「畢昇一號」DNA活字儲存噴墨印表機來了，低成本、高效率、全自動的DNA儲存

机器之心發表於2024-11-26

圖片

AIxiv專欄是機器之心釋出學術、技術內容的欄目。過去數年，機器之心AIxiv專欄接收報導了2000多篇內容，覆蓋全球各大高校與企業的頂級實驗室，有效促進了學術交流與傳播。如果您有優秀的工作想要分享，歡迎投稿或者聯絡報導。投稿郵箱：liyazhou@jiqizhixin.com；zhaoyunfeng@jiqizhixin.com


2024 年 11 月 18 日，中科院北京基因組研究所（國家生物資訊中心）陳非團隊、計算所處理器全國重點實驗室譚光明、卜東波團隊、中科計算技術西部研究院段勃團隊、微生物所楊懷義團隊、武漢所劉翟團隊以及吉林大學李全順團隊等在知名國際學術期刊《Advanced Science》上發表了題為 “Cost-Effective DNA Storage System with DNA Movable Type” 的論文，借鑑畢昇活字印刷術的思想，提出了“DNA活字儲存”新思路，並實現了具有完全自主智慧財產權的全自動、低成本、高效率的DNA 活字儲存噴墨印表機“畢昇一號”。
圖片

  • 論文標題：Cost-Effective DNA Storage System with DNA Movable Type

  • 論文地址：https://onlinelibrary.wiley.com/doi/10.1002/advs.202411354「畢昇一號」DNA活字儲存噴墨印表機來了，低成本、高效率、全自動的DNA儲存

1. 什麼是 DNA 儲存？

資料指數級增長，磁帶、磁碟、光碟、U 盤不敷使用，怎樣才能存得下？

存到 DNA 中吧！存到 DNA 中是一種有潛力的方案！

網際網路時代的到來， 數字化和資訊化浪潮使知識與資料都經歷著爆炸式的增長。海量資料給現有的資料儲存技術帶來了巨大的挑戰：現有的硬碟、磁帶儲存模式存在儲存時長有限（最長約 30 年）、佔用空間大、轉運不方便、電能損耗大等缺點，無法滿足資料指數形式增長的需求。

DNA 儲存技術是一種新興的大資料儲存技術。簡要地說，DNA 儲存技術突破了傳統的以矽基介質（如 U 盤等）為媒介的儲存方式，而是利用 DNA 鹼基天然的資訊儲存能力，依據一定規則將文字、圖片、聲音、影像檔案等傳統資料 0-1 二進位制編碼轉換為 DNA 核苷酸四進位制編碼（A、T、C、G 組合），然後透過人工合成特定序列的 DNA 來儲存資料。相比於現有的資料資訊儲存方式，DNA 儲存技術具有資料密度高、儲存時間長、配套裝置能耗低、便於攜帶、運輸隱蔽性高和便於多重加密等優點。
圖片
圖 1. DNA 儲存技術及其優勢

鑑於 DNA 儲存技術的巨大潛力，美國微軟公司陸續投資近億美元，與華盛頓大學於 2015 年成立 DNA 儲存專案組，於 2018 年 3 月完成了約 200MB 資料的儲存，其中包括古登堡計劃資料庫中的 100 部世界名著，創造了 DNA 儲存領域的新紀錄。2019 年，他們構建了端到端全流程原型機，實現了 “hello” 單詞的完整寫讀。

2. 什麼是 DNA 活字儲存？

現有的 DNA 儲存技術 “一次合成、一次使用”，價格昂貴，怎樣才能降低成本？

用 DNA 活字吧！DNA 活字儲存是一種有潛力的方案！

“慶曆中，有布衣畢昇，又為活板。其法：用膠泥刻字，薄如錢唇，每字為一印，火燒令堅…… 欲印，則以一鐵範置鐵板上，乃密佈字印，滿鐵範為一板，持就火煬之，藥稍鎔，則以一平板按其面，則字平如砥。若止印三二本，未為簡易；若印數十百千本，則極為神速”。這是沈括寫的《活板》中的一段話 ---《活板》被選作初中課文，是以舉凡在中國讀過初中者，想必對畢昇發明活字印刷術的故事皆耳熟能詳。《活板》有言：“有奇字素無備者，旋刻之，以草火燒，瞬息可成”，活字印刷術相較於雕版印刷術之優勢可見一斑。

那什麼是 DNA 活字儲存呢？所謂 DNA 活字儲存，就是 “DNA 版本的活字印刷術”。目前的 DNA 儲存技術方案，多采用化學合成法，一次合成，一次使用，可比作雕版印刷術；而 DNA 活字能夠一次合成，多次使用，可比作活字印刷術。

