DNA數(shù)據(jù)存儲(chǔ)：保存策略與數(shù)據(jù)加密

周廷堯，羅源，蔣興宇

（南方科技大學(xué)生物醫(yī)學(xué)工程系，廣東 深圳 518055）

隨著互聯(lián)網(wǎng)和人工智能等信息技術(shù)的高速發(fā)展，人類產(chǎn)生的數(shù)據(jù)信息呈爆炸式增長(zhǎng)。據(jù)國(guó)際數(shù)據(jù)公司（IDC）發(fā)布最新全球DataSphere顯示，2020年創(chuàng)建和使用的數(shù)據(jù)量高達(dá)5.9×1022字節(jié)，并且今后每年數(shù)據(jù)量將以26%的速度增長(zhǎng)。現(xiàn)有的數(shù)據(jù)存儲(chǔ)體系主要有磁性存儲(chǔ)（磁盤、磁帶和機(jī)械硬盤）、光學(xué)存儲(chǔ)（CD、DVD）和固體存儲(chǔ)（閃存芯片、DRAM芯片）［1］。這些存儲(chǔ)體系雖然近些年來(lái)得到了較大的發(fā)展，但其劣勢(shì)日益凸顯，如存儲(chǔ)密度有限、有效存儲(chǔ)時(shí)間短、生產(chǎn)設(shè)備能耗高、原材料硅的供應(yīng)量有限且易污染環(huán)境等，已無(wú)法滿足當(dāng)前海量數(shù)據(jù)爆炸式增長(zhǎng)的需求［2-3］。因此，迫切需要發(fā)展一種具有更好存儲(chǔ)性能的新技術(shù)與新方法。

DNA是一種古老的存儲(chǔ)介質(zhì)，儲(chǔ)存著從微生物到人類億萬(wàn)生命的海量遺傳信息。自20世紀(jì)60年代以來(lái)，因DNA分子的存儲(chǔ)密度高、耗能低、壽命長(zhǎng)、無(wú)磨損等潛在優(yōu)勢(shì)，人們?cè)虳NA分子作為存儲(chǔ)媒介的可行性展開(kāi)討論［4-8］。近年來(lái)，隨著DNA合成技術(shù)和新一代測(cè)序技術(shù)的突破性發(fā)展，DNA數(shù)據(jù)存儲(chǔ)已成為當(dāng)前全球數(shù)據(jù)信息存儲(chǔ)技術(shù)的研究熱點(diǎn)。2012年，哈佛醫(yī)學(xué)院和約翰·霍普金斯大學(xué)合作利用DNA編碼了一整本6.58×105字節(jié)的巨著，使DNA存儲(chǔ)技術(shù)邁進(jìn)了一大步［9］。2013年，歐洲生物信息研究所科研團(tuán)隊(duì)［10］將包含5種類型數(shù)據(jù)7.39×105字節(jié)的計(jì)算機(jī)文件（文本、PDF、照片、MP3和霍夫曼編碼）編碼到肉眼看不到DNA序列中，為大規(guī)模、長(zhǎng)期且不經(jīng)常訪問(wèn)的數(shù)字檔案信息提供一種實(shí)用的存儲(chǔ)技術(shù)。2016年，微軟研究院和華盛頓大學(xué)合作將超過(guò)2.0×108字節(jié)的數(shù)據(jù)信息編碼到DNA分子中，同時(shí)，微軟公司已計(jì)劃于2020年建立基于DNA分子的數(shù)據(jù)存儲(chǔ)系統(tǒng)［11］。2017年，紐約基因組中心和哥倫比亞大學(xué)聯(lián)合開(kāi)發(fā)了一種高度可靠的DNA噴泉算法，該方法可接近每個(gè)核苷酸存儲(chǔ)的信息的理論最大值［12］。與此同時(shí)，國(guó)內(nèi)外一些企業(yè)也陸續(xù)推出基于DNA數(shù)據(jù)存儲(chǔ)的商業(yè)化服務(wù)。

本文以DNA數(shù)據(jù)存儲(chǔ)技術(shù)為主線，闡述DNA數(shù)據(jù)存儲(chǔ)的基本理論和工作流程，重點(diǎn)介紹DNA保存的方法與策略、信息安全與數(shù)據(jù)加密的研究進(jìn)展，最后討論DNA數(shù)據(jù)存儲(chǔ)現(xiàn)階段面臨的主要挑戰(zhàn)及發(fā)展趨勢(shì)。

