Nick Goldman 拿着存储了莎士比亚全部十四行诗、一张照片和「我有一个空想」演讲片断的 DNA｜ 泉源：EBI
有人灵光乍现：是什么东西克制了我们用 DNA 来储数据呢？
看起来是一句打趣话，但是生物学家们意识到了这不但仅是个打趣，他们拿起手边的餐巾纸，用圆珠笔认真盘算起可行性。
DNA 存储遗传信息的原理并不复杂，它由四种核苷酸 A、T、G、C 构成，相互两两对应，构成双螺旋结构。核苷酸的序列，记载了遗传信息。
在数字天下，全部的信息本质上是 0 和 1 构成的数据串。想要 DNA 存储数字信息，简单明白，原就是将 0 和 1 的编码序列转换成核苷酸的序列。DNA 存储的上风在于密度大，约莫在你眼前逗号这么巨细，1 立方毫米的 DNA，就可以容纳 9TB（1TB=1024GB）的信息。
用 DNA 存储数据，也并不是完全新的想法，之前就有科学家实行过。不外属于科学和艺术的先锋跨界实行。
1988 年，艺术家 Joe Davis 和哈佛大学的研究员，将一副名为「小维纳斯」（Micro Venus）的图案存储到 DNA 短链中。
在一些生物学家看来，用 DNA 来存储是一件非常「顺滑」的事。「大天然的编码语言非常雷同于我们在盘算机范畴使用的二进制语言。在硬盘上我们使用 0 和 1 来代表数据，而 DNA 中，我们拥有 4 种情势的核苷酸，A、C、T 和 G」。在瑞士联邦理工学院的生物学家 Robert Grass 说。 DNA 存储的关键之一是用四个核苷酸去映射 0 和 1 两个数字。方案可以很简单。比如：A 对应 00，C 对应 01，G 对应 10，T 对应 11。然后再按照所必要的核苷酸序列，像串珠子一样，把核苷酸们串成一串。（这就是 DNA 合成）必要读取信息的时间，再运用基因测序技能，把这一串核苷酸序列读取出来，再翻译成 0 和 1 的字符串。这个流程就是编码—DNA 合成—测序—解码。
这个听起来像是「把大象装进冰箱」的流程，利用起来必要思量的题目尚有很多。否则科学家就不必不停研究新的编码方案了。
在天然界存在的 DNA 中，A 和 T，C 与 G 两两配对，在一条 DNA 中，CG 与 AT 的存在比例根本匀称，为 50% 左右。如果 C 和 G 的含量过高，大概会让 DNA 链产生一些复杂的物理结构。这就会让 DNA 测序（解码）变得复杂。
DNA 存储的步调｜ 泉源：DNA Data Storage Alliance
而且在「串珠子」（也就是合成 DNA 链条）的过程中，错误率不可制止。现在约莫每合成 100 个碱基就会出现一个错误。这是由现在的化学合成技能带来的瓶颈，每合成一个碱基，有 99.9% 以上的精确率。但是当碱基串变长，0.01% 的概率相乘，错误就难以制止。现在人工合成 DNA 的单链的长度一样平常不高出 100 个碱基，极限在 300 个碱基左右。而在天然界的 DNA 动辄有几千个碱基对。
也就是说，固然 DNA 的存储本领很强，但它们不得不以很多条短链的方式存在。如果存储的信息量比力大，这些 DNA 短链就像一本散装的书。它可以存储很多信息，存在情势却是一张张标着页码的纸。固然，可以将一条条 DNA 短链拼接发展链。这就意味着增长了一道工序。在测序的过程中，又必要把长链打断成短链。这是由于现在技能还不能一次性读取长链。
在测序的过程中，也存在错误率。只管现在的错误率已经低至 10^-3 数目级，比起贸易硬盘的读写错误率，仍相差至少 9 个数目级。 精确率受到合成和测序这两项技能的影响，科学家想到计划编码方案来制止：在编码中增长纠错机制。如许，哪怕碱基合成和测序中出现了错误，仍然可以大概包管被存储进 DNA 的内容可以大概被精确读取出来。
03 走出实行室，还要思量速率和资本
DNA 存储也正在实行走出实行室。
2020 年 10 月，微软、西部数据和基因测序巨头 Illumina、DNA 合成初创公司 Twist Bioscience 等团结创建了 DNA 数据存储同盟。
这是天下上第一个该范畴的学术和产业链同盟。这个同盟盼望订定技能和格式标准，终极创建一个可以通用的贸易体系。
微软研究院在 2015 年就创建 DNA 存储的项目，并约请了华盛顿大学的盘算机科学与工程学院的副传授 Karin Strauss 担当高级首席研究司理（Senior Principal Research Manager）。
2013 年，她和同事去英国 EBI 访问，相识到 Goldman 和同事们关于 DNA 存储的研究，就对这个方向产生了很大的爱好。Strauss 说，「DNA 的密度、稳固性和成熟度让我们高兴。」 在他们的研究中，想开发的是另一个功能：随机读取。常见的 DNA 测序技能中，必须要将全部的碱基串一次性读取完，才气够得到信息。要么不读取，要么全读。如果只想要数据中的某一个小片断，就会非常贫困。
2016 年，他们发表了一项研究，可以在 DNA 已经存储的信息中搜索到指定的图像，定位后，用酶来复制所需的 DNA 片断，然后只需读取这一小段即可。
Karin Strauss（右）和两位研究相助者｜泉源：csenews
要让 DNA 存储离商用更进一步，还必要办理合成速率和资本。现在合成速率是每秒存储上千个字节（KB），成熟的云存储方案已经有每秒千兆字节（GB）以上。
这意味着，编写 DNA 的速率还必要提拔 6 个数目级。怎样让提拔数据处置处罚量？就像并行盘算可以大概提拔数据处置处罚速率，科学家盼望 DNA 在合成时也可以并行多条，同时处置处罚。
2021 年，微软开发出首个纳米级 DNA 存储器，可以大概在每个平方厘米的地域上，同时合成 25X106（2650）条碱基序列。这个新的技能把原来同时合成碱基序列的数字从个位提拔到了千位。这个吞吐量，让 DNA 合成速率酿成了每秒兆字节（MB）。