現(xiàn)代存儲技術(shù)已經(jīng)無法滿足字節(jié)的海嘯式增長，但是大自然也許已為這個難題提供了解決方案。

比如，DNA。

上個月，來自微軟和華盛頓大學的研究人員宣布：以人工合成為DNA為載體的存儲和讀取數(shù)據(jù)的全自動系統(tǒng)研制成功，邁出了該技術(shù)從研究實驗室走進商業(yè)應(yīng)用關(guān)鍵的一步。

在一次概念驗證測試中，該研究團隊成功地在人工合成的DNA片段中編碼了“hello”一詞，并使用全自動端到端系統(tǒng)將其轉(zhuǎn)換回數(shù)字數(shù)據(jù)。

其實早在2016年7月，微軟和華盛頓大學的研究人員就已經(jīng)宣布，利用DNA存儲技術(shù)完成了約200MB數(shù)據(jù)的保存，相對于當時最大存儲為739KB的EBI文件來說已經(jīng)實現(xiàn)了信息存儲了飛躍。

該研究聲稱，如果信息封裝密度像大腸桿菌的基因那么高，全世界的存儲需求可用1千克的DNA來滿足。

這一結(jié)果發(fā)布在當年9月份的《自然（Nature）》雜志上。

兩年多的時間過去了，微軟和華盛頓大學的研究人員又取得了新突破：不僅存儲量翻了5倍——能夠在DNA中存儲1000MB的數(shù)據(jù)，還實現(xiàn)了從存儲到提取信息的重大突破。也就是說，用DNA存儲數(shù)據(jù)已經(jīng)成為可能。

該研究結(jié)果發(fā)表在一篇名為《DNA自動存儲端到端自動化演示》的論文中，并于3月21日出版在Nature Scientific Reports版塊。

人工合成DNA存儲

DNA存儲數(shù)字信息的空間比目前建造的數(shù)據(jù)中心要小好幾個數(shù)量級。我們每天都在產(chǎn)生海量數(shù)據(jù)，從商業(yè)信息到可愛的動物視頻再到醫(yī)學掃描圖像和外太空圖像，因此DNA非常適合用來存儲大規(guī)模的數(shù)據(jù)。

微軟首席研究員Karin Strauss稱：“我們的最終目標是將一個全自動系統(tǒng)投入到實際應(yīng)用。對終端用戶來說，這類似于云端存儲服務(wù)——將數(shù)據(jù)上傳到數(shù)據(jù)中心并存儲在那里，用戶隨時可以查看并下載云端數(shù)據(jù)。要做到這一點，我們首先需要從自動化角度證明這是可用的?！?/p>

華盛頓大學的高級研究科學家Chris Takahashi說：“信息存儲在人工合成的DNA分子中（而不是人類或其它生物的DNA分子），并且可以在發(fā)送到系統(tǒng)之前進行加密。 雖然這個過程的關(guān)鍵部分可以由DNA合成器和DNA測序儀等機器完成，但到目前為止，許多中間步驟都需要在研究實驗室中進行人工操作，這在實際應(yīng)用中是很難實現(xiàn)?！?/p>

“總不能讓一群人帶著移液器（一種用于定量轉(zhuǎn)移液體的小型器具）在數(shù)據(jù)中心里四處奔跑，而且移液器在使用過程中容易出現(xiàn)人為錯誤，成本也很高?！?/p>

從信息存儲商業(yè)化的角度來看，人們需要降低合成DNA的成本，包括合成存儲信息的DNA雙鏈和提取信息的DNA測序。

自動化是DNA存儲商用關(guān)鍵

微軟的研究人員說，自動化是另一個關(guān)鍵因素，因為它可以實現(xiàn)商業(yè)級規(guī)模的存儲并極大降低成本。

現(xiàn)有的存檔技術(shù)在幾十年內(nèi)將不再適用，而DNA存儲信息的時間要比它長得多。比如說：DNA可以在猛犸象牙和原始人骨骼中存在數(shù)萬年。

值得強調(diào)的是，這還不是理想的儲存條件。DNA包含的遺傳密碼是通用的，也就是說自然界所有生物共用同一套遺傳密碼，基于此，理論上來說人類可以解讀所有生物的遺傳信息。

DNA是由四個堿基：腺嘌呤（A）、胸腺嘧啶（T）、胞嘧啶（C）和鳥嘌呤（G）構(gòu)建而成的。微軟和華盛頓大學聯(lián)合開發(fā)了一套DNA數(shù)據(jù)自動存儲系統(tǒng)，將數(shù)字數(shù)據(jù)的1和0轉(zhuǎn)換為構(gòu)成DNA的A、T、C和G，然后將其它必要反應(yīng)液注入合成器，合成器就能合成DNA片段并將其推入儲存器。

將1和0 轉(zhuǎn)換成DNA的A、T、C、G

當系統(tǒng)需要檢索信息時，它會添加其它化學物質(zhì)來提取所需的DNA，并使用微流體泵將液體推入系統(tǒng)的其它部分。接著“讀取”DNA序列并將其轉(zhuǎn)換回計算機可以理解的信息。