1 DNA數(shù)據(jù)存儲(chǔ)的基本理論和工作流程

在自然界中，DNA是由4種堿基——腺嘌呤（A）、胞嘧啶（C）、胸腺嘧啶（T）和鳥(niǎo)嘌呤（G）按照特定順序鍵合而成的大分子聚合物。通過(guò)A與T、C與G堿基互補(bǔ)配體的原則，可形成雙螺旋的DNA雙鏈分子結(jié)構(gòu)，承載著億萬(wàn)生命的海量遺傳信息。DNA存儲(chǔ)技術(shù)即是以人工合成的DNA為存儲(chǔ)介質(zhì)，按照一定編碼規(guī)則將文本文檔、圖片和聲音文件等數(shù)據(jù)轉(zhuǎn)化為DNA序列，進(jìn)行存儲(chǔ)并完整讀取的技術(shù)［13-14］。與傳統(tǒng)的存儲(chǔ)介質(zhì)相比，DNA數(shù)據(jù)存儲(chǔ)具有如下優(yōu)勢(shì)。首先，存儲(chǔ)密度高。根據(jù)Shannon信息的定義，單個(gè)核苷酸可存儲(chǔ)最大容量為0.25字節(jié)；通過(guò)換算為物理密度可知，1 g DNA可理論上存儲(chǔ)4.6×1020字節(jié)的數(shù)據(jù)量，存儲(chǔ)密度比目前主流的存儲(chǔ)介質(zhì)（如磁帶、HDD或固態(tài)存儲(chǔ)）高出多個(gè)數(shù)量級(jí)［15］。2019年，華盛頓大學(xué)報(bào)道文件存儲(chǔ)密度可達(dá)1.7×1019字節(jié)/g。以此推測(cè)，大約10 kg DNA分子就可滿足2025年全球數(shù)據(jù)總量存儲(chǔ)要求（預(yù)計(jì)數(shù)據(jù)量為1.75×1023字節(jié)），所占體積與籃球大小相似［16］。其次，DNA數(shù)據(jù)存儲(chǔ)易復(fù)制。雖然DNA分子存儲(chǔ)的數(shù)據(jù)不需要經(jīng)常復(fù)制保存，如果需要，亦可輕松完成。DNA可利用聚合酶鏈?zhǔn)椒磻?yīng)（PCR）進(jìn)行指數(shù)化復(fù)制，顯著提高了數(shù)據(jù)的復(fù)制效率［17］。此外，與當(dāng)前存儲(chǔ)在HDD上在線數(shù)據(jù)不同，DNA數(shù)據(jù)存儲(chǔ)不需要電力供應(yīng)，耗能低，即可長(zhǎng)時(shí)間穩(wěn)定地保存數(shù)據(jù)信息［18］。

DNA數(shù)據(jù)存儲(chǔ)的基本工作流程主要包括將數(shù)據(jù)信息編碼為DNA序列（編碼），根據(jù)序列合成DNA分子（寫入），組織這些DNA分子進(jìn)行長(zhǎng)期保存和數(shù)據(jù)加密（保存和加密），檢索和有選擇地訪問(wèn)（隨機(jī)訪問(wèn)），讀取DNA序列（讀出），將其轉(zhuǎn)換為數(shù)字信息（解碼）［19］，如圖1所示。

圖1 DNA數(shù)據(jù)存儲(chǔ)的基本工作流程［主要包括編碼（i）、寫入（ii）、保存和加密（iii）、隨機(jī)訪問(wèn)（iv）、讀出（v）與解碼（vi）］Fig.1 Major steps of DNA data storage[including encode(i),write(ii),store and encrypt(iii),random access(iv),read(v)and decode(vi)]

1.1 編碼

計(jì)算機(jī)中文本、圖片、音頻和視頻等信息文件的保存與處理均采用以0、1為基元的二進(jìn)制數(shù)，需按照一定的編碼規(guī)則將其映射成以A、T、C、G四字符編碼的DNA序列。雖然每種類型信息所用的模型有所差別，但其編碼過(guò)程大致相似，一般包括數(shù)據(jù)壓縮、引入糾錯(cuò)和轉(zhuǎn)換DNA序列三個(gè)過(guò)程。

1.2 寫入

根據(jù)編碼的DNA序列完整無(wú)誤地合成出來(lái)，制備一系列人工DNA分子。目前，合成DNA分子的主要方法有芯片法［20］、PCR法［21］、柱式合成法［22］和酶促合成法［23］。

1.3 保存和加密

選擇合適的載體將合成DNA分子進(jìn)行保存。目前合成DNA保存方法主要是細(xì)胞外保存法和細(xì)胞內(nèi)保存法。將DNA分子包埋在特殊的基質(zhì)中隔絕空氣和水分，可有效延長(zhǎng)其保存時(shí)間［24］。在延長(zhǎng)DNA保存時(shí)間的同時(shí)，增強(qiáng)信息存儲(chǔ)的安全性，也是DNA數(shù)據(jù)存儲(chǔ)重要的研究方向。本文將在后續(xù)部分重點(diǎn)介紹DNA保存方法的研究進(jìn)展，并簡(jiǎn)要總結(jié)信息安全與數(shù)據(jù)加密的最新研究成果。

1.4 隨機(jī)訪問(wèn)

