韓明哲，陳為剛，宋理富，李炳志，元英進(jìn)

（1天津大學(xué)，合成生物學(xué)前沿科學(xué)中心，系統(tǒng)生物工程教育部重點(diǎn)實(shí)驗(yàn)室，天津 300072；2天津大學(xué)化工學(xué)院，天津 300072；3天津大學(xué)微電子學(xué)院，天津 300072）

信息存儲是文明傳承的基礎(chǔ)。人類是地球上最具智慧的生命體，從結(jié)繩記事開始，生命體外的數(shù)據(jù)存儲就成為了人類思想的延續(xù)，記錄了燦爛文明。造紙與印刷術(shù)的發(fā)明，使得人類能夠存儲的數(shù)據(jù)量在幾百年內(nèi)獲得了大約5個(gè)數(shù)量級的提升［1］；在計(jì)算機(jī)時(shí)代，尤其是近年來隨著信息技術(shù)的快速發(fā)展，人類生活的方方面面都逐漸實(shí)現(xiàn)數(shù)字化轉(zhuǎn)變，人類產(chǎn)生的數(shù)據(jù)爆發(fā)式增長。基于磁、光及集成電路的現(xiàn)代數(shù)據(jù)存儲介質(zhì)歷經(jīng)發(fā)展，存儲體積密度已經(jīng)可達(dá)到1010～1012bit/cm3［2］。與之相比，DNA存儲具有更高密度存儲潛力，如大腸桿菌染色體DNA的存儲體積密度據(jù)估算達(dá)約1019bit/cm3［3］。近年來，隨著合成生物學(xué)的快速發(fā)展，以高通量DNA合成技術(shù)［4］和人工合成染色體的工作為代表［5-6］，標(biāo)志著人類對DNA的設(shè)計(jì)［7］、合成［8］、編輯［9］和讀取［10］能力已經(jīng)進(jìn)入到一個(gè)嶄新的時(shí)代。在此背景下，利用合成DNA進(jìn)行高密度信息存儲成為一個(gè)非常有前景的研究方向［11］，得到了相關(guān)領(lǐng)域研究者、信息技術(shù)企業(yè)與生物科技企業(yè)的廣泛關(guān)注。2020年11月，微軟、西部數(shù)據(jù)等傳統(tǒng)信息技術(shù)企業(yè)與Twist Bioscience、Illumina等新興生物技術(shù)公司一道，共同宣布成立了第一個(gè)DNA數(shù)據(jù)存儲聯(lián)盟，將制定全面的行業(yè)路線圖，為經(jīng)濟(jì)高效的商業(yè)檔案存儲奠定基礎(chǔ)［12］。

1 DNA存儲數(shù)字信息

利用人工合成的脫氧核糖核酸（DNA）存儲數(shù)字信息，簡稱DNA信息存儲［13］。DNA用作信息存儲載體，具有存儲高密度、不受電磁干擾、長期高可靠和維護(hù)低成本等優(yōu)勢［13-16］。DNA作為天然的信息載體，以“A/T/C/G”數(shù)字信號的表示形式，存儲了億萬年來無數(shù)生物的遺傳信息，依托中心法則造就生命繁衍、進(jìn)化演化及生物多樣性。人類產(chǎn)生的海量信息，記錄在各類數(shù)字存儲介質(zhì)，保存并得以延續(xù)，支撐了文明的傳承與繁榮。利用DNA存儲數(shù)字信息連通了生物系統(tǒng)與信息系統(tǒng)，發(fā)展了多種應(yīng)用模式，成為近年重要的研究熱點(diǎn)。

