有人把电影塞进了 DNA，算起来 1 克 DNA 能存五百万部高清片｜好奇心小数据

人类的第一部电影，现在被储存在了 DNA 里。

最近，哥伦比亚大学和纽约基因组中心（NYGC）的科学家们在《科学》杂志上发表了新的研究，以极高的密度在 DNA 中存储数据，理论上 1 克 DNA 可以存储 2.15 亿 GB 数据，更新了人工 DNA 存储信息的记录。

实验当中，除了世界上第一部电影《火车进站》之外，还有五个文件存储在 DNA 分子内：

一个完整的操作系统（KolibriOS）文件；

一份计算机病毒；

一份先驱者镀金铝板（Pioneer plaque）图片文件；

一份价值 50 美元的亚马逊礼品卡图片文件；

1948 年信息学家克劳德·香农的一篇论文；

几位科学家甚至放出了解码软件（在 GitHub 上提供）和原始输入数据——但他们还玩了一个小游戏，删除了当中储存的亚马逊礼品卡的图片，并挑战同行科学家解码原始数据，获取礼品卡兑换码。

古老的信息传递物质 DNA，全名是脱氧核糖核酸，是生命生生不息的物质基础。

自然界中，DNA 由四种核苷酸构成：腺苷酸（AMP）、鸟苷酸（GMP）、胞苷酸（CMP）和胸苷酸（TMP）。这四种核苷酸通过千变万化的排列组合，编码成参差多态的生命形式。

换言之，DNA 和硬盘驱动器的工作方式类似，只不过后者是用 0 和 1 来存储数据，而前者用四种基本的核苷酸来存储生物体的基因信息。基于之前的研究，中国直播网，DNA 可以人工排列编码，也可以存储二进制信息。

根据估算，单个人类体细胞中的 DNA 重量约为 6.6 x 10^-12 克，成年人全身上下的 DNA 重量也才约 244 克，个体差异从 66 克到 330 克不等。

DNA 存储的优势十分明显：首先信息密度巨大，1 个碱基就能储存 1.8 比特数据，1 克 DNA 就相当于一个中型数据中心。

其次，DNA 储存年代更久远，超过 100 年，中国直播网，并能无限复制。相比磁盘数十年就会性能降低，冰冻的 DNA 甚至能保存数万年。

第三，DNA 作为自然介质，人类在很长一段时间内都不会失去读取它的能力（如果不发生“第三次世界大战”之类的、让人类文明倒退的灾难）。不像磁带等明日黄花的介质，读取设备已很难见到，只能束之高阁。

研究人员把这六个文件压缩成一个大小 2.1M 点文件，并分割成 0 和 1 组成的短编码。通过一种叫做喷泉码（fountain code）的容错校正算法，他们将这些二进制代码随机地包装成数据包，并将数据包的 0 和 1 映射到 DNA 的四种核苷酸上，00、01、10、11 分别映射为 A、C、G、T 四种核苷酸。

喷泉码可以删除错误的编码组合，也可以恢复丢失的编码。同时，算法给数据包添加条形码，这种条形码则可以把二进制代码复原成正确的顺序。读取的过程就是把打散的数据包重新按照顺序排列起来。

他们总共编码了 7.2 万个 DNA 片段，每个片段由 200 个碱基对组成，冗余度仅 7%，约为储存理论最大值的 86%。此时这些片段还是文本文件，将交由旧金山的生物创业公司 Twist Bioscience 来合成实际的 DNA 分子。两周后，一小瓶 DNA 分子寄回到科学家们的手中。

找回这些文件则很简单——用现在的 DNA 测序技术就行，然后用软件来读取这些数据并重新组合，零差错地解码了这些数据。

科学家们估计，每克 DNA 可以存储 2.15 亿 GB 数据，这大概是 4574 万张 DVD 的容量，按每部蓝光高清电影 40 GB 来算，1 克 DNA 可以储存 537 万部电影。

