用一公斤DNA代替你的硬盘,靠谱吗?
最近发现关于DNA存储的文章刷屏了，源自于今年2月19号华盛顿大学和微软研究院合作在《Nature biotechnology》上发表的一篇有关DNA存储的研究成果。对此我想发表一点自己的观点，受限于我的认知，仅当是抛砖引玉了。
诚然，进入21世纪之后，这个世界的数据增长速度太快了，数据量级越来越大，按照现有发展速度传统硅基存储介质是否还能撑住，就成为了许多人关心的一个问题，大家都在探讨是否会有枯竭的那一天，如果枯竭了我们还能用什么东西来存储我们的数据。于是存储生命遗传密码的介质——DNA就成了一个非常有希望的选项。
基因是怎么与二进制联系起来的？
在谈论我们的话题之前，先来了解一下DNA是如何存储数据的。
原理本身并不复杂。
我们知道，计算机上存储的数据都是依据电压的高和低代表1和0来表示的，每一个数字、字符和标点符号都由唯一的一串01组合来构成。比如小写字母“e”的代码是：01100101，因此，任何数字化的内容（视频，音频，图片，文字）本质上都只是一串串的0和1而已。
DNA存储的原理示意图，首先把英文字母转变成对应的01串，然后把这个0和1的数据串转变成由碱基A、C、G、T表示的DNA序列；编码的时候就是合成这个序列，解码的时候测序解读（图片来自Science）
那么，DNA的存储原理实际上就是把原本这些用0和1来表示的内容，换成用碱基：A，C，G，T来表示，这是一个从数字信号到化学信号的过程。而且由于碱基有四个，相比起原本的0和1，我们可以用来多表示两个状态，比如，我们可以假设用A代表00，C代表01，G代表10，T代表11。一个本来要用8bit代表的字符用DNA编码的话，只需要用4个化学碱基，比如上面的小写字符“e”编码成为DNA序列就是：CGCC。
下图是哈佛大学医学院两年前做的一个事情，他们第一次利用这样的技术把这一张“奔跑的骏马”的Gif放进了活大肠杆菌的DNA里，而且还能重新测序并解码出来。
原始影像（左）和从DNA中提取还原的gif（右），除了部分稍有模糊，准确度达90%左右。
2016年的时候，华盛顿大学和微软研究院的团队（本次NBT的成果的团队），他们更进了一步，把莎士比亚的十四行诗、马丁·路德·金的演讲原声、医学论文等资料共计739KB的数据编码成了DNA序列，并存储起来，这个技术以此为标记取得了巨大的进步。
DNA存储结构和磁盘不同，它存储的密度极高，1克的DNA就能够存下天量的信息，如果要存下当前全世界的所有数据，更是只需要1千克左右的DNA就足够了！不需要成千上万个阿里巴巴或者AWS的数据中心，看起来还更加经济实惠，貌似一切都很美好……
但是，凡事就怕这个但是。
DNA存储面临的问题
目前DNA存储要发展成为真正具有实际应用价值的东西，至少还需要解决以下几个问题：
合成成本高
DNA要存储信息，首先要做的就是依据信息合成DNA序列。那么现在的合成成本是多少呢？大约0.5美元~1.0美元一个碱基！也就是说存储2bit（一个碱基）的数据需要花费大约5元~10元人民币。
按照目前的信息存储技术，一般是8bit为一个字节（Byte），2个字节（Byte）才代表一个字符——也就是说8个碱基可以编码一个字符，那么你看看，要存储200MB的数据需要花费100百万~200百万美元（1亿~2亿美元）的巨资——而200MB的大小的文件还不够一个长一点的短视频大啊！更何况现在动不动就几个GB的电影呢。
因此，碱基合成的成本是第一个需要解决的难题。如果成本无法降低一百万倍，那么无法进入实用环节，而如果不能降低几亿倍甚至几十亿倍，那么我认为这个技术将很难被大规模使用。
合成速度慢
这个问题可能更要命。我们现在磁盘的存储速度是多快呢？磁盘的读写毕竟是电磁信号，信息状态的改变是以光的速度在发生的——当然磁盘在读写数据的时候需要进行非常多的定位、查询、比较、校验等一系列复杂的操作，因此远低于光速。然而即便如此，目前普通的SSD硬盘读写速度也有300MB/s~500MB/s，差一些的高速硬盘也在100MB/s左右！
上一篇：不喝水能活120年 地球上最顽强的生物是它
下一篇：重庆：快速崛起的生物医药重镇