萧箫 只想说 凹非寺量子位 报导 | 微信公众号 QbitAI

如何把一全版《绿野仙踪》，存到纳米的DNA里？

如今，得克萨斯州高校奥斯汀校区的专家保证了。

她们开辟了一套新的DNA数据编号和解码方式，不但十分高效率，还能够长期性储存数据。

最重要的提升取决于，准确度也十分高。

DNA技术性近几年来往往遭受关心，是由于它具备不容忽视的发展潜力：存储密度大。

比如，一个鞋盒、纸盒可装下的全部DNA，得以储存一百个大中型数据管理中心的全部数据。

但此项技术性除开价格昂贵，也有个较大 的难题：错误率高。

仅是插进和删掉二种错误，就占有DNA合成错误的50%之上。

而这套新的DNA数据编解码方式，专业对于DNA合成错误开展修补，促使数据在被储存后，还能完好无损的被获取出去。（文尾附毕业论文连接）

一起来看一下这类方式的表达效果。

DNA合成：两大短板

成本费价格昂贵

实际上，微软公司在2017年就早已运用DNA存储系统完成了约200MB数据的储存，包含《战争与和平》等。

做为一种优质的移动存储设备，DNA不但能完成高些的存储密度，并且还具备优良的使用性能，四十万年以前的远古人类遗传基因也可以被复建。

假如相反，要想将数据储存在DNA中，基础方式便是将0和1变换为4种多肽链（碱基组成的编码序列）。

但是，尽管微软公司没发布200MB数据合成的成本费，那时候每一个碱基的价钱一般在0.7元上下。

而200MB数据的储存，用了大概10亿个碱基……

这般价格昂贵的DNA合成价钱，却只有储存200MB的数据，比较之下，几百块的电脑硬盘它不香吗？

但是，成本费至少会随技术性发展趋势降低，最重要的难题，還是DNA合成的错误率高。

错误率高

在DNA合成全过程中，存有更换、插进与删掉三种普遍的错误。

讨论一下这3种错误造成的方法。

在DNA复制全过程中，假如在其中一条链「手滑」了，便会造成插进和删掉错误。

插进：下面的图左，因为子链在拷贝全过程中「拖动」了一下，本来早已合进子链的腺嘌呤（A）被拱了起來，造成原先的部位上多了一个腺嘌呤（A）；

删掉：下面的图右，因为母链在拷贝全过程中「拖动」了一下，造成一个胸腺嘧啶（T）还没有被拷贝就被绕过了，子链上少了个腺嘌呤（A）。

下面的图是一种更换错误，DNA里将胞嘧啶（C）换成了胸腺嘧啶（T）。

而依据统计分析，在DNA合成会出現的错误中，插进和删掉的错误占有了57%。

过去尽管也是有对于DNA合成的改错方法，但高效率不高。

喜讯是，如今专家科学研究出了一种新的编解码方法HEDGES，全称Hash Encoded, Decoded by Greedy Exhaustive Search，能够 更高效率地将数据合入DNA，或取下来。

HEDGES高效率改错

下面的图是在解码时，传统式改错方法和HEDGES改错方法的比照。

在其中，鲜红色一部分是产生更换、插进或删掉错误的地区，深蓝色一部分是恰当编码序列。

从图上由此可见，传统式DNA合成在解码改错时，必须对一条链开展数次合成，随后开展核对，得到准确率高的恰当碱基对，进而减少错误率。

但HEDGES只必须开展一次载入，就能将产生缺少、删掉和更换错误的地区改正回来，并得到恰当的信息内容。

这类高效率改错的工作能力，与HEDGES编解码的方法紧密联系。

HEDGES编解码根据的是一种全自动加密技术，这类优化算法古时候战争中很普遍：

假定一方要传送「黎明曙光时攻击」的密文，如今彼此己知关键字是「QUEENLY」，那麼密匙便是「QUEENLY 密文」，数据加密时，用维吉尼亚登陆密码把「密文 密匙」译成保密。

随后，另一方只必须把握“QUEENLY”和保密，就能将密文破译出来。

但是，这类优化算法用以DNA编号时，会出現数据冗余的状况，比如，在半速度编号（每一个多肽链编号1比特犬数据）时，假如键入1比特犬数据，则会輸出2比特犬的数据量。

接下去，选用hash算法，融合数据自身、数据所属DNA链的ID和此前数据，做下「电子签名」，就能确保数据传送的安全系数，如下图。

而DNA开展解码的全过程，事实上类似全自动加密技术的破解全过程，将全部合成全过程中很有可能出現的「错误」标出来，一一开展清查。

解码中会出現删掉、插进的错误，下面的图就出現了插进错误。

此刻，历经hash算法数据加密的「电子签名」，能够 清除掉有误的解码假定。

比如，包括数据所属链的ID一部分，在解码时，假如发觉解码得到的链ID与「电子签名」包括的ID信息内容不一致，这一系列错误假定便会立即被「处理掉」。

那样，就能改正在解码全过程中出現的插进和删掉的错误。

自然，这仅仅数据编解码的全过程，此外，精英团队在外界储存方法上也设计方案了新方式。

最先，键入的多种类型的数据信息内容会被转化成特殊数据储存文件格式，随后根据一种名叫RS（Reed–Solomon）的外界方法，开展根据DNA的储存。

这类类似「直线」一样的储存方法，促使合成全过程中造成的错误能更匀称地遍布，并被精确测量出去，提升了改错特性。

更是根据这类编解码方式，精英团队取得成功完成了《绿野仙踪》的DNA数据储存、讲解。

結果耐高温平稳

从結果看来，总体错误率基础只有1%，并且在溫度化学诱变的状况下，历经2钟头和8钟头，错误率升高基础在0.1%上下，十分平稳。

而从总体数据看来，选用HEDGES开展编号，在编号率低于0.2、每一个多肽链错误几率Perr低于0.01的情况下，错误率理论上能靠近0。

看上去，DNA数据储存，将来或许真能替代电脑硬盘。

作者介绍

毕业论文一作是William H. Press，英国我国工程院院士，1948年出世，毕业于美国哈佛大学，并于1974年在加州理工大学获得博士研究生。

Press专家教授曾在美国哈佛大学执教天文学物理20多年，在广义相对论和天体物理学层面都有所建树。自2012年后，在得克萨斯州高校奥斯汀校区执教，现阶段是电子信息科学和合成分子生物学的专家教授。

毕业论文连接：https://www.pnas.org/content/pnas/early/2020/07/15/2004821117.full.pdf

参照连接：https://www.popularmechanics.com/science/a33327626/scientists-encoded-wizard-of-oz-in-dna/https://spectrum.ieee.org/nanoclast/semiconductors/memory/dna-data-storage-method-sets-standard-for-highdensity-data-futurehttps://en.wikipedia.org/wiki/William_H._Press