DNA存儲技術的研究概述

周谷成 范艷艷 肖義軍

（福建師范大學生命科學學院 福建福州 350108）

生命的信息存在于DNA 分子之中，構成DNA的4 種堿基的不同排列方式，存儲了地球上所有生命的信息，因此DNA 分子是一種容量巨大的信息存儲工具。 隨著現(xiàn)代社會數(shù)字化信息的不斷積累，數(shù)據(jù)的存儲需求越來越高，有研究表明到2020年，包含在全球計算機及歷史檔案、電影、照片、企業(yè)系統(tǒng)和移動設備中的數(shù)據(jù)量將達到44 萬億G。 現(xiàn)在使用的磁介質（磁帶、磁盤、硬盤等）和光介質（CD、DVD 等）在存儲量上將很難達到要求。為了滿足人們未來對數(shù)據(jù)存儲的需求，尋找具有更好存儲性能的新材料、 新技術成為一個重要的問題。 DNA 存儲技術有望成為可用于某些特定領域的新型信息存儲技術。

1 DNA 存儲技術的原理

DNA 存儲技術是指用人工合成的脫氧核苷酸鏈對文檔、 圖片和音頻等信息進行存儲并能完整讀取的技術。DNA 是由4 種堿基——腺嘌呤（A）和胸腺嘧啶（T）、鳥嘌呤（G）和胞嘧啶（C）按照堿基互補配對的特定順序排列構成的雙鏈分子，作為遺傳信息，指導生物體生長發(fā)育。DNA 存儲技術就是在這4 個堿基“字母”的基礎上，開發(fā)區(qū)別于生物體的“語言”代碼。 儲存數(shù)據(jù)時先將數(shù)據(jù)編碼成二進制的數(shù)字串，然后用脫氧核苷酸中的堿基A、T、C、G 編碼二進制相對應的數(shù)字，這樣數(shù)據(jù)就能以脫氧核苷酸鏈的形式完成目標DNA 分子的構建（圖1），再通過人工合成相應的DNA 分子，數(shù)據(jù)即被儲存在DNA 分子中。 實際應用時并非將所有數(shù)據(jù)儲存在一個長分子的DNA 中，而是分成多個攜帶一些索引細節(jié)的片段，這樣既能明確各數(shù)據(jù)在整體序列中的位置，又可以降低因片段遭損毀導致全部數(shù)據(jù)丟失的可能性。 讀取數(shù)據(jù)時只需對目標DNA 進行測序，還原為二進制格式的數(shù)字串，再完成解碼工作即可［1］。 對于DNA 儲存來說，數(shù)據(jù)寫入即是人工合成DNA，數(shù)據(jù)讀取即是DNA測序，數(shù)據(jù)的拷貝即是DNA 的復制。

DNA 作為新型的信息存儲載體，有其得天獨厚的優(yōu)點。 第1，DNA 存儲期限長。 生物體內的DNA能保證生命準確無誤地繁衍遺傳，上萬年的樣本仍可被恢復為完整的DNA 片段，表明DNA 保存期限長且無需過多地被維護。 存儲在陰涼干燥處的DNA，可被保存數(shù)10 萬年［3］，這是其他存儲介質無法媲美的。 磁介質是建立在電磁的基礎上，工作環(huán)境易受到限制和干擾，容易出現(xiàn)消磁現(xiàn)象。光介質雖受環(huán)境影響小一些，但耐久性不理想，保存時間有限，一般只有幾十年。 第2，DNA 存儲密度大。 DNA 分子是一種令人難以置信的密集存儲介質，1 g DNA 即可儲存2.15 億G 的信息。而硬盤的存儲量雖可達上百G，但在體積不變的情況下，硬盤數(shù)據(jù)存儲密度提升的空間有限，容量難以實現(xiàn)大幅突破。 CD、DVD 等光介質存儲對表面積的要求很大，只能單層平鋪保存信息，單位存儲量更小。 第3，就讀取方式而言，DNA 存儲不涉及兼容問題。第4，從環(huán)保的角度，其他存儲介質會用到生物不可降解的物質，對環(huán)境造成不良的影響。 基于DNA 存儲技術的上述優(yōu)點，研究人員認為，一些不常用但卻需要長期保存的信息，例如政府文件、歷史檔案等，尤其適合采用DNA 存儲方式。

