[论文解读] Natural Data Storage: A Review on sending Information from now to then via Nature

Dixita Limbachiya, Manish K. Gupta|arXiv (Cornell University)|May 19, 2015

Genetics, Bioinformatics, and Biomedical Research被引用 13

一句话总结

本文综述了利用DNA、细菌和蛋白质作为长期、稳定且能效高的传统数字存储替代方案的自然数据存储技术。文章强调了DNA在高密度存储和纠错能力方面的优势，成功实验实现了100%的数据检索准确率，并概述了编码、访问速度和可扩展性方面的挑战。

ABSTRACT

Digital data explosion drives a demand for robust and reliable data storage medium. Development of better digital storage device to accumulate Zetta bytes (1 ZB = $10^{21}$ bytes ) of data that will be generated in near future is a big challenge. Looking at limitations of present day digital storage devices, it will soon be a big challenge for data scientists to provide reliable. affordable and dense storage medium. As an alternative, researcher used natural medium of storage like DNA, bacteria and protein as information storage systems. This article discuss DNA based information storage system in detail along with an overview about bacterial and protein data storage systems.

研究动机与目标

• 应对存储艾字节级数字数据日益增长的挑战，提供能效高、耐久且可扩展的解决方案。
• 探索DNA、细菌和蛋白质等天然生物系统作为长期数据存储可行介质的潜力。
• 评估生物存储系统在可行性、编码方法和技术挑战方面的表现。
• 识别在编码算法、数据检索速度和系统可扩展性方面存在的关键研究空白，以实现商业化可行性。

提出的方法

• 通过使用基四编码（例如，00→AT，11→CG）将数字数据编码为核苷酸序列，将DNA用作存储介质，实现每字节4个碱基对。
• 实施纠错码和生物修复机制，以确保长期存储期间的数据完整性。
• 提出一种分子存储架构，采用物理腔室实现DNA的写入与读取，利用电场梯度实现数据迁移。
• 应用合成生物学技术，将数据嵌入非编码区或编码区DNA中，并在细菌（如支原体）的合成染色体中实现数据存储。
• 通过将二进制数据映射到蛋白质状态（例如，暗-亮、绿-红）来研究基于蛋白质的存储，以模拟二进制编码。
• 利用现有的分子生物学工具——DNA合成、测序和微流控系统——实现数据的写入与检索。

实验结果

研究问题

• RQ1 DNA能否作为可靠、高密度且耐久的归档存储介质，用于存储艾字节级数据？
• RQ2 在DNA和细菌等生物系统中存储数据时，编码、检索和随机访问面临哪些关键挑战？
• RQ3 如何利用天然生物系统中的纠错和自修复机制，实现稳健的数据存储？
• RQ4 在可扩展性、安全性和数据访问速度方面，细菌和蛋白质基数据存储存在哪些实际限制？
• RQ5 合成生物学在多大程度上能够实现可编程、可重写且可自我复制的生物存储设备？

主要发现

• 在极端条件下，基于DNA的存储实现了100%的数据检索准确率，证明其在归档应用中具有高度可靠性。
• 一克DNA可存储高达490 EB（艾字节）的数据，凸显其卓越的存储密度。
• 细菌系统每克可存储最多4,502,000 GB的数据，利用其自我复制和高复制率实现数据持久性。
• 蛋白质基存储仍处于初步探索阶段，但通过颜色状态编码（如暗-亮、绿-红）实现二进制数据编码展现出潜力。
• 当前DNA存储的数据访问速度较低（12 kbit/s），尽管理论容量极高，但实用性受限。
• 合成生物学已成功构建一种嵌入水印数据的自复制细菌细胞，证明了生物数据存储的可行性。