创新DNA存储算法 让敦煌壁画再“活”两万年

  ◎本报记者 陈 曦 通讯员 赵 晖

  记者9月16日从天津大学获悉,该校合成生物学团队创新DNA存储算法,将10幅精选敦煌壁画存入DNA中,通过加速老化实验验证,壁画信息在实验室常温下可保存千年,在9.4℃下可保存两万年。该算法支持DNA分子成为世界上最可靠的数据存储介质之一,可以让面临老化破损危机的人类文化遗产信息保存千年万年。该成果近日发表于国际期刊《自然·通讯》上。

  人类文明的发展与存储技术密切相关,随着科学技术的进步,数据存储方式不断迭代创新。中国科学院院士、天津大学元英进教授团队一直致力于下一代存储技术——DNA存储的研发。

  “据国际数据公司估计,到2025年全球数据总量将达到惊人的175ZB(1ZB约为1021字节)。全世界都在建数据中心,数据中心的能耗是惊人的。DNA存储由于其高存储密度与低能耗处理等特点,被视为一种极具潜力的存储技术,成为应对数据存储增长挑战的新机遇。”元英进说。

  2021年8月,元英进团队取得DNA存储研究的重大突破。该团队从头编码设计合成了一条长度为254886碱基对、专用于数据存储的酵母人工染色体,将两张经典图片和一段视频存储于人造染色体中,利用酵母繁殖实现了数据稳定复制,并用纳米孔测序器件实现了数据快速读出与无错恢复。

  DNA存储高效低耗,但作为一种链式生物大分子,在体外常温保存时会面临DNA断裂降解等风险,严重影响信息存储的长期可靠性,是亟待解决的关键科学问题。对此,元英进团队设计了基于德布莱英图理论的序列重建算法来解决DNA断裂等问题。该算法结合贪婪路径搜索和循环冗余校验码来实现断裂DNA片段的高效从头组装,从原理上支持了DNA存储的长期可靠性。

  结合该序列重建算法(内码)与喷泉码算法(外码),团队设计编码了6.8MB(兆字节)敦煌壁画,合成了承载图片信息的DNA片段21万条。为保证数据的长期可靠性,团队制备了一个没有任何特殊保护的DNA水溶液样本,并在70℃下加速样本断裂、降解长达10周。处理后的DNA片段80%以上都发生了断裂错误,依靠设计的序列重建算法依然可以准确组装并解码96.4%以上的片段,再通过喷泉码解决少量片段丢失的问题,原始的敦煌壁画图片依然能够完美恢复。根据理论推算,这种程度的高温破坏相当于实验室常温25℃一千年或者9.4℃两万年的自然保存。

  这是继基于人工合成染色体的酵母体内信息存储模式取得突破后,天津大学合成生物学团队在DNA信息体外存储模式上取得的又一重要成果。