DNA如何解決我們的數(shù)據(jù)存儲(chǔ)問題

瑪麗·帕蘭格

1971年夏，弗蘭克·扎帕在瑞士的蒙特勒賭場里表演。賭場里擠滿了觀眾，一個(gè)粉絲放了一把火，屋子里燃起了大火。扎帕像掄起斧頭一樣掄起了他的吉普森吉他，砸破賭場的窗戶，2000多名青少年尖叫著涌了出去。在日內(nèi)瓦湖邊酒店觀看的深紫樂隊(duì)隊(duì)員看到了火焰，用《水上煙霧》捕捉了這一刻，將其永久地蝕刻在蒙特勒爵士音樂節(jié)的歷史上。2013年，它成為聯(lián)合國教科文組織第一個(gè)視聽檔案《世界記憶》的一部分。

現(xiàn)在，《水上煙霧》又創(chuàng)造了歷史。2017年9月，它成為《世界記憶》檔案中首批以DNA形式存儲(chǔ)的作品之一，存儲(chǔ)后可以100%的精度回放。這個(gè)項(xiàng)目是華盛頓大學(xué)、微軟公司和基地設(shè)在舊金山的DNA制造公司Twist Bioscience的合作項(xiàng)目。

許多權(quán)威人士預(yù)測(cè)，DNA成為存儲(chǔ)數(shù)據(jù)的最終方式只是一個(gè)時(shí)間問題。這種方式緊湊、高效并富于彈性。畢竟，DNA已經(jīng)被調(diào)整了數(shù)十億年，成為遺傳信息的完美儲(chǔ)存庫，永遠(yuǎn)不會(huì)過時(shí)——因?yàn)橹灰厍蛏嫌猩覀兙蜁?huì)對(duì)解碼DNA感興趣。Twist Bioscience的首席技術(shù)官員比爾·派克說：“大自然已經(jīng)對(duì)這種格式進(jìn)行了優(yōu)化?！?/p>

微軟、IBM和英特爾等公司都對(duì)這一領(lǐng)域表現(xiàn)出興趣。2017年4月，在由美國情報(bào)高級(jí)研究項(xiàng)目主辦的特邀專題研討會(huì)上，他們與其他行業(yè)、學(xué)術(shù)人員和政府專家一起討論了DNA在解決人類數(shù)據(jù)存儲(chǔ)危機(jī)中的實(shí)用潛力。

這是一個(gè)時(shí)時(shí)刻刻都在增大的問題。根據(jù)IBM公司2016年?duì)I銷云報(bào)告，今天存在的數(shù)據(jù)中有90%是在過去兩年中創(chuàng)建的。我們每天都會(huì)生成2.5x10¹⁸字節(jié)的信息，分別來自高清視頻和照片、粒子物理學(xué)大數(shù)據(jù)、基因組測(cè)序、太空探測(cè)、衛(wèi)星和遙感，還有智囊團(tuán)、秘密監(jiān)視行動(dòng)和互聯(lián)網(wǎng)追蹤算法。

目前，所有這些數(shù)據(jù)都流入巨大的服務(wù)器農(nóng)場，轉(zhuǎn)移到旋轉(zhuǎn)的硬盤驅(qū)動(dòng)器或最先進(jìn)的磁帶卷軸上。這些物理基板占據(jù)了很大的空間。

我們不妨用DNA來做比較。整個(gè)人類的基因組，一個(gè)由30億個(gè)DNA堿基對(duì)組成的代碼，或者用數(shù)據(jù)語言來說，3000兆字節(jié)，都可以放入一個(gè)肉眼看不見的“包裹”——細(xì)胞核。1克DNA（指尖上一滴水的大小）至少可以相當(dāng)于233個(gè)重量超過150千克的電腦硬盤。如果把人體內(nèi)所有的遺傳信息（150澤字節(jié)）都存儲(chǔ)在磁帶或硬盤驅(qū)動(dòng)器上，就需要一個(gè)巨大的設(shè)施。

還有耐久性問題。在目前的存儲(chǔ)競爭者中，磁帶壽命最長，為一二十年。硬盤、CD、DVD和閃存驅(qū)動(dòng)器不太可靠，通常有5年至10年就不行了。DNA已經(jīng)被證明可以存在幾千年而毫發(fā)無損。例如，2013年，科學(xué)家在阿拉斯加多年凍土中發(fā)現(xiàn)的70萬年前的馬骨碎片的DNA，就重構(gòu)了一個(gè)早期馬的親緣基因組。

因此，如果將DNA數(shù)據(jù)檔案保存在干燥涼爽的地方，比如說保存在北極附近的斯瓦爾巴德全球種子庫的一個(gè)架子上，這個(gè)DNA數(shù)據(jù)檔案就可以保存數(shù)萬年而不需要維護(hù)。

因此，《水上煙霧》的DNA拷貝將存在很長時(shí)間。那么，科學(xué)家是如何將一首歌變成分子的呢？首先，將數(shù)字音樂文件從一系列的1和0轉(zhuǎn)換成DNA的字母A、C、T和G的堿基，例如用A代表00、C代表01、T代表10、G代表11；然后將字母序列組合成帶有索引信息的DNA短語，按照正確的順序排列。使用這些編碼序列，可以通過化學(xué)反應(yīng)制造逐個(gè)字母，然后將其保存在試管中。

檢索信息時(shí)，用測(cè)序儀運(yùn)行DNA以讀取DNA堿基的確切順序；然后解碼產(chǎn)生原始的二進(jìn)制數(shù)據(jù)；最后，這個(gè)音樂文件在瑞士洛桑的蒙特勒爵士音樂節(jié)中被零差錯(cuò)播放。