2 DNA 存儲技術的研究歷程與進展

20世紀70年代科學家即意識到DNA 堿基不同的排列方式可以代表不同的信息，從而萌生了DNA 可作為存儲介質的想法。 1988年首次證明可以將信息存儲在DNA 分子中。 1995年，研究人員提出了構建DNA 存儲器的模型，奠定了DNA 存儲技術研究的基礎。 1999年，研究人員利用DNA 存儲技術編碼和恢復了一條長23 個字母的信息。 進入21世紀以后，特別是近年來，DNA 存儲技術的研究取得了很大的突破。2012年，哈佛大學維斯生物工程研究所的研究人員嘗試將一本約有5.34萬個單詞的書籍和11 張圖片及一段JavaScript 程序編碼到不足一沙克（億萬分之一克）的DNA 微芯片中，完成了當時人類使用DNA 儲存數(shù)據(jù)量最大的一次實驗［4］。2013年，Science 雜志報導有研究者將馬丁·路德的“我有一個夢想”的演講及一些其他的名人作品編入DNA 分子中［5］。 同年英國分子生物學家Goldman 等［6］在Nature 雜志中報道他們通過設計更為復雜的加密系統(tǒng)對部分重疊的字符串數(shù)據(jù)進行編碼，使用沒有同聚體（連續(xù)2 個以上相同堿基）的DNA 序列編碼文件，減少了同聚體序列導致的在高通量測序中可能產生的錯誤。2016年，微軟公司和華盛頓大學研究人員合作，將《戰(zhàn)爭與和平》等100 部經(jīng)典文學作品及數(shù)字圖書館排名前100 位的電子書等約200MB 的數(shù)據(jù)成功地一次性“寫”入DNA 分子中，且在從DNA池中讀取數(shù)據(jù)的測序過程中，沒有出現(xiàn)任何錯誤。Erlich 等［3］發(fā)明了一種所謂的“水滴”儲存法，利用他們設計的DNA 噴泉算法（有容錯糾錯機制），將二進制字符串（噴泉）隨機包裝成“水滴”（即數(shù)據(jù)包），每個“水滴”中的0 和1 映射到DNA 的4 種堿基（A、G、C 和T）上，通過這種方法能使每個核苷酸編碼1.6Bt 的數(shù)據(jù)，合成的文件中也無任何錯誤（圖3）。 在最近的一項研究中，研究者通過CRISPR-Cas9 系統(tǒng)（一種基因編輯技術）將一個短視頻成功儲存到了大腸桿菌的基因組中，證實了可將信息存儲到活細菌的基因組中［7］。 研究人員首先用一張張按出現(xiàn)時間順序排列的圖片表示該視頻，將圖像文件分解為像素，通過編碼技術用DNA 片段表達像素信息；將代表該視頻信息的全部DNA 片段及CRISPR-Cas9 系統(tǒng)所需的酶系統(tǒng)全部轉入大腸桿菌內；最后利用CRISPR-Cas9 系統(tǒng)將DNA 片段整合進大腸桿菌的基因組中，隨著大腸桿菌的繁殖，完成信息的存儲與復制，信息的準確度高達90%。 這意味著利用活體細胞可以實現(xiàn)數(shù)據(jù)的存儲和復制。

3 DNA 存儲技術尚存在的問題

現(xiàn)階段DNA 存儲還存在很多需要解決的技術問題。 首先，目前人工合成DNA 的成本過高且費時。磁介質0、1 之間的轉換只需通過加磁消磁即可實現(xiàn)，光介質可以通過刻錄機將數(shù)據(jù)寫在光盤上，這些比較容易實現(xiàn)。 而將數(shù)據(jù)“寫”入DNA 則困難得多，雖然已經(jīng)有自動合成儀可將堿基連接起來形成DNA 序列，但一般只能合成短鏈DNA，難以做到“即時寫”，且DNA 存儲系統(tǒng)是通過增加冗余度提高容錯能力的，這更增加了成本和時間。 其次，DNA 的測序還遠不夠完美，目前的測序技術只能批量讀取數(shù)據(jù)，即使只從存儲系統(tǒng)中訪問一個字節(jié)的信息，系統(tǒng)也必須對整個DNA 池進行測序和解碼，導致檢索文件耗時過長。 雖然可以通過聚合酶鏈式反應（PCR）精確復制需要提取字符串的副本以加快讀取速度，但相對于其他的存儲技術依然沒有優(yōu)勢［8］，造成無法“即時寫”也無法“即時讀”。 同時DNA 存儲技術在編碼之后不能改變或重寫，在讀取或恢復數(shù)據(jù)時會不可避免地存在一些錯誤，這相對于其他存儲介質也是一個較大的缺點，因此在DNA 存儲中，微小的錯誤可能會產生很大的影響，造成存儲信息不能被讀取或難以理解。所以就目前來說，DNA 存儲技術用途有限，要取代當前的存儲技術還有很多問題需要解決。

目前信息存儲技術的主流方向聚焦在存儲密度、 保存時間和低耗能等方面，DNA 存儲匯集了這些優(yōu)點。 目前來看，成本問題是DNA 存儲技術發(fā)展與普及的最大阻礙，如果能很好地解決成本問題，DNA 存儲技術取代現(xiàn)有存儲技術的可能性極大。 現(xiàn)今其成本問題也已得到一定程度的改善（如今的DNA 測序費用是2002年的5 萬分之一）。 DNA 存儲技術的未來價值已經(jīng)引起了許多電影公司、博物館、檔案館及對諸如谷歌、亞馬遜等這類有長期信息儲存需求機構的興趣，微軟公司于2016年宣布將購買1 000 萬條的DNA，用于研究數(shù)據(jù)存儲。 DNA 存儲將是未來最有前景的信息存儲技術之一。