核酸分子數(shù)字信息存儲技術(shù)的研究進展

摘要：DNA數(shù)據(jù)存儲已成為一種利用脫氧核糖核苷酸作為存儲介質(zhì)來存儲大量數(shù)據(jù)的解決方案。與閃存和硬盤驅(qū)動器等傳統(tǒng)存儲介質(zhì)相比，DNA具有極高的存儲密度、較長的保存壽命和較低的維護成本。DNA數(shù)據(jù)存儲包括以下步驟：編碼、DNA合成（即寫入）、保存、檢索、DNA測序（即讀?。┖徒獯a。在過去的十年來，利用DNA材料存儲數(shù)據(jù)取得了快速發(fā)展，在本篇綜述中，提供了DNA數(shù)據(jù)存儲的整個過程，介紹了每個步驟的最新進展，最后，對DNA數(shù)據(jù)存儲未來發(fā)展方向進行了展望。

關(guān)鍵詞：DNA存儲；DNA納米技術(shù)；DNA合成；DNA序列

中圖分類號：Q819 文獻標識碼：A

文章編號：1009-3044（2024）32-0077-03 開放科學(xué)（資源服務(wù)）標識碼（OSID） ：

0 引言

隨著數(shù)據(jù)生成速度的不斷加快，預(yù)計到2025年全球數(shù)字數(shù)據(jù)量將達到175澤字節(jié) （ZB）[1]，在不斷變化的數(shù)據(jù)存儲需求的驅(qū)動下，到目前為止，已經(jīng)開發(fā)了從磁帶到閃存的幾代存儲介質(zhì)，目的是在控制成本的同時提高性能、可靠性、耐用性和存儲容量[2]。由于當前存儲介質(zhì)的最大密度為103 GB/mm3，傳統(tǒng)存儲方法難以跟上步伐。脫氧核糖核酸（DNA）正在成為一種新的替代存儲技術(shù)。

DNA作為天然的信息載體，由四種堿基組成，分別是腺嘌呤（A） 、鳥嘌呤（G） 、胞嘧啶（C） 和胸腺嘧啶（T） 。堿基通過氫鍵配對，形成雙螺旋結(jié)構(gòu)中的堿基對，其中，A與T配對，C與G配對。DNA數(shù)據(jù)存儲有許多優(yōu)點，比如，存儲密度較高、存儲壽命長、維護成本低等。早在2013 年，理論估計就表明每克單鏈DNA可以存儲0.455ZB的數(shù)據(jù)[3]，因此1千克 DNA可以存儲世界上所有的數(shù)據(jù)[4]。此外，研究表明，在合適的存儲介質(zhì)中，DNA可以保存高達200萬年[5]。隨著測序技術(shù)的爆炸式增長，目前可以以最快的速度讀取DNA序列，這使得DNA成為理想的存儲介質(zhì)。

1 DNA 存儲流程

DNA數(shù)據(jù)存儲按保存方式可以分為體內(nèi)存儲和體外存儲，體內(nèi)存儲是將數(shù)據(jù)編碼到活細胞的DNA 中，通過轉(zhuǎn)基因技術(shù)將合成的DNA片段插入到生物體（如細菌、酵母或植物等）內(nèi)，這樣生物體就可以攜帶和復(fù)制這些數(shù)據(jù)。體外存儲是將數(shù)據(jù)編碼到合成的DNA片段中，并在實驗室條件下保存這些DNA序列。與體內(nèi)存儲不同，體外存儲不依賴于活細胞，而是利用合成和純化的DNA分子進行數(shù)據(jù)存儲。而如果按數(shù)據(jù)的存儲策略分，DNA數(shù)據(jù)存儲可以分為基于DNA 序列的方案和基于DNA納米技術(shù)的方案，基于DNA 序列的方案是將數(shù)字數(shù)據(jù)直接編碼到DNA的堿基序列中，通過合成和測序技術(shù)實現(xiàn)數(shù)據(jù)的存儲和讀取?；贒NA納米技術(shù)的方案是利用DNA的納米結(jié)構(gòu)和自組裝特性，將數(shù)據(jù)存儲在復(fù)雜的DNA納米結(jié)構(gòu)中，通過控制DNA分子的空間排列和相互作用來實現(xiàn)數(shù)據(jù)存儲和讀取。