利用DNA存儲數(shù)字信息的原理和技術(shù)流程如圖1所示。其原理是：數(shù)字化信息在二進(jìn)制碼流、四進(jìn)制堿基序列和實(shí)際DNA片段之間的轉(zhuǎn)化與流動［3，13-14］。目前，基于此原理的技術(shù)流程主要包含兩個(gè)方面：①信息寫入，首先對文本、圖片或視頻等信息的二進(jìn)制碼流進(jìn)行編碼，得到A/T/C/G組成的堿基序列，隨后利用DNA合成技術(shù)將信息寫入對應(yīng)的DNA片段，并對其進(jìn)行多模式保存［17-18］；②信息讀取，首先對制造的數(shù)據(jù)DNA片段進(jìn)行測序，隨后進(jìn)行識別、組裝、糾錯與解碼等，將存儲在DNA介質(zhì)中的數(shù)據(jù)還原為原始數(shù)字化信息，得到原始文本、圖片、聲音和視頻等。

圖1 DNA存儲的原理模型、技術(shù)流程和應(yīng)用模式Fig.1 The basic principle,technical work flow and storage modes of DNA information storage

2 DNA信息存儲的若干模式

依據(jù)DNA片段讀寫技術(shù)的特點(diǎn)，類似傳統(tǒng)數(shù)據(jù)存儲，也可劃分為“硬盤”“光盤”“磁帶”等應(yīng)用模式?！癉NA硬盤”具有高通量讀寫特征，面向海量數(shù)據(jù)的高密度存儲；“DNA光盤”具有低成本快速復(fù)制特征，支持單寫多讀，面向數(shù)據(jù)的海量分發(fā)；“DNA磁帶”具有體內(nèi)串行刻寫特征，面向數(shù)據(jù)或狀態(tài)的順時(shí)間記錄。以下將對各個(gè)存儲模式的特點(diǎn)和相關(guān)研究進(jìn)展進(jìn)行詳細(xì)介紹。

2.1 “DNA硬盤”模式

2012年哈佛大學(xué)George Church等在《科學(xué)》雜志發(fā)表研究成果［19］，成功存儲和讀取了5.27 Mb包含文字、圖像和JavaScript程序的數(shù)字化信息，出錯率僅為百萬分之二。隨后在Johns Hopkins Magazine上首次提出“DNA硬盤”（DNA hard drive）［20］。該模式依托高通量DNA芯片合成技術(shù)和高通量二代測序技術(shù)來寫入和讀出數(shù)據(jù)。與傳統(tǒng)的硬盤類似，具有面向海量數(shù)據(jù)的高密度存儲潛質(zhì)。由此衍生的類似研究，可歸納為“DNA硬盤”。

“DNA硬盤”的數(shù)據(jù)端到端可靠性遠(yuǎn)不及傳統(tǒng)硬盤，需要解決DNA作為載體的數(shù)據(jù)可靠性問題［21］。目前商業(yè)硬盤的讀寫錯誤率低至10-15以下，而高通量合成寡核苷酸的錯誤率一般在1/2000到1/200［22-23］，二代測序的錯誤率在1/1000到1/100［24］。為了解決這些錯誤對信息可靠性的影響，多個(gè)信息領(lǐng)域的信息編碼方法被引入到了“DNA硬盤”框架。歐洲分子生物學(xué)實(shí)驗(yàn)室的Goldman教授［25］通過添加四倍冗余和簡單的校驗(yàn)機(jī)制實(shí)現(xiàn)了數(shù)據(jù)的可靠恢復(fù)，但是由于四倍冗余的設(shè)計(jì)，該方法實(shí)現(xiàn)的邏輯密度（bit/nt）和成本控制都不理想。蘇黎世聯(lián)邦理工大學(xué)Grass團(tuán)隊(duì)［26］引入了里德-所羅門（RS）糾刪碼，解決了寡核苷酸鏈池中部分片段丟失以及片段內(nèi)堿基替代錯誤，在保證數(shù)據(jù)可靠恢復(fù)的同時(shí)使數(shù)據(jù)部分的邏輯密度超過了1 bit/nt。Erlich等［27］引入了噴泉碼，更好地適配海量片段化的存儲模式，將數(shù)據(jù)部分的邏輯密度進(jìn)一步提升到1.57 bit/nt。另一思路，Anavy等［28］和Choi等［29］分別使用了簡并堿基來拓展DNA的多進(jìn)制表示方法，將“硬盤”模式下的邏輯密度推升到了2 bit/nt以上，但是此方法也面臨需要更高測序覆蓋度（覆蓋度＞150×）的問題。除此之外，在未來引入非天然堿基拓展存儲單元，可進(jìn)一步提升邏輯密度［30］。總而言之，在確保數(shù)據(jù)可靠性的前提下，逼近數(shù)據(jù)承載能力的極限是DNA信息存儲發(fā)展的趨勢［31］。

