读创/深圳商报记者 袁斯茹
起源于几千年前的中国古代哲学思想“阴阳”，为今天的大数据研究提供了灵感。4月25日，《自然-计算科学》发表一项来自深圳的最新成果，该研究开创了一套独具优势的“阴阳”编解码系统，用以解决当前DNA信息存储领域的技术难题。
研究由深圳华大生命科学研究院主导，深圳国家基因库、首都师范大学、美国哈佛大学等多个研究团队共同参与。
△此前，华大研究团队曾将《开国大典》影片存储于DNA中
存储信息，DNA是“资深前辈”
我们正处在前所未有的信息大爆炸时代。据估算，2025年全球每天将产生491EB数据，相当于每天制造出2亿张DVD光盘。如此海量数据，如何长期稳定存储？
2019年，“DNA数据存储器”入选《时代周刊》年度100项最佳发明。
如何用DNA存储数据？华大相关负责人用一句话进行了解释。所有信息在计算机中由二进制的方式存储，即0和1两个数码；而储存在DNA中的生物遗传信息，则储存在DNA中，以A、T、G、C四种碱基表现。“如果把信息语言的0和1，转换为生物语言的ATGC，DNA就有望成为'完美’存储器了。”该负责人说。
事实上，在信息存储界，相较于现有的U盘、硬盘、磁带等，DNA可以说是坐拥数十亿年经验的资深前辈。
△科学家曾成功完成100万年前猛犸象DNA测序，证明DNA可存储信息时间之长
第一是超高的信息密度，2012年《科学》杂志文章指出，1克DNA理论上可以存储455EB数据，相当于数千万个1TB移动硬盘的大小；第二是超长的待机时间，DNA作为相对稳定的分子，其半衰期长达521年，在理想状态下甚至可保存成千上万年；第三是超强的生物兼容性，DNA作为绝大多数生物遗传信息的载体，相对无机物、金属等存储介质而言，具有更强的生物兼容性。
研究10年，“DNA硬盘”还有烦恼
从2012年开始，科学家们不断进行DNA信息存储的相关尝试，前期主要致力于解决信息密度和生物兼容性的难题。
2017年，科学家引进信息通信领域的编码方法——喷泉码，以条件过滤的方式筛选DNA序列，唯有满足筛选条件方可进行最终生成，基于此实现了对生物技术的兼容。
DNA喷泉码的诞生，几乎解决了此前的技术瓶颈，但实际应用中也出现灵活性与适用性的问题。
一方面，喷泉码技术的建立是基于通信技术领域的原理基础，对原始数据类型偏好较强，如需要01分布相对均匀等，因此面向生物与信息融合新兴领域的DNA存储技术应用，存在一定的局限性。另一方面，通信领域的信号传输是即时的、可及时纠错的，而生物领域的DNA分子存储是异步异时的，一旦发生部分信息丢失或错误，便存在原有信息无法恢复的风险。
如何在保证信息转换效率和技术兼容的同时，大幅提高信息恢复的稳定性？此次华大研究院主导的研究，从“阴阳”思想中找到了全新思路。
“阴阳”思想，解DNA存储难题
“DNA的双链模型，是否能如'阴阳’一样对立、统一和互化？”基于此，研究团队开创了一套名为“阴阳”的比特-碱基编解码系统，验证了该系统在信息密度、技术兼容性、数据恢复稳定性等多方面的优势。
△DNA存储流程图，与传统信息存储的“信息写入-保存-读取”步骤类似
“我们以两套不同的规则，分别对两条二进制信息进行'一对一’编译转换，再取两者统一交集的部分为最终解，实现将两条独立的信息组合统一为一串DNA序列。”华大相关负责人表示。
据悉，目前常用的保存方法分为体内和体外两种模式，两者孰优孰劣尚未形成明确定论。为了全方位验证“阴阳”系统的信息恢复稳定性，华大研究院团队通过体外DNA干粉和细胞体内大片段两种存储环境进行测试，皆实现了原始存储数据的完整恢复。
△“阴阳”编解码规则示意图
一方面，研究团队采用不同浓度的原始DNA文库溶液，进行了共200多组测试。结果证明，“阴阳”编码采用的线性数据恢复模式，在每种DNA分子的平均拷贝数仅有100时，仍然能恢复最高88%的原始数据。而同样条件下，DNA喷泉码使用的编码方式，平均恢复率仅有1.3%。
另一方面，团队还将信息存在了酵母活细胞的体内，酵母菌株经过1000代以上传代之后，信息仍可以被完美恢复。“这在一定程度上意味着，利用活体细胞作为DNA存储的载体，上千年后原始信息或仍能被解读，”华大表示，“这样一来，每克DNA能存储的信息量约为432.2 EB，接近于天然DNA分子存储理论极限的物理信息密度。”
（华大供图）
审读：孙世建
联系客服