具體來說，DNA 活字儲存採用酶連反應替代部分化學合成步驟完成資料寫入，每個活字可重複使用多達一萬次，從而將資料儲存成本降低至每兆位元組僅 122 美元，成為當前業內最具成本效益的儲存解決方案。
圖片
圖 2. 畢昇發明的活字印刷術與 DNA 活字儲存。以唐詩《行路難・其一》為例，我們將每個字元及其位置索引轉換成 DNA 活字，用酶聯技術連線成 DNA 片段，最終轉匯入大腸桿菌中長期儲存

3. “畢昇一號”--- 全自動的 DNA 活字儲存噴墨印表機

DNA 活字儲存包括選活字、酶聯活字、酶聯後的 DNA 片段轉匯入大腸桿菌中長期儲存等多個環節。如何提高儲存效率呢？聯合團隊研發了 DNA 活字噴墨印表機 “畢昇一號”，全自動完成上述諸多環節，顯著提升了資料寫入效率 --- 研究團隊將這臺印表機命名為 “畢昇一號”，以表達對畢昇的崇敬之意。
圖片
圖 3. “畢昇一號”--- 全自動的 DNA 活字儲存噴墨印表機

“畢昇一號” 系統使用 350 個 DNA 活字，成功儲存並精準檢索了 43.7 KB 的多媒體資料，包括文字、影像、音訊和影片，充分證明了其技術的可行性和應用潛力。這項工作為 DNA 資料儲存技術的未來產業化提供了全新的思路與可能性。

畢昇一號 DNA 活字儲存系統的工作流程包括四個主要步驟：

第一步，編碼：將目標檔案（如《十四行詩》第 12 首）分割為 100 位元組 / 字元的片段，每個片段進一步劃分為 20 個資料切片。每個切片包含 5 位元組的有效載荷和 4 位元組的地址，形成資料條帶。例如，圖中展示了第四條資料條帶的 20 個連續資料切片（第 0–19 行），這些切片覆蓋了第 300 到第 399 個字元的內容（如 “ed up...question ma”），其中第 8 個切片在第 340 個位置編碼了單詞 “white”。此外，透過列校驗和（第 20–29 行）和行校驗和（第 9 列）提供了額外的錯誤檢測和糾正功能。

第二步，列印：利用 “畢昇一號” DNA-MT 噴墨印表機，將 4 個地址活字（AMTs）、5 個有效載荷活字（PMTs）和 1 個校驗活字（CMT），以及連線酶和預切割載體列印到每個試管中，透過酶促連線形成包含 DNA-MT 塊的質粒。

第三步，儲存：組裝完成的重組質粒可以以液體或凍幹形式進行體外儲存，或者轉化至大腸桿菌中實現長期體記憶體儲。

第四步，解碼：透過高通量測序對 DNA 活字塊進行測序，獲得的 DNA 序列根據編碼表解碼為對應活字，從而還原原始資料。例如，解碼一個 250 個鹼基的序列可以恢復第 340 個位置的單詞 “white”。最終，解碼後的有效載荷活字根據地址活字的順序排列，完成對原始檔案的重建。
圖片
圖 4. 畢昇一號 DNA 活字儲存系統的工作流程

畢昇一號 DNA 活字儲存的成本約為 122 $/MB，明顯低於現有的 DNA 儲存技術。該團隊表示，後續研究透過增加活字連線段數和減小反應體系，可將儲存成本降低至 0.06 $/MB，伴隨著編碼技術的進步，如整合高密度噴泉碼和改進校驗的 DNA 活字，成本將進一步降低，有望進一步推動 DNA 儲存的商業化程序。
圖片
圖 5. DNA 活字儲存技術可顯著降低儲存成本

4. 展望

DNA 儲存技術是生物技術與資訊處理技術的碰撞與交叉。它開闢了一種新的儲存模式，從根本上改變了資料、資訊的儲存及傳遞方式，是大資料儲存模式的新篇章。

北宋時，畢昇發明了活字印刷術，盡掃雕版印刷術之弊；而時至今日，古老的活字印刷術與現代的 DNA 儲存相互激發，相互交叉，碰撞出 “DNA 活字儲存” 這一新思維。

“發揮舊事重增煥”。我們期待：“畢昇一號” DNA 活字儲存噴墨印表機將像畢昇的 “活板” 一樣，另闢蹊徑，開創新篇！
圖片
圖 6. 研究團隊部分人員。左起：張心茹、範婷文、邢晶、段勃、陳非、卜東波、劉翟、楊懷義、馬灌楠、魏徵、魏迪、王晨陽、王佩、侯鵬飛、塗朝仕。

相關文章