Nature子刊发表“阴阳”编解码系统，解决DNA信息存储领域技术难题

4月25日，《自然-计算科学》（Nature Computational Science）发表华大研究成果，研究团队开创了一套独具优势的“阴阳”编解码系统，用以解决当前DNA信息存储领域的技术难题。

支持此项研究的相关测序数据已存储于国家基因库生命大数据平台（CNGBdb），项目编号为：CNP0001650。

所有信息在计算机中只由二进制的方式存储，即0和1两个数码；
生物的遗传信息则储存在DNA中，以A、T、G、C四种碱基表现。

如果屏幕前的你是一位家长，在孩子学会这两个知识点之后，或许可以引导他们思考：

倘若把信息语言的0和1，转换为生物语言的ATGC，我们是不是就能把各类信息长久地保存在DNA中，让DNA成为“完美”的存储器了？

擅于把脑洞变为现实的科学家，已经用实际研究成果对这个问题给出了乐观的回答。

DNA凭什么碾压现有信息存储器？

我们正处在前所未有的信息大爆炸时代，据估算，2025年全球每天将产生491EB数据（1EB=1024PB，1PB=1024TB），相当于每天制造出2亿张DVD光盘。

随着5G技术、大数据、人工智能等领域的蓬勃发展，海量数据如何长期稳定存储已成为亟待解决的一大难题，而以“BT+IT”融合的DNA信息存储技术，或能为这个问题提供更优解，因此受到了越来越多的关注。

毕竟在存储信息这件事上，DNA可以说是坐拥数十亿年经验的资深前辈。相较于现有的U盘、硬盘、磁带等介质，DNA具备无法比拟的优势：

1）超高的信息密度：2012年《科学》杂志文章指出，1克DNA理论上可以存储455EB数据，相当于数千万个1TB移动硬盘的大小；

2）超长的待机时间：DNA作为相对稳定的分子，其半衰期长达521年，在理想状态下甚至可保存成千上万年；

3）超强的生物兼容性：DNA作为绝大多数生物遗传信息的载体，相对无机物、金属等存储介质而言，具有更强的生物兼容性。

2019年，“DNA数据存储器”入选《时代周刊》年度100项最佳发明。我们有理由相信，DNA凭借其独家天然优势，在信息密度、复制与维护成本、使用寿命等方面都具有颠覆现有技术的巨大潜能。

研究10年，科学家们还有什么烦恼？

2012年开始，科学家们不断进行DNA信息存储的相关尝试。由于必须考虑与当下合成测序技术的兼容性以及成本问题，前期DNA所能存储的信息密度都较低。于是，科学家们聚焦于如何提升存储的信息密度，也关注于生物技术兼容性问题，但仍不全面。

一直到2017年，科学家引进信息通信领域的编码方法——喷泉码，以条件过滤的方式筛选DNA序列，唯有满足筛选条件方可进行最终生成，基于此实现了对生物技术的兼容。

尽管DNA喷泉码的诞生几乎解决了此前的技术瓶颈，但实际应用中也出现灵活性与适用性的问题。

一方面，喷泉码技术的建立是基于通信技术领域的原理基础，对原始数据类型偏好较强（如需要01分布相对均匀等），因此面向生物与信息融合新兴领域的DNA存储技术应用，存在一定的局限性。另一方面，通信领域的信号传输是即时的、可及时纠错的，而生物领域的DNA分子存储是异步异时的，一旦发生部分信息丢失或错误，便存在原有信息无法恢复的风险。

如何在保证信息转换效率和技术兼容的同时，大幅提高信息恢复的稳定性？毋庸置疑，技术需要进一步发展。

以中华“阴阳”思想，解DNA存储难题

面对DNA存储中编解码系统存在的棘手问题，深圳华大生命科学研究院（以下简称“华大研究院”）提供了全新的解决思路。中国科学家让人惊喜的地方，在于能够把我们引以为豪的古代哲学思想，融会贯通应用到现代生物学之中，并期待以之解决未来世界的难题。

4月25日，华大研究院、深圳国家基因库等多家机构的研究团队联合在《自然》（Nature）子刊《自然-计算科学》发表研究论文。研究团队结合DNA双链模型，从中华文化中“阴阳”对立统一的思想获得灵感，开创了一套名为“阴阳”的比特-碱基编解码系统，验证了该系统在信息密度、技术兼容性、数据恢复稳定性等多方面的优势。

阴阳哲理博大精深，其特点可简单概括为统一、对立和互化。研究院团队将其巧妙应用到DNA编解码系统当中，以两套不同的规则，分别对两条二进制信息进行“一对一”编译转换，再取两者统一交集的部分为最终解，实现将两条独立的信息组合统一为一串DNA序列。

机智的朋友可能会问，人工合成的DNA要保存在哪？目前，常用的保存方法分为体内和体外两种模式，两者孰优孰劣尚未形成明确定论。为了全方位验证“阴阳”系统的信息恢复稳定性，华大研究院团队通过体外DNA干粉和细胞体内大片段两种存储环境进行测试，皆实现了原始存储数据的完整恢复。

体外模式，研究团队采用不同浓度的原始DNA文库溶液进行了共200多组测试。结果证明，“阴阳”编码采用的线性数据恢复模式在每种DNA分子的平均拷贝数仅有100时，仍然能恢复最高88%的原始数据。而DNA喷泉码使用的编码方式使得每个数据包间存在一定的拓扑关联，在同样条件下，平均恢复率仅有1.3%。

另一方面，研究将信息存在了酵母活细胞的体内，酵母菌株经过1000代以上传代之后，信息仍可以被完美恢复。这在一定程度上意味着，利用活体细胞作为DNA存储的载体，上千年后原始信息或仍能被解读。这样的存储方式可以得到接近于天然DNA分子存储理论极限的物理信息密度，每克DNA能存储的信息量约为432.2 EB。

从起步至今短短十年时间，DNA信息存储领域已取得不少令人瞩目的研究成果，包括检索、修改等高级功能也已完成原理验证性的测试，以微软、谷歌等产业巨头形成的DNA存储联盟更是在为其商业化广泛合作蓄势。

在探索DNA信息存储的同时，华大也在DNA合成、DNA测序的设备与技术自主研发道路上持续深耕。基于华大的MPS合成技术和DNBSEQ测序技术，结合本研究的比特-碱基编解码技术，华大已经实现了DNA存储的全流程技术闭环。相信随着华大等全球科研机构、数字信息产业界的不断突破，在不远的未来，“DNA硬盘”将成为我们日常生活中必不可少的数据存储设备之一。

该研究由深圳华大生命科学研究院主导，深圳国家基因库、首都师范大学、美国哈佛大学等多个研究团队共同参与。华大研究院平质博士为论文第一作者，华大研究院沈玥研究员、徐讯研究员与哈佛大学George M. Church教授为论文的共同通讯作者。

该研究受到国家重点研发计划（2021YFF1200100、2020YFA0712100）、国家青年科学基金（32101182）、广东省高通量基因组测序与合成编辑应用重点实验室（2017B030301011）、深圳合成生物学创新研究院等项目支持。本研究已通过伦理审查，严格遵循相应法规和伦理准则。

参考文献：Ping, Z., Chen, S., Zhou, G. et al. Towards practical and robust DNA-based data archiving using the yin–yang codec system.Nat Comput Sci  (2022). https://doi.org/10.1038/s43588-022-00231-2