詳解哈佛如何用DNA遺傳物質儲存信息

哈佛大學研究人員將一本大約有 5.34 萬個單詞的書籍編碼進不到億萬分之一克的 DNA 微芯片，然后成功利用 DNA 測序來閱讀這本書。

這是迄今為止人類使用 DNA 遺傳物質儲存數據量最大的一次實驗。

“今后，拇指大小的設備就能存下整個互聯網的信息。”該項目的首席研究員、哈佛大學遺傳學家喬治·丘奇說。

要說信息存儲，沒有一樣比得過 DNA。人們很早就覬覦我們自身的基因代碼存儲數據的潛力，但如何將信息編碼進 DNA 遺傳物質再如何解讀出來，一直是個難題。

近日，哈佛大學維斯生物工程研究所的一群研究人員嘗試將一本大約有 5.34 萬個單詞的書籍編碼到不到一沙克（億萬分之一克）的 DNA 微芯片中，連同文字一起的還有 11 張圖片和一段 Java 程序。這是迄今為止人類使用 DNA 遺傳物質儲存數據量最大的一次實驗。“今后，拇指大小的設備就能存下整個互聯網的信息。”該項目首席研究員、哈佛大學遺傳學家喬治·丘奇（George Church）說，被編碼進 DNA 的書正是他的大作《再生：合成生物學將如何改變未來的自然和自己》。

這項實驗被刊登在《科學》期刊上。但因編碼存儲和讀取過程太過昂貴，DNA 存儲離商業化還有一段距離。“隨著DNA合成、測序價格的不斷下降，這或許將成為長期存儲數據的一種選擇。”哈佛大學生物學教授可蘇里（Sriram Kosuri）說。這一實驗，或許為解決未來社會爆炸性的大數據存儲指明了方向。

從二進制到堿基對編碼

DNA 是生物數據庫，它的主要功能就是存儲包含各種指令的生物信息。DNA 有 G（鳥嘌呤）、T（胸腺嘧啶）、A（腺嘌呤）、C（胞嘧啶）四種堿基，共同構成了相互纏繞的雙鏈階梯狀的螺旋結構。通過這四種堿基不同順序的編碼，存儲了生物所有的遺傳信息。

現代計算機技術奠基者之一馮·諾依曼曾在 1948 年提出“自動復制機器”的設想：一個能夠自我繁殖的系統，不僅能夠構建某個組成元素，結構和自己一致的下一代，也能夠把對自身的描述傳遞給下一代，如此往復。后來隨著生物遺傳的奧妙被發現，人們意識到，DNA 雙螺旋結構正是馮·諾依曼描述的自動復制機器。

DNA 里的四種堿基，兩兩互補成對。一個最短的 DNA 分子也有 4000 個堿基對，可能的排列方式就有 44000 種。堿基對排列順序千變萬化，從而能夠存儲大量的遺傳信息。

向活體 DNA 里寫入數據，有諸多困難，細胞會死亡、分裂、變異，數據內容就會發生改變。

在本文開頭提到的那項實驗中，科學家們沒有采用活細胞的基因組，而是采用了人工合成的 DNA 片段。他們用很多短的 DNA 序列而非長 DNA 序列來編碼數據，這類似于硬盤寫入的原理，在硬盤中，數據是被寫入稱為扇區的小硬盤塊，這樣能夠降低寫入和讀取數據的困難和成本。科學家們將這種片段用噴墨打印機嵌入到微陣列芯片表面。接著，他們把計劃寫入 DNA 的書里包含的信息：圖片、文字、程序轉化為 HTML 格式的文件，并將這些文件編譯為由 0 和 1 組成的電腦能夠讀懂的 2 進制數據。然后，他們將 2 進制數據轉為四種堿基，把0轉為 A 或 C，把 1 轉成 G 或者 T，并建立 DNA 鏈來維系這些編碼的順序和位置。每一個 DNA 片段還包含一個數字“條碼”，記錄它在原始文件中的位置，每個片段被合成多個拷貝以便有助于校正錯誤。編碼完成后，這些芯片會在 4 攝氏度下保持三個月。