隨機(jī)訪問(wèn)是用于計(jì)算機(jī)科學(xué)中選定信息的讀取，是DNA數(shù)據(jù)存儲(chǔ)可行性的一個(gè)關(guān)鍵特征。為了避免讀取整個(gè)存儲(chǔ)系統(tǒng)，需要設(shè)計(jì)索引方法來(lái)提取特定的DNA序列。目前索引方法主要是基于PCR的引物擴(kuò)增［25］和基于修飾特定DNA序列的磁珠法［26］。

1.5 讀出與解碼

通過(guò)DNA測(cè)序儀器讀取DNA序列。DNA測(cè)序法主要有“大規(guī)模并行合成測(cè)序法”［27］“DNA納米球測(cè)序法”［28］和“納米孔測(cè)序法”［29］。前者技術(shù)成熟，錯(cuò)誤率低，但周期較長(zhǎng)；后者技術(shù)在發(fā)展中，錯(cuò)誤率相對(duì)較高，但能夠?qū)崟r(shí)讀出。根據(jù)測(cè)定的DNA序列，設(shè)計(jì)解碼程序，轉(zhuǎn)換為二進(jìn)制數(shù)據(jù)，最后還原成計(jì)算機(jī)文件。

2 DNA保存的方法與策略

與其他存儲(chǔ)介質(zhì)相比，DNA數(shù)據(jù)存儲(chǔ)一個(gè)巨大的優(yōu)勢(shì)在于可以長(zhǎng)久保存數(shù)據(jù)。近期考古學(xué)研究還可以對(duì)來(lái)自30萬(wàn)年前熊和人類的線粒體DNA測(cè)序［30-31］。然而，天然未受保護(hù)的DNA是一種非常脆弱的生物分子，易水解或者被氧化，有著特征性的半衰期［32-33］。它們的半衰期與存儲(chǔ)溫度和DNA鏈長(zhǎng)密切相關(guān)，低溫和防水環(huán)境可顯著提高其穩(wěn)定性，如常溫下30個(gè)堿基DNA半衰期有500年，而-5℃存儲(chǔ)DNA化石的半衰期可延長(zhǎng)至15.8萬(wàn)年［34］。為了更有效地進(jìn)行數(shù)據(jù)長(zhǎng)期存儲(chǔ)，國(guó)內(nèi)外科研工作者發(fā)展了多種DNA保存的方法與策略，主要分為細(xì)胞外保存法和細(xì)胞內(nèi)保存法。

2.1 細(xì)胞外保存法

DNA溶液通常在室溫下可以穩(wěn)定3～6個(gè)月，4℃可以穩(wěn)定大約1年，而-20℃冷凍可以延長(zhǎng)至2年［35］。將DNA分子保存在溶液中的最大優(yōu)勢(shì)是可以隨機(jī)索引，可支持多次信息讀?。?5，36-37］。為防止樣品在運(yùn)輸、存儲(chǔ)、處理過(guò)程中發(fā)生降解，人們通常把DNA分子進(jìn)行凍干處理進(jìn)行保存。這樣不但適用于長(zhǎng)期穩(wěn)定保存樣本，并且能快速完整地回收樣本。通過(guò)評(píng)估商品化Biomatrica、自制海藻糖和聚乙烯醇3種材質(zhì)塑料孔板對(duì)DNA分子的穩(wěn)定效果，發(fā)現(xiàn)Biomatrica塑料孔板在室溫和56℃對(duì)DNA保護(hù)效果最佳；海藻糖孔板更適合對(duì)DNA短期56℃條件保存［38］。華盛頓大學(xué)科研人員［39］將脫水DNA斑點(diǎn)保存在玻璃上，研發(fā)一種基于數(shù)字微流控的可擴(kuò)展DNA數(shù)據(jù)存儲(chǔ)的方法（圖2）。脫水DNA的斑點(diǎn)可以密集地排列在微流控設(shè)備上，回收過(guò)程不受鄰近斑點(diǎn)影響。他們還將1.0×1012字節(jié)的數(shù)據(jù)存儲(chǔ)在DNA的單個(gè)斑點(diǎn)中，并使用此方法成功實(shí)現(xiàn)了檢索。另外，DNA還可以吸附存儲(chǔ)在一種特殊材質(zhì)濾紙中，可保護(hù)DNA分子在36個(gè)月內(nèi)不被降解［40］。最近，瑞士聯(lián)邦理工學(xué)院科學(xué)家發(fā)現(xiàn)堿土金屬鹽可增強(qiáng)干粉狀DNA的穩(wěn)定性，即使在相對(duì)濕度為50%、高DNA負(fù)載量（質(zhì)量分?jǐn)?shù)大于30%）情況下也具有顯著穩(wěn)定DNA的功能，可方便地進(jìn)行數(shù)據(jù)的隨機(jī)訪問(wèn)和信息讀?。?1］。

