DNA存储 | BT与IT融合的黑科技与未来产业
数字生命健康产业创新服务基因慧
伴随深海深空、产业互联网、大规模健康队列研究的需求，目前的存储介质即将无法满足数据生产需求，DNA存储技术适时出现。2021年，微软连同Illumina、西数等机构成立了DNA存储联盟，其中成员DNA Script近期获得2亿美元融资。恰逢“DNA数据存储”前沿论坛举办，基因慧基于会议内容总结如下。更多详情敬请关注即将发布的《DNA存储蓝皮书》，欢迎储存/算法/IT/通信/合成等机构参与合作。
文章 | 基因慧 编辑 | Kathy 审核 | Mark
关键词 | DNA存储
大数据需求推动DNA存储发展
图1 The World Keeps Creating More Data
（来源/IDC）
2021年，据IDC预测，2020年到2025年，全球数据量每年增加23%，而2025年全球数据量将达到180 ZB（1ZB=1024EB，1EB相当于一部可以播放36,000年的高清视频）。根据与会专家武汉病毒所刘翟研究员演讲，有97%的数据由于存储技术和存储规模的限制而无法被保存。
因此”互联网数据中心（IDC）技术转型，以及超高密度存储技术代表着未来的方向“。
而目前数据存储介质已经无法适配目前便捷、大规模的数据生产，主要包括：
市场缺乏信息密度更高的存储介质；
数据存储的能源利用率低，消耗能源偏高；
存储介质的使用年限较短，抗干扰性弱；
……
DNA存储是什么？
DNA存储定义
DNA存储技术，是基于组成DNA的四种碱基（A、C、G、T）来映射0和1，通过信息编码来进行存储。
相对传统介质（如硬盘），DNA存储基于分子流存储信息流，加上它的非周期性晶体等结构特点以及生物属性，因此DNA存储极其稳定、存储密度高且可以超长期存储。
图2 DNA存储领域进入快速发展阶段（徐讯 研究员）
（来源/“DNA数据存储”前沿论坛）
尽管DNA存储刚刚进入国人视野，但是早在1965年，其概念就已萌芽；2012年，DNA存储原理验证实现重大突破，紧接着霍夫曼算法、DNA喷泉码等算法的开发以及微软、华盛顿大学等机构的参与，快速推动了DNA存储的技术研发。
DNA存储主要包含6个步骤：编码、合成、存储、检索、测序、解码。
DNA存储核心技术——编码
其中，编码、合成及测序为DNA存储的核心技术，重难点是编码与合成，载体包括电化学芯片设计等。
DNA编码的本质是将代表的信息原始数据1和0转换成组成DNA分子的碱基序列的过程。其中，碱基指腺嘌呤(A)，鸟嘌呤(G)，胞嘧啶(C)和胸腺嘧啶(T)，是核酸的主要成分，他们在DNA分子内以互补配对原则稳定存在。
图3 DNA数据存储使用的四种转码方法举例
（来源/GigaScience）
DNA编码方法有很多种，以George Church早期最简单的模式为例，将00分配给A，将01分配给T，将10分配给G，将11分配给C。使用这种编码方案，数字串0110110010将由碱基TGCAG编码并合成。
目前，DNA编码算法有Spiderweb算法、四进制Huffman直接编码法等；编码系统有：华大的YYC双阴阳编码系统、中科碳元的“悟空”编码系统等。
DNA存储核心技术——DNA合成
DNA合成是DNA存储重要步骤之一，合成方法有三种：
化学合成法（固相亚磷酰胺化学法）；
酶促合成法；
微阵列DNA合成法。
图4 DNA人工合成技术（谢思佳 资深工程师）
（来源/“DNA数据存储”前沿论坛）
近年来，市场正逐步开发支持化学合成DNA的新工具和技术，例如电化学芯片合成法、喷墨打印合成法、微流体系统和数字光刻技术等，这些新工具和技术决定了合成序列的长度、生产速度和成本等。
DNA存储核心技术——DNA测序
不同测序技术有其优劣势，目前以Illumina、MGI、Thermo Fisher三家厂商的NGS测序仪；纳米孔单分子测序仪方面以PacBio和Nanopore为主，国内的齐碳科技明年即将量产。
DNA存储核心技术——解码
