dna|将整本《绿野仙踪》存入纳米级DNA中，高效准确，读取无压力纳米|绿野仙踪|德克萨斯大学奥

萧箫发自凹非寺
量子位报道 | 公众号 QbitAI
如何将一整本《绿野仙踪》，存进纳米级的DNA里？

本文图片

现在，德克萨斯大学奥斯汀分校的科学家们做到了。
他们开创了一套新的DNA数据编码和解码方法，不仅非常高效，还可以长期保存数据。
最关键的突破在于，准确率也非常高。
DNA技术近些年之所以受到关注，是因为它具有不可忽视的潜力：存储密度大。
例如，一个鞋盒能装下的所有DNA ，足以保存100个大型数据中心的所有数据。
但这项技术除了昂贵，还有个最大的问题：错误率高。
光是插入和删除两种错误，就占据DNA合成错误的50%以上。
而这套新的DNA数据编解码方法，专门针对DNA合成错误进行修复，使得数据在被存储后，还能完好地被提取出来。（文末附论文链接）
一起来看看这种方法的妙处。
DNA合成：两大瓶颈
成本昂贵
事实上，微软在2016年就已经利用DNA存储技术完成了约200MB数据的保存，包括《战争与和平》等。
作为一种优良的存储介质， DNA不仅能实现更高的存储密度，而且还具有良好的耐久性， 40万年前的古人类基因也能被重建。

本文图片

如果反过来，想要将数据存储在DNA中，基本方法就是将0和1转换为4种核苷酸（碱基组成的序列）。
不过，虽然微软没公布200MB数据合成的成本，那会儿每个碱基的价格通常在0.7元左右。
而200MB数据的保存，用了大约15亿个碱基……
如此昂贵的DNA合成价格，却只能保存200MB的数据，相比之下，几百元的硬盘它不香吗？
不过，成本起码会随技术发展下降，最关键的问题，还是DNA合成的错误率高。
错误率高
在DNA合成过程中，存在替换、插入与删除三种常见的错误。
来看看这3种错误产生的方式。
在DNA复制过程中，如果其中一条链「手滑」了，就会产生插入和删除错误。
插入：下图左，由于子链在复制过程中「滑动」了一下，原本已经合进子链的腺嘌呤（A）被拱了起来，导致原来的位置上多了一个腺嘌呤（A）；
删除：下图右，由于母链在复制过程中「滑动」了一下，导致一个胸腺嘧啶（T）还没被复制就被跳过了，子链上少了个腺嘌呤（A）。

本文图片

下图是一种替换错误， DNA中将胞嘧啶（C）替换成了胸腺嘧啶（T）。

本文图片

而根据统计，在DNA合成会出现的错误中，插入和删除的错误占据了57% 。

本文图片

以往虽然也有针对DNA合成的纠错方式，但效率不高。
好消息是，现在科学家们研究出了一种新的编解码方式HEDGES ，全名Hash Encoded, Decoded by Greedy Exhaustive Search ，可以更高效地将数据合入DNA ，或取出来。
HEDGES高效纠错
下图是在解码时，传统纠错方式和HEDGES纠错方式的对比。
其中，红色部分是发生替换、插入或删除错误的地方，蓝色部分是正确序列。
从图中可见，传统DNA合成在解码纠错时，需要对一条链进行多次合成，然后进行比对，得出正确率高的正确碱基对，从而降低错误率。
但HEDGES只需要进行单次读取，就能将发生缺失、删除和替换错误的地方纠正过来，并得出正确的信息。

本文图片

这种高效纠错的能力，与HEDGES编解码的方式密不可分。
HEDGES编解码依据的是一种自动加密算法，这种算法在古代战事中很常见：
假设一方要传递「黎明时进攻」的明文，现在双方已知关键词是「QUEENLY」，那么密钥就是「QUEENLY+明文」，加密时，用维吉尼亚密码把「明文+密钥」翻译成密文。

