AIxiv专栏是机器之心发布学术、技术内容的栏目。过去数年，机器之心AIxiv专栏接收报道了2000多篇内容，覆盖全球各大高校与企业的顶级实验室，有效促进了学术交流与传播。如果您有优秀的工作想要分享，欢迎投稿或者联系报道。投稿邮箱：liyazhou@jiqizhixin.com；zhaoyunfeng@jiqizhixin.com
2024 年 11 月 18 日，中科院北京基因组研究所（国家生物信息中心）陈非团队、计算所处理器全国重点实验室谭光明、卜东波团队、中科计算技术西部研究院段勃团队、微生物所杨怀义团队、武汉所刘翟团队以及吉林大学李全顺团队等在知名国际学术期刊《Advanced Science》上发表了题为 “Cost-Effective DNA Storage System with DNA Movable Type” 的论文，借鉴毕昇活字印刷术的思想，提出了“DNA活字存储”新思路，并实现了具有完全自主知识产权的全自动、低成本、高效率的DNA 活字存储喷墨打印机“毕昇一号”。
- 论文标题：Cost-Effective DNA Storage System with DNA Movable Type
- 论文地址：https://onlinelibrary.wiley.com/doi/10.1002/advs.202411354
1. 什么是 DNA 存储？
数据指数级增长，磁带、磁盘、光盘、U 盘不敷使用，怎样才能存得下？
存到 DNA 中吧！存到 DNA 中是一种有潜力的方案！
互联网时代的到来， 数字化和信息化浪潮使知识与数据都经历着爆炸式的增长。海量数据给现有的数据存储技术带来了巨大的挑战：现有的硬盘、磁带存储模式存在保存时长有限（最长约 30 年）、占用空间大、转运不方便、电能损耗大等缺点，无法满足数据指数形式增长的需求。
DNA 存储技术是一种新兴的大数据存储技术。简要地说，DNA 存储技术突破了传统的以硅基介质（如 U 盘等）为媒介的存储方式，而是利用 DNA 碱基天然的信息存储能力，依据一定规则将文本、图片、声音、影像文件等传统数据 0-1 二进制编码转换为 DNA 核苷酸四进制编码（A、T、C、G 组合），然后通过人工合成特定序列的 DNA 来存储数据。相比于现有的数据信息存储方式，DNA 存储技术具有数据密度高、保存时间长、配套设备能耗低、便于携带、运输隐蔽性高和便于多重加密等优点。
图 1. DNA 存储技术及其优势
鉴于 DNA 存储技术的巨大潜力，美国微软公司陆续投资近亿美元，与华盛顿大学于 2015 年成立 DNA 存储项目组，于 2018 年 3 月完成了约 200MB 数据的保存，其中包括古登堡计划数据库中的 100 部世界名著，创造了 DNA 存储领域的新纪录。2019 年，他们构建了端到端全流程原型机，实现了 “hello” 单词的完整写读。
2. 什么是 DNA 活字存储？
现有的 DNA 存储技术 “一次合成、一次使用”，价格昂贵，怎样才能降低成本？
用 DNA 活字吧！DNA 活字存储是一种有潜力的方案！
“庆历中，有布衣毕昇，又为活板。其法：用胶泥刻字，薄如钱唇，每字为一印，火烧令坚…… 欲印，则以一铁范置铁板上，乃密布字印，满铁范为一板，持就火炀之，药稍镕，则以一平板按其面，则字平如砥。若止印三二本，未为简易；若印数十百千本，则极为神速”。这是沈括写的《活板》中的一段话 ---《活板》被选作初中课文，是以举凡在中国读过初中者，想必对毕昇发明活字印刷术的故事皆耳熟能详。《活板》有言：“有奇字素无备者，旋刻之，以草火烧，瞬息可成”，活字印刷术相较于雕版印刷术之优势可见一斑。
那什么是 DNA 活字存储呢？所谓 DNA 活字存储，就是 “DNA 版本的活字印刷术”。目前的 DNA 存储技术方案，多采用化学合成法，一次合成，一次使用，可比作雕版印刷术；而 DNA 活字能够一次合成，多次使用，可比作活字印刷术。