測序就是讀取數據的過程：啟用DNA測序裝置，將所有 DNA 片斷中的編碼按照標記順序排列，再還原成 2 進制格式的數據。每個 DNA 片斷的每一個拷貝被測序高達 3000 次以便校對。利用這種方式，他們將 5.27 兆數據中的錯誤降低到只有 12 個。這種尺寸微小的存儲設備，存儲密度遠遠高于 DVD、硬盤等介質，效果也毫不遜色。

丘奇認為，和其他生物存儲介質相比，DNA 存儲比較可靠，在室溫下也是穩定的，你甚至可以將它放在任何地方，幾十萬年后，它還在那里。現在的問題是，DNA 存儲設備的訪問速度很慢，存取和讀取都很花費時間，如何覆蓋和重寫數據也是個問題。好消息是，隨著測序技術的進展，DNA 編碼和測序的成本會逐年下降，離商業化應用也就不遠了。

生物硬盤

在人們把目光投向生物存儲之前，占據存儲市場主流的就是現在的存儲介質，主要是磁盤、光盤。1949 年，電腦的磁存儲設備問世，意味著信息可以隨時存取和控制，這個設備改變了整個行業。一塊鋁制圓片，涂上磁性介質，因為磁有正負級，在電磁效應作用下，可以方便地存儲和表達 010101 的二進制信息。無論磁盤還是硬盤，基本原理幾乎一樣。經過 60 多年的發展，磁存儲行業已經可以在 3.5 英寸大小的驅動上存儲 3TB 數據。

另一種主流的光存儲也在不斷挑戰存儲極限。光盤將數字編碼的視頻和音頻儲存在光盤表面的凹槽中。激光讀取這些凹槽的背面，就能播放儲存的電影節目。光盤包含的數據越多，凹槽就必須越小、越緊湊。與之相對，讀取激光的精度也必須越來越高。普通 DVD 使用的是紅色激光在凹槽里記錄信息，藍色激光波長比紅色激光長，較小的光束聚焦更準確。此外，藍光光盤將軌距從 0.74 微米縮小到 0.32 微米。更小的凹槽，更小的光束以及更短的軌距結合，藍光的問世正是順應了大數據存儲的潮流。現在單層藍光光盤能夠保存 25GB 以上的信息，是 DVD 可儲存信息量的5倍。還有人在研發用紫外線做激光，其波長比藍光更短，如果成功，一張光盤可以保存 500GB 的數據。

這些存儲方式有一個共同的缺點，磁片表面也好，光盤表面也好，都是單層的平鋪式地記錄和保存信息，哪怕磁盤每一層可以疊加，也和 DNA 封閉的雙螺旋立體結構無法媲美，記錄的數據量相去甚遠。一克 DNA 即能儲存上千億個千兆字節，相當于 1000 億張 DVD 光盤的內容。

隨著摩爾定律的升級，人們已經逐步接近傳統電子制造的極限。人們早就開始在自然中尋找解決問題的靈感。早在 2007 年，就有日本科學家研究利用趨磁細菌制造出和傳統計算機原件類似的東西，代替磁盤存貯數據。今年初，又爆出德國和臺灣的一個聯合科研團隊以三文魚的 DNA 作為基礎，制造出單次寫入多次讀取的存儲器。不過，那個 DNA 存儲裝置只能儲存數據至多 30 小時，且它并沒有利用 DNA 的結構進行編碼。

這是個數據爆炸的時代，無處不在的攝像頭，互聯網上成倍增長的信息，大量手持設備的照片、視頻??如果生物存儲技術足夠成熟，人們可以記錄所有想記錄的一切，而不必擔心家里沒有地方放硬盤。市政部門也不必每隔一段時間就清理街道攝像頭的視頻記錄，釋放存儲空間。

微流體和芯片實驗室的發展，讓 DNA 合成和測序變成一項日常工作。以前，要解碼一個人類基因得花幾年，現在用微流體芯片技術只要不到一天。如果用于長期存儲，這樣的速度還是可以接受的。隨著 DNA 讀寫技術的商業化，未來的 DNA 硬盤，或許會和今天的硬盤、光碟一樣普遍。