值得關(guān)注的是，“DNA硬盤”中合成與測序會引入堿基的插入和缺失錯誤（insertion/deletion，簡稱Indel），這有別于傳統(tǒng)存儲介質(zhì)，處理較為困難［3］。針對該問題，Press等［32］提出了基于哈希編碼和貪婪窮舉解碼的編碼方案，該方案能夠在單分子拷貝的情況下糾正插入和缺失錯誤，但是需要較高的冗余度來實(shí)現(xiàn)糾錯，且解碼復(fù)雜度較高。Sabary等［33］提出了幾種動態(tài)的DNA重構(gòu)算法，可直接用于較高錯誤率下的DNA序列重建。天津大學(xué)Song等［34］設(shè)計(jì)了一個(gè)基于德布萊英圖（de Bruijn Graph）的DNA序列高魯棒重建算法，如圖2所示，可以從包含大量插入缺失和替代錯誤的多序列快速重建無錯誤的DNA片段序列。該方法可以從低質(zhì)量的PCR產(chǎn)物（序列長度完全錯誤）中可靠地讀取數(shù)據(jù)，實(shí)現(xiàn)高魯棒讀取。

圖2 基于de Bruijn圖論的DNA序列重建算法［34］Fig.2 Algorithm of de Bruijn graph-based reconstruction of DNA strands[34]

為降低“DNA硬盤”寫入成本，提高寫入速度，2019年，Lee等［35］采用非阻斷型的末端脫氧核酸轉(zhuǎn)移酶（TdT）合成DNA，實(shí)現(xiàn)了一種專用于信息存儲的DNA酶法合成技術(shù)。2020年，Lee等［36］進(jìn)一步利用圖案化紫外光快速解離Co2+激活TdT，成功編碼了110位的數(shù)據(jù)信息，初步驗(yàn)證了在陣列表面實(shí)現(xiàn)大規(guī)模DNA并行合成的可行性。

為解決“DNA硬盤”多輪PCR造成的偏好性累積和部分DNA片段丟失的問題，Lin等［37］通過對原始文庫修飾并引入RNA逆轉(zhuǎn)錄過程，構(gòu)建了始終以原始文庫為模板的擴(kuò)增方法，在一定程度上降低了多次訪問對原始文庫的影響。Choi等［38］將原始文庫固定在具有二維碼編號的微盤上，實(shí)現(xiàn)了對文庫的原位（in situ）擴(kuò)增，經(jīng)過20輪擴(kuò)增未發(fā)現(xiàn)產(chǎn)物片段分布的明顯變化，顯著降低了擴(kuò)增帶來的偏好性，同時(shí)還通過二維碼實(shí)現(xiàn)了數(shù)據(jù)庫管理。天津大學(xué)Gao等［39］將原始文庫固定在磁珠上，通過等溫鏈置換擴(kuò)增技術(shù)，實(shí)現(xiàn)了對文庫低偏好性、穩(wěn)定重復(fù)的擴(kuò)增。