研究人員表示，研究項目的目標不是要證明系統(tǒng)能夠以多快的速度或多低的成本運作，而只是為了證明自動化是可行的。

DNA自動化存儲系統(tǒng)的一個直接好處是，它可以讓研究人員從繁復(fù)的實驗中掙脫出來，去解決更深層次的問題。

微軟研究員Bichlien Nguyen說：“自動化系統(tǒng)能進行重復(fù)性的工作，這使得人們能夠從更宏觀的角度制定新策略，從根本上進行更快的創(chuàng)新。”

分子信息系統(tǒng)實驗室的團隊已經(jīng)證明DNA可以存儲寵物照片，文學作品，流行視頻和檔案信息，并且在檢索數(shù)據(jù)的過程中不出錯。

研究人員還開發(fā)了一些技術(shù)來執(zhí)行很有意義的計算任務(wù)——比如只搜索包含蘋果或綠色自行車的圖像，使用的是DNA分子本身，而不必將文件轉(zhuǎn)換回數(shù)字格式。

華盛頓大學的Luis Ceze教授說：“我們肯定會看到一種新型計算機系統(tǒng)的誕生，人們可以使用DNA分子存儲數(shù)據(jù)，用電子設(shè)備進行控制和處理。將DNA和計算機結(jié)合到一起為未來提供了無限的可能?！?/p>

人類的DNA存儲探索

人類對DNA數(shù)據(jù)存儲能力的探索早已有之。

1988年，藝術(shù)家喬?戴維斯與哈佛的學者合作，第一個將數(shù)字信號0和1對應(yīng)到DNA的四個堿基。他們把DNA序列插入到大腸桿菌里，僅僅編碼了35個字節(jié)。當排列成一個5*7的矩陣時，1對應(yīng)到暗像素，0對應(yīng)到亮像素，它們組成了一幅古代日耳曼如尼字母圖畫，代表生命和女性的地球。

現(xiàn)在戴維斯已經(jīng)加入了丘奇的實驗室，該實驗室2011年起開始探索DNA數(shù)據(jù)存儲。哈佛團隊希望該應(yīng)用可以減少合成DNA的高成本，就像基因組學的測序成本已經(jīng)降低了許多。丘奇與加州大學洛杉磯分校的瑟里? 庫蘇里（Sri Kosuri）以及約翰?霍普金斯大學的基因組專家高原（Yuan Gao）于2011年11月實施了概念證明性實驗。

他們的團隊使用了很多短DNA片段編碼了一本丘奇與他人合寫的659KB數(shù)據(jù)的書。每個片段的一部分用來進行排序后片段組裝順序，剩余部分用于編碼數(shù)據(jù)。將數(shù)據(jù)保存在DNA之中需要將二進制0和1數(shù)據(jù)轉(zhuǎn)換為4種核苷酸，其中0用腺苷酸或胞嘧啶來編碼，而1則用鳥苷酸或胸腺嘧啶。

這種靈活性幫助團隊設(shè)計序列，避免測序中高GC區(qū)讀取錯誤、重復(fù)序列或發(fā)卡結(jié)構(gòu)導致的綁定彼此的片段發(fā)生序列折疊。他們沒有做嚴謹?shù)募m錯，而是依靠每個片段擁有多個拷貝的信息冗余。結(jié)果對片段測序后，他們發(fā)現(xiàn)了22個錯誤，大大高于可靠存儲的要求。

同時在EBI，高德曼、伯尼和他們的同事也在使用很多DNA片段來編碼一個739KB的數(shù)據(jù)存儲，包含一個圖片、ASCII文本、聲音文件和一個PDF版的華生和克里克標志性的雙螺旋結(jié)構(gòu)。為了避免重復(fù)堿基和其他來源的錯誤，EBI領(lǐng)導的這個團隊使用了一個更加復(fù)雜的系統(tǒng)（見“制作存儲體”）。

一方面是將0和1組成的二進制數(shù)據(jù)編碼修改成以3個數(shù)為基礎(chǔ)，即0，1和2，然后持續(xù)地輪換使用每一個數(shù)的代表，因此而避免在讀取數(shù)據(jù)時序列可能出現(xiàn)的問題。通過利用序列重疊，100個堿基長度的片段持續(xù)位移25個堿基，EBI的科學家們確保有4個版本的片段來做錯誤檢查和互相比較。

液體轉(zhuǎn)移DNA難點

與基于硅的計算系統(tǒng)不同，基于DNA的存儲和計算系統(tǒng)必須使用液體來轉(zhuǎn)移DNA分子。流體本質(zhì)上與電子不同，這意味著我們需要全新的技術(shù)解決方案。

華盛頓大學的團隊與微軟正在合作開發(fā)一種可編程系統(tǒng)，利用電和水的特性在電極網(wǎng)格上移動水滴，從而實現(xiàn)實驗自動化。名為“Puddle”和“PurpleDrop”的一整套軟件和硬件可以混合、分離、加熱或冷卻不同的液體并按標準實驗步驟進行實驗。

MISL團隊下一步要做的是將簡單的端到端自動化系統(tǒng)與PurpleDrop等技術(shù)以及能夠使用DNA分子進行搜索的技術(shù)相結(jié)合。研究人員專門設(shè)計了模塊化的自動化系統(tǒng)，使其能夠隨著新的DNA技術(shù)的出現(xiàn)而發(fā)展。