这是一种永不过时的存储手段。
1895年，卢米埃尔兄弟公司（Lumiere Brothers）作为史上最早的制片公司之一，推出了全长只有50秒黑白无声电影短片《火车进站》。片中，一列火车缓缓驶入人头攒动的站台，被后世奉为划时代的标志。当时的一位观众描述称，这个例子有力地展现了“动态摄影”的魅力。时隔122年，《火车进站》又一次站到时代前沿，成为最早被存入DNA的影片之一。
纽约基因组中心和哥伦比亚大学的亚尼夫·埃利希（Yaniv Erlich）和迪娜·杰林斯基（Dina Zielinski）通过编码，将该影片存到了DNA里。同时被编入那著名的双螺旋结构的，还有一个计算机操作系统、一张照片、一份科学论文、一个计算机病毒，外加一张亚马逊礼品卡。
DNA是史上最强的存储媒介？
时下，一个1TB硬盘的重量大约有150克。而使用DNA，埃利希和杰林斯基可以在1克的DNA中，装下21.5万倍于此的数据。哪怕将全世界所有的数据都编入DNA，那也占不了多大地方，一个汽车后备箱就足够了。
用DNA存储信息并不是什么新奇之事：生命存在了多久，这个过程就进行了多久。这种分子的外形类似螺旋盘绕的楼梯，基本组成结构是四个碱基，分别为：腺嘌呤（A）、胞嘧啶（C）、鸟嘌呤（G）、胸腺嘧啶（T）。构建地球上所有生命的指令全都时通过这些碱基的排序编写出来来。只要能将数字数据中的0和1转化为这四个字母，你就能用DNA编码几乎任何东西。
为何科学家要多此一举，用DNA来存储数据？
因为它拥有其他存储介质所不具备的优势。
DNA不占空间，而且，只要是在干冷、黑暗的环境下，它就能够长久保存。
猛犸象早在几千年前就灭绝了，但我们照样能提取它们的DNA，并加以测序。最重要的是，它那37亿年的履历足以证明一切。木简、纸张、磁带、软盘、光盘、内存芯片……人类发明的每一种存储介质，最终都无法逃避过时的命运。但DNA永远不会过时。在生命活动中，它所扮演的角色如此重要，生物学家无论如何都不会弃之不顾。测序技术会持续改进，但测序工作用不会终止。
2011年，哈佛大学的乔治·彻奇（George Church）投身DNA存储领域。他在DNA内编入了他刚出版的新书、一些图片和一个用Javascript编写的程序。一年之后，欧洲生物信息研究所的尼克·戈德曼（Nick Goldman）和伊万·伯尼（Ewan Birney）使用了更加复杂的编码系统，在彻奇的研究基础上更进一步。他们编码的内容包括：莎士比亚的所有十四行诗，马丁·路德·金《我有一个梦想》演讲的录音片段，还有詹姆斯·沃森（James Watson）和弗朗西斯·克里克（Francis Crick）有关DNA双螺旋结构的论文（PDF版），还有他们研究所的一张照片，这些通通装进了一小点DNA里。而它究竟有多小呢？当初，这些DNA被装在试管里送来时，戈德曼都没找着。还以为试管是空的。
真的好用？
不过有一个问题：DNA编码只能小段小段地进行。若有一大批数据需要编码，你就得先分段合成，得到一大堆乱糟糟的DNA片段，再拼合起来。这就很难保证片段一个都不少，所以说，这样做存在丢失数据的风险。
为克服这个难题，戈德曼和伯尼创造了一种重叠式代码，每部分数据至少编写四份DNA。就算其中一份丢失，还有三份作为备份。方法不错，但效率欠佳，而且也并不是万无一失：团队在尝试恢复文件时，就遇到不少出错的情况。“当时我就想，一定还有比这更高效、更可靠的办法。”
巧合的是，Netflix和Spotify也面临相似的问题。这些流媒体服务提供商要让数据穿越波涛汹涌的网络，片段丢失的情况在所难免，但最后必须天衣无缝地进行恢复。解决办法是采用“喷泉码”，即将数据分割成一个个小包，并达到这样一种效果：即便只抓到一个随机子集，你也能恢复出整体数据。不论丢失的是哪些部分，只要抓到的小包数量够多，你就能重构出整个文件。埃里希将其比作大型数独游戏——你只要填出其中一些格子，就能推测出其他格子里的数字。