圖2 基于數(shù)字微流控的高密度干粉DNA數(shù)據(jù)存儲(chǔ)［（a）干粉DNA保存在玻璃板上；（b）將玻璃板置于數(shù)字微流控裝備上便于檢索數(shù)據(jù)，插圖為一個(gè)斑點(diǎn)成像圖，比例尺為275μm；（c）夾在玻璃板與電極間的水滴被激活，并移動(dòng)到斑點(diǎn)DNA下進(jìn)行補(bǔ)水［39］］Fig.2 High density dehydrated DNA data storage with digital microfluidic retrieval[(a)Dehydrated DNA stored on glass cartridges;(b)Cartridge was loaded onto digital microfluidic device to retrieve data,and inset showed photo‐graph of an actual magnified spot,scale bar:275μm;(c)A water droplet sandwiched between cartridge and electrodes was actuated to move under spotted DNA for rehydration[39]]

DNA分子可以在骨骼殘骸或者沉積物中保存長(zhǎng)達(dá)數(shù)十萬(wàn)年之久，主要得益于外層密集的骨骼殘骸或者沉積物將DNA與環(huán)境中的水分和活性氧隔絕開(kāi)。受此啟發(fā)，國(guó)內(nèi)外科研人員先后報(bào)道了一系列封裝DNA分子的方法，使DNA分子得到更好的保護(hù)。不同介質(zhì)保存DNA的情況見(jiàn)表1。DNA可包裹在二氧化硅顆粒中，模仿化石保護(hù)DNA免受侵蝕性環(huán)境（200℃、高濃度自由基）的影響，并利用氫氟酸對(duì)二氧化硅顆粒的刻蝕作用，可將DNA釋放出來(lái)進(jìn)行信息讀?。?2］。此外，借助同樣的方法將DNA封裝在二氧化硅顆粒，并采用糾錯(cuò)代碼來(lái)糾正與存儲(chǔ)相關(guān)的錯(cuò)誤。由于DNA對(duì)熱非常敏感，根據(jù)DNA衰敗激活能（120～155 kJ/mol）［32，44］和70℃下DNA衰減曲線，可推斷DNA保存在20℃的半衰期。通過(guò)加速老化試驗(yàn)（70℃和相對(duì)濕度50%）推測(cè)，數(shù)據(jù)信息可以在多種環(huán)境條件下保存DNA數(shù)千年。即使在70℃存放一周，原始信息可以無(wú)差錯(cuò)地恢復(fù)［24］。但是這些方法存在著DNA負(fù)載量低的缺陷，只有0.7%，降低了DNA數(shù)據(jù)存儲(chǔ)密度。為了增加存儲(chǔ)密度，瑞士聯(lián)邦理工學(xué)院科研人員利用層層自組裝技術(shù)，將DNA和陽(yáng)離子聚合物聚乙烯亞胺（PEI）交替包覆在磁性顆粒表面，并在最外層包裹一層硅殼，制備了一種高DNA負(fù)載的磁性納米顆粒。該方法大幅度提升了DNA存儲(chǔ)密度，密度最高可達(dá)155 ng/cm，質(zhì)量負(fù)載率為7.8%（不包裹硅）和3.4%（包裹硅）［43］。最近，瑞士聯(lián)邦理工學(xué)院與以色列科學(xué)家聯(lián)合開(kāi)發(fā)了一種信息存儲(chǔ)結(jié)構(gòu)，可用于創(chuàng)建具有嵌入式存儲(chǔ)DNA信息編碼的材料［45］。他們?cè)O(shè)計(jì)了“萬(wàn)物DNA”框架體系，將用于3D打印兔子的信息編碼到DNA分子，封裝在160 nm硅球內(nèi)部，并進(jìn)一步分散在熱塑性聚酯中，用于兔子的3D打印。通過(guò)剪下兔子一小塊材料，提取、擴(kuò)增和測(cè)序，就可以獲取兔子3D打印信息，完美地復(fù)制五代兔子。這些包裹在二氧化硅顆粒中保存DNA的方法，通常不支持可逆的信息釋放與封裝，以及多次的信息讀取。除了二氧化硅納米顆粒，還利用其他材料如磷酸鈣和聚合物等進(jìn)行封裝保護(hù)［46-47］，并且對(duì)DNA自組裝納米結(jié)構(gòu)可以實(shí)現(xiàn)精準(zhǔn)生物礦化［48-51］。例如，如圖3所示，上海交通大學(xué)樊春海院士團(tuán)隊(duì)［51］利用核酸框架結(jié)構(gòu)為模板和靜電吸附作用為驅(qū)動(dòng)力，成功地制備出幾何形狀高度可控的磷酸鈣納米晶體。由于外層磷酸鈣的隔絕保護(hù)作用，DNA的穩(wěn)定性大大增強(qiáng)，同時(shí)保留核酸框架的結(jié)構(gòu)信息，有效增加其在細(xì)胞內(nèi)的轉(zhuǎn)運(yùn)效率，進(jìn)一步拓寬了DNA框架結(jié)構(gòu)的應(yīng)用范圍。與細(xì)胞內(nèi)保存法相比，細(xì)胞外保存法因成本低、耐久性好、可延展性等優(yōu)勢(shì)更具有實(shí)用性。

