一个咖啡杯装下全世界的数据DNA存储芯片神奇在哪？_数据_碱基

芯东西（"大众年夜众号：aichip001）作者 | 程茜编辑 | Panken

我们正处于数据爆炸的时期，环球数据量呈指数级增长！

国际数据机构IDC预测，2025年，环球数据量将达到175ZB，5年均匀复合增长率8%。
1ZB即是1万亿GB，如果175ZB数据用容量1GB的移动硬盘来装，至少须要175万亿个硬盘。
在未来，数据存储问题将成为互联网发展的痛点。

为理解决数据存储这一难题，受生物学的启示，研究职员瞄准了人体内的DNA。

最大的人类染色体含有近2.5亿个碱基对，如果每个碱基对上都能存储数据，理论上，麻省理工学院生物工程教授Mark Bathe说，一个装满DNA的咖啡杯就可以存储天下上所有的数据。
这样看来，存储175ZB的数据也就不在话下了。

这样一个前景可不雅观的新兴存储技能，在今年3月被写进“十四五”方案纲要草案中。
不仅如此，2021年层出不穷的干系研究及落地进展，令DNA存储技能愈发受到关注。

例如1月11日，Nature子刊上揭橥了哥伦比亚大学将hello world翻译成碱基措辞录入大肠杆菌DNA的干系论文；5月26日，由中科院深圳前辈技能研究院孵化的中科碳元成立，专注于推进DNA数据存储研发及商业化；11月12日，东南大学刘宏团队将校训“止于至善”写进DNA的论文揭橥于Science Advances；11月24日，微软公布首个纳米级DNA存储写入器……

须要把稳的是，广义上的DNA芯片是基因组学和遗传学研究的工具，指在固相支持物上原位合成寡核苷酸或者直接将大量预先制备的DNA探针以显微打印的办法有序地固化于支持物表面，然后与标记的样品杂交。
由于其支持物表面常是打算机芯片，因此称其为DNA芯片。

DNA芯片类型多样，包括检测基因、染色体或用于临床诊断用的芯片，而个中模拟DNA分子构造进行数据存储的是我们本日谈论的重点，也便是DNA存储芯片。

从远古石墙上刻的图案到笔墨的涌现，再到最主要的信息载体书本的产生，我们产生的信息实在并不多。
但自从进入信息时期，人类在过去50年里记录的信息已经远远超过过去2000年的信息。

我们处在信息爆炸的大数据时期，所有互联网中的信息都作为数据保存下来，从网页、运用程序到安防、卫星领域搜罗万象。

根据国际数据组织IDC的数据，2013年至2015年环球大数据存储量分别为4.3ZB、6.6ZB、8.6ZB，增速坚持在40%旁边，而到2016年环球大数据存储量达到16.1ZB，增长率达到87.21%。
2017年至2019年环球大数据存储量分别为21.6ZB、33ZB、41ZB，2020年环球数据量达到了60ZB。
在大数据领域不断发展的同时，为了知足海量的数据存储需求，存储办法也在不断发生变革。

▲IDC监测2015-2020年环球数据量变革趋势以及2025年预测

DNA是储存遗传信息的载体，携带有合成RNA和蛋白质所必需的遗传信息，它可以对生物的所有信息进行编码。

上世纪50年代，就有研究职员创造了生物特色和人造物体的关系。
DNA分子由四种碱基组成，数据由二进制0和1组成；DNA用来储存遗传信息，数据恰好须要一个介质存储，由此苏联物理学家米哈伊尔·萨莫伊洛维奇·内曼（Mikhail Samoilovich Neiman）想到，是否可以参考DNA构造来存储数据？

与传统的存储介质不同，DNA存储技能有如下显著上风。

首先是DNA存储密度高。
一个DNA分子可以保留一个物种的全部遗传信息，最大的人类染色体含有近2.5亿个碱基对，那么就意味着一条和人手差不多长的DNA链，就可以存储1EB（1EB=10.74亿G）数据。

与硬盘和闪存的数据存储密度比较，硬盘存储每立方厘米约为1013位，闪存存储约为1016位，而DNA存储的密度约为1019位。

其次是DNA分子存储具有稳定性。
今年2月，国际顶级学术期刊Nature上的一篇论文称古生物学家在西伯利亚东北部的永久冻土层中提取到距今120万年猛犸象的遗传物质，并对其DNA进行理解析，这也进一步刷新了DNA分子的保存年代记录。