两人采用喷泉码，开发了一种新的解码器，效率较之前提高了60%，逼近DNA信息存储密度的上限。“我们离最优配置只有几步之遥。”埃里希说。
采用这个“DNA 喷泉码”系统，他们编码了这样一堆内容：影片《火车进站》、目前最小的计算机操作系统KolibriOS、先驱者10号和11号探测器发回的太空照片、一篇探讨特定介质最大信息存储量的科学论文，一个名为“压缩炸弹”（Zipbomb）的病毒，以及一张价值50美元的亚马逊礼品卡。
以上内容形成7.2万个DNA片段，经测序、解码，最后重组起来。其间有2000个片段丢失，但文件还是被完整复原了。
DNA存储还有另一个缺陷：测序过程会破坏DNA链，所以，读取次数越多，损耗就越严重，直至消失。“我女儿超喜欢《冰雪奇缘》。”埃里希说。“我们要是存了那首该死的《Let it Go》，那不出一个礼拜，我们的DNA就得消耗殆尽。”好在，DNA就是用来复制的，也很容易复制，所以，将一大堆DNA编码的数据备个份，并不算什么麻烦事儿。只是每次复制都可能引入错误：副本的副本很少有和原版完全一致的。但DNA喷泉码不同，它对错误有着极强的免疫力，在复制了十代之后，杰林斯基仍然得以将文件恢复如初。
“这项工作很不错，”伯尼说，它证明了，DNA存储“是经得起考验的”。他正和戈德曼一道，致力于开发改进版的编码方案，以期在不久的未来，能测试并发布这种方案。微软也对DNA的数据存储潜力抱有极大兴趣。去年7月，微软研究员卡琳·斯特劳斯（Karin Strauss）和华盛顿大学计算机科学家路易斯·恩里克·西斯（Luis Henrique Ceze）合作，在DNA中存储了200MB的数据，创下纪录。“我们对DNA存储的密度优势深信不疑。我们正努力改进存储性能与系统设计，使之更适合存储。”他们说。
还只有少数人玩得起
DNA存储要变成主流，就得进一步降价。当前，DNA测序还很昂贵，合成就更是价格不菲。2012年，伯尼和戈德曼的研究发布时，编码1MB的数据要耗费1.24万美元。如今，这个费用已降至3500美元。但即便成本持续压缩，DNA合成仍属于小众活动，只有专门服务研究实验室的少数几家机构承接。目前，全世界的DNA合成能力加起来，还不够编码1TB的数据。
但埃里希预计，在证明DNA是未来存储介质的过程中，这种状况会发生改变。“最早的硬盘需要四个人一起扛。”他说。“经过几十年的广泛研发，到现在，一个拇指大小的闪存就搞定了。我希望，通过改进方法，我们能让DNA存储的潜力得到充分发挥。”
翻译：雁行
来源：The Atlantic
造就：剧院式的线下演讲平台，发现最有创造力的思想
更多精彩内容及免费演讲门票，敬请关注：造就
1895年，卢米埃尔兄弟公司（Lumiere Brothers）作为史上最早的制片公司之一，推出了全长只有50秒黑白无声电影短片《火车进站》。片中，一列火车缓缓驶入人头攒动的站台，被后世奉为划时代的标志。当时的一位观众描述称，这个例子有力地展现了“动态摄影”的魅力。时隔122年，《火车进站》又一次站到时代前沿，成为最早被存入DNA的影片之一。
纽约基因组中心和哥伦比亚大学的亚尼夫·埃利希（Yaniv Erlich）和迪娜·杰林斯基（Dina Zielinski）通过编码，将该影片存到了DNA里。同时被编入那著名的双螺旋结构的，还有一个计算机操作系统、一张照片、一份科学论文、一个计算机病毒，外加一张亚马逊礼品卡。
DNA是史上最强的存储媒介？
时下，一个1TB硬盘的重量大约有150克。而使用DNA，埃利希和杰林斯基可以在1克的DNA中，装下21.5万倍于此的数据。哪怕将全世界所有的数据都编入DNA，那也占不了多大地方，一个汽车后备箱就足够了。
