浅析 Microsoft DNA 存储

Microsoft 正在实验用人工合成 DNA 实现数字化数据存储，并于最近向遗传学初创公司 Twist Bioscience 购买了一千万条 DNA。

据悉 Microsoft 有关 DNA 存储的实验是与华盛顿大学（University of Washington）合作进行的。联合研究团队最近提交了一份描述下图所示完整 DNA 归档存储系统架构述的论文。

DNA 存储系统由一个对数据进行编码，以便将数据存储在 DNA 中的 DNA 合成器；一个包含大量“隔间”，将 DNA 的存储池与数据卷进行映射的存储容器；以及负责读取 DNA 序列并将其重新转换为原始数据的 DNA 序列器组成。

DNA 存储技术目前有个非常有趣的问题需要解决：寻址。DNA 链是 DNA 存储的基本单位，DNA 链由大约 100-200 个核苷酸组成，可存储 50–100 比特信息。这意味着一个典型的数据对象需要映射至大量 DNA 链。研究人员目前使用了键 - 值架构，因此这里的关键在于首先需要关联至包含所需链的池，随后通过随机访问机制访问池中的链。

另一个有趣之处在于数据的呈现方式。DNA 由 4 个碱基（A、C、G、T）组成，因此 base-4 是最直接的数据呈现方法，例如 01110001 可通过 base-4 的方式转换为 1301，并映射为 DNA 序列中的 CTAC 结构。然而除此之外，研究人员还选择了一种 base–3 呈现方式，借此可通过一个核苷酸实现纠错。那么在上述的例子中，01100001 可转换为 base-3 格式的 01112，并映射至为 DNA 序列中的 CTCTG 结构。

有关 DNA 存储原理的详细信息，包括如何通过编码改善可靠性，以及目前进行过的几个实验，可参阅上文提及的 PDF 论文。

根据 Twist Bioscience 公司介绍，相对传统数字化存储，基于 DNA 的归档技术可提供两个重要优势：寿命更长，最新研究数据显示 DNA 数据存储的寿命高达 2000 年；并且数据密度更高，一克 DNA 即可存储一兆 GB 数据。

根据 Microsoft 和华盛顿大学研究人员的介绍，DNA 存储并不是闪存或硬盘的替代品：

我们将 DNA 存储视作一种最持久的深层存储体系，可提供高密度且持久的归档存储方案，以及数小时乃至数天的访问时间。

这种想法的重点在于，DNA 的合成和排序可以任意程度的序列化方式进行，因此可以轻松获得所需的读写带宽。

Microsoft 公司 DNA 存储项目主管 Doug Carmean 澄清说，他们使用 Twist 提供的 DNA 进行初步测试“证明了数字化数据可通过这种方式进行编码，并可 100% 还原为原始数据”，但在这种技术正式商用之前还有很多工作有待完成。

作者：Sergio De Simone
阅读英文原文： A Look at Microsoft DNA Storage

感谢张龙对本文的审校。

给InfoQ 中文站投稿或者参与内容翻译工作，请邮件至 editors@cn.infoq.com 。也欢迎大家通过新浪微博（ @InfoQ ， @丁晓昀），微信（微信号： InfoQChina ）关注我们。