具体来说，DNA 活字存储采用酶连反应替代部分化学合成步骤完成数据写入，每个活字可重复使用多达一万次，从而将数据存储成本降低至每兆字节仅 122 美元，成为当前业内最具成本效益的存储解决方案。
图 2. 毕昇发明的活字印刷术与 DNA 活字存储。以唐诗《行路难・其一》为例，我们将每个字符及其位置索引转换成 DNA 活字，用酶联技术连接成 DNA 片段，最终转导入大肠杆菌中长期存储
3. “毕昇一号”--- 全自动的 DNA 活字存储喷墨打印机
DNA 活字存储包括选活字、酶联活字、酶联后的 DNA 片段转导入大肠杆菌中长期存储等多个环节。如何提高存储效率呢？联合团队研发了 DNA 活字喷墨打印机 “毕昇一号”，全自动完成上述诸多环节，显著提升了数据写入效率 --- 研究团队将这台打印机命名为 “毕昇一号”，以表达对毕昇的崇敬之意。
图 3. “毕昇一号”--- 全自动的 DNA 活字存储喷墨打印机
“毕昇一号” 系统使用 350 个 DNA 活字，成功存储并精准检索了 43.7 KB 的多媒体数据，包括文本、图像、音频和视频，充分证明了其技术的可行性和应用潜力。这项工作为 DNA 数据存储技术的未来产业化提供了全新的思路与可能性。
毕昇一号 DNA 活字存储系统的工作流程包括四个主要步骤：
第一步，编码：将目标文件（如《十四行诗》第 12 首）分割为 100 字节 / 字符的片段，每个片段进一步划分为 20 个数据切片。每个切片包含 5 字节的有效载荷和 4 字节的地址，形成数据条带。例如，图中展示了第四条数据条带的 20 个连续数据切片（第 0–19 行），这些切片覆盖了第 300 到第 399 个字符的内容（如 “ed up...question ma”），其中第 8 个切片在第 340 个位置编码了单词 “white”。此外，通过列校验和（第 20–29 行）和行校验和（第 9 列）提供了额外的错误检测和纠正功能。
第二步，打印：利用 “毕昇一号” DNA-MT 喷墨打印机，将 4 个地址活字（AMTs）、5 个有效载荷活字（PMTs）和 1 个校验活字（CMT），以及连接酶和预切割载体打印到每个试管中，通过酶促连接形成包含 DNA-MT 块的质粒。
第三步，存储：组装完成的重组质粒可以以液体或冻干形式进行体外保存，或者转化至大肠杆菌中实现长期体内存储。
第四步，解码：通过高通量测序对 DNA 活字块进行测序，获得的 DNA 序列根据编码表解码为对应活字，从而还原原始数据。例如，解码一个 250 个碱基的序列可以恢复第 340 个位置的单词 “white”。最终，解码后的有效载荷活字根据地址活字的顺序排列，完成对原始文件的重建。
图 4. 毕昇一号 DNA 活字存储系统的工作流程
毕昇一号 DNA 活字存储的成本约为 122 $/MB，明显低于现有的 DNA 存储技术。该团队表示，后续研究通过增加活字连接段数和减小反应体系，可将存储成本降低至 0.06 $/MB，伴随着编码技术的进步，如集成高密度喷泉码和改进校验的 DNA 活字，成本将进一步降低，有望进一步推动 DNA 存储的商业化进程。
图 5. DNA 活字存储技术可显著降低存储成本
4. 展望
DNA 存储技术是生物技术与信息处理技术的碰撞与交叉。它开辟了一种新的存储模式，从根本上改变了数据、信息的保存及传递方式，是大数据存储模式的新篇章。
北宋时，毕昇发明了活字印刷术，尽扫雕版印刷术之弊；而时至今日，古老的活字印刷术与现代的 DNA 存储相互激发，相互交叉，碰撞出 “DNA 活字存储” 这一新思维。
“发挥旧事重增焕”。我们期待：“毕昇一号” DNA 活字存储喷墨打印机将像毕昇的 “活板” 一样，另辟蹊径，开创新篇！
图 6. 研究团队部分人员。左起：张心茹、范婷文、邢晶、段勃、陈非、卜东波、刘翟、杨怀义、马灌楠、魏征、魏迪、王晨阳、王佩、侯鹏飞、涂朝仕。
