA中，若干年后被提取并還原出來。這聽上去似乎有些道理，卻也讓人倒吸一口涼氣。

　　

　　最近，天津大學一項研究成果讓人們離想象又近了一些。該校合成生物學團隊將10幅精選敦煌壁畫存入DNA中，并通過加速老化等實驗，發(fā)現(xiàn)這些壁畫信息在常溫下可保存千年，在9.4℃下可保存兩萬年。

　　

　　“如果在合適的溫度等條件下，保存千萬年也是可以的。”中國科學院院士、天津大學副校長元英進說。

　　

　　小小的DNA卻擁有驚人的存儲容量

　　

　　人類文明進化史，也是一部信息存儲技術發(fā)展史。

　　

　　從結繩記事、倉頡造字到磁帶、硬盤等現(xiàn)代磁光電存儲技術，數(shù)據(jù)存儲幫助人類延續(xù)了思想，記錄下燦爛文明。造紙與印刷術的發(fā)明，讓人類能夠存儲的數(shù)據(jù)量在幾百年內(nèi)獲得了大約5個數(shù)量級的提升。到了計算機時代，人類產(chǎn)生的數(shù)據(jù)呈爆發(fā)式增長。

　　

　　“全世界都在建數(shù)據(jù)中心，而數(shù)據(jù)中心的能耗是驚人的。”元英進說。人們一直在不斷尋找更海量、更穩(wěn)定、更安全的存儲方式。

　　

　　大自然鬼斧神工的絕妙之處就在于此——最好的存儲器或許就藏身于生命體之中。

　　

　　自地球上出現(xiàn)生命以來，大自然一直用DNA來存儲信息，至今已有30多億年。人類的五官在臉上如何擺放，體內(nèi)的蛋白怎樣合成，眼睛是什么顏色……諸如此類紛繁復雜的人類基因組信息，都記錄在比細胞還小得多的DNA上，一代代沿用至今。

　　

　　不同于各種人造存儲設備，DNA極其精巧卻又如此經(jīng)久耐用，它存儲了億萬年來無數(shù)生物的遺傳信息，造就生命繁衍、進化演化及生物多樣性。

　　

　　那么，假如把海量的信息，像存入U盤、硬盤一樣，“寫”到小小的DNA上，豈不是一舉多得？事實上，當人類發(fā)現(xiàn)DNA的雙螺旋結構后，美俄科學家就先后提出了用DNA存儲數(shù)字信息的概念。

　　

　　元英進解釋說，DNA存儲相較于磁、光、電等常規(guī)的信息存儲介質(zhì)有3個最顯著的優(yōu)勢。其中最大的優(yōu)勢在于存儲密度高。目前，天津大學研究團隊將部分經(jīng)典視頻片段存儲在DNA中，已實現(xiàn)了體積存儲密度比普通硬盤高出6個數(shù)量級。

　　

　　與此同時，存儲的信息可用時間非常長。此次研究者將10幅敦煌壁畫信息存儲在DNA中，結合創(chuàng)新的算法，可以實現(xiàn)DNA分子在室溫下保存超過千年，在9.4℃條件下保存兩萬年。

　　

　　這樣的長期保存需要的能耗卻很低。元英進認為，DNA存儲被視為一種極具潛力的存儲技術，已經(jīng)成為應對數(shù)據(jù)存儲增長挑戰(zhàn)的新機遇。

　　

　　壁畫“變身”DNA需要幾步

　　

　　DNA信息存儲的原理共分兩步——信息寫入和信息讀取。

　　

　　這個過程實際上跨越了極難逾越的鴻溝：它打破了有機與無機的界限，連起生命和信息兩大系統(tǒng)。

　　

　　DNA是脫氧核糖核酸的縮寫，含有“A”“T”“C”“G”四種堿基。如果用數(shù)字中的0、1、2、3分別代表一個堿基，就組成了一個四進制的存儲方式，類似于計算機采用的0和1二進制代碼。

　　

　　通過編碼轉(zhuǎn)化，“堿基四進制”和“計算機二進制”就可以實現(xiàn)“對話”。天津大學合成生物學前沿科學中心博士生韓明哲解釋說，壁畫的數(shù)字圖像本質(zhì)上就是二進制的比特串，“我們通過編碼將這些二進制的比特串，轉(zhuǎn)化為四進制的ATGC堿基序列，再通過DNA合成技術將堿基序列寫入DNA中，壁畫的數(shù)據(jù)圖像就‘變’為DNA了。”

　　

　　此前，該團隊成功在釀酒酵母中合成了一條額外的人工染色體，并在上面存儲了兩張圖片及一段視頻信息，將其稱之為“酵母CD”。隨著酵母的不斷繁殖擴增，數(shù)字信息也隨之廉價且穩(wěn)定地復制。

