近日，深圳華大生命科學(xué)研究院研究員沈玥團(tuán)隊(duì)與合作者在《自然計(jì)算科學(xué)》上發(fā)表了封面文章，為DNA信息存儲(chǔ)的應(yīng)用提供了一種高密度、高穩(wěn)定性的比特-堿基編解碼方法，并完成了體內(nèi)外兩種模式的信息存儲(chǔ)實(shí)驗(yàn)驗(yàn)證。

DNA存儲(chǔ)作為生物技術(shù)與信息技術(shù)相融合的主要方向之一，近年來受到廣泛關(guān)注。DNA存儲(chǔ)的編解碼，即比特與堿基之間的轉(zhuǎn)換，是DNA存儲(chǔ)中最重要的環(huán)節(jié)之一，不僅決定信息轉(zhuǎn)換的效率(信息密度)，還直接影響存儲(chǔ)信息的穩(wěn)定性及可靠恢復(fù)性。從2012年起，編解碼技術(shù)的發(fā)展主要聚焦于提升信息密度，而技術(shù)兼容性和原始信息的穩(wěn)定恢復(fù)方面的考慮尚不全面。2017年以前，編解碼技術(shù)都未能實(shí)現(xiàn)完全的技術(shù)兼容，產(chǎn)生序列的GC含量很大程度上還是依賴于原始數(shù)據(jù)的0/1分布情況。2017年，美國哥倫比亞大學(xué)研究團(tuán)隊(duì)開發(fā)的DNA噴泉碼幾乎解決了這一問題，但直接套用的信道編碼技術(shù)有較強(qiáng)的數(shù)據(jù)類型偏好性，因此在實(shí)際的存儲(chǔ)應(yīng)用中存在較高的數(shù)據(jù)無法恢復(fù)風(fēng)險(xiǎn)的問題。

該論文的通訊作者沈玥告訴《中國科學(xué)報(bào)》，為解決這一問題，他們將從DNA雙鏈模型中受到的啟發(fā)，與中華文化中“陰陽”對立統(tǒng)一的思想相結(jié)合，巧妙地應(yīng)用于DNA編解碼系統(tǒng)，以兩套不同的規(guī)則，分別對兩條二進(jìn)制信息進(jìn)行“一對一”編譯轉(zhuǎn)換，再取兩者統(tǒng)一交集的部分為最終解，實(shí)現(xiàn)將兩條獨(dú)立的信息組合統(tǒng)一為一串DNA序列;另一方面，通過引入篩選機(jī)制，他們將與現(xiàn)有合成測序技術(shù)兼容性不佳的序列通過預(yù)先設(shè)置的篩選條件進(jìn)行過濾。根據(jù)不同的組合方法，該系統(tǒng)共能提供1536種不同的編碼規(guī)則組合，大大擴(kuò)展了其應(yīng)用場景范圍。

研究人員還通過編碼學(xué)的理論推導(dǎo)以及不同數(shù)據(jù)類型文件的模擬編碼，證明了該系統(tǒng)在保證信息密度的前提下，在數(shù)據(jù)恢復(fù)穩(wěn)定性方面體現(xiàn)顯著的性能提升(存儲(chǔ)數(shù)據(jù)的平均恢復(fù)率較DNA噴泉碼現(xiàn)有水平提升近兩個(gè)數(shù)量級)。

該論文的共同第一作者、深圳華大生命科學(xué)研究院助理研究員平質(zhì)告訴記者，近年來用細(xì)胞進(jìn)行DNA信息存儲(chǔ)也受到了極大關(guān)注，為此，他們還測試了該系統(tǒng)在酵母細(xì)胞內(nèi)存儲(chǔ)、傳代后的數(shù)據(jù)恢復(fù)穩(wěn)定性。結(jié)果證明，作為載體的酵母菌株經(jīng)過1000代以上的傳代，信息仍可以被完整恢復(fù)，該存儲(chǔ)方式接近天然DNA分子存儲(chǔ)物理信息密度的理論極限，每克DNA能存儲(chǔ)的信息量約為 432.2EB。

該研究開發(fā)了一種全新的DNA存儲(chǔ)編碼方法，并提出1536種不同編碼規(guī)則組合的方案，為DNA存儲(chǔ)的多類型應(yīng)用提供了重要工具，有望在海量數(shù)據(jù)長期存儲(chǔ)的新型介質(zhì)研究中起到積極的推動(dòng)作用。(作者：田瑞穎)近日，深圳華大生命科學(xué)研究院研究員沈玥團(tuán)隊(duì)與合作者在《自然計(jì)算科學(xué)》上發(fā)表了封面文章，為DNA信息存儲(chǔ)的應(yīng)用提供了一種高密度、高穩(wěn)定性的比特-堿基編解碼方法，并完成了體內(nèi)外兩種模式的信息存儲(chǔ)實(shí)驗(yàn)驗(yàn)證。