DNA 存储技术并非新鲜技术。而新成果的突破在于，喷泉码的容错特性可以减少 DNA 编码的冗余。DNA 存储数据的能力理论上受限于每种碱基对应的 2 个比特，而因为生物特性和读取的需求，需要在片段中加入冗余信息，这使得存储能力降低到每种碱基对应 1.8 个比特。

Erlich 和 Zielinsk 使用的喷泉码技术将实际存储能力达到这个理论值的 89%，平均每个碱基可以对应 1.6 个比特，这比此前的方法多存储 60% 的数据。

为什么把 DNA 当成储存介质这件事情最近变得更重要了？

因为我们正在面临巨大的信息储存问题。根据国际数据公司（IDC）的报告，数字信息的总量每两年就翻一番，到 2020 年，互联网将产生 44ZB （即 44 万亿 GB）的信息。尽管不是所有信息都需要永久存储，浩瀚的数据对存储能力仍然发出了巨大的挑战。

作为消费者的我们可能觉得无所谓：存到云端就好啦。但所谓“云端”，仍然是服务商的存储设备，例如给苹果 iCloud、 Facebook、Twitter 等大量科技公司提供云服务的亚马逊 AWS。

对于这些公司来说，找到容量更大的介质是势在必行了，虽然 DNA 因为太贵，技术也还在早期，可能不是第一选择。

DNA 存储研究都是怎么发展起来的？

2012.9

哈佛大学 George Church 和 Sri Kosuri 在 DNA 中编码了 53400 字的书，11张 JPG 图片和 1 个 JavaScript 程序。每克 DNA 存储数据为 128 万 GB。

 

2013.1

欧洲生物信息研究所 Nick Goldman 和 Ewan Birney 在 DNA 中编码了《我有一个梦想》的音频、生信研究所的照片、沃森和克里克阐明 DNA 结构的论文、还有莎士比亚所有的十四行诗。

 

2016

华盛顿大学和微软合作，编码了一段 OK Go 乐队的 MV、一百多种语言的《世界人权宣言》、古腾堡计划的前 100 本书和作物信托的种子数据库。

 

2017.2

#p#分页标题#e#

哥伦比亚大学 Yaniv Erlich 和纽约基因组中心 Dina Zielinsk 成果发表，也就是我们现在看到的用 DNA 来储存《火车进站》等资料。

 

用 DNA 来储存数据价格有多贵？

这次实验中 2 MB 数据的成本约为 7000 美元，但其中包括了质量确认的额外费用，而解码则只花了 2000 美元。这是因为目前 DNA 测序成本大幅下降，而对 DNA 合成的需求并不强烈，所以成本还降不下来。

其次是时间投入。相比于数字设备的快速存取，DNA 存储需要花很长时间合成，也要花很多时间读取。这意味着，这项技术更适用于资料的存档，而不能满足实时存取的需求，不能像 U 盘那样，随时读取和修改。

通过进一步的研究，科学家希望最大限度地降低 DNA 合成成本，并提高 DNA 的存储能力，比如采用喷泉码提高容错率。

更多细节可以在项目网站上看到。也许不久的将来，“绳结记事”将焕发出全新的含义。

论文 DOI：10.1126 / science.aaj2038

制图：冯秀霞

题图：Pixabay

特别声明：本文为中国直播网直播号作者或机构上传并发布，仅代表该作者或机构观点，不代表中国直播网的观点或立场，中国直播网仅提供信息发布平台。
       版权声明：版权归著作权人，转载仅限于传递更多信息，如来源标注错误侵害了您的权利，请来邮件通知删除，一起成长谢谢
       欢迎加入：直播号，开启无限创作！一个敢纰漏真实事件，说真话的创作分享平台，一个原则：只要真实，不怕事大，有线索就报料吧！申请直播号请用电脑访问https://zbh.chinazhibo.tv。