新技術(shù)使DNA數(shù)據(jù)存儲(chǔ)成為可能

在日前的一項(xiàng)新研究中，美國(guó)麻省理工學(xué)院的科學(xué)家開(kāi)發(fā)了一種標(biāo)記和檢索DNA數(shù)據(jù)文件的技術(shù)，這或許能讓DNA數(shù)據(jù)存儲(chǔ)成為可能。

此時(shí)此刻，地球上大約有10萬(wàn)億吉字節(jié)（GB）的數(shù)據(jù)量，而每一天，人類制造出來(lái)的電子郵件、照片、社交媒體動(dòng)態(tài)和其他數(shù)字文件加起來(lái)，又有250萬(wàn)吉字節(jié)的數(shù)據(jù)。這些數(shù)據(jù)中的大部分都存儲(chǔ)在名為“艾字節(jié)（exabyte，簡(jiǎn)稱EB）數(shù)據(jù)中心”的巨大設(shè)施中（1EB相當(dāng)于10億GB），其規(guī)模可能有幾個(gè)足球場(chǎng)那么大，建造和維護(hù)成本約為10億美元。

許多科學(xué)家認(rèn)為，解決天量數(shù)據(jù)存儲(chǔ)問(wèn)題的另一種辦法在于包含我們遺傳信息的生物大分子：脫氧核糖核酸（DNA）。從地球生命誕生至今，DNA已經(jīng)進(jìn)化到可以以極高的密度存儲(chǔ)大量信息。麻省理工學(xué)院的生物工程學(xué)教授馬克·巴思表示，理論上一個(gè)裝滿DNA的咖啡杯就可以存儲(chǔ)世界上所有的數(shù)據(jù)。

“我們需要新的解決方案，來(lái)存儲(chǔ)世界正不斷積累的大量數(shù)據(jù)，尤其是檔案數(shù)據(jù)，”他說(shuō)，“DNA的密度甚至是閃存的1000倍。另一個(gè)有趣的特性是，DNA聚合物一旦制造出來(lái)，它就不會(huì)再消耗任何能量。你可以把數(shù)據(jù)寫(xiě)入DNA，然后永久存儲(chǔ)起來(lái)。”

科學(xué)家已經(jīng)證明，圖像和文本可以編碼為DNA，但我們還需要一種從許多DNA片段混合物中挑選出所需文件的簡(jiǎn)單方法。在新研究中，馬克·巴思及其同事展示了一種方法，能將每個(gè)數(shù)據(jù)文件封裝到一個(gè)6微米的二氧化硅球形“膠囊”中，并使用DNA短序列作為標(biāo)簽，以顯示其文件內(nèi)容。

利用這種方法，研究人員從包含20張圖像的DNA文件中準(zhǔn)確提取出了以DNA序列形式存儲(chǔ)的單個(gè)圖像。考慮到可以用到的標(biāo)簽數(shù)量，這種方法最多能擴(kuò)展到1020個(gè)文件。

穩(wěn)定的存儲(chǔ)介質(zhì)

數(shù)字存儲(chǔ)系統(tǒng)將文本、照片和其他類型的信息都編碼為一系列的0和1，同樣的信息也可以用構(gòu)成遺傳密碼的4種核苷酸（A、T、G和C，即腺嘌呤、胸腺嘧啶、鳥(niǎo)嘌呤和胞嘧啶）編碼在DNA中。例如，G和C可以代表0，而A和T代表1。

作為存儲(chǔ)介質(zhì)，DNA還具有其他幾個(gè)特點(diǎn)。首先，它非常穩(wěn)定，而且合成和測(cè)序都相當(dāng)容易（但目前還十分昂貴）。其次，它具有非常高的存儲(chǔ)密度——1個(gè)核苷酸相當(dāng)于2個(gè)比特，大約為1立方納米。因此，以DNA形式存儲(chǔ)的數(shù)據(jù)完全可以放在我們的手掌中。

這種存儲(chǔ)數(shù)據(jù)的新方法面臨著諸多障礙，首先就是合成如此大量DNA需要耗費(fèi)的成本。目前，寫(xiě)入1拍字節(jié)（100萬(wàn)GB）的數(shù)據(jù)需要花費(fèi)1萬(wàn)億美元。為了與磁帶（通常用于存儲(chǔ)檔案數(shù)據(jù)）競(jìng)爭(zhēng)，巴思估計(jì)DNA合成的成本需要降低約6個(gè)數(shù)量級(jí)。他指出，這一目標(biāo)可能會(huì)在10年或20年內(nèi)實(shí)現(xiàn)，就像過(guò)去幾十年來(lái)閃存存儲(chǔ)信息的成本大幅下降一樣。

除了成本之外，使用DNA存儲(chǔ)數(shù)據(jù)的另一個(gè)主要瓶頸是，我們很難從所有文件中挑選出想要的文件。

“假設(shè)寫(xiě)入DNA的技術(shù)已經(jīng)很先進(jìn)，可以實(shí)現(xiàn)在DNA中寫(xiě)入1艾字節(jié)或1澤字節(jié)（zettabyte，簡(jiǎn)稱ZB，1 ZB=1 000 EB）數(shù)據(jù)的成本效益，會(huì)發(fā)生什么？你會(huì)有一大堆的DNA，也就是無(wú)數(shù)的文件、圖像或電影和其他東西，但你需要在其中找到想要的某一張圖片或某一部電影，”巴思說(shuō)，“這就像大海撈針。”