DNA存儲(chǔ)作為生物技術(shù)與信息技術(shù)相融合的主要方向之一，近年來受到廣泛關(guān)注。DNA存儲(chǔ)的編解碼，即比特與堿基之間的轉(zhuǎn)換，是DNA存儲(chǔ)中最重要的環(huán)節(jié)之一，不僅決定信息轉(zhuǎn)換的效率(信息密度)，還直接影響存儲(chǔ)信息的穩(wěn)定性及可靠恢復(fù)性。從2012年起，編解碼技術(shù)的發(fā)展主要聚焦于提升信息密度，而技術(shù)兼容性和原始信息的穩(wěn)定恢復(fù)方面的考慮尚不全面。2017年以前，編解碼技術(shù)都未能實(shí)現(xiàn)完全的技術(shù)兼容，產(chǎn)生序列的GC含量很大程度上還是依賴于原始數(shù)據(jù)的0/1分布情況。2017年，美國哥倫比亞大學(xué)研究團(tuán)隊(duì)開發(fā)的DNA噴泉碼幾乎解決了這一問題，但直接套用的信道編碼技術(shù)有較強(qiáng)的數(shù)據(jù)類型偏好性，因此在實(shí)際的存儲(chǔ)應(yīng)用中存在較高的數(shù)據(jù)無法恢復(fù)風(fēng)險(xiǎn)的問題。

該論文的通訊作者沈玥告訴《中國科學(xué)報(bào)》，為解決這一問題，他們將從DNA雙鏈模型中受到的啟發(fā)，與中華文化中“陰陽”對立統(tǒng)一的思想相結(jié)合，巧妙地應(yīng)用于DNA編解碼系統(tǒng)，以兩套不同的規(guī)則，分別對兩條二進(jìn)制信息進(jìn)行“一對一”編譯轉(zhuǎn)換，再取兩者統(tǒng)一交集的部分為最終解，實(shí)現(xiàn)將兩條獨(dú)立的信息組合統(tǒng)一為一串DNA序列;另一方面，通過引入篩選機(jī)制，他們將與現(xiàn)有合成測序技術(shù)兼容性不佳的序列通過預(yù)先設(shè)置的篩選條件進(jìn)行過濾。根據(jù)不同的組合方法，該系統(tǒng)共能提供1536種不同的編碼規(guī)則組合，大大擴(kuò)展了其應(yīng)用場景范圍。

研究人員還通過編碼學(xué)的理論推導(dǎo)以及不同數(shù)據(jù)類型文件的模擬編碼，證明了該系統(tǒng)在保證信息密度的前提下，在數(shù)據(jù)恢復(fù)穩(wěn)定性方面體現(xiàn)顯著的性能提升(存儲(chǔ)數(shù)據(jù)的平均恢復(fù)率較DNA噴泉碼現(xiàn)有水平提升近兩個(gè)數(shù)量級)。

該論文的共同第一作者、深圳華大生命科學(xué)研究院助理研究員平質(zhì)告訴記者，近年來用細(xì)胞進(jìn)行DNA信息存儲(chǔ)也受到了極大關(guān)注，為此，他們還測試了該系統(tǒng)在酵母細(xì)胞內(nèi)存儲(chǔ)、傳代后的數(shù)據(jù)恢復(fù)穩(wěn)定性。結(jié)果證明，作為載體的酵母菌株經(jīng)過1000代以上的傳代，信息仍可以被完整恢復(fù)，該存儲(chǔ)方式接近天然DNA分子存儲(chǔ)物理信息密度的理論極限，每克DNA能存儲(chǔ)的信息量約為 432.2EB。

該研究開發(fā)了一種全新的DNA存儲(chǔ)編碼方法，并提出1536種不同編碼規(guī)則組合的方案，為DNA存儲(chǔ)的多類型應(yīng)用提供了重要工具，有望在海量數(shù)據(jù)長期存儲(chǔ)的新型介質(zhì)研究中起到積極的推動(dòng)作用。(作者：田瑞穎)

關(guān)鍵詞： 比特-堿基編解碼 存儲(chǔ)數(shù)據(jù) 信息存儲(chǔ) DNA雙鏈模型