据悉，DNA至少可保留上百年的数据，比较之下，硬盘、磁带的数据最多只能保留约10年。

末了，DNA存储掩护本钱低。
以DNA形式存储的数据易于掩护，和传统的数据中央不同，不须要大量的人力、财力投入，仅须要保存在低温环境中。

在能耗方面，1GB的数据硬盘存储能耗约为0.04W，而DNA存储的能耗则小于10-10W。

上个世纪50年代，科学家已经提出创建人造物体与微不雅观天下的生物特色相似的想法，并且认为该人造物体将具有更加广泛的能力。
不到十年，苏联物理学家米哈伊尔·萨莫伊洛维奇·内曼（Mikhail Samoilovich Neiman）就独立提出了可以利用DNA和RNA分子来进行信息记录、存储和检索的可能性。

DNA进行数据存储的运用真正开始于1988年，艺术家乔戴维斯和哈佛大学的研究职员互助，在大肠杆菌的DNA序列中，将一张代表生命和女性地球的古代日耳曼符文图片，通过5×7的矩阵存储到DNA序列中。
他们用二进制中的1代表图片中的暗像素，0代表图片中的亮像素。

在之后的研究中，研究职员提出了多种DNA存储的编码办法。
2011年，研究团队对一本659KB的书本进行编码，通过一对一对应，由腺嘌呤或胞嘧啶表示二进制中的0，鸟嘌呤或胸腺嘧啶表示1。
然而，末了研究职员检讨数据存储结果时创造，在DNA中涌现了22个缺点。
这种逐一对应的编码办法的精度较低。

DNA是由四种碱基结合成碱基对，并组成螺旋构造。
四种碱基分别是腺嘌呤（A）、胸腺嘧啶（T）、鸟嘌呤（G）、胞嘧啶（C），然后依据碱基互补配对原则，来排列DNA分子储存遗传信息。
这四个代码也为DNA存储芯片供应了一个得当的编码环境。

▲DNA分子构造示意图

DNA存储技能包括信息编码、存储、检索、解码四个步骤。
在打算机中，数据存储须要用二进制0和1来表示，利用DNA来存储数据首先须要将0和1转化为DNA中的四个碱基A、C、T、G，创建具有精确碱基序列的DNA螺旋构造。
合成DNA后在体内或体外进行存储。
在解码时，DNA测序仪会转录该DNA构造中的碱基序列，通过解码软件将其转化为0和1，还原数据信息。

2012年，哈佛大学的研究团队证明，DNA可以作为一种和硬盘驱动器、磁带类似的存储介质。
他们通过DNA对数字信息进行编码，包括53400字节的HTML草稿，11张JPG图片和一个JavaScript程序，利用位与碱基一对一映射，但这种办法会使得相同碱基永劫光运行，测序过程随意马虎出错。

这种大略的一对一编码形式，在2013年得到了打破。
欧洲生物信息学研究所（EBI）的研究职员在论文中称，他们已经实现了超过500万位数据的存储、检索和复制，并且所有DNA文件都以99.99%到100%的准确度再现了信息。
在编码过程中，研究小组加入了纠错编码方案，并采取了可通过序列识别的重叠短寡核苷酸的编码办法。

此后，哥伦比亚大学、华盛顿大学、帝国理工学院等研究团队都开展了一系列研究。
为了证明DNA编码数据的长期稳定性，2015年2月4日，苏黎世联邦理工学院的研究职员在国际顶级期刊Angewandte Chemie International Edition上揭橥了干系论文，研究职员通过Reed-Solomon纠错编码和溶胶、凝胶将DNA封装在二氧化硅玻璃球中来增加冗余，而这可能是DNA存储芯片的最早期形态。

2021年11月起，多个研究团队公布了DNA存储芯片研究的新进展，包括我国东南大学、微软研究院、伊利亚诺州西北大学以及佐治亚理工学院的研究小组。

11月12日，我国东南大学生物科学与医学工程学院、生物电子学国家重点实验室的刘宏团队成功将校训 “止于至善” 存入一段DNA序列中，该论文揭橥于Science Advances。
为了实现DNA存储的微型化、集成化、自动化，研究小组对测序过程进行了优化。
基于电化学的单电极DNA合成和测序方法，通过电化学脱保护技能改进传统亚磷酰胺化学合成方法，并基于电荷震荡征象对电极表面的DNA分子进行测序，成功将校训进行编码和解码。

▲刘宏团队基于电化学DNA合成与测序的DNA数据存储系统流程图（图片来源为东南大学官网）

11月24日，微软研究院与华盛顿大学分子信息系统实验室（MISL）互助在DNA存储上取得打破的论文揭橥于Science Advances上，该研究小组公布首个纳米级DNA存储写入器，DNA芯片上的分子掌握器和DNA写入配有PCIe接口，可以一次性构建四股合成DNA，产生包含100个碱基的DNA链。