《水上煙霧》不是第一個(gè)被存儲(chǔ)為DNA的數(shù)字信息。2012年至2013年，由喬治·丘奇牽頭的哈佛大學(xué)研究小組以及由尤恩·伯尼和尼克·古爾德曼牽頭的歐洲生物信息學(xué)研究所的研究小組獨(dú)立存儲(chǔ)了DNA數(shù)字?jǐn)?shù)據(jù)。哈佛大學(xué)的樣本是一本50000詞的合成生物學(xué)圖書；歐洲生物信息學(xué)研究所的樣本包含一張彩色圖像、莎士比亞的154首十四行詩、馬丁·路德·金《我有一個(gè)夢(mèng)想》演講的片斷以及沃森和克里克1953年發(fā)表的有關(guān)DNA結(jié)構(gòu)的經(jīng)典論文。

目前，合成DNA每個(gè)字母的成本是10美分。TwistBioscience的首席執(zhí)行官艾米麗·勒普勞斯特估計(jì)，只有每個(gè)字母的成本降至0.001美分，DNA存儲(chǔ)才可以真正與磁帶競爭。大量的現(xiàn)金投入和豐厚的市場前景可能會(huì)提供必要的推動(dòng)力。

第二個(gè)障礙是技術(shù)性的：DNA合成和測(cè)序技術(shù)都可能帶入某些類型的錯(cuò)誤，所以將1和0翻譯成DNA字母的代碼時(shí)需要精心組合，以消除這些錯(cuò)誤。

計(jì)算機(jī)科學(xué)家已經(jīng)卷入并參加了這場爭斗。每年的電氣與電子工程師協(xié)會(huì)國際信息理論研討會(huì)（主程序員的一個(gè)會(huì)議）上，都有一個(gè)專門討論DNA存儲(chǔ)編碼的會(huì)議。

2016年4月，微軟和華盛頓大學(xué)的一個(gè)研究小組存儲(chǔ)了200兆字節(jié)的DNA，有OK Go搖滾樂隊(duì)的音樂視頻，有100多種語言的《世界人權(quán)宣言》，有古騰堡項(xiàng)目最受歡迎的100本圖書，還有農(nóng)作物的種子數(shù)據(jù)庫，由Twist Bioscience合成，編碼方法采用了計(jì)算中使用的常見錯(cuò)誤糾正方案。他們還設(shè)計(jì)了一種方法來識(shí)別和排序特定的信息片段，而不必對(duì)整個(gè)記錄進(jìn)行排序。

華盛頓大學(xué)教授路易斯·塞澤說：“我們正在使用電腦知識(shí)——如何糾正記憶錯(cuò)誤，并將其應(yīng)用到自然界?！?img alt="" src="https://cimg.fx361.com/images/2018/05/23/qkimagesfdtsfdts201803fdts20180318-3-l.jpg"/>

2017年3月，哥倫比亞大學(xué)的雅尼夫·埃利克和紐約基因組中心的迪娜·杰林斯基使用新算法對(duì)6個(gè)數(shù)據(jù)文件的數(shù)據(jù)進(jìn)行了編碼，該算法能夠編碼更多的核苷酸數(shù)據(jù)，并且仍然以100%的準(zhǔn)確性還原文件。他們的“DNA噴泉”技術(shù)，可以在每克DNA上產(chǎn)生215拍字節(jié)（2.15億千兆字節(jié)）的記錄。在這樣的密度下，人類記錄的所有數(shù)據(jù)都將能放入一個(gè)與兩輛皮卡車大小相當(dāng)?shù)娜萜髦小?/p>

因?yàn)闀鴮懞烷喿xDNA的速度還比較慢，所以早期的應(yīng)用程序?qū)?huì)被歸檔。微軟表示，公司計(jì)劃在3年內(nèi)建立一個(gè)原生商業(yè)DNA存儲(chǔ)系統(tǒng)。

想象一下，一體化的DNA數(shù)據(jù)系統(tǒng)并非遙不可及。二進(jìn)制數(shù)據(jù)在一端被輸入，合成為DNA并被存儲(chǔ)，然后被提取、測(cè)序，并作為二進(jìn)制數(shù)據(jù)再次發(fā)送到另一端。塞澤說：“我們正在研究整合合成器（實(shí)際‘庫和閱讀器/定序器）架構(gòu)，目標(biāo)是開發(fā)一個(gè)完整的系統(tǒng)?！?/p>

其他研究人員正在設(shè)法盡可能保持DNA穩(wěn)定。蘇黎世聯(lián)邦理工學(xué)院功能材料實(shí)驗(yàn)室的科學(xué)家羅伯特·格拉斯正在研究一種將DNA封裝在微小二氧化硅珠子中的方法。他說：“類似于骨骼化石，我們希望用合成的‘化石殼來保護(hù)包含信息的DNA。”為了測(cè)試珠子的耐久性，他們將其加熱到大約70℃并持續(xù)了一個(gè)星期，這相當(dāng)于在大約10℃的環(huán)境中保存2000年。

現(xiàn)在讓我們回到音樂上來。把聯(lián)合國教科文組織的《世界記憶》這樣的重要檔案按照一定格式保存下來，即使在短期內(nèi)相對(duì)昂貴，也是一個(gè)好主意。塞澤說：“聯(lián)合國教科文組織的檔案為測(cè)試我們的方法提供了完美的實(shí)用案例?！?/p>

當(dāng)深紫樂隊(duì)寫“我們永遠(yuǎn)不會(huì)忘記/水上煙霧.空中之火”時(shí)，他們并不知道現(xiàn)在發(fā)生的這些，但是，他們的創(chuàng)作現(xiàn)在得到了證實(shí)。