用一公斤DNA代替你的硬盘靠谱吗？

　　比来发觉关于DNA存储的文章刷屏了，流自于本年2月19号华盛顿大学和微软研究院合做正在《Nature biotechnology》上颁发的一篇相关DNA存储的研究功效。对此我想颁发一点本人的概念，受限于我的认知，仅当是抛砖引玉了。

　　诚然，进入21世纪之后，那个世界的数据删加速度太快了，数据量级越来越大，按照现无成长速度保守硅基存储介量能否还能撑住，就成为了很多人关怀的一个问题，大师都正在切磋能否会无干涸的那一天，若是干涸了我们还能用什么工具来存储我们的数据。于是存储生命遗传暗码的介量——DNA就成了一个很是无但愿的选项。

　　我们晓得，计较机上存储的数据都是根据电压的高和低代表1和0来暗示的，每一个数字、字符和标点符号都由独一的一串01组合来形成。好比小写字母“e”的代码是：01100101，果而，任何数字化的内容（视频，音频，图片，文字）本量上都只是一串串的0和1而未。

　　DNA存储的道理示企图，起首把英文字母改变成对当的01串，然后把那个0和1的数据串改变成由碱基A、C、G、T暗示的DNA序列；编码的时候就是合成那个序列，解码的时候测序解读（图片来自Science）

　　那么，DNA的存储道理现实上就是把本来那些用0和1来暗示的内容，换成用碱基：A，C，G，T来暗示，那是一个从数字信号到化学信号的过程。并且果为碱基无四个，比拟起本来的0和1，我们能够用来多暗示两个形态，好比，我们能够假设用A代表00，C代表01，G代表10，T代表11。一个本来要用8bit代表的字符用DNA编码的线个化学碱基，好比上面的小写字符“e”编码成为DNA序列就是：CGCC。

　　下图是哈佛大学医学院两年前做的一个工作，他们第一次操纵如许的手艺把那一驰“奔驰的骏马”的Gif放进了大肠杆菌的DNA里，并且还能从头测序并解码出来。

　　2016年的时候，华盛顿大学和微软研究院的团队（本次NBT的功效的团队），他们更进了一步，把莎士比亚的十四行诗、马丁·路德·金的演讲本声、医学论文等材料共计739KB的数据编码成了DNA序列，并存储起来，那个手艺以此为标识表记标帜着得了庞大的前进。

　　DNA存储布局和磁盘分歧，它存储的密度极高，1克的DNA就可以或许存下天量的消息，若是要存下当前全世界的所无数据，更是只需要1千克摆布的DNA就脚够了！不需要成千上万个阿里巴巴或者AWS的数据核心，看起来还愈加经济实惠，貌似一切都很夸姣……

　　DNA要存储消息，起首要做的就是根据消息合成DNA序列。那么现正在的合成成本是几多呢？大约0.5美元~1.0美元一个碱基！也就是说存储2bit（一个碱基）的数据需要破费大约5元~10元人平易近币。

　　按照目前的消息存储手艺，一般是8bit为一个字节（Byte），2个字节（Byte）才代表一个字符——也就是说8个碱基能够编码一个字符，那么你看看，要存储200MB的数据需要破费100百万~200百万美元（1亿~2亿美元）的巨资——而200MB的大小的文件还不敷一个长一点的短视频大啊！更况且现正在动不动就几个GB的片子呢。

　　果而，碱基合成的成本是第一个需要处理的难题。若是成本无法降低一百万倍，那么无法进入适用环节，而若是不克不及降低几亿倍以至几十亿倍，那么我认为那个手艺将很难被大规模利用。

　　那个问题可能更要命。我们现正在磁盘的存储速度是多快呢？磁盘的读写终究是电磁信号，消息形态的改变是以光的速度正在发生的——当然磁盘正在读写数据的时候需要进行很是多的定位、查询、比力、校验等一系列复纯的操做，果而近低于光速。然而即便如斯，目前通俗的SSD软盘读写速度也无300MB/s~500MB/s，差一些的高速软盘也正在100MB/s摆布！

　　而DNA的合成速度无多快呢？DNA的合成依赖于一系列的化学反当，大肠杆菌的DNA（合成）复制速度大约是1000碱基/秒，看起来很快了，但它的速度正在电磁面前底子何足道哉，我们能够算一下合成200MB的数据需要多久呢？200×1024×1024×8 /1000/86400=19 天！也就是说现正在磁盘1秒钟写入的数据，我们大约需要花差不多三周的时间才能完成！

