DNA存儲技術(shù)解讀

1、 解密 DNA存儲技術(shù)究竟牛在哪里？ 針對未來存儲密度市場，前期在文章“50TB ExaDrive SSD投入商用”和“HP憶阻器內(nèi)存和IBM原子磁盤”中，分別介紹了大容量SSD、憶阻SCM和原子存儲技術(shù)，但今天給大家普及的是另外一種前衛(wèi)技術(shù)DNA存儲技。 DNA存儲則能提供極大密度，是未來大容量存儲較理想的介質(zhì)，也是下一代冷存儲的替代品。從原理上來講，DNA存儲是通過DNA中G、T、A和C 4種堿基代表二進(jìn)制數(shù)據(jù)(0、1、2和3)，理論上1克DNA可存455EB數(shù)據(jù)。DNA存儲的讀取技術(shù)則是采用DNA測序技術(shù)實(shí)現(xiàn)，DNA測序技術(shù)發(fā)展迅速，性能每次可達(dá)960Gb，成本也很低，性價比已經(jīng)接近商用

2、；目前的難題在于DNA存儲的寫性能，當(dāng)前寫性能每天只能達(dá)到Mb量級，極高寫成本使得離商用還有很長的路要走。 由于DNA存儲還有很多技術(shù)難題需要攻克，DNA存儲目前還是原型概念驗(yàn)證階段，主要是學(xué)術(shù)研究機(jī)構(gòu)在從事，至少還需要5年時間才可能有DNA存儲商業(yè)產(chǎn)品應(yīng)用，但從長期投入來看，微軟等廠商覺得是很有投入價值的，這很可能是未來存儲介質(zhì)市場的切入點(diǎn)，DNA芯片技術(shù)、芯片電路設(shè)計(jì)和測序合成技術(shù)結(jié)合將可能是繼原子存儲、SCM介質(zhì)之后的下一個存儲技術(shù)熱點(diǎn)。 DNA存儲是將二進(jìn)制文件通過編碼映射成DNA里A、T、G和C堿基序列，按序列順序通過人工合成技術(shù)形成長鏈DNA來保存數(shù)據(jù)的方法成為DNA存儲技術(shù)，數(shù)據(jù)

3、寫入即人工合成DNA，數(shù)據(jù)讀取即DNA測序，數(shù)據(jù)拷貝即DNA復(fù)制，利用DNA中堿基序列編碼存儲二進(jìn)制數(shù)據(jù)具體實(shí)例如下所示。 DNA存儲從架構(gòu)上講，主要包括類似于存儲控制器的編解碼器、數(shù)據(jù)讀取寫入設(shè)備和數(shù)據(jù)存儲設(shè)備，從技術(shù)成熟度上講，DNA技術(shù)可以支持開發(fā)DNA存儲原型，但在成本和自動化等方面還面臨技術(shù)的挑戰(zhàn)。編解碼器(存儲控制器)完成二進(jìn)制轉(zhuǎn)換為DNA堿基序列(堿基對A，T，G和C可對應(yīng)0，1，2和3)，對誤碼進(jìn)行誤碼糾正、文件索引的方法對效率影響大。寫入設(shè)備(寫磁頭)通過DNA合成含有A、T、G和C的DNA數(shù)據(jù)鏈保存數(shù)據(jù)，人工合成DNA。當(dāng)前DNA合成技術(shù)已經(jīng)可以按程序任意組合在DNA鏈條上

4、加入堿基，使得DNA寫入成為可能。存放設(shè)備(磁盤柜)實(shí)現(xiàn)DNA存放，單個細(xì)胞核23對染色體含30億對堿基可存12Gb數(shù)據(jù)，1克DNA可存儲EB級數(shù)據(jù)。讀取設(shè)備(讀磁頭)實(shí)現(xiàn)DNA存儲的讀取，基于DNA測序(Sequencing)技術(shù)，目前最常用的測序方法是桑格測序法(Sangar)。 Sanger測序的原理是將測序DNA進(jìn)行大量復(fù)制(PCR)，將DNA分裝不同試管中，分別加入有剪切作用的染過色的雙脫氧核苷酸ddNTP，反復(fù)PCR循環(huán)讓DNA復(fù)制，當(dāng)遇到ddNTP復(fù)制斷裂，形成長短不一的DNA單鏈，加電出現(xiàn)電泳現(xiàn)象，短鏈DNA游速快，長鏈游速慢，形成長短排序，激光照相，形成排序光譜。 DNA存儲

