基因組數(shù)據(jù)太多了，存儲(chǔ)怎么辦？

　　前言：

　　DNA存儲(chǔ)了恐龍的生物信息，科技讓它重新表達(dá)。DNA存儲(chǔ)或許也可以像我們?nèi)缃裼玫囊苿?dòng)硬盤(pán)一樣進(jìn)行現(xiàn)場(chǎng)即時(shí)存儲(chǔ)。

　　DNA存儲(chǔ)技術(shù)將有望成為下一代信息存儲(chǔ)技術(shù)。

　　DNA數(shù)據(jù)保存面臨“大”問(wèn)題

　　在大自然里，DNA負(fù)責(zé)存儲(chǔ)遺傳信息。

　　單個(gè)人體細(xì)胞的平均直徑是5到200微米，這其中的DNA可以包含一個(gè)人全部的遺傳信息：30億對(duì)堿基。

　　大規(guī)模的基因組測(cè)序正在進(jìn)行，隨之產(chǎn)生的數(shù)據(jù)規(guī)�？焖僭鲩L(zhǎng)。

　　存儲(chǔ)、壓縮這些數(shù)據(jù)是個(gè)麻煩事，現(xiàn)有的技術(shù)方案看起來(lái)不太行。

　　據(jù)估計(jì)：人類(lèi)基因組需要高達(dá)2-40EB的存儲(chǔ)容量。

　　這可能超過(guò)一個(gè)世界級(jí)科技公司的云存儲(chǔ)量，全世界蘋(píng)果用戶(hù)存儲(chǔ)在谷歌云上的數(shù)據(jù)總量大約是8EB。

　　這8EB數(shù)據(jù)，每月存儲(chǔ)費(fèi)需要2.18億美元。

　　DNA存儲(chǔ)原理其實(shí)很難理解

　　DNA由腺嘌呤(A)、鳥(niǎo)嘌呤(G)、胸腺嘧啶(T)、胞嘧啶(C)4個(gè)堿基構(gòu)成雙螺旋結(jié)構(gòu)，可以保存生物體的遺傳信息。

　　DNA存儲(chǔ)遺傳信息的原理并不復(fù)雜，它由四種核苷酸A、T、G、C組成，彼此兩兩對(duì)應(yīng)，組成雙螺旋結(jié)構(gòu)。

　　在數(shù)字世界，所有的信息本質(zhì)上是0和1組成的數(shù)據(jù)串。

　　想要DNA存儲(chǔ)數(shù)字信息，簡(jiǎn)單理解，原就是將0和1的編碼序列轉(zhuǎn)換成核苷酸的序列。

　　DNA存儲(chǔ)的優(yōu)勢(shì)在于密度大，大約在你眼前逗號(hào)這么大小，1立方毫米的DNA，就可以容納9TB(1TB=1024GB)的信息。

　　在自然界存在的DNA中，A和T，C與G兩兩配對(duì)，在一條DNA中，CG與AT的存在比例基本均勻，為50%左右。

　　也就是說(shuō)，雖然DNA的存儲(chǔ)能力很強(qiáng)，但它們不得不以很多條短鏈的方式存在。

　　難以突破的結(jié)構(gòu)性障礙

　　雖然DNA存儲(chǔ)具有較為明顯突出的優(yōu)勢(shì)，政策、資本等也在全方位的支持，應(yīng)用的前景廣闊，但商業(yè)化的進(jìn)展仍然十分緩慢。

　　其最大屏障來(lái)自于其存儲(chǔ)技術(shù)本身。

　　DNA存儲(chǔ)數(shù)據(jù)的過(guò)程主要分為五個(gè)步驟：

　�、倬幋a——將數(shù)字信息編碼為DNA序列;

　　②合成——將序列融入實(shí)際的DNA分子;

　　③存儲(chǔ)——將合成的DNA片段保存在載體或細(xì)胞中;

　�、茉L問(wèn)——檢索和選擇性讀取序列信息;

　　⑤解碼——將測(cè)定的序列信息轉(zhuǎn)換回?cái)?shù)字信息。

　　在整個(gè)存儲(chǔ)的過(guò)程中，編碼與合成是DNA存儲(chǔ)中較為關(guān)鍵和困難的環(huán)節(jié)。

　　總的來(lái)說(shuō)，DNA存儲(chǔ)的各個(gè)環(huán)節(jié)都有較多的難關(guān)需要克服，DNA存儲(chǔ)真正意義上的走入商業(yè)市場(chǎng)。

　　DNA存儲(chǔ)試圖走向商業(yè)化道路

　　2020年微軟、西部數(shù)據(jù)和基因測(cè)序巨頭Illumina、DNA合成初創(chuàng)公司TwistBioscience等聯(lián)合成立了DNA數(shù)據(jù)存儲(chǔ)聯(lián)盟。

