研究人员在大规模DNA数据存储中实现随机访问

华盛顿大学和微软研究人员今天透露，他们在开发基于DNA的数字数据存储系统方面迈出了重要一步。在Nature Biotechnology上发表的一篇论文中，分子信息系统实验室(MISL)的成员描述了他们在合成DNA中存储的200兆字节的世界记录设定成就背后的科学。他们还展示了他们的随机访问系统 - 即选择性检索编码超过1300万个DNA寡核苷酸的个体数据文件。虽然这不是研究人员第一次在DNA中实现随机访问，但是UW和Microsoft团队已经大规模地进行了随机访问的首次演示。

DNA作为数字存储介质的一大优势是它能够存储大量信息，原始限制为1 EB，相当于每立方毫米10亿千兆字节。数据必须从数字0和1转换为DNA分子：腺嘌呤，胸腺嘧啶，胞嘧啶和鸟嘌呤。为了将数据恢复为数字形式，对DNA进行排序，并将文件解码回0和1。随着数据量的增加，这个过程变得更加艰巨 - 如果没有执行随机访问的能力，整个数据集必须按顺序排序和解码才能查找和检索特定文件。此外，DNA合成和测序过程容易出错，这可能导致数据丢失。

MISL研究人员通过设计和验证广泛的引物库来解决这些问题，这些引物库与聚合酶链反应(PCR)结合使用以实现随机访问。在合成含有来自文件的数据的DNA之前，研究人员在每个DNA序列的两端附加来自引物文库的PCR引物靶标。然后，他们使用这些引物通过随机访问选择所需的链，并使用一种新算法，旨在更有效地解码数据并将数据恢复到其原始的数字状态。

“我们的工作减少了在测序能力和处理方面的努力，以完全恢复存储在DNA中的信息，”微软高级研究员Sergey Yekhanin解释说，他在创建用于实现团队结果的编解码器和算法方面发挥了重要作用。“对于后者，我们设计了新的算法，这些算法更能容忍写入和读取DNA序列中的错误，从而最大限度地减少恢复此信息的工作量。”

使用由Twist Bioscience提供的合成DNA，MISL团队编码并成功检索了35个不同的文件，大小从29千字节到超过44兆字节 - 相当于创纪录的200兆字节的高清视频，音频，图像和文本。这比哈佛医学院和德国Technicolor研究与创新研究人员设定的22兆字节记录显着增加。

“生物技术和计算机体系结构的交叉非常有前景，我们很高兴能够向社区详细介绍我们的结果，”艾伦学院教授Luis Ceze说道，他是MISL的共同领导者。“自从这篇论文提交出版以来，我们已经达到400多兆字节，而且我们仍在不断发展并且更多地了解大规模DNA数据存储。”

有了这个新的里程碑，MISL的研究人员成功地证明了基于DNA的数据存储 - 已知比现有的数字存储技术更加密集和耐用 - 也是如此。威斯康星大学和微软团队估计，它的方法将扩展到物理上分离的DNA池，每个池包含几TB。当脱水用于存储时，这些数据池将比磁带密集几个数量级。随着与DNA测序和合成相关的成本持续下降，该团队预计未来将开展大量用于开发基于DNA的数据存储的活动。

“DNA数据存储是一个令人难以置信的令人兴奋的领域，很高兴看到我们的进展被像Nature Biotechnology这样的着名出版物所认可，”微软高级研究员Karin Strauss说，他是MISL的联合负责人，也是Allen School的附属教授。。“我们热衷于继续在生物技术和IT的交叉点上工作。”

这个交叉点最初对Allen School Ph.D.感兴趣。学生Lee Organick，他执行了许多用于验证其方法的湿实验室实验。从分子生物学的本科学习到计算机科学的飞跃，她对MISL方法的潜在影响充满热情。

“我们正处于在田间交叉点进行大量开创性研究的时候，”奥尼克说。“当我听说这个项目时，它看起来有些古怪，但它吸引了我的想象力。”

在Organick看来，实验室的构成 - 将来自多个学科和组织的研究人员联合起来 - 是另一个好处。

“与这样一个富有创造力和多样化的人员团队合作已有好几年了，他们向我展示了像这样的项目是可以实现的，”她说。“它和第一天一样令人兴奋。”

郑重声明：本文版权归原作者所有，转载文章仅为传播更多信息之目的，如有侵权行为，请第一时间联系我们修改或删除，多谢。