分析丨基因組數(shù)據(jù)太多了，存儲怎么辦？

?

在大自然里，DNA負(fù)責(zé)存儲遺傳信息。

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

大規(guī)模的基因組測序正在進(jìn)行，隨之產(chǎn)生的數(shù)據(jù)規(guī)模快速增長。

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

據(jù)估計：人類基因組需要高達(dá)2-40EB的存儲容量。

這可能超過一個世界級科技公司的云存儲量，全世界蘋果用戶存儲在谷歌云上的數(shù)據(jù)總量大約是8EB。

這8EB數(shù)據(jù)，每月存儲費需要2.18億美元。

DNA由腺嘌呤（A）、鳥嘌呤（G）、胸腺嘧啶（T）、胞嘧啶（C）4個堿基構(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存儲數(shù)字信息，簡單理解，原就是將0和1的編碼序列轉(zhuǎn)換成核苷酸的序列。

DNA存儲的優(yōu)勢在于密度大，大約在你眼前逗號這么大小，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，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，雖然DNA的存儲能力很強，但它們不得不以很多條短鏈的方式存在。

雖然DNA存儲具有較為明顯突出的優(yōu)勢，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。

其最大屏障來自于其存儲技術(shù)本身。

DNA存儲數(shù)據(jù)的過程主要分為五個步驟：

①編碼——將數(shù)字信息編碼為DNA序列；

②合成——將序列融入實際的DNA分子；

③存儲——將合成的DNA片段保存在載體或細(xì)胞中；

④訪問——檢索和選擇性讀取序列信息；

⑤解碼——將測定的序列信息轉(zhuǎn)換回數(shù)字信息。

在整個存儲的過程中，編碼與合成是DNA存儲中較為關(guān)鍵和困難的環(huán)節(jié)。

總的來說，DNA存儲的各個環(huán)節(jié)都有較多的難關(guān)需要克服，DNA存儲真正意義上的走入商業(yè)市場。

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

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

微軟研究院在2015年就成立了DNA存儲的項目，2021年微軟開發(fā)出首個納米級DNA存儲器，能夠在每個平方厘米的區(qū)域上，同時合成25X106（2650）條堿基序列。

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

進(jìn)一步發(fā)展成為主流的存儲設(shè)備，還需要長時間的沉淀，才能讓DNA存儲技術(shù)有實質(zhì)的進(jìn)階。

DNA存儲在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。

未來隨著納米技術(shù)與AI技術(shù)的加持，DNA存儲的技術(shù)也會一步步解除智識的限制禁錮，逐步升級，為存儲領(lǐng)域帶來質(zhì)的飛躍。

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

①存儲密度高。每立方厘米的DNA分子可以存儲大約1EB的信息，這一密度是當(dāng)前存儲密度最高的介質(zhì)（閃存）的1000倍，是硬盤數(shù)據(jù)存儲密度的百萬倍。

②保存壽命長。從理論上來說，DNA數(shù)據(jù)在沒有特別人工干預(yù)的情況下至少能保存千年之久。

③維護(hù)成本低。存儲在DNA的數(shù)據(jù)，理論上來說通過低溫冷凍或者固態(tài)封存的手段，可以長時間存儲且?guī)缀醪恍枰S護(hù)。

④DNA存儲所需要的占地也遠(yuǎn)小于傳統(tǒng)存儲介質(zhì)，并且還具備數(shù)據(jù)易復(fù)制、易攜帶、能在生物體內(nèi)存儲等特點。

①讀寫速度太慢：以目前的技術(shù)在合成DNA時，每添加一個堿基大約需要0.1秒鐘時間。保存一首高音質(zhì)的MP3歌曲都需要差不多1個月時間。

②成本太高：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1GB大小的電影，編碼大約需要花費358萬美元。

③合成DNA的穩(wěn)定性：合成DNA過程中產(chǎn)生的錯誤率對于要求確保100%真實性和完整性的數(shù)據(jù)存儲指標(biāo)而言是致命的問題。

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

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

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

推薦閱讀：

商務(wù)合作請加微信勾搭：

18948782064

請務(wù)必注明：

「姓名 + 公司 + 合作需求」