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。 隨著現代社會數字化信息的不斷積累，數據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、企業系統和移動設備中的數據量將達到44 萬億G。 現在使用的磁介質（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據存儲的需求，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，指導生物體生長發育。DNA 存儲技術就是在這4 個堿基“字母”的基礎上，開發區別于生物體的“語言”代碼。 儲存數據時先將數據編碼成二進制的數字串，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字，這樣數據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，數據即被儲存在DNA 分子中。 實際應用時并非將所有數據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的片段，這樣既能明確各數據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據丟失的可能性。 讀取數據時只需對目標DNA 進行測序，還原為二進制格式的數字串，再完成解碼工作即可［1］。 對于DNA 儲存來說，數據寫入即是人工合成DNA，數據讀取即是DNA測序，數據的拷貝即是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，工作環境易受到限制和干擾，容易出現消磁現象。光介質雖受環境影響小一些，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，硬盤數據存儲密度提升的空間有限，容量難以實現大幅突破。 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，從環保的角度，其他存儲介質會用到生物不可降解的物質，對環境造成不良的影響。 基于DNA 存儲技術的上述優點，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 儲存數據量最大的一次實驗［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對部分重疊的字符串數據進行編碼，使用沒有同聚體（連續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《戰爭與和平》等100 部經典文學作品及數字圖書館排名前100 位的電子書等約200MB 的數據成功地一次性“寫”入DNA 分子中，且在從DNA池中讀取數據的測序過程中，沒有出現任何錯誤。Erlich 等［3］發明了一種所謂的“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”（即數據包），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 的數據，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（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 系統所需的酶系統全部轉入大腸桿菌內；最后利用CRISPR-Cas9 系統將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數據的存儲和復制。

3 DNA 存儲技術尚存在的問題

現階段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，光介質可以通過刻錄機將數據寫在光盤上，這些比較容易實現。 而將數據“寫”入DNA 則困難得多，雖然已經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據，即使只從存儲系統中訪問一個字節的信息，系統也必須對整個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，在讀取或恢復數據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 存儲匯集了這些優點。 目前來看，成本問題是DNA 存儲技術發展與普及的最大阻礙，如果能很好地解決成本問題，DNA 存儲技術取代現有存儲技術的可能性極大。 現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，用于研究數據存儲。 DNA 存儲將是未來最有前景的信息存儲技術之一。