浅析Microsoft DNA存储

数据存储

摘要
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。

正文

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