圖3 DNA框架結(jié)構(gòu)誘導(dǎo)合成磷酸鈣［51］Fig.3 Schematic Illustration for preparation of CaP templated by DNA-framework[51]

表1 不同DNA保存介質(zhì)的比較Tab.1 Comparison of different DNA storage media

2.2 細(xì)胞內(nèi)保存法

與體外DNA保存法相比，細(xì)胞內(nèi)保存法可利用細(xì)胞內(nèi)高效的DNA復(fù)制、校對(duì)和長(zhǎng)鏈DNA修復(fù)機(jī)制，提供高效的隨機(jī)訪問(wèn)路徑和實(shí)時(shí)記錄生物事件［25，52］。天然和工程化的DNA靶向和修飾酶常被用作DNA數(shù)據(jù)存儲(chǔ)的寫入工具。例如，天津大學(xué)元英進(jìn)教授團(tuán)隊(duì)［53］利用釀酒酵母體內(nèi)組裝系統(tǒng)對(duì)長(zhǎng)序列數(shù)據(jù)信息進(jìn)行組裝，可實(shí)現(xiàn)生物信息的低成本、高保真存儲(chǔ)。天津大學(xué)齊浩教授團(tuán)隊(duì)［54］發(fā)現(xiàn)攜帶大量寡核苷酸池的細(xì)菌混合培養(yǎng)物是一種穩(wěn)定的信息存儲(chǔ)媒介，能夠?qū)?.45×105字節(jié)的數(shù)據(jù)文件存儲(chǔ)在細(xì)菌內(nèi)。根據(jù)寫入機(jī)制不同，目前報(bào)道的研究工作大致分為兩類。一類是利用重組酶進(jìn)行細(xì)胞內(nèi)數(shù)據(jù)存儲(chǔ)。借助重組酶，信息被儲(chǔ)存在一個(gè)特定的基因組位置［55-56］。例如，利用不同的重組酶在大腸桿菌內(nèi)存儲(chǔ)了1.375字節(jié)的記憶陣列，證實(shí)了重組酶可以分層并用于永久記錄轉(zhuǎn)錄邏輯門的瞬時(shí)狀態(tài)［57］。通過(guò)控制重組酶方向性，將可重寫的信息數(shù)據(jù)存儲(chǔ)在活細(xì)胞中［58］。需要說(shuō)明的是，對(duì)于基于重組酶的DNA數(shù)據(jù)存儲(chǔ)，在特定的位置需要一個(gè)特定的重組酶，因此，數(shù)據(jù)存儲(chǔ)的密度不高，且與宿主基因組的接口有限，最終導(dǎo)致數(shù)據(jù)寫入效率比較低。另外一類是利用CRISPR-Cas體系進(jìn)行DNA數(shù)據(jù)存儲(chǔ)［59-60］。其中，最受關(guān)注的是Cas9蛋白［61］，它是一種可編程DNA切割酶，被用于定位由多個(gè)相同靶點(diǎn)組成的DNA地址［62-63］。這種方法除大規(guī)模記錄細(xì)胞譜系信息外，還可通過(guò)將Cas9表達(dá)與細(xì)胞信號(hào)耦合來(lái)記錄模擬信號(hào)，如將非二進(jìn)制的基因突變（數(shù)據(jù)信息）記錄到DNA中［64］。各種其他核酸酶也具有類似的功能，如CRISPR相關(guān)的核酸內(nèi)切酶Cpf1、鋅指蛋白核酸酶（ZFNs）以及類轉(zhuǎn)錄激活因子效應(yīng)物核酸酶（TALENs）［65-69］。與上面介紹的基于重組酶的體系相比，此功能使模擬數(shù)據(jù)的存儲(chǔ)密度更高，同時(shí)具有更直接的與宿主生理學(xué)接口。目前細(xì)胞內(nèi)保存法還不能充分利用細(xì)胞基因組，而且還存在著由于遺傳不穩(wěn)定性而造成信息丟失的風(fēng)險(xiǎn)［70-71］。為了減少這種遺傳不穩(wěn)定性帶來(lái)錯(cuò)誤信息富集，德國(guó)漢堡工業(yè)大學(xué)［72］提出了一種用于活細(xì)胞正交信息編碼、具有錯(cuò)誤自我檢測(cè)功能的三基塊編碼方案（SED3B）。SED3B采用一種全新的方法在小數(shù)據(jù)基塊中添加錯(cuò)誤檢測(cè)的堿基，可與DNA分子固有的冗余部分相結(jié)合，進(jìn)行有效的糾錯(cuò)。試驗(yàn)結(jié)果表明，SED3B在大腸桿菌中編碼信息可連續(xù)復(fù)制超過(guò)12 000年，仍能提供可靠的數(shù)據(jù)結(jié)果。