“DNA硬盤”的應(yīng)用模式已實(shí)現(xiàn)了一定規(guī)模的存儲驗(yàn)證［40-47］。2018年，華盛頓大學(xué)和微軟公司的研究團(tuán)隊(duì)實(shí)現(xiàn)了200 MB的數(shù)據(jù)存儲和部分?jǐn)?shù)據(jù)文件的隨機(jī)訪問［40］，并于2019年開發(fā)了原型設(shè)備，實(shí)現(xiàn)了“HELLO”的自動讀寫［41］，同時(shí)還設(shè)計(jì)了DNA保存和訪問的微流控平臺［42］；2019年，美國Catalog公司［43］利用獨(dú)創(chuàng)的DNA寫入技術(shù)，存儲了16 GB的維基百科數(shù)據(jù)，是目前最大規(guī)模的“DNA硬盤”。在國內(nèi)，天津大學(xué)陳為剛等［44］采用LDPC碼與RS碼的乘積碼保證可靠性，采用27萬條的寡核苷酸池存儲超過3 MB數(shù)據(jù)，存儲了兩段有歷史價(jià)值的音視頻片段以及13 000多漢字，實(shí)現(xiàn)了低樣本濃度、低測序覆蓋度的可靠讀出（圖3）。深圳華大生命科學(xué)研究院Ping等［45］設(shè)計(jì)的“陰-陽”編碼策略可調(diào)整均聚物長度或GC含量等以滿足不同用戶需求，實(shí)現(xiàn)了2.02 MB數(shù)據(jù)的存儲。

圖3 “DNA硬盤”模式示意圖［44］Fig.3 Schematic diagram of"DNA hard drive"[44]

2.2 “DNA光盤”模式

與“DNA硬盤”的體外存儲方式不同，一種生命體內(nèi)的DNA信息存儲模式也被提出，其特征類似光盤，本文歸納為“DNA光盤”［48］。該模式的主要特征是采用較長DNA片段，通過細(xì)胞體內(nèi)組裝完成寫入、借助細(xì)胞自身的快速低成本的DNA復(fù)制能力，快速且均一拷貝數(shù)據(jù)。雖然“CD母版”的制作成本較高，即合成與組裝成本較高，但是其類似CD的低成本大量拷貝，使得“母版”成本得以分?jǐn)?。受益于常用模式生物較低的突變率［49-50］，“DNA光盤”亦可高保真拷貝，支持?jǐn)?shù)據(jù)長期傳代復(fù)制［51］。利用小型納米孔測序器件，有望實(shí)現(xiàn)數(shù)據(jù)快速讀出，便攜式“DNA光驅(qū)”呼之欲出。值得注意的是，納米孔測序錯誤率高達(dá)10%，并且包含難以處理的插入與缺失錯誤［52］。因此如何保證數(shù)據(jù)在納米孔測序下的可靠讀出，是一個(gè)值得研究的方向。

“DNA光盤”開始于早期細(xì)胞體內(nèi)存儲數(shù)字信息的概念驗(yàn)證，探索單個(gè)細(xì)胞內(nèi)存儲的數(shù)據(jù)量是個(gè)有價(jià)值的問題。概念驗(yàn)證多使用質(zhì)粒在大腸桿菌內(nèi)存儲數(shù)據(jù)，編碼的DNA長度通常不超過1 kbp［53-59］。2010年，Venter等［60］在化學(xué)合成蕈狀支原體時(shí)，第一次在原核生物基因組中嵌入了超過4 kbp的編碼DNA存儲外部信息。本文作者［48］從頭設(shè)計(jì)合成了一條254 886 bp的存儲專用染色體，其中數(shù)據(jù)編碼部分占95.27%，將單菌內(nèi)數(shù)據(jù)存儲DNA數(shù)量提升到了百kbp級，存儲了37.8 KB圖片、視頻以及文字，利用疊加編碼方案，有效克服三代測序的高錯誤率問題，實(shí)現(xiàn)了數(shù)據(jù)的可靠恢復(fù)。這項(xiàng)工作突破性地將單菌內(nèi)數(shù)據(jù)存儲DNA數(shù)量提升到百kbp級，初步打通了單細(xì)胞數(shù)據(jù)存儲容量這個(gè)限制“DNA光盤”模式存儲通量提升的關(guān)鍵因素（圖4）。

圖4 “DNA光盤”模式示意圖［48］Fig.4 Schematic diagram of"DNA CD"[48]