　　這是世界上第一個(gè)該領(lǐng)域的學(xué)術(shù)和產(chǎn)業(yè)鏈聯(lián)盟，這個(gè)聯(lián)盟希望制定技術(shù)和格式標(biāo)準(zhǔn)，最終建立一個(gè)可以通用的商業(yè)系統(tǒng)。

　　微軟研究院在2015年就成立了DNA存儲(chǔ)的項(xiàng)目，2021年微軟開(kāi)發(fā)出首個(gè)納米級(jí)DNA存儲(chǔ)器，能夠在每個(gè)平方厘米的區(qū)域上，同時(shí)合成25X106(2650)條堿基序列。

　　這個(gè)新的技術(shù)把原來(lái)同時(shí)合成堿基序列的數(shù)字從個(gè)位提升到了千位。這個(gè)吞吐量，讓DNA合成速度變成了每秒兆字節(jié)(MB)。

　　進(jìn)一步發(fā)展成為主流的存儲(chǔ)設(shè)備，還需要長(zhǎng)時(shí)間的沉淀，才能讓DNA存儲(chǔ)技術(shù)有實(shí)質(zhì)的進(jìn)階。

　　DNA存儲(chǔ)在AI技術(shù)的加持下，其編碼的環(huán)節(jié)效率也獲得了極大地提升。

　　未來(lái)隨著納米技術(shù)與AI技術(shù)的加持，DNA存儲(chǔ)的技術(shù)也會(huì)一步步解除智識(shí)的限制禁錮，逐步升級(jí)，為存儲(chǔ)領(lǐng)域帶來(lái)質(zhì)的飛躍。

　　DNA存儲(chǔ)的四大優(yōu)勢(shì)

　　相比于目前我們常用的存儲(chǔ)介質(zhì)，如U盤(pán)、光盤(pán)、硬盤(pán)等，DNA存儲(chǔ)具有一系列優(yōu)勢(shì)。

　�、俅鎯�(chǔ)密度高。每立方厘米的DNA分子可以存儲(chǔ)大約1EB的信息，這一密度是當(dāng)前存儲(chǔ)密度最高的介質(zhì)(閃存)的1000倍，是硬盤(pán)數(shù)據(jù)存儲(chǔ)密度的百萬(wàn)倍。

　�、诒４鎵勖�長(zhǎng)。從理論上來(lái)說(shuō)，DNA數(shù)據(jù)在沒(méi)有特別人工干預(yù)的情況下至少能保存千年之久。

　�、劬S護(hù)成本低。存儲(chǔ)在DNA的數(shù)據(jù)，理論上來(lái)說(shuō)通過(guò)低溫冷凍或者固態(tài)封存的手段，可以長(zhǎng)時(shí)間存儲(chǔ)且?guī)缀醪恍枰�維護(hù)。

　�、蹹NA存儲(chǔ)所需要的占地也遠(yuǎn)小于傳統(tǒng)存儲(chǔ)介質(zhì)，并且還具備數(shù)據(jù)易復(fù)制、易攜帶、能在生物體內(nèi)存儲(chǔ)等特點(diǎn)。

　　現(xiàn)階段至少需要解決的三大問(wèn)題

　�、僮x寫(xiě)速度太慢：以目前的技術(shù)在合成DNA時(shí)，每添加一個(gè)堿基大約需要0.1秒鐘時(shí)間。保存一首高音質(zhì)的MP3歌曲都需要差不多1個(gè)月時(shí)間。

　�、诔杀咎�高：目前合成2MB的DNA數(shù)據(jù)需要7000美元，讀取數(shù)據(jù)需要2000美元，如果以DNA形式存儲(chǔ)1GB大小的電影，編碼大約需要花費(fèi)358萬(wàn)美元。

　�、酆铣蒁NA的穩(wěn)定性：合成DNA過(guò)程中產(chǎn)生的錯(cuò)誤率對(duì)于要求確保100%真實(shí)性和完整性的數(shù)據(jù)存儲(chǔ)指標(biāo)而言是致命的問(wèn)題。

　　結(jié)尾：

　　但這項(xiàng)技術(shù)目前遠(yuǎn)未成熟，或許離真正商用還需要20年，甚至更長(zhǎng)。

　　或許有可能過(guò)程中碰到一個(gè)難以突破的技術(shù)瓶頸導(dǎo)致中途夭折;或許過(guò)程中出現(xiàn)另外一項(xiàng)更具革命性的存儲(chǔ)技術(shù)，比如量子存儲(chǔ)，形成降維打擊。

　　部分資料參考：極客公園：《你身體里的DNA，能存下整個(gè)宇宙的數(shù)據(jù)》，腦極體：《存儲(chǔ)新圖譜：DNA存儲(chǔ)的邊界與天地》