3 信息安全與數(shù)據(jù)加密

3.1 數(shù)據(jù)加密

在大數(shù)據(jù)時(shí)代，信息數(shù)據(jù)安全扮演著尤為重要的角色。信息加密技術(shù)可用于防范未經(jīng)授權(quán)的非法訪問(wèn)。密碼術(shù)和隱寫術(shù)是信息加密常用的兩種策略，前者是使信息無(wú)法被外人理解，后者則是隱藏信息的存在［73-74］。傳統(tǒng)的密碼術(shù)和隱寫術(shù)由于當(dāng)今數(shù)學(xué)和計(jì)算機(jī)技術(shù)的介入很容易被破解，失去原有的信息加密效果［75-76］。隨著生物學(xué)和信息學(xué)的發(fā)展，人們開(kāi)始利用生物分子尋求新型加密技術(shù)［77］，如蛋白質(zhì)、適配體、細(xì)菌被用來(lái)保護(hù)信息安全［78-81］。然而，在這些研究中，信息安全很大程度上依賴于固定的生物分子反應(yīng)模式，一旦對(duì)手發(fā)現(xiàn)相關(guān)的解密方式，其安全性將受到嚴(yán)重的威脅。發(fā)展新型安全可靠的密碼體制，是信息安全和數(shù)據(jù)加密的研究重點(diǎn)和難點(diǎn)。

3.2 DNA密碼

1994年，美國(guó)南加州大學(xué)利用DNA計(jì)算來(lái)解決一個(gè)NP完全問(wèn)題的試驗(yàn)，標(biāo)志著信息時(shí)代進(jìn)入一個(gè)新階段［82］。DNA密碼是隨DNA計(jì)算發(fā)展而產(chǎn)生的一項(xiàng)新興技術(shù)［83-84］，它主要是利用現(xiàn)代生物技術(shù)，以DNA分子為載體，充分發(fā)揮DNA固有的高存儲(chǔ)密度和高并行性等優(yōu)勢(shì)，從而實(shí)現(xiàn)加密、認(rèn)證和隱寫等密碼學(xué)功能［85-88］。DNA密碼體系主要有3種方式。

（1）一次一密。1999年，美國(guó)杜克大學(xué)［89］利用映射替代和異或的方法提出了一次一密的密碼體系。映射替代法是根據(jù)定義的映射關(guān)系將一定長(zhǎng)度的DNA明文序列替換為對(duì)應(yīng)的DNA密文序列；而異或法是利用光刻技術(shù)和熒光標(biāo)記技術(shù)進(jìn)行DNA明文和密文序列的異或運(yùn)算。

（2）DNA隱寫術(shù)。它的原理是利用大量的無(wú)關(guān)信息隱藏加密后的DNA信息，只有根據(jù)事前雙方約定的信息，才能找到正確的DNA鏈，并獲取隱藏的信息［87］。1999年，美國(guó)紐約西奈山醫(yī)學(xué)院［7］發(fā)明了一種基于DNA的密碼術(shù)策略來(lái)隱藏秘密消息，他們將第二次世界大戰(zhàn)中著名的一條信息隱寫在DNA微點(diǎn)中，并利用PCR技術(shù)成功地將其提取出來(lái)。最近，上海交通大學(xué)樊春海院士研究團(tuán)隊(duì)［90］開(kāi)發(fā)了一套基于DNA折紙的分子加密系統(tǒng)。如圖4所示，發(fā)送者Alice首先將文本信息HEY按字母順序編碼成盲文圖案，然后進(jìn)一步加密為雜交若干個(gè)生物素修飾短鏈的骨架鏈。接收者Bob通過(guò)加入訂書鏈，將骨架鏈折疊為含有生物素化圖案的DNA納米結(jié)構(gòu)。再加入鏈酶親和素，使盲文圖案在原子力顯微鏡（AFM）下可識(shí)別讀出，最終獲得文本信息。該方法實(shí)現(xiàn)了加密術(shù)與隱寫術(shù)的完美整合，大大超越當(dāng)前基于計(jì)算問(wèn)題加密協(xié)議的限制。同時(shí)，還可通過(guò)對(duì)DNA折紙不同區(qū)域位點(diǎn)的定義以及DNA折紙間的特異性識(shí)別，實(shí)現(xiàn)完整性保護(hù)和訪問(wèn)控制的功能。

圖4 基于DNA折紙的分子加密系統(tǒng)工作流程［90］Fig.4 Workflow of DNA origamicryptography for secure information communication[90]