目前，DNA文件通常使用PCR（聚合酶鏈?zhǔn)椒磻?yīng)）方法來(lái)檢索。每個(gè)DNA數(shù)據(jù)文件都包含一個(gè)與特定PCR引物結(jié)合的序列。為了讀取某個(gè)特定的文件，需要將該引物添加到樣品中，找到并放大所想要的序列。然而，這種方法的一個(gè)缺點(diǎn)是，引物與目標(biāo)序列以外的DNA序列之間可能存在串?dāng)_，導(dǎo)致不必要的文件輸出。此外，PCR的檢索過(guò)程需要用到酶，最終會(huì)消耗庫(kù)中的大部分DNA。

“這有點(diǎn)像在干草堆里找一根針，因?yàn)槠渌蠨NA都沒(méi)有被放大，因此基本上它們都被扔掉了。”巴思說(shuō)。

解決DNA文件檢索難題

麻省理工學(xué)院的研究小組開(kāi)發(fā)了一種新的檢索技術(shù)，希望取代PCR方法。他們將每個(gè)DNA文件封裝到一個(gè)微小的二氧化硅膠囊中，每個(gè)膠囊都貼上了由單鏈DNA組成的“條形碼”，與文件內(nèi)容相對(duì)應(yīng)。為了證明這種方法的成本效益，研究人員將20個(gè)不同的圖像編碼到大約長(zhǎng)度為3 000個(gè)核苷酸的DNA片段中，這大致相當(dāng)于100個(gè)字節(jié)（他們的研究還顯示，這些膠囊可以容納高達(dá)1 GB的DNA文件）。

研究中的每個(gè)文件都有相應(yīng)的條形碼標(biāo)簽，如“貓”或“飛機(jī)”等。當(dāng)研究人員想要提取一個(gè)特定的圖像時(shí)，他們會(huì)取出一個(gè)DNA樣本，加入與目標(biāo)標(biāo)簽相對(duì)應(yīng)的引物。例如，老虎的圖像對(duì)應(yīng)的標(biāo)簽是“貓”“橘色”和“野生”，而家貓的圖像對(duì)應(yīng)“貓”“橘色”和“家養(yǎng)”。

這些引物用熒光或磁性顆粒標(biāo)記，便于從樣本中提取并識(shí)別匹配片段。通過(guò)這種方法，研究人員可以將需要的文件移出來(lái)，剩下的DNA則完整地放回去，繼續(xù)存儲(chǔ)數(shù)據(jù)。他們的檢索過(guò)程允許布爾邏輯語(yǔ)句，如“總統(tǒng)和18世紀(jì)”會(huì)生成“喬治·華盛頓”的結(jié)果，這很類似谷歌的圖像檢索。

論文的另一主要作者麻省理工學(xué)院的詹姆斯·巴納爾說(shuō)：“在目前的概念驗(yàn)證階段，我們的搜索速度是每秒1 000字節(jié)（1KB）。我們的文件系統(tǒng)的搜索速度是由每個(gè)膠囊的數(shù)據(jù)量大小決定的，而目前限制數(shù)據(jù)量大小的因素就是在DNA上寫(xiě)入100兆字節(jié)（MB）數(shù)據(jù)所需的高昂成本，以及可以并行使用的分類器的數(shù)量。如果DNA合成變得足夠便宜，我們就能夠用這種方法將每個(gè)文件存儲(chǔ)的數(shù)據(jù)量最大化。”

研究人員所使用的條形碼——單鏈DNA序列——取自哈佛醫(yī)學(xué)院遺傳學(xué)和醫(yī)學(xué)教授史蒂芬·埃利奇開(kāi)發(fā)的序列庫(kù)，其中包含了10萬(wàn)個(gè)序列。如果給每個(gè)文件貼上2個(gè)這樣的標(biāo)簽，就可以唯一地標(biāo)記1 010個(gè)不同的文件;如果每個(gè)文件上有4個(gè)標(biāo)簽，就可以唯一地標(biāo)記1 020個(gè)文件。

哈佛醫(yī)學(xué)院遺傳學(xué)教授喬治·丘奇并沒(méi)有參與這項(xiàng)研究，但他將這項(xiàng)技術(shù)描述為“知識(shí)管理和搜索技術(shù)的巨大飛躍”。

“在DNA中寫(xiě)入、復(fù)制、讀取，以及用DNA進(jìn)行低能耗的檔案數(shù)據(jù)存儲(chǔ)方面，我們?nèi)〉昧丝焖龠M(jìn)步，但這也使得從巨大的數(shù)據(jù)庫(kù)（1021字節(jié)，澤字節(jié)規(guī)模）中精確檢索數(shù)據(jù)文件變得極為困難，”丘奇說(shuō)，“這項(xiàng)新研究引人注目的地方在于，它使用一個(gè)完全獨(dú)立的DNA外層解決了這個(gè)問(wèn)題，擴(kuò)展了DNA的不同屬性（雜交而非測(cè)序），而且使用的是現(xiàn)有的儀器和化學(xué)試劑。”

巴思設(shè)想這種DNA封裝技術(shù)可以用于存儲(chǔ)“冷”數(shù)據(jù)，即保存在檔案中但不經(jīng)常訪問(wèn)的數(shù)據(jù)。目前，他的實(shí)驗(yàn)室已經(jīng)成立了一家名為Cache DNA的初創(chuàng)公司，正在開(kāi)發(fā)DNA的長(zhǎng)期存儲(chǔ)技術(shù)，既可以用于長(zhǎng)期的DNA數(shù)據(jù)存儲(chǔ)，也能用于短期的臨床和其他現(xiàn)有的DNA樣品存儲(chǔ)。

“雖然我們可能還需要一段時(shí)間才能將DNA作為數(shù)據(jù)存儲(chǔ)介質(zhì)，但目前在COVID-19檢測(cè)、人類基因組測(cè)序和其他基因組學(xué)領(lǐng)域中，對(duì)于DNA和RNA樣品的低成本和大規(guī)模存儲(chǔ)的解決方案都有很緊迫的需求。”巴思說(shuō)道。