微软研究院称，更长的DNA链会随意马虎涌现缺点，但随着硬件的发展，这都会得到改进。
该项实验证明了DNA螺旋构造扩大存储规模的可能性。

今年11月29日，伊利诺伊州西北大学合成生物学中央提出了将信息记录到DNA的新方法发布于《基因组学研究（Technology Networks）》期刊中，在编码环节他们试图通过DNA本身具有的能力来创建一种新的数据存储办理方案。

在实验过程中，他们利用一种新的酶匆匆系统来合成DNA，将快速变革的环境旗子暗记直接记录到DNA序列中。
西北大学工程学教授Keith EJ Tyo称，通过直接掌握合成DNA的酶，可以实现提前表达和连续存储信息。

为了使DNA数据存储在扩大存储规模的同时能降落本钱，12月1日，佐治亚理工学院（GTRI）高等研究科学家尼古拉斯·吉斯（Nicholas Guise）在接管外媒英国广播公司（BBC）采访时说：“我们新芯片上的功能密度大约比当前的商业设备赶过100倍。
”

他们设计的芯片可以以极低的本钱，通过超密集格式使DNA链实现增长，得到大规格的存储容量。
这个微芯片配备了10组几百纳米深的“微孔”，使得DNA分子在这中间平行成长，终极在芯片上积压了数百万个DNA序列。
比较于传统的合成DNA制造过程，这种方法采取电化学局部激活合成，本钱更加低廉。

▲佐治亚理工学院（GTRI）研究小组实验编码解码过程（图片来源为论文插图）

不断的研究表明，DNA存储技能将成为跨时期的存储办法。
但从上世纪50年代提出至今，其发展一贯没有重大的本色性进展。
微软研究院作为DNA数据存储的早期入局者，2015年开始进行干系研究，直到2019年才有研发进展，他们展示了一个全自动系统来编码和解码DNA中的数据信息。

DNA存储芯片能够实现高密度、永劫光的存储特性，但目前该项技能还不能广泛利用于打算机领域，目前紧张针对一些不常用但须要保存的内容。
DNA存储芯片无法商业化，大概有以下几点缘故原由。

首先，DNA存储数据的写入和读取本钱高昂。
2017年哥伦比亚大学的实验显示，合成2MB的DNA数据须要7000美元，而读取数据须要2000美元，只管这比较于2013年每兆12400美元的本钱已经大大降落，但如果用户须要以DNA形式储存1GB的电影，编码大约须要花费358万美元，而读取数据还须要102万美元。

其次，DNA存储数据的解码过程须要大型工具。
目前DNA存储技能的解码过程，还须要依赖测序仪对DNA分子进行排序，市情上量产的测序仪大多都用于小型实验室、临床运用等时效性哀求较高的场景，距日常利用还很远。

▲测序做事供应商Illumina的测序仪产品iSeq 100（图片来源为Illumina官网）

此外，DNA存储技能的读写速率慢。
2021年12月初，佐治亚理工学院的研究将DNA存储速率提升到了每天写入20GB数据，目前固态硬盘的读写速率大约为每秒500MB。
IDC《数据时期2025》的报告显示，环球每年产生的数据在2025年将达到175ZB，相称于每天产生491EB的数据。
纵然DNA存储芯片的密度足够大，其实时读取速率也无法知足当前的数据存储需求。

DNA存储芯片是未来大容量存储较为空想的介质，目前的研究进展大部分都处于观点验证阶段，其硬件设备的落地还须要很长一段韶光。

DNA存储芯片存储密度高、稳定性高、易于掩护的上风决定了它成为下一代存储设备的可能。
不过该项技能的进一步商业化还有很多限定，例如本钱高昂、存储环境限定较多、实时读取速率慢等，这些都表明其变成主流存储设备还有很长一段路要走。

我们处于数字时期，从智好手机、平板、PC到可穿着设备每天都会产生大量信息，因此这个现实条件决定，找到性能哀求更高且更加低本钱的存储设备迫不及待。

DNA的半衰期为521年，在一个冰冷或得当的条件下，DNA可以持续存在数十万年，乃至几百万年，如果DNA存储技能真正实现商用，在未来，我们的数据档案可能将变成“化石”留存下来。

参考资料：《DNA存储技能国际发展态势剖析》宋琪、丁陈君、吴晓燕、陈方