（3）PCR引物作為密鑰。該方法是基于DNA二元串對(duì)數(shù)據(jù)信息進(jìn)行編碼，然后混入大量相似DNA二元串，只有悉知PCR反應(yīng)中引物序列的接收方，才能提取正確的消息［88］。由于引物信息的泄露可能導(dǎo)致消息不安全，中國(guó)科學(xué)院上海生命科學(xué)研究院［91］最近通過(guò)將特定引物（真實(shí)密鑰）與非特定引物（假密鑰）混合或?qū)⒄鎸?shí)密鑰與3′-端冗余序列連接來(lái)開(kāi)發(fā)預(yù)密鑰，然后利用CRISPR/Cas12a技術(shù)切割假密鑰或去除3′-端冗余序列，從而產(chǎn)生用于信息提取的真實(shí)密鑰，可更好地保護(hù)DNA編碼數(shù)據(jù)的存儲(chǔ)和傳輸。此外，上海交通大學(xué)左小磊教授團(tuán)隊(duì)［92］將特異序列DNA包裹在碳納米管表面，研發(fā)了一種新型管狀核酸，利用形成的特征高度和距離的不同模式對(duì)碳納米管進(jìn)行二維編碼，并且可利用金納米顆粒進(jìn)行視覺(jué)解碼。

3.3 數(shù)據(jù)清除

數(shù)據(jù)清除是保障信息安全重要的一環(huán)，將數(shù)據(jù)快速?gòu)拇鎯?chǔ)設(shè)備中擦除，達(dá)到保護(hù)機(jī)密信息數(shù)據(jù)的目的。然而，DNA分子的良好化學(xué)穩(wěn)定性對(duì)DNA存儲(chǔ)中高度機(jī)密的數(shù)據(jù)清除提出了新的挑戰(zhàn)。

破壞DNA分子的傳統(tǒng)方法主要有使用紫外線照射［93］、DNase I［94］、＞200℃的高溫［95-96］以及氧化劑等［97］。這些銷毀DNA分子方法各不相同，但一般難以在沒(méi)有專門設(shè)備以及在合理的時(shí)間內(nèi)完成。美國(guó)萊斯大學(xué)研究人員［98］報(bào)道了一種基于亞穩(wěn)定雜交的DNA數(shù)據(jù)存儲(chǔ)系統(tǒng)，可通過(guò)簡(jiǎn)單的加熱過(guò)程快速永久擦除數(shù)據(jù)信息。如圖5所示，在該存儲(chǔ)系統(tǒng)中，每個(gè)文件地址都包含一個(gè)真實(shí)消息和至少一條錯(cuò)誤消息，并且真實(shí)信息通過(guò)與“真實(shí)標(biāo)記”寡核苷酸的雜交來(lái)區(qū)分。DNA雜交體的穩(wěn)定性對(duì)溫度非常敏感，只要溫度高于其解鏈溫度，DNA雜交體立即解離。原始真實(shí)信息通過(guò)加熱解離（95℃加熱5 min），將永遠(yuǎn)無(wú)法恢復(fù)。最近，美國(guó)北卡羅萊納州立大學(xué)［99］報(bào)道了一種由T7啟動(dòng)子和單鏈突出域（ss-dsDNA）組成的動(dòng)態(tài)DNA數(shù)據(jù)存儲(chǔ)系統(tǒng)。該ss-dsDNA系統(tǒng)可通過(guò)從DNA轉(zhuǎn)錄信息而不破壞它來(lái)實(shí)現(xiàn)可重復(fù)的信息訪問(wèn)，同時(shí)，還可以進(jìn)行DNA數(shù)據(jù)存儲(chǔ)中文件的鎖定與解鎖、重命名以及刪除等操作，為具有多種功能的信息存儲(chǔ)奠定了堅(jiān)實(shí)的基礎(chǔ)。

圖5 基于亞穩(wěn)定雜交的DNA數(shù)據(jù)存儲(chǔ)系統(tǒng)的原理［（a）圖片文件被編碼為DNA序列，可以在室溫下穩(wěn)定地長(zhǎng)時(shí)間保存，但是在暴露于95℃時(shí)會(huì)被永久快速擦除；（b）基于DNA雜交的真實(shí)信息編碼［98］］Fig.5 Metastable hybridization-based DNA data storage[(a)Image file was encoded as DNA sequences,which could be stored steadily at room temperature for long periods of time,but was permanently and quickly erased when exposed to 95℃.(b)Truthful information encoding based on DNA hybridization[98]]