1.1 編碼

編碼是DNA數(shù)據(jù)存儲最初的步驟，是指利用計算機編碼算法，將數(shù)字信息映射到DNA中的過程，不同的編碼方式直接影響DNA 數(shù)據(jù)存儲的編碼容量。2012年，Church等人提出了一種二進制轉(zhuǎn)換方法[6]，將每位數(shù)據(jù)用一個堿基表示（A或C代表0，G或T代表1） ，他們的編碼方式為DNA數(shù)據(jù)存儲技術(shù)打下了堅實的基礎(chǔ)，并推動了該領(lǐng)域的應(yīng)用和研究。2013年歐洲Goldman 團隊提出了三進制霍夫曼編碼[3]，編碼后的文件還原率超過99.99%。2017年，哥倫比亞大學(xué)Erlich等人采用了DNA噴泉編碼方案[7]，該方案可以從給定的一組源數(shù)據(jù)包中生成無限的編碼符號序列，理想情況下只需要比原始文件液滴總量稍多一點就可以恢復(fù)源數(shù)據(jù)信息，該方案實現(xiàn)了每克 DNA0.215EB極高的存儲密度。2019年，Anavy等人提出了一種使用復(fù)合DNA字母的編碼方案[8]，該方案利用合成和測序信息的冗余來編碼和減少DNA合成周期，通過使用復(fù)合DNA 字母增加了DNA 存儲的邏輯密度。2020年，Yi Zhang等人開發(fā)了一種優(yōu)化后的Base64方案[9]，該方案通過將一些隨機數(shù)據(jù)信息編碼成一個DNA序列，然后合成對應(yīng)的DNA分子，在轉(zhuǎn)碼過程中有效地解決了GC含量和連續(xù)堿基問題，該方案存儲密度高達1.77位/堿基。Zhi Ping等人提出了陰陽編碼方案[10]，該方案使用特定的規(guī)則將2個二進制位編碼為一個堿基，實驗表明，該方案對多種數(shù)據(jù)類型都有較高的魯棒性。

DNA數(shù)據(jù)存儲在編碼的同時需要滿足生物化學(xué)約束，通常，合成DNA鏈長不超過150-300 nts長度，可以有效降低錯誤率，對于更長的序列，合成誤差呈指數(shù)增長。因此，為了減少出錯的可能性，需要將要合成的DNA序列切成短片。因此，任何DNA數(shù)據(jù)存儲編碼算法都應(yīng)當遵循生物化學(xué)約束限制，這樣可以盡可能地減少測序過程出現(xiàn)錯誤的可能。除此之外，為了實現(xiàn)可靠的解碼，還需要在編碼數(shù)據(jù)中引入一些冗余，以便進行錯誤檢測和糾正。

1.2 寫入

將數(shù)據(jù)編碼完成后，需要采用適當?shù)姆椒▽⒕幋a后的數(shù)據(jù)存儲到DNA中，目前有兩種寫入方案，一種是基于DNA序列的寫入，另外一種是基于DNA納米技術(shù)的寫入[11]。近年來，隨著DNA納米技術(shù)的快速發(fā)展，如體外DNA修飾和DNA折紙技術(shù)，使得將數(shù)據(jù)存儲到DNA納米結(jié)構(gòu)中變得越來越可行。將信息寫入DNA序列可以通過DNA的合成來實現(xiàn)，其中化學(xué)合成是體外最常用的方法[12]。1981年，Caruthers首次描述了寡核苷酸合成的固相亞磷酰胺方法[13]。在這種方法中，每個攜帶堿基的亞磷酰胺單體被用作合成單元，單體經(jīng)歷一系列化學(xué)反應(yīng)，通過受控方式延長核苷酸鏈。到目前為止，這仍然是DNA化學(xué)合成的標準方案。

1.3 DNA 保存

數(shù)據(jù)長期存儲的可靠性與存儲介質(zhì)的壽命息息相關(guān)，目前的存儲介質(zhì)，包括磁性、光學(xué)和電氣存儲設(shè)備，使用壽命通常有限，從幾十年到150年不等。在理想條件下，DNA的穩(wěn)定性比傳統(tǒng)的存儲介質(zhì)高，但是，在特定因素下，DNA極易受到影響，如電離輻射、紫外線照射、DNA酶等因素，這些因素主要通過導(dǎo)致鏈斷裂、水解損傷和核堿基修飾來改變DNA的完整性。因此，設(shè)計相應(yīng)的保存方法來延長DNA 的壽命非常重要。