“DNA光盤”模式除了提高單細(xì)胞數(shù)據(jù)容量外，增加并行通量也是提升數(shù)據(jù)存儲容量的關(guān)鍵。Shipman等［61］通過CRISPR/CAS1-CAS2系統(tǒng)捕捉DNA小片段整合進(jìn)大腸桿菌群體的CRISPR序列中，分別編碼了494字節(jié)的21色圖片和2.6 KB的動畫短片。天津大學(xué)Hao等［62］構(gòu)建了攜帶不同短信息片段質(zhì)粒的大腸桿菌分布式混菌存儲系統(tǒng)，在維持低成本的同時(shí)實(shí)現(xiàn)較大的體內(nèi)存儲通量，將445 KB的數(shù)字文件存儲在11 520個(gè)115 bp的合成DNA中。

2.3 “DNA磁帶”及其他模式

運(yùn)用動態(tài)基因組工程（dynamic genome engineering）［63］在生命體內(nèi)“書寫”DNA來記錄信息的新模式，一定程度上類似磁帶，本文稱之為“DNA磁帶”?！皶鴮憽卑▽μ囟―NA靶向插入、刪除、倒位和單堿基突變等操作，類似于在磁帶上磁化刻錄以記錄信息［64］。目前已經(jīng)驗(yàn)證的模型中，“書寫”過程的開啟信號可以是對抗生素或病毒的暴露、營養(yǎng)底物的改變和對光及特定誘導(dǎo)劑的響應(yīng)等［65-69］。起初“DNA磁帶”主要記錄細(xì)胞內(nèi)的特定事件或狀態(tài)，Harries Wang團(tuán)隊(duì)［70］首次構(gòu)建了基于電刺激的“人-胞”輸入接口，利用電壓控制胞內(nèi)的氧化還原對狀態(tài)，從而誘導(dǎo)CRISPR/Cas1-Cas2系統(tǒng)在特定位點(diǎn)插入不同的DNA序列，實(shí)現(xiàn)信息寫入。這使得未來半導(dǎo)體-生物接口的發(fā)展成為了可能。進(jìn)一步，得益于基因線路設(shè)計(jì)的發(fā)展，生物“邏輯門”可與“DNA磁帶”相結(jié)合，為生物細(xì)胞計(jì)算提供記錄。然而，“DNA磁帶”依然存在邏輯密度低、數(shù)據(jù)響應(yīng)延遲和精準(zhǔn)性較低等問題。此外，目前通常是基于菌群進(jìn)行記錄，通過加標(biāo)簽（barcode）對不同菌群進(jìn)行區(qū)分［70］，隨機(jī)訪問的難度較大。

與“DNA磁帶”模式類似，為避免人工合成DNA產(chǎn)生的高昂成本，美國UIUC的Tabatabaei等［71］模仿古老的打孔卡存儲方式，以天然的DNA分子鏈（例如基因組DNA、克隆或PCR擴(kuò)增產(chǎn)物）為“卡紙”，以特定的酶為“打孔機(jī)”，建立了一種“打孔卡”DNA存儲方法。該方法通過在DNA磷酸骨架上預(yù)設(shè)位置“打孔”來表示二進(jìn)制數(shù)據(jù)中的“0”和“1”，從而避免了昂貴的DNA合成。與之相似，以天然M13噬菌體單鏈DNA為骨架，Chen等［72-73］在骨架上間隔插入帶有生物素標(biāo)記的支鏈DNA用以記錄信息，并通過納米孔測序檢測是否帶有標(biāo)記物來讀取數(shù)據(jù)的“0”和“1”。然而，這種基于天然DNA分子鏈的存儲技術(shù)沒有發(fā)揮DNA存儲密度大的優(yōu)勢。

