基因组数据太多了，存储怎么办？

　　前言：

　　DNA存储了恐龙的生物信息，科技让它重新表达。DNA存储或许也可以像我们如今用的移动硬盘一样进行现场即时存储。

　　DNA存储技术将有望成为下一代信息存储技术。

　　DNA数据保存面临“大”问题

　　在大自然里，DNA负责存储遗传信息。

　　单个人体细胞的平均直径是5到200微米，这其中的DNA可以包含一个人全部的遗传信息：30亿对碱基。

　　大规模的基因组测序正在进行，随之产生的数据规模快速增长。

　　存储、压缩这些数据是个麻烦事，现有的技术方案看起来不太行。

　　据估计：人类基因组需要高达2-40EB的存储容量。

　　这可能超过一个世界级科技公司的云存储量，全世界苹果用户存储在谷歌云上的数据总量大约是8EB。

　　这8EB数据，每月存储费需要2.18亿美元。

　　DNA存储原理其实很难理解

　　DNA由腺嘌呤(A)、鸟嘌呤(G)、胸腺嘧啶(T)、胞嘧啶(C)4个碱基构成双螺旋结构，可以保存生物体的遗传信息。

　　DNA存储遗传信息的原理并不复杂，它由四种核苷酸A、T、G、C组成，彼此两两对应，组成双螺旋结构。

　　在数字世界，所有的信息本质上是0和1组成的数据串。

　　想要DNA存储数字信息，简单理解，原就是将0和1的编码序列转换成核苷酸的序列。

　　DNA存储的优势在于密度大，大约在你眼前逗号这么大小，1立方毫米的DNA，就可以容纳9TB(1TB=1024GB)的信息。

　　在自然界存在的DNA中，A和T，C与G两两配对，在一条DNA中，CG与AT的存在比例基本均匀，为50%左右。

　　也就是说，虽然DNA的存储能力很强，但它们不得不以很多条短链的方式存在。

　　难以突破的结构性障碍

　　虽然DNA存储具有较为明显突出的优势，政策、资本等也在全方位的支持，应用的前景广阔，但商业化的进展仍然十分缓慢。

　　其最大屏障来自于其存储技术本身。

　　DNA存储数据的过程主要分为五个步骤：

　　①编码——将数字信息编码为DNA序列;

　　②合成——将序列融入实际的DNA分子;

　　③存储——将合成的DNA片段保存在载体或细胞中;

　　④访问——检索和选择性读取序列信息;

　　⑤解码——将测定的序列信息转换回数字信息。

　　在整个存储的过程中，编码与合成是DNA存储中较为关键和困难的环节。

　　总的来说，DNA存储的各个环节都有较多的难关需要克服，DNA存储真正意义上的走入商业市场。

　　DNA存储试图走向商业化道路

　　2020年微软、西部数据和基因测序巨头Illumina、DNA合成初创公司TwistBioscience等联合成立了DNA数据存储联盟。

　　这是世界上第一个该领域的学术和产业链联盟，这个联盟希望制定技术和格式标准，最终建立一个可以通用的商业系统。

　　微软研究院在2015年就成立了DNA存储的项目，2021年微软开发出首个纳米级DNA存储器，能够在每个平方厘米的区域上，同时合成25X106(2650)条碱基序列。

　　这个新的技术把原来同时合成碱基序列的数字从个位提升到了千位。这个吞吐量，让DNA合成速度变成了每秒兆字节(MB)。

　　进一步发展成为主流的存储设备，还需要长时间的沉淀，才能让DNA存储技术有实质的进阶。

　　DNA存储在AI技术的加持下，其编码的环节效率也获得了极大地提升。

　　未来随着纳米技术与AI技术的加持，DNA存储的技术也会一步步解除智识的限制禁锢，逐步升级，为存储领域带来质的飞跃。

　　DNA存储的四大优势

　　相比于目前我们常用的存储介质，如U盘、光盘、硬盘等，DNA存储具有一系列优势。

　　①存储密度高。每立方厘米的DNA分子可以存储大约1EB的信息，这一密度是当前存储密度最高的介质(闪存)的1000倍，是硬盘数据存储密度的百万倍。

　　②保存寿命长。从理论上来说，DNA数据在没有特别人工干预的情况下至少能保存千年之久。

　　③维护成本低。存储在DNA的数据，理论上来说通过低温冷冻或者固态封存的手段，可以长时间存储且几乎不需要维护。

　　④DNA存储所需要的占地也远小于传统存储介质，并且还具备数据易复制、易携带、能在生物体内存储等特点。

　　现阶段至少需要解决的三大问题

　　①读写速度太慢：以目前的技术在合成DNA时，每添加一个碱基大约需要0.1秒钟时间。保存一首高音质的MP3歌曲都需要差不多1个月时间。

　　②成本太高：目前合成2MB的DNA数据需要7000美元，读取数据需要2000美元，如果以DNA形式存储1GB大小的电影，编码大约需要花费358万美元。

　　③合成DNA的稳定性：合成DNA过程中产生的错误率对于要求确保100%真实性和完整性的数据存储指标而言是致命的问题。

　　结尾：

　　但这项技术目前远未成熟，或许离真正商用还需要20年，甚至更长。

　　或许有可能过程中碰到一个难以突破的技术瓶颈导致中途夭折;或许过程中出现另外一项更具革命性的存储技术，比如量子存储，形成降维打击。

　　部分资料参考：极客公园：《你身体里的DNA，能存下整个宇宙的数据》，脑极体：《存储新图谱：DNA存储的边界与天地》