目前，保存DNA的方法主要有三種，脫水、封裝和體內(nèi)保存。水會加速DNA的水解，進而損害DNA的穩(wěn)定性，因此脫水會使DNA延長壽命，有研究表明，干燥下的DNA比在溶液中的DNA更穩(wěn)定[14]，并且在室溫下可以穩(wěn)定保存數(shù)年[15]。然而長期存儲所需高昂成本遠遠超過了其所帶來的好處。在其他脫水方法中，比如將DNA存儲在乙醇中[10]，也被證明可以長期保存DNA樣本。將DNA封裝在無機基質(zhì)中也是長期保存DNA樣本的方式之一，二氧化硅是封裝DNA最常用的材料，有研究表明，二氧化硅可以保護DNA避免受熱和氧化等環(huán)境因素影響，從而提高DNA的穩(wěn)定性，在9.4攝氏度下將帶有編碼數(shù)據(jù)的DNA封裝到二氧化硅下，DNA的壽命可延長至2000年[16]。然而，封裝對于DNA存儲也有明顯的缺點，將DNA封裝到無機基質(zhì)中，存儲密度會顯著降低。迄今為止，通過優(yōu)化組合的方式，通過二氧化硅封裝最佳的存儲密度為3.4wt%[17]。除此之外，把帶有編碼數(shù)據(jù)的DNA保存到生物體內(nèi)也是一種可行的DNA保存策略，可以將包含數(shù)據(jù)的DNA片段組裝成人工染色體，或加載到質(zhì)粒中，然后將其存儲到酵母或細菌中。由于在生物體內(nèi)具有高保真度的DNA復(fù)制，存儲有數(shù)字數(shù)據(jù)的DNA 在生物體內(nèi)擴增比其他體外擴增方法更準確、更高效。最初，在2003年，人們證明數(shù)字數(shù)據(jù)可以存儲在細菌中，盡管當時存儲的數(shù)據(jù)量比較少[18]。隨著DNA 合成技術(shù)的高速發(fā)展，有研究表明利用CIRSPR/Cas 技術(shù)，可以將帶有編碼數(shù)據(jù)的DNA直接存儲在細菌群體的基因組中[19]?？偠灾糜诒４鎺в袛?shù)字信息DNA的方法多種多樣，目前體內(nèi)信息存儲對于DNA 存儲來說是可行的。

1.4 隨機訪問

隨機訪問是指從大型存儲池中高效、快速地檢索請求的數(shù)據(jù)，從DNA池中選擇特定DNA數(shù)據(jù)集的步驟，是存儲的系統(tǒng)的關(guān)鍵要素，在傳統(tǒng)的存儲介質(zhì)中使用尋址方案和數(shù)據(jù)索引的方式實現(xiàn)隨機訪問相對比較簡單，但是在DNA存儲系統(tǒng)中，要實現(xiàn)隨機訪問面臨著巨大的挑戰(zhàn)，當在存儲系統(tǒng)中頻繁訪問數(shù)據(jù)時，隨機訪問尤為重要。目前，在DNA數(shù)據(jù)存儲系統(tǒng)中隨機訪問已取得了重大進展，對于基于DNA序列的數(shù)據(jù)存儲，已經(jīng)證明使用PCR擴增的方法可以實現(xiàn)隨機訪問。相比之下，對于基于DNA納米技術(shù)的數(shù)據(jù)存儲，隨機訪問尚未取得很好的發(fā)展。

PCR是DNA序列存儲中隨機訪問的主要方法，通過引入正交引物對，可以方便、多路復(fù)用的方式提取具有獨特引物的數(shù)據(jù)集，使用與目標序列側(cè)翼區(qū)域結(jié)合的引物，PCR只能擴增所需的目標區(qū)域，從而能夠更準確地檢索編碼數(shù)據(jù)，從而減少數(shù)字信息解碼過程中的錯誤。Kashiwamura等人引入嵌套引物分子記憶（NPMM）[20]，將數(shù)據(jù)分成特定的DNA序列，稱為使用引物地址位點尋址的數(shù)據(jù)塊，通過指定地址引物的順序，實現(xiàn)特定的數(shù)據(jù)訪問。SM Yazdi等人使用兩側(cè)為地址塊的1 000 bps數(shù)據(jù)塊[21]，通過使用PCR選擇性的檢索信息，該方案能夠隨機訪問數(shù)據(jù)塊并重寫存儲在塊內(nèi)任意位置的信息。Organick L等人在超過1.3×107個DNA 寡核苷酸中編碼并存儲了35 個不同的文件[22]，使用隨機訪問方法可以單獨恢復(fù)每一個文件，數(shù)據(jù)量超過了200 MB。