除此之外，華盛頓大學(xué)和微軟公司的研究團(tuán)隊(duì)［74］也嘗試了對組裝后的寡核苷酸池進(jìn)行納米孔測序。上海交通大學(xué)Zhang等［75］利用DNA折紙技術(shù)實(shí)現(xiàn)信息的加解密，這種基于結(jié)構(gòu)的信息表示和加密方法，為保證重要信息的安全性提供了新的方案。

3 挑戰(zhàn)與展望

當(dāng)前DNA信息存儲的主要挑戰(zhàn)為單位信息存儲成本高，信息讀寫速度慢，無法高效對接現(xiàn)有信息系統(tǒng)。因此，DNA信息存儲當(dāng)前發(fā)展的重點(diǎn)是進(jìn)一步降低成本，提高讀寫速度，實(shí)現(xiàn)與現(xiàn)有信息系統(tǒng)的融合。

3.1 更低成本的信息寫入

目前，寡核苷酸池的商業(yè)合成價(jià)格大約為0.002美元/base，折合0.001美元/bit（約8.6×106美元/GB）［23，76］，寫入成本較高，是硬盤的108倍［77］，如圖5所示。美國情報(bào)高級研究計(jì)劃局（IARPA）分子信息存儲技術(shù)（MIST）項(xiàng)目的目標(biāo)是到2023年DNA信息寫入成本將降低至10-10美元/bit（約0.86美元/GB）［78］。

圖5 DNA信息存儲成本比較與預(yù)測Fig.5 Comparison and forecast of cost by DNA information storage

DNA信息存儲成本在未來有很大下降的潛力。首先，Twist Bioscience的首席技術(shù)官在2016年聲稱其合成成本已經(jīng)低于10-12美元/base［79］。但是，運(yùn)行維護(hù)、合成芯片、試劑耗材、質(zhì)量控制以及人工等其他成本造成了現(xiàn)有DNA信息寫入成本較高的現(xiàn)狀?？梢詮膬?yōu)化合成反應(yīng)、改良芯片結(jié)構(gòu)、替換廉價(jià)耗材、優(yōu)化試劑分配量等多方面著手，有望大幅降低合成成本。其次，傳統(tǒng)上DNA合成主要用于生命科學(xué)研究，其技術(shù)指標(biāo)與DNA信息存儲的需求不匹配。面向DNA信息存儲的合成，可容忍合成步驟產(chǎn)生的更多錯誤，降低精度與純度要求，減少質(zhì)量控制成本，在保證數(shù)據(jù)準(zhǔn)確性而不是序列準(zhǔn)確性的基礎(chǔ)上提升合成的長度和通量，從而有望大幅降低合成成本［80］。再者，由于信息存儲領(lǐng)域市場規(guī)模巨大，隨著半導(dǎo)體器件、微納加工在DNA信息存儲領(lǐng)域的應(yīng)用，該領(lǐng)域的巨大投入將對DNA合成技術(shù)產(chǎn)生重大影響，DNA合成技術(shù)與裝備快速迭代升級，合成通量快速提升，成本有望快速下降。