5、優(yōu)勢是顯然意見的，密度理論上1克DNA可存儲455EB數(shù)據(jù)量，DNA存儲時間也很長，在干冷條件下，可保持100萬年以上，常溫下可保持2000年以上，常溫保存能耗很低，基本不需要電力。但是技術(shù)挑戰(zhàn)也與之并存，存儲密度受到編碼效率、備份數(shù)量、分類索引等方面的制約，通常比理論密度低。 DNA存儲編糾錯挑戰(zhàn):編碼糾錯的原則是避免重復(fù)，重復(fù)導(dǎo)致讀錯概率大，最常用的方法是加入驗(yàn)證信息。在解決誤碼問題上，微軟采用了三進(jìn)制編碼原理，在4個堿基中，其中一個堿基用作前一位指示，后三位用作0，1，2編碼。 DNA存儲編索引挑戰(zhàn):目前比較流行的一種DNA存儲索引方法叫KV方式，針對文件，以Key-Value的方法形成

6、Key值，將Key值形成文件頭DNA索引和地址，再將文件內(nèi)容和索引合成DNA。 DNA存儲寫入合成挑戰(zhàn):DNA合成過程是控制4種堿基分別加入DNA合成片段中，將片段鏈接合成較大的片段的過程。DNA合成依然較困難，小片段合成可以在實(shí)驗(yàn)室，但是大規(guī)模合成需要專門基因合成服務(wù)公司才能完成(如GeneArt，Twist Biosicence)。 DNA存儲拷貝技術(shù):DNA復(fù)制通常采用成熟的PCR方法，該方法在1983年發(fā)明。大致過程是先將DNA雙鏈加熱分開，加入聚合酶、DNA引物和堿基，DNA單鏈開始產(chǎn)生雙鏈實(shí)現(xiàn)DNA的復(fù)制。 關(guān)于DNA存儲的技術(shù)研究和應(yīng)用前景十分廣闊，當(dāng)前主流方向聚焦在密度、保存時

7、間、低能耗等優(yōu)點(diǎn)，DNA存儲的存取技術(shù)(合成和測序技術(shù))得到了快速發(fā)展，如果能很好地解決成本性能問題，那么在未來，會極大限度加速DNA存儲取代現(xiàn)有存儲的可能性和進(jìn)程。 DNA存儲在歸檔場景具備占地小、能耗低、密度大的特點(diǎn)，美國國家圖書館、維基百科、Google有意愿將資料備份在DNA存儲上；在軍事用途應(yīng)用中，可以通過人體攜帶DNA數(shù)據(jù)，有了DNA存儲技術(shù)，我們?nèi)梭w就是“云硬盤”。在個人應(yīng)用中，未來個人可以隨身攜帶超大容量的DNA USB數(shù)據(jù)盤。 但歸根結(jié)底，DNA存儲商用很大程度依賴DNA合成技術(shù)和測序技術(shù)的發(fā)展，當(dāng)前測序技術(shù)發(fā)展較快如Pacbio、Illumina等公司，DNA合成技術(shù)發(fā)展慢

8、，需要較大的理論和技術(shù)突破才可能，在另一方面，這也可能導(dǎo)致未來商用的不確定性。 DNA存儲技術(shù)如其他技術(shù)發(fā)展，DNA存儲技術(shù)的發(fā)展也離不開所處的生態(tài)環(huán)境，目前值得關(guān)注的生態(tài)圈領(lǐng)域主要包括，DNA芯片、DNA合成技術(shù)、DNA測序等。 DNA芯片主要包括Affymetrix、Illumina和Affymetrix公司，Affymetrix利用基因芯片，通過原位合成法，大規(guī)模生產(chǎn)DNA探針。Illumina和Affymetrix合作開發(fā)DNA探針芯片由于測序。DNA合成包括美國IDT美國、德國GeneART、中國華大基因和提供DNA合成服務(wù)的Twist公司和微軟合作。 DNA存儲至今已有很多成功嘗試，哈弗大學(xué)George Church在2012年首次650KB數(shù)據(jù)寫進(jìn)DNA存儲；EMBL歐洲生物信息實(shí)驗(yàn)室2013年將20MB數(shù)據(jù)寫進(jìn)DNA存儲；這些都是科研機(jī)構(gòu)的嘗試，但在2016年7月，微軟研究院和華盛頓大學(xué)2016年發(fā)布DNA存儲原型論文，并在同年7月將200MB的數(shù)據(jù)放入一段