DNA里能裝什麼？一部電影、一個病毒、一張禮品卡
這是一種永不過時的存儲手段。
1895年，盧米埃爾兄弟公司（Lumiere Brothers）作為史上最早的製片公司之一，推出了全長只有50秒黑白無聲電影短片《火車進站》。片中，一列火車緩緩駛入人頭攢動的站台，被後世奉為劃時代的標誌。當時的一位觀眾描述稱，這個例子有力地展現了「動態攝影」的魅力。時隔122年，《火車進站》又一次站到時代前沿，成為最早被存入DNA的影片之一。
紐約基因組中心和哥倫比亞大學的亞尼夫·埃利希（Yaniv Erlich）和迪娜·傑林斯基（Dina Zielinski）通過編碼，將該影片存到了DNA里。同時被編入那著名的雙螺旋結構的，還有一個計算機操作系統、一張照片、一份科學論文、一個計算機病毒，外加一張亞馬遜禮品卡。
DNA是史上最強的存儲媒介？
時下，一個1TB硬碟的重量大約有150克。而使用DNA，埃利希和傑林斯基可以在1克的DNA中，裝下21.5萬倍於此的數據。哪怕將全世界所有的數據都編入DNA，那也占不了多大地方，一個汽車後備箱就足夠了。
用DNA存儲信息並不是什麼新奇之事：生命存在了多久，這個過程就進行了多久。這種分子的外形類似螺旋盤繞的樓梯，基本組成結構是四個鹼基，分別為：腺嘌呤（A）、胞嘧啶（C）、鳥嘌呤（G）、胸腺嘧啶（T）。構建地球上所有生命的指令全都時通過這些鹼基的排序編寫出來來。只要能將數字數據中的0和1轉化為這四個字母，你就能用DNA編碼幾乎任何東西。
為何科學家要多此一舉，用DNA來存儲數據？
因為它擁有其他存儲介質所不具備的優勢。
DNA不佔空間，而且，只要是在乾冷、黑暗的環境下，它就能夠長久保存。
猛獁象早在幾千年前就滅絕了，但我們照樣能提取它們的DNA，並加以測序。最重要的是，它那37億年的履歷足以證明一切。木簡、紙張、磁帶、軟盤、光碟、內存晶元……人類發明的每一種存儲介質，最終都無法逃避過時的命運。但DNA永遠不會過時。在生命活動中，它所扮演的角色如此重要，生物學家無論如何都不會棄之不顧。測序技術會持續改進，但測序工作用不會終止。
2011年，哈佛大學的喬治·徹奇（George Church）投身DNA存儲領域。他在DNA內編入了他剛出版的新書、一些圖片和一個用Javascript編寫的程序。一年之後，歐洲生物信息研究所的尼克·戈德曼（Nick Goldman）和伊萬·伯尼（Ewan Birney）使用了更加複雜的編碼系統，在徹奇的研究基礎上更進一步。他們編碼的內容包括：莎士比亞的所有十四行詩，馬丁·路德·金《我有一個夢想》演講的錄音片段，還有詹姆斯·沃森（James Watson）和弗朗西斯·克里克（Francis Crick）有關DNA雙螺旋結構的論文（PDF版），還有他們研究所的一張照片，這些通通裝進了一小點DNA里。而它究竟有多小呢？當初，這些DNA被裝在試管里送來時，戈德曼都沒找著。還以為試管是空的。
真的好用？
不過有一個問題：DNA編碼只能小段小段地進行。若有一大批數據需要編碼，你就得先分段合成，得到一大堆亂糟糟的DNA片段，再拼合起來。這就很難保證片段一個都不少，所以說，這樣做存在丟失數據的風險。
為克服這個難題，戈德曼和伯尼創造了一種重疊式代碼，每部分數據至少編寫四份DNA。就算其中一份丟失，還有三份作為備份。方法不錯，但效率欠佳，而且也並不是萬無一失：團隊在嘗試恢復文件時，就遇到不少出錯的情況。「當時我就想，一定還有比這更高效、更可靠的辦法。」
巧合的是，Netflix和Spotify也面臨相似的問題。這些流媒體服務提供商要讓數據穿越波濤洶湧的網路，片段丟失的情況在所難免，但最後必須天衣無縫地進行恢復。解決辦法是採用「噴泉碼」，即將數據分割成一個個小包，並達到這樣一種效果：即便只抓到一個隨機子集，你也能恢復出整體數據。不論丟失的是哪些部分，只要抓到的小包數量夠多，你就能重構出整個文件。埃里希將其比作大型數獨遊戲——你只要填出其中一些格子，就能推測出其他格子里的數字。
兩人採用噴泉碼，開發了一種新的解碼器，效率較之前提高了60%，逼近DNA信息存儲密度的上限。「我們離最優配置只有幾步之遙。」埃里希說。
採用這個「DNA 噴泉碼」系統，他們編碼了這樣一堆內容：影片《火車進站》、目前最小的計算機操作系統KolibriOS、先驅者10號和11號探測器發回的太空照片、一篇探討特定介質最大信息存儲量的科學論文，一個名為「壓縮炸彈」（Zipbomb）的病毒，以及一張價值50美元的亞馬遜禮品卡。
以上內容形成7.2萬個DNA片段，經測序、解碼，最後重組起來。其間有2000個片段丟失，但文件還是被完整復原了。
DNA存儲還有另一個缺陷：測序過程會破壞DNA鏈，所以，讀取次數越多，損耗就越嚴重，直至消失。「我女兒超喜歡《冰雪奇緣》。」埃里希說。「我們要是存了那首該死的《Let it Go》，那不出一個禮拜，我們的DNA就得消耗殆盡。」好在，DNA就是用來複制的，也很容易複製，所以，將一大堆DNA編碼的數據備個份，並不算什麼麻煩事兒。只是每次複製都可能引入錯誤：副本的副本很少有和原版完全一致的。但DNA噴泉碼不同，它對錯誤有著極強的免疫力，在複製了十代之後，傑林斯基仍然得以將文件恢復如初。
「這項工作很不錯，」伯尼說，它證明了，DNA存儲「是經得起考驗的」。他正和戈德曼一道，致力於開發改進版的編碼方案，以期在不久的未來，能測試並發布這種方案。微軟也對DNA的數據存儲潛力抱有極大興趣。去年7月，微軟研究員卡琳·斯特勞斯（Karin Strauss）和華盛頓大學計算機科學家路易斯·恩里克·西斯（Luis Henrique Ceze）合作，在DNA中存儲了200MB的數據，創下紀錄。「我們對DNA存儲的密度優勢深信不疑。我們正努力改進存儲性能與系統設計，使之更適合存儲。」他們說。
還只有少數人玩得起
DNA存儲要變成主流，就得進一步降價。當前，DNA測序還很昂貴，合成就更是價格不菲。2012年，伯尼和戈德曼的研究發布時，編碼1MB的數據要耗費1.24萬美元。如今，這個費用已降至3500美元。但即便成本持續壓縮，DNA合成仍屬於小眾活動，只有專門服務研究實驗室的少數幾家機構承接。目前，全世界的DNA合成能力加起來，還不夠編碼1TB的數據。
但埃里希預計，在證明DNA是未來存儲介質的過程中，這種狀況會發生改變。「最早的硬碟需要四個人一起扛。」他說。「經過幾十年的廣泛研發，到現在，一個拇指大小的快閃記憶體就搞定了。我希望，通過改進方法，我們能讓DNA存儲的潛力得到充分發揮。」
翻譯：雁行
來源：The Atlantic
推薦閱讀：