3.2 更快速的數(shù)據(jù)讀取

DNA信息存儲的讀取依賴測序技術(shù)，與磁、光、電等存儲相比，讀取速度較慢，如圖6所示。進(jìn)一步提升讀取速度，是DNA信息存儲發(fā)展的一個(gè)需求。DNA的測序技術(shù)與現(xiàn)有電、磁存儲技術(shù)的串行讀取不同，具有高并行讀取特點(diǎn)，以Illumina為代表的二代測序技術(shù)可以同時(shí)讀取0.04億～11億個(gè)位點(diǎn)［81］。然而，每輪測序反應(yīng)和信號采集時(shí)間長達(dá)2.2～19 min［82］，所有反應(yīng)所耗時(shí)間約占運(yùn)行時(shí)間的90%。通過高通量（也即空間并行度）彌補(bǔ)反應(yīng)時(shí)間較慢的缺陷，讀取速度可達(dá)5～500 KB/s［81］（最大數(shù)據(jù)產(chǎn)出/最長運(yùn)行時(shí)間），但是需測序完全結(jié)束后才能獲取原始數(shù)據(jù)。三代納米孔測序已經(jīng)做到便攜化和低延遲數(shù)據(jù)生成，單通道測序速度約為450 bp/s（約112 B/s）［83］，基 于MinION測序芯片（最多支持512通道同時(shí)讀取）的最高讀取速度約為56 KB/s（不包含電信號到堿基轉(zhuǎn)換時(shí)間）。而現(xiàn)有電、磁存儲技術(shù)通常每秒可讀取幾十到幾百兆字節(jié)數(shù)據(jù)?；诙鷾y序的數(shù)據(jù)讀取受化學(xué)反應(yīng)限制，較難突破性地降低反應(yīng)時(shí)間，可以通過進(jìn)一步增大通量滿足未來大規(guī)模冷數(shù)據(jù)讀取需求；基于三代納米孔測序的數(shù)據(jù)讀取，依然有較大潛力提升單孔讀取速度，如固相納米孔的發(fā)展有望在保證分辨率的前提下繼續(xù)提升讀取速度1～3個(gè)數(shù)量級［84］，甚至在未來超越現(xiàn)有存儲的讀取速度。此外，提高并行化讀取的集成程度，構(gòu)建一體化、自動化的讀取專用設(shè)備也面臨很大挑戰(zhàn)，需要機(jī)械、生化、信息、控制等的多學(xué)科協(xié)同解決。

圖6 DNA信息存儲讀取速度對比Fig.6 Comparison of reading rate for DNA information storage

3.3 DNA信息存儲與現(xiàn)代存儲系統(tǒng)的融合

依據(jù)DNA合成與讀取的技術(shù)發(fā)展現(xiàn)狀和特點(diǎn)，DNA信息存儲有望率先在冷數(shù)據(jù)存儲方面獲得應(yīng)用［85］。圖7為DNA信息存儲在開放系統(tǒng)互聯(lián)（OSI）、模型中的映射關(guān)系以及存儲系統(tǒng)分等級架構(gòu)。DNA作為新介質(zhì)，融入現(xiàn)代存儲系統(tǒng)的過程，也是信息存儲系統(tǒng)不斷演化完善的過程。

圖7 DNA信息存儲與現(xiàn)代存儲系統(tǒng)的融合Fig.7 Fusion of DNA information storage and information storage system

在物理層，造成DNA數(shù)據(jù)存儲不可靠的因素主要包括：合成、擴(kuò)增以及測序處理過程的非理想，體現(xiàn)在堿基的插入、缺失、替代（IDS）錯誤以及DNA分子或片段丟失等［86］；按照信息理論研究范式，一旦建立了準(zhǔn)確的堿基錯誤模型，就可以設(shè)計(jì)匹配的信息編碼方法與數(shù)據(jù)恢復(fù)方法［31］，設(shè)計(jì)有效的數(shù)據(jù)鏈路層。但是，由于DNA信息存儲信道的一些新特點(diǎn)，例如包含Indel錯誤、信道容量尚無法準(zhǔn)確計(jì)算［87］，值得深入研究［13，32，88］。中間各層是DNA信息存儲融入現(xiàn)代存儲系統(tǒng)的橋梁。傳統(tǒng)數(shù)據(jù)存儲領(lǐng)域的關(guān)鍵技術(shù)，需要結(jié)合DNA介質(zhì)與DNA存儲的新特點(diǎn)進(jìn)行優(yōu)化設(shè)計(jì)。例如，目前糾刪碼已經(jīng)在基于寡核苷酸池的信息存儲模式得到了很好的應(yīng)用［27，40］。同時(shí)，糾刪碼也廣泛應(yīng)用于存儲系統(tǒng)的中間各層，如何協(xié)調(diào)設(shè)計(jì)是一個(gè)非常有價(jià)值的問題。在應(yīng)用層，提供的用戶服務(wù)需要與DNA存儲特點(diǎn)相適配［89］。例如，數(shù)據(jù)檢索、聚類分析、數(shù)據(jù)挖掘、特征識別等，需要方便地讀取數(shù)據(jù)，而現(xiàn)階段DNA信息存儲將大塊數(shù)據(jù)封裝于無法實(shí)時(shí)讀取的DNA介質(zhì)。因此，探索結(jié)合DNA信息存儲特點(diǎn)的“存算一體化”的處理引擎，設(shè)計(jì)跨層的直達(dá)DNA介質(zhì)的機(jī)制就顯得極為重要。

