中國科學(xué)家創(chuàng)新DNA存儲算法 讓敦煌壁畫再“活”兩萬年

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(xué)一項研究成果讓人們離想象又近了一些。該校合成生物學(xué)團(tuán)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(xué)院院士、天津大學(xué)副校長元英進(jìn)說。

小小的DNA卻擁有驚人的存儲容量

人類文明進(jìn)化史，也是一部信息存儲技術(shù)發(fā)展史。

從結(jié)繩記事、倉頡造字到磁帶、硬盤等現(xiàn)代磁光電存儲技術(shù)，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(shù)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(jī)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?！痹⑦M(jìn)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(fù)雜的人類基因組信息，都記錄在比細(xì)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(shè)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(jìn)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(dāng)人類發(fā)現(xiàn)DNA的雙螺旋結(jié)構(gòu)后，美俄科學(xué)家就先后提出了用DNA存儲數(shù)字信息的概念。

元英進(jìn)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(xué)研究團(tuán)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(jié)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(jìn)認(rèn)為，DNA存儲被視為一種極具潛力的存儲技術(shù)，已經(jīng)成為應(yīng)對數(shù)據(jù)存儲增長挑戰(zhàn)的新機(jī)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(jī)與無機(jī)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(jìn)制的存儲方式，類似于計算機(jī)采用的0和1二進(jìn)制代碼。

通過編碼轉(zhuǎn)化，“堿基四進(jìn)制”和“計算機(jī)二進(jìn)制”就可以實現(xiàn)“對話”。天津大學(xué)合成生物學(xué)前沿科學(xué)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(jìn)制的比特串，“我們通過編碼將這些二進(jìn)制的比特串，轉(zhuǎn)化為四進(jìn)制的ATGC堿基序列，再通過DNA合成技術(shù)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(tuán)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(kuò)增，數(shù)字信息也隨之廉價且穩(wěn)定地復(fù)制。

“我們傳代培養(yǎng)酵母到100代，依然可以完美地恢復(fù)出原始數(shù)據(jù)?！痹⑦M(jìn)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(tuán)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(guān)鍵科學(xué)問題。

于是，他們設(shè)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(yán)重降解的DNA樣本中，恢復(fù)原始的信息。

為了驗證數(shù)據(jù)的長期可靠性，團(tuán)隊制備了一個沒有任何特殊保護(hù)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(dá)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(tuán)隊依靠設(shè)計的序列重建算法，依然可以準(zhǔn)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(fù)。

DNA存儲走向?qū)嵱没€有多遠(yuǎn)

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(yuǎn)?！痹⑦M(jìn)說，驚人的數(shù)據(jù)存儲需求是新技術(shù)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(dá)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(wù)進(jìn)行DNA存儲試驗。然而從目前來看，DNA存儲想要大規(guī)模應(yīng)用，尤其是在中國實用化還需要突破幾個關(guān)鍵瓶頸。

團(tuán)隊分析了當(dāng)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(dāng)于20世紀(jì)80年代內(nèi)存的存儲成本，而要達(dá)到當(dāng)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?！表n明哲認(rèn)為，今后可以從優(yōu)化合成反應(yīng)、改良芯片結(jié)構(gòu)、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(lǐng)域市場規(guī)模巨大，隨著半導(dǎo)體器件、微納加工在DNA信息存儲領(lǐng)域的應(yīng)用，該領(lǐng)域的巨大投入將對DNA合成技術(shù)產(chǎn)生重大影響，DNA合成技術(shù)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(shù)，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(shù)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(biāo)準(zhǔn)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(xué)科深度交叉融合的研究方向。”元英進(jìn)認(rèn)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(shè)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(jìn)認(rèn)為，眼下的突破可能還只是冰山一角，“技術(shù)進(jìn)步需要十年磨一劍的耐心，還需要一點運(yùn)氣?！?

（編輯：月兒）