1.5 DNA 測序

數(shù)據(jù)被檢索后，就可以準確、完整地讀取。讀取技術(shù)的可靠性對于確保數(shù)據(jù)恢復(fù)得準確無誤至關(guān)重要。對于基于 DNA 序列的存儲，通常使用測序方法（包括所有三代測序技術(shù)）來讀取數(shù)據(jù)。對于使用DNA納米技術(shù)存儲的數(shù)據(jù)，通常采用直接可視化技術(shù)（例如熒光顯微鏡、原子力顯微鏡、電子顯微鏡和凝膠電泳）以及先進的納米孔技術(shù)，根據(jù)所選的寫入策略來讀取數(shù)據(jù)。

1.6 解碼

解碼是編碼的逆過程，通過使用相應(yīng)的算法將上一步地讀出數(shù)據(jù)轉(zhuǎn)換回原始文件。理想的編解碼算法還應(yīng)包含糾錯功能，因為在DNA存儲過程中不可避免會出現(xiàn)錯誤，尤其是在寫入和讀取的過程中。為了開發(fā)糾錯方案，添加邏輯冗余是最常用的策略之一。隨著技術(shù)的不斷進步，DNA存儲每個步驟中的錯誤率可能會進一步下降。這些進步將改變開發(fā)合適的編碼/解碼算法方案。判斷好的算法的一個基本標準是確保數(shù)據(jù)準確性的同時，最大化數(shù)據(jù)存儲密度。

2 研究展望

DNA已經(jīng)成為下一代數(shù)據(jù)存儲最有潛力的材料之一，由于具有超高存儲密度、可復(fù)制性、在適宜環(huán)境下壽命長等特點，DNA分子作為新一代數(shù)字數(shù)據(jù)存儲的代表被廣泛研究。本篇綜述總結(jié)了目前的DNA存儲方法。這些方法不僅增加了DNA信息分子的穩(wěn)定性，還賦予DNA信息多種功能，如磁場信息集中、圖形索引等。

隨著高通量DNA合成與測序技術(shù)的發(fā)展，未來DNA數(shù)據(jù)存儲平臺的存儲密度和讀取速度將得到提升，數(shù)據(jù)寫入和讀取的處理時間將大大縮短。盡管過去十年來，DNA存儲取得了重大的成就，但DNA存儲領(lǐng)域仍然面臨著許多挑戰(zhàn)，與傳統(tǒng)的存儲技術(shù)相比，DNA數(shù)據(jù)存儲在成本、速度和隨機訪問能力方面存在相當大的不足，這些不足阻礙了DNA數(shù)據(jù)存儲的實際商業(yè)應(yīng)用。其次，缺乏自動化，與傳統(tǒng)的存儲方法不同，DNA數(shù)據(jù)存儲所涉及的各個步驟相對脫節(jié)。例如，在基于DNA序列的數(shù)據(jù)存儲中，使用DNA合成的方法將數(shù)據(jù)信息寫入，在適當?shù)臈l件下保存，通過測序技術(shù)檢索數(shù)據(jù)，最終解碼獲取原始信息，對于復(fù)雜且昂貴的儀器的需求進一步限制了DNA數(shù)據(jù)存儲在日常生活中的廣泛應(yīng)用。最后，對于存儲在DNA中的數(shù)據(jù)進行大規(guī)模計算仍然面臨著挑戰(zhàn)，由于缺乏相關(guān)的軟件設(shè)備，因此需要進行DNA測序、計算機計算然后合成新的DNA，這種方法既耗時也非常昂貴。總體而言，DNA數(shù)據(jù)存儲仍面臨重大的挑戰(zhàn)，需要解決這些挑戰(zhàn)才能使DNA數(shù)據(jù)存儲得到廣泛應(yīng)用。

參考文獻：

[1] GU M，LI X P，CAO Y Y.Optical storage arrays：a perspective for future big data storage[J].Light：Science & Applications，2014，3（5）：e177.