本文图片

然后，对方只需要掌握“QUEENLY”和密文，就能将明文解密出来了。
不过，这种算法用于DNA编码时，会出现冗余的情况，例如，在半速率编码（每个核苷酸编码1比特数据）时，如果输入1比特数据，则会输出2比特的数据量。
接下来，采用哈希算法，结合数据本身、数据所在DNA链的ID和先前数据，做个「数字签名」，就能保障数据传递的安全性，如下图。

本文图片

而DNA进行解码的过程，实际上类似于自动加密算法的破译过程，将所有合成过程中可能出现的「错误」列出来，一一进行排查。
解码中会出现删除、插入的错误，下图就出现了插入错误。
这时候，经过哈希算法加密的「数字签名」，可以排除掉不正确的解码假设。

本文图片

【dna|将整本《绿野仙踪》存入纳米级DNA中，高效准确，读取无压力】例如，包含数据所在链的ID部分，在解码时，如果发现解码得出的链ID与「数字签名」包含的ID信息不一致，这一系列错误假设就会直接被「解决掉」。
这样，就能纠正在解码过程中出现的插入和删除的错误。
当然，这只是数据编解码的过程，除此之外，团队在外部存储方式上也设计了新方法。
首先，输入的各种类型的数据信息会被转换成特定数据存储格式，然后通过一种名为RS（Reed–Solomon）的外部方式，进行基于DNA的存储。
这种类似于「对角线」一样的存储方式，使得合成过程中产生的错误能更均匀地分布，并被测量出来，提高了纠错性能。

本文图片

正是通过这种编解码方法，团队成功完成了《绿野仙踪》的DNA数据存储、解读。
结果耐温稳定
从结果来看，整体错误率基本只有1% ，而且在温度诱变的情况下，经过2小时和8小时，错误率上升基本在0.1%左右，非常稳定。
而从整体数据来看，采用HEDGES进行编码，在编码率小于0.2、每个核苷酸出错概率Perr小于0.01的时候，错误率理论上能逼近0 。
看起来， DNA数据存储，未来说不定真能取代硬盘。
作者介绍
论文一作是William H. Press ，美国国家科学院院士， 1948年出生，毕业于哈佛大学，并于1972年在加州理工学院取得博士学位。
Press教授曾在哈佛大学任教天文物理学20余年，在广义相对论和天体物理学方面都有所建树。自2007年后，在德克萨斯大学奥斯汀分校任教，目前是计算机科学和合成生物学的教授。

dna|将整本《绿野仙踪》存入纳米级DNA中，高效准确，读取无压力

推荐阅读

沉思的橘子|瓜迪奥拉再次饮恨欧冠，曼城1-3里昂

蚊子|怀孕期间可以接种流感疫苗吗？

央视|“ETC”被冻结？这类钓鱼网站可不能信！

香蕉烂了一点还可以吃吗

星巴克甜点热量星巴克微风青柠薄荷蛋糕好吃吗

上海政协常委建议：引入青年力量参与“社区微更新”

梅婷|“中戏金花”梅婷：一婚“下嫁”导演鄢颇，二婚嫁曾剑被宠成公主

BBC蛋炒饭教程气坏亚洲网友|BBC蛋炒饭教程气坏亚洲网友被打都没人帮你!

小孩上课注意力不集中怎么解决

[网闻]看到他的出场造型后，过分可爱，易烊千玺参加《快乐大本营》

浅析站在seo优化角度考虑网站导航设计

秦岚|“越瘦越难看”的7位明星：个个皮松肉垮，颜值远不如从前

这首《成都》，不！一！样！

赵丽颖|赵丽颖忙里偷闲包饺子，歪歪扭扭的样子“站不稳”，看着有点丑

军事革命的基本内容包括武器装备,作战方式,编制体制,体制编制的构成是先进的技术和武器装备-

螃蟹不能和哪些食物一起吃？

手写壁纸｜他步步回首，在盛世游走

婴儿辅食西红柿面条怎么做

对抗癌症、疾病和衰老的十大抗衰老食品

朋友相处该咋办