4 展望

以互聯(lián)網(wǎng)與全球化普及為重要標(biāo)志的信息革命正逐步改變?nèi)伺c數(shù)據(jù)間的相處方式，使人類社會(huì)步入了大數(shù)據(jù)時(shí)代。爆炸式增長(zhǎng)的信息數(shù)據(jù)量與存儲(chǔ)空間和技術(shù)不足的矛盾也日益突出。因其存儲(chǔ)密度大、出錯(cuò)率低、能耗低等優(yōu)勢(shì)，DNA作為極具發(fā)展?jié)摿Φ男乱淮鎯?chǔ)介質(zhì)，有望替代當(dāng)今磁盤和光盤等主流存儲(chǔ)方式。近些年，DNA數(shù)據(jù)存儲(chǔ)技術(shù)的研發(fā)已取得較大進(jìn)展。本文以DNA數(shù)據(jù)存儲(chǔ)為主線，闡述了DNA數(shù)據(jù)存儲(chǔ)的基本理論和工作流程，重點(diǎn)綜述DNA保存方法與策略最新研究成果和信息安全與數(shù)據(jù)加密的研究進(jìn)展。如圖6所示，DNA數(shù)據(jù)存儲(chǔ)除了用于文件存檔和數(shù)據(jù)加密外，還被擴(kuò)展用于驗(yàn)證物品真實(shí)性的分子標(biāo)簽和生物計(jì)算［100］。如國(guó)際上多個(gè)研究小組開(kāi)發(fā)了一種基于DNA分子鑒定的方法，用于油品條形碼的標(biāo)簽［101］，還應(yīng)用于含水層的環(huán)境示蹤［102］。

圖6 DNA數(shù)據(jù)存儲(chǔ)的主要工作流程及其應(yīng)用Fig.6 Process overview and applications of DNA Data Storage

目前，諸多研究進(jìn)展仍停留在實(shí)驗(yàn)室水平，主要原因如下：

首先，信息的寫入和讀取成本仍然很高，存儲(chǔ)數(shù)據(jù)的效率太低。近期的研究發(fā)現(xiàn)創(chuàng)建存儲(chǔ)1.0×106字節(jié)的數(shù)據(jù)大約需要花費(fèi)3500美元［10，103-104］。盡管在過(guò)去10年中，DNA合成和測(cè)序成本下降了幾個(gè)數(shù)量級(jí)，但DNA合成與測(cè)序技術(shù)本身存在的瓶頸問(wèn)題，導(dǎo)致成本降低的步伐有所放緩。此外，先進(jìn)的編碼和解碼算法同樣需要提升DNA合成與測(cè)序方面技術(shù)要求，才能實(shí)現(xiàn)產(chǎn)業(yè)級(jí)的DNA數(shù)據(jù)存儲(chǔ)。

其次，隨機(jī)訪問(wèn)是信息存儲(chǔ)另一個(gè)必需的功能。如何高效快速地從整個(gè)存儲(chǔ)系統(tǒng)中讀取某一數(shù)據(jù)文件是一個(gè)挑戰(zhàn)。通常使用特異性引物進(jìn)行PCR，以選擇性訪問(wèn)存儲(chǔ)在DNA中的某一特定的信息。美國(guó)華盛頓大學(xué)［25］利用強(qiáng)大的糾錯(cuò)碼和算法，可以獨(dú)立檢測(cè)35個(gè)文件，而不相互干擾和產(chǎn)生錯(cuò)誤。盡管這些技術(shù)復(fù)雜、緩慢且昂貴，但這些技術(shù)還是邁向DNA數(shù)據(jù)存儲(chǔ)隨機(jī)訪問(wèn)的第一步。

最后，雖然細(xì)胞外保存法和細(xì)胞內(nèi)保存法都取得了一定的研究進(jìn)展，但它仍然離便捷的實(shí)際應(yīng)用還有很長(zhǎng)的距離。兼顧存儲(chǔ)持久性與簡(jiǎn)易讀取數(shù)據(jù)，擦除數(shù)據(jù)與信息重寫，自動(dòng)化集成化寫入、儲(chǔ)存、讀取數(shù)據(jù)等方面，面臨著諸多挑戰(zhàn)，還有很多技術(shù)難點(diǎn)有待突破。特別是，提升DNA數(shù)據(jù)存儲(chǔ)效率、存儲(chǔ)讀取高度集成自動(dòng)化以及數(shù)據(jù)加密新策略等將是今后DNA數(shù)據(jù)存儲(chǔ)研究的重要發(fā)展方向。DNA數(shù)據(jù)存儲(chǔ)憑借自身的獨(dú)特優(yōu)勢(shì)受到國(guó)內(nèi)外越來(lái)越多的科研工作者關(guān)注和重視，雖然現(xiàn)階段仍存在著一些難點(diǎn)和挑戰(zhàn)，但大量科學(xué)試驗(yàn)表明DNA作為一種新型的數(shù)據(jù)存儲(chǔ)介質(zhì)，無(wú)論是在存儲(chǔ)容量、持久性上，還是在可擴(kuò)展性上，都遠(yuǎn)勝于現(xiàn)有的存儲(chǔ)介質(zhì)。相信隨著合成生物學(xué)的不斷發(fā)展，這些挑戰(zhàn)和技術(shù)難題將逐步得到解決，DNA數(shù)據(jù)存儲(chǔ)將成為未來(lái)最有應(yīng)用潛力的新型存儲(chǔ)方式，引領(lǐng)人類社會(huì)進(jìn)入更便捷、更智能的新時(shí)代。