陈根：DNA存储数据，是否可行？

文/陈根

随着互联网、物联网以及各类智能设施的发展，人类已经进入了一个数据呈爆炸式增长的时代。统计显示，目前全世界每天产生的邮件、照片、推文、视频等数字文件超过 250 万 Gb，全世界总数字文件高达 10 万亿 Gb。

这些数据大多被保存在数据中心里。一个存储量为 10 亿 Gb 的大型数据中心，占地可达数个足球场，建设和维护成本高达 10 亿美元。也就是说，光是储存这些海量数据，就需要花费巨大的空间及金钱成本。

巨大的消耗使得人类开始寻求新的方式，基于DNA的数据存储似乎是个“潜力股”。因为与其他大多数媒介相比，DNA提供了惊人的数据存储密度，而且相比传统数据存储，它具有高度稳定性，即DNA分子半衰期超过500年，低温条件下保存可达上千年。

但DNA存储并非没有缺点。用当前的方法检索数据不仅速度慢，且如果访问次数太多，就必须以某种方式恢复它，这有可能导致引入错误。

针对这一问题，近日，麻省理工学院和Broad研究所找到了一个解决方案。其团队创建了一个基于DNA的图像存储系统，它介于文件系统和元数据的数据库之间，实现了 DNA 数据的快速准确检索识别。

具体来说，该技术首先将每个 DNA 文件封装到一个直径 6 微米的二氧化硅颗粒中，每个颗粒最高容量可达 1Gb，同时每个二氧化硅颗粒都被标记上与文件内容相关的 DNA 单链条形码。

接下来，研究团队为了验证上述方法的可行性，将狮子、老虎、猫、狗、香蕉、飞机等等 20 个不同的图像编码到大约 3000 个核苷酸长度的 DNA 片段中，每个文件都标有与“猫”或“飞机”等标签相对应的条形码。

当研究人员想要提取特定图像时，只需添加与他们正在寻找的标签相对应的引物，就能快速找到对应的文件。另外，引物用荧光或磁性粒子标记，便于从样本中读取和识别匹配信息，这种方法允许人们自主删除所需的文件，而不会损坏其他 DNA 文件。

同时，研究人员使用了来自哈佛医学院 Stephen Elledge 教授开发的 100000 个序列库中的单链 DNA 序列，每个序列长约 25 个核苷酸。如果在每个 DNA 文件上放置两个这样的标签，可以对 100 亿个不同的文件进行唯一不重复标记，如果每个文件上有四个标签，则可以唯一不重复标记 1 万亿亿个不同的文件。

但是该方法检索数据速度速度较慢，且由于技术限制，目前只适合存储“冷”数据，也就是一些不常访问的数据。

不过总的来说，该研究突破了 DNA 存储技术的瓶颈，未来，随着DNA作为存储介质成本的下降，以及人类基因测序和相关技术的发展，或许DNA可以替代传统的硅基存储，成为新的数据存储方式。