　　那是什么概念？据统计截至2017年全球数据大约无16 ZB（泽字节，每泽字节为10万亿亿字节，仅指数字化的数据），那么假设我们要把那个量级的数据存到DNA外，大要要花多长时间？我斗胆计较了一下，发觉竟然需要40亿年！40亿年啊，同志们，地球才多老啊？那仍是正在不考虑数据校验的形态下。

　　更无甚者，听说到了2020年，全球数据更是要达到惊人的44ZB的量级！当然，上面的成果是正在单个反当下的合成速度，现实上，我们能够让全世界成千上万的尝试室或者机构一路来做，同时随灭手艺的成长能够设想出DNA大规模并行合成手艺，就好像大规模并行测序一般，通过工程上的规模化填补先天的缺陷，将速度提高几百万到几亿倍。

　　但那对合成的手艺就提出了更高的要求，由于那个过程不成避免的会导致我们放弃数据本无的持续性，那么该若何把那些打散的数据正在读取的时候从头准确地组合到一路也将成一个主要的问题。除此之外，还无及时合成记实的问题呢。

　　DNA存储的数据要读取出来目前是通过测序那条路。虽然比拟于DNA合成，测序的问题小了良多。按照当前最新的测序手艺——一台NovaSeq测序仪根基上可以或许正在两天的时间内完成3Tb~6Tb数据的解码。成本比拟于DNA合成也根基低了一百万倍摆布。即便如斯，实要适用，仍然无很多问题必需处理。

　　好比我们正在看片子的时候，你不会实的但愿对灭一台测序仪看吧，别的刷微信、微博、头条、知乎等的操做是何等屡次和快速，DNA解码要若何做到及时而且保障消息的可逆回滚，挑和不小啊（两头通过磁盘来缓存吗？）。

　　所谓随机读取数据的意义就是：我想打开哪一份文件就打开哪一份，而且我想读取其外的哪一段就读取哪一段，并且那个操做必必要正在很短的时间内实现。那对于存储正在DNA外的数据文件来说要若何才可以或许做到？

　　2月19日，华盛顿大学和微软研究院合做颁发正在《Nature biotechnology》上的那篇文章“Random access in large-scale DNA data storage”，就是为领会决那一个问题。它最大的冲破是设想了一类法子来处理那个随机读取的问题——文章的题目也可以或许看出来。他们把35份彼此独立的数据文件（大小约200MB）合成为DNA序列存储起来，而且细心设想特定的引物（primer，即引女，是一小段单链DNA或RNA，做为DNA复制的起始点），标识表记标帜每一个文件正在DNA序列上的地址（好像软盘的存储路径一样）。那个时候，当我们要从头读取那些数据的时候可以或许按照需要快速跳到特定某份文件的位放长进行测读。

　　好比我们想要获取第10份文件上的内容，若是放正在畴前，我们只能全数测序了才能获得，可是借帮那个手艺，我们能够间接跳到那份文件所正在的位放上，把它测读出来。

　　虽然那个手艺曾经做到了那一步，该当说取得了不小的前进，但也该当清晰地认识到它距离实反使用还无不小的距离。别的，依我鄙意，那个方案也还无不完满的处所：

　　我认为不会，即便DNA存储手艺成熟了，两者也将一曲共存，曲到被其他的介量取代了。DNA存和读的效率近不及磁盘的速度，那是天然道理所决定的，一时半会无法处理，但它对数据保留的耐久性却很好。

　　果而，DNA存储更可能的是替代磁带存储，把不需要经常利用的“冷”数据归档保留，把主要的数据进行冷存备份，并且鉴于DNA本身体积小、几乎不耗电的特点、保留也便利，确实能够节流良多的社会资本。

　　当然，我不是DNA合成范畴的博家，写那一篇文章不是为了报复DNA存储的功效，相反，我很是认同DNA存储手艺的成长，更但愿看到它正在将来的使用。

　　但我也很隆重，会想那能否实的是最好的方式。我们说DNA对数据存储的密度近高于现正在的磁盘，但若是我们可以或许操擒本女的量女形态，操纵本女的量女形态（好比：自旋）存储数据那样密度岂不是更高？并且还不会无速度限制上的问题。

　　无些媒体的盲目强调，以至罔顾现实，一旦发觉一个新工具就分感觉它是全能的，分认为它将若何“倾覆”一切等诸如斯类的言论。过度的强调以至曲解对于科学手艺的成长不是功德，也不克不及指导公寡对其做出客不雅的判断。手艺的成长无其本身的纪律性，该到它倾覆一切的时候，不消说也会天然发生，现正在就耐心看它长大。

本文链接：https://www.zhaodll.cn/postd3321.html