存儲系統(tǒng)的分等級架構(gòu)是存儲系統(tǒng)充分發(fā)揮作用的基礎(chǔ)，DNA作為新的存儲介質(zhì)，短期內(nèi)其技術(shù)特性與大容量冷數(shù)據(jù)歸檔存儲最為匹配。據(jù)預(yù)測，歸檔的冷數(shù)據(jù)比例高達(dá)60%［90］，冷數(shù)據(jù)的DNA存儲展現(xiàn)出了巨大的發(fā)展?jié)摿?，有望平穩(wěn)融入現(xiàn)代數(shù)據(jù)存儲體系。

值得一提的是，DNA信息存儲也可能給傳統(tǒng)信息系統(tǒng)帶來安全方面的隱患。研究者可將計(jì)算機(jī)病毒信息存儲于DNA，通過DNA測序以及處理過程，訪問并進(jìn)入非合作方的計(jì)算機(jī)系統(tǒng)，造成信息安全風(fēng)險(xiǎn)［91-92］。而DNA分子極小的物理尺度、特定條件下穩(wěn)定的物理性質(zhì)和無金屬特征的非電/磁存儲，為隱蔽數(shù)據(jù)傳遞提供了新途徑。將攜帶信息的DNA封裝為可打印材料，存儲到常見的生活物品中并隱蔽傳遞［26，93］，可能造成敏感數(shù)據(jù)泄露。

3.4 總結(jié)

近年來，DNA信息存儲的基本原理、技術(shù)流程和應(yīng)用模式引起了研究者的廣泛關(guān)注。DNA信息存儲連接了生命系統(tǒng)與信息系統(tǒng)，推動相關(guān)研究與應(yīng)用的發(fā)展。以“DNA硬盤”為主的體外存儲與電子信息系統(tǒng)耦合更多，拓展了現(xiàn)有基于磁、光、電的電子信息存儲系統(tǒng)；以“DNA光盤”和“DNA磁帶”為主的體內(nèi)存儲與生命信息系統(tǒng)耦合度比較大，提供了細(xì)胞內(nèi)的信息存儲器或記錄器，為未來細(xì)胞計(jì)算或細(xì)胞通信的發(fā)展提供了更廣闊的空間。DNA信息存儲是一個(gè)新興的、多學(xué)科深度交叉融合的研究方向。進(jìn)一步推動其走向?qū)嵱没悦媾R很多挑戰(zhàn)。為應(yīng)對挑戰(zhàn)，美歐的相關(guān)企業(yè)、大學(xué)與研究機(jī)構(gòu)已經(jīng)組成了DNA數(shù)據(jù)存儲聯(lián)盟，通過廣泛合作共同制定全面的行業(yè)路線圖，以推動DNA信息存儲的產(chǎn)業(yè)化發(fā)展。據(jù)高德納咨詢公司預(yù)測，到2024年，將有30%的數(shù)字業(yè)務(wù)進(jìn)行DNA存儲試驗(yàn)［94］，以應(yīng)對指數(shù)級增長的數(shù)據(jù)存儲需求。面對未來的存儲需求，國內(nèi)也亟需布局和發(fā)展DNA信息存儲研究與應(yīng)用。本文從合成生物學(xué)與信息科學(xué)交叉融合的視角，對近年來DNA信息存儲的研究進(jìn)行了綜述與展望，希望能吸引更多研究者在該交叉框架下提出有價(jià)值的研究問題，推動DNA信息存儲的發(fā)展與應(yīng)用。