　　

　　“我們傳代培養(yǎng)酵母到100代，依然可以完美地恢復出原始數(shù)據(jù)。”元英進說，假如腦洞更大一點，將信息存儲到一棵樹中，隨著樹生長千百年，人類的子孫后代都可以隨時從這棵樹中讀取到千百年前存儲的信息。

　　

　　這一次，這支年輕團隊的創(chuàng)新之處在于，能實現(xiàn)更惡劣條件下可靠讀取信息。韓明哲說，存了壁畫信息的DNA，本質(zhì)上其實跟天然的DNA沒有什么不同，同樣也存在長時間存放而產(chǎn)生的斷裂和降解等問題，影響信息存儲的長期可靠性，這也成為亟待解決的關鍵科學問題。

　　

　　于是，他們設計了基于德布萊英圖理論的序列重建算法來解決DNA斷裂等問題，可以從嚴重降解的DNA樣本中，恢復原始的信息。

　　

　　為了驗證數(shù)據(jù)的長期可靠性，團隊制備了一個沒有任何特殊保護的DNA水溶液樣本，隨后在70℃的溫度下加速樣本斷裂、降解長達十周。韓明哲說：“這個過程使得DNA片段80%以上都發(fā)生了斷裂錯誤，模擬了DNA在自然環(huán)境下千年萬年的降解情形。”

　　

　　隨后，團隊依靠設計的序列重建算法，依然可以準確組裝并解碼96.4%以上的片段，再通過一種編碼方式解決了少量片段丟失的問題，使原始的敦煌壁畫圖片能夠完美恢復。

　　

　　DNA存儲走向?qū)嵱没€有多遠

　　

　　盡管DNA存儲還不被大眾所熟知，但它正在努力走出實驗室，“距離實用化并不遙遠。”元英進說，驚人的數(shù)據(jù)存儲需求是新技術走向市場的最大推動力。

　　

　　據(jù)國際數(shù)據(jù)公司估計，到2025年全球數(shù)據(jù)總量將達到175ZB（1ZB為十萬億億字節(jié)）。到2024年，全球?qū)⒂?0%的數(shù)字業(yè)務進行DNA存儲試驗。然而從目前來看，DNA存儲想要大規(guī)模應用，尤其是在中國實用化還需要突破幾個關鍵瓶頸。

　　

　　團隊分析了當前DNA信息存儲面臨的主要挑戰(zhàn)。信息存儲成本高、信息讀寫速度慢，以及無法高效對接現(xiàn)有信息系統(tǒng)是三大主要限制因素。

　　

　　根據(jù)測算，目前DNA存儲寫入成本相當于20世紀80年代內(nèi)存的存儲成本，而要達到當前數(shù)據(jù)存儲成本還需要降低7-8個數(shù)量級。

　　

　　“DNA信息存儲成本在未來有很大下降的潛力。”韓明哲認為，今后可以從優(yōu)化合成反應、改良芯片結構、替換廉價耗材、優(yōu)化試劑分配量等方面著手，大幅降低合成成本。

　　

　　與此同時，由于信息存儲領域市場規(guī)模巨大，隨著半導體器件、微納加工在DNA信息存儲領域的應用，該領域的巨大投入將對DNA合成技術產(chǎn)生重大影響，DNA合成技術與裝備快速迭代升級，也有望使成本快速下降。

　　

　　DNA信息存儲的讀取依賴測序技術，與磁、光、電等存儲相比，讀取速度較慢。目前DNA測序儀的讀取速度與硬盤相比，還存在3-4個數(shù)量級的差距——現(xiàn)有電、磁存儲技術通常每秒可讀取幾十到幾百兆字節(jié)數(shù)據(jù)。此外，DNA存儲的標準尚待建立，面臨與現(xiàn)有數(shù)字存儲系統(tǒng)兼容的問題。

　　

　　“DNA信息存儲是一個新興的、多學科深度交叉融合的研究方向。”元英進認為，DNA存儲在未來極有可能成為龐大冷數(shù)據(jù)存儲的主要存儲介質(zhì)。

　　

　　所謂冷數(shù)據(jù)，就如同檔案館的歷史資料，需要把海量信息保存好，但平時又很少去使用。因為這些數(shù)據(jù)需要長期存儲、耗能又大，而電子存儲設備的壽命往往只有十年到幾十年，并需要不斷更新迭代，難以滿足冷數(shù)據(jù)存儲的需要。

　　

　　DNA存儲走向?qū)嵱没悦媾R很多挑戰(zhàn)。元英進認為，眼下的突破可能還只是冰山一角，“技術進步需要十年磨一劍的耐心，還需要一點運氣。”（胡春艷通訊員趙暉）