DNA解码与编码相对应，部分技术中需要检索。原理如下（以化学合成为例）：
首先，采用算法将信息字节转换成为DNA序列；然后机器合成DNA序列， 产生多个序列拷贝。以磷酰胺为基础的固相柱上合成或固相介质上阵列合成，合成后的 DNA 材料可以克隆、并存储在生物细胞内（体内）或者体外（更常见）；
其次，通过检索选择目标DNA，再使用映射到编码过程中所生成特定数据项的引物和PCR扩增，获得目标DNA，再通过测序仪获取DNA对应的序列；
最后，通过映射规则将序列转码成原始的0和1字节信息。
DNA存储的应用和产业培育
由于超高密度、极其稳定、超长期存储等特点，同时基于分子流代替介质存储信息流，DNA存储能够真正实现BT与IT的融合，其中BT包括分子材料、分子诊断、基因治疗、生物安全等；IT包括通信、存储、算法、DNA计算等。因此被相关专家认为是变革性技术之一。
DNA存储的应用还在早期，但是由于以上技术特点，以及BT和IT领域的融合，有极其广阔的应用空间。根据与会专家武汉病毒所刘翟研究员介绍，包括：
新型IDC模式；
新型数据信息加密；
实体化标签（精准医学的溯源与信息标签）；
信息保护及保密；
……
尽管应用还在早期，但是随着头部IT及BT机构的参与，以及近年来技术（主要是编码技术以及合成技术）迭代，产业方面正在快速孕育。
国内DNA初创机构中科碳元获得千万元投资，2021年，微软连同Illumina、西数等机构成立了DNA存储联盟，其中成员DNA Script近期获得2亿美元融资。
DNA存储的发展趋势
由于DNA存储技术发展尚在早期，仍有很多问题未解决，根据与会专家清华大学汪小我教授介绍，包括：
噪声来源多样；
数据访问难；
读写成本高；
......
其中，成本高是最核心的难点，也是影响产业发展的关键。短期是合成成本，与会专家提供的建议仿造NGS思路提高并行化和试剂研发。长期是算力成本，需要算法设计和资源投入，当然包括芯片设计，需要分布走（根据北大钱珑助理研究员、华大生命科学研究院徐讯研究员等与会专家观点）：
开发高效的底层生化技术（合成、测序），进一步降低成本；
深入研究物理层信道编码；特别是信息纠错；
数据结构与数据库设计；
可稳定存储大规模数据存储体系；
基于DNA链计算的数据调控功能，例如基因编辑工具的自动存储于更改；
开放工业标准；
……
20年间，DNA测序经历了7个数量级的成本降低，正快速应用于医疗服务和新药研发等方面。与会专家表示，DNA合成技术降低5-8个数量级，将从根本上推动DNA存储的转化应用；当然，还需加以信息编码、信道、算力等方面的共同协力，将科学家的梦想照进未来数字技术的现实，展现国际竞争力。
由于能力和篇幅局限，以上信息有所不足的地方敬请指正补充。我们将收录到即将发布的《DNA存储蓝皮书》，欢迎存储、算法、IT、通信、合成等相关企业参与蓝皮书合作。
同时，欢迎大家在评论区提出对DNA存储的需求及趋势展望，精选留言者将有机会获得将在今年发布的《2022基因行业蓝皮书》纸质版一本。
（注：以上内容未经与会专家审核，仅供学习参考。)
《2022基因行业蓝皮书》正招募联合发布单位
·扩展阅读·
关于我们
基因慧是一家数字生命健康产业创新服务平台，创立于 2016 年。创始团队深耕行业十余年，创建了产业信息数字化平台YourMap®，为政府、研究机构及企业提供产业咨询及科技推广服务，践行“使连接产生价值，用数据看见未来”的理念，与90%知名基因机构建立了合作，逐步拓展生命科技及产业创新服务。
▷ 国发改《战略性新兴产业发展展望》白皮书执笔
▷ 中国抗癌协会肿瘤标志专业委员会战略合作单位
▷ 中国遗传学会生物产业促进委员会委员
▷ 参与组织机构发布多项行业共识和团体标准
▷ 连续四年发布基因行业蓝皮书
▷ 组织基因检测联盟（筹）首届、第二届会议
▷ 主办数字健康私董会、大湾区生命健康创新论坛
▷ 受邀为华西、因美纳、华大、上海交大等作报告
▷ 广东省精准医学应用学会政策研究应用分会常委