[2] AN?EL A，HEIDER D，HATTAB G.The visual story of data stor?age：from storage properties to user interfaces[J].Computational and Structural Biotechnology Journal，2021，19：4904-4918.

[3] GOLDMAN N，BERTONE P，CHEN S Y，et al.Towards practical，high-capacity，low-maintenance information storage in synthe?sized DNA[J].Nature，2013，494（7435）：77-80.

[4] EXTANCE A.How DNA could store all the world’s data[J].Na?ture，2016，537（7618）：22-24.

[5] KJ?R K H， PEDERSEN M W， DE SANCTIS B， et al. A 2-million-year-old ecosystem in Greenland uncovered by envi?ronmental DNA[J].Nature，2022，612（7939）：283-291.

[6] CHURCH G M，GAO Y，KOSURI S.Next-generation digital in?formation storage in DNA[J].Science，2012，337（6102）：1628.

[7] ERLICH Y，ZIELINSKI D.DNA Fountain enables a robust and efficient storage architecture[J].Science，2017，355（6328）：950-954.

[8] ANAVY L，VAKNIN I，ATAR O，et al.Data storage in DNA with fewer synthesis cycles using composite DNA letters[J].Nature Biotechnology，2019，37（10）：1229-1236.

[9] ZHANG Y，KONG L L，WANG F，et al.Information stored in na?noscale：Encoding data in a single DNA strand with Base64[J].Nano Today，2020，33：100871.

[10] PING Z，CHEN S H，ZHOU G Y，et al.Towards practical and ro?bust DNA-based data archiving using the Yin-Yang codec system[J].Nature Computational Science，2022，2（4）：234-242.

[11] CEZE L，NIVALA J，STRAUSS K.Molecular digital data stor?age using DNA[J].Nature Reviews Genetics，2019，20（8）：456-466.

[12] HOOSE A，VELLACOTT R，STORCH M，et al.DNA synthesis technologies to close the gene writing gap[J].Nature Reviews Chemistry，2023，7（3）：144-161.

[13] BEAUCAGE S L，CARUTHERS M H.Deoxynucleoside phos?phoramidites—a new class of key intermediates for deoxypoly?nucleotide synthesis[J]. Tetrahedron Letters， 1981， 22（20）：1859-1862.

[14] ORGANICK L，NGUYEN B H，MCAMIS R，et al.An empirical comparison of preservation methods for synthetic DNA data storage[J].Small Methods，2021，5（5）：e2001094.

[15] BONNET J，COLOTTE M，COUDY D，et al.Chain and confor?mation stability of solid-state DNA：implications for room tem?perature storage[J].Nucleic Acids Research，2010，38（5）：1531-1546.

[16] GRASS R N，HECKEL R，PUDDU M，et al.Robust chemical preservation of digital information on DNA in silica with error-correcting codes[J]. Angewandte Chemie （International Ed in English），2015，54（8）：2552-2555.

[17] CHEN W D，KOHLL A X，NGUYEN B H，et al.Combining data longevity with high storage capacity—layer-by-layer DNA encapsulated in magnetic nanoparticles[J]. Advanced Func?tional Materials，2019，29（28）：1901672.

[18] WONG P C，WONG K K，F(xiàn)OOTE H.Organic data memory us?ing the DNA approach[J].Communications of the ACM，2003，46（1）：95-98.

[19] SHIPMAN S L，NIVALA J，MACKLIS J D，et al.CRISPR-Cas encoding of a digital movie into the genomes of a population of living bacteria[J].Nature，2017，547（7663）：345-349.

[20] KASHIWAMURA S，YAMAMOTO M，KAMEDA A，et al.Hier?archical DNA memory based on nested PCR[M]//Lecture Notes in Computer Science.Berlin，Heidelberg：Springer Berlin Heidelberg，2003：112-123.

[21] YAZDI S M，YUAN Y B，MA J，et al.A rewritable，randomaccess DNA-based storage system[J].Scientific Reports，2015，5：14138.

[22] ORGANICK L，ANG S D，CHEN Y J，et al.Random access in large-scale DNA data storage[J].Nature Biotechnology，2018，36（3）：242-248.

【通聯(lián)編輯：李雅琪】