用DNA存储信息并不是什么新奇之事：生命存在了多久，这个过程就进行了多久。这种分子的外形类似螺旋盘绕的楼梯，基本组成结构是四个碱基，分别为：腺嘌呤（A）、胞嘧啶（C）、鸟嘌呤（G）、胸腺嘧啶（T）。构建地球上所有生命的指令全都时通过这些碱基的排序编写出来来。只要能将数字数据中的0和1转化为这四个字母，你就能用DNA编码几乎任何东西。
为何科学家要多此一举，用DNA来存储数据？
因为它拥有其他存储介质所不具备的优势。
DNA不占空间，而且，只要是在干冷、黑暗的环境下，它就能够长久保存。
猛犸象早在几千年前就灭绝了，但我们照样能提取它们的DNA，并加以测序。最重要的是，它那37亿年的履历足以证明一切。木简、纸张、磁带、软盘、光盘、内存芯片……人类发明的每一种存储介质，最终都无法逃避过时的命运。但DNA永远不会过时。在生命活动中，它所扮演的角色如此重要，生物学家无论如何都不会弃之不顾。测序技术会持续改进，但测序工作用不会终止。
2011年，哈佛大学的乔治·彻奇（George Church）投身DNA存储领域。他在DNA内编入了他刚出版的新书、一些图片和一个用Javascript编写的程序。一年之后，欧洲生物信息研究所的尼克·戈德曼（Nick Goldman）和伊万·伯尼（Ewan Birney）使用了更加复杂的编码系统，在彻奇的研究基础上更进一步。他们编码的内容包括：莎士比亚的所有十四行诗，马丁·路德·金《我有一个梦想》演讲的录音片段，还有詹姆斯·沃森（James Watson）和弗朗西斯·克里克（Francis Crick）有关DNA双螺旋结构的论文（PDF版），还有他们研究所的一张照片，这些通通装进了一小点DNA里。而它究竟有多小呢？当初，这些DNA被装在试管里送来时，戈德曼都没找着。还以为试管是空的。
真的好用？
不过有一个问题：DNA编码只能小段小段地进行。若有一大批数据需要编码，你就得先分段合成，得到一大堆乱糟糟的DNA片段，再拼合起来。这就很难保证片段一个都不少，所以说，这样做存在丢失数据的风险。
为克服这个难题，戈德曼和伯尼创造了一种重叠式代码，每部分数据至少编写四份DNA。就算其中一份丢失，还有三份作为备份。方法不错，但效率欠佳，而且也并不是万无一失：团队在尝试恢复文件时，就遇到不少出错的情况。“当时我就想，一定还有比这更高效、更可靠的办法。”
巧合的是，Netflix和Spotify也面临相似的问题。这些流媒体服务提供商要让数据穿越波涛汹涌的网络，片段丢失的情况在所难免，但最后必须天衣无缝地进行恢复。解决办法是采用“喷泉码”，即将数据分割成一个个小包，并达到这样一种效果：即便只抓到一个随机子集，你也能恢复出整体数据。不论丢失的是哪些部分，只要抓到的小包数量够多，你就能重构出整个文件。埃里希将其比作大型数独游戏——你只要填出其中一些格子，就能推测出其他格子里的数字。
两人采用喷泉码，开发了一种新的解码器，效率较之前提高了60%，逼近DNA信息存储密度的上限。“我们离最优配置只有几步之遥。”埃里希说。
采用这个“DNA 喷泉码”系统，他们编码了这样一堆内容：影片《火车进站》、目前最小的计算机操作系统KolibriOS、先驱者10号和11号探测器发回的太空照片、一篇探讨特定介质最大信息存储量的科学论文，一个名为“压缩炸弹”（Zipbomb）的病毒，以及一张价值50美元的亚马逊礼品卡。
以上内容形成7.2万个DNA片段，经测序、解码，最后重组起来。其间有2000个片段丢失，但文件还是被完整复原了。
DNA存储还有另一个缺陷：测序过程会破坏DNA链，所以，读取次数越多，损耗就越严重，直至消失。“我女儿超喜欢《冰雪奇缘》。”埃里希说。“我们要是存了那首该死的《Let it Go》，那不出一个礼拜，我们的DNA就得消耗殆尽。”好在，DNA就是用来复制的，也很容易复制，所以，将一大堆DNA编码的数据备个份，并不算什么麻烦事儿。只是每次复制都可能引入错误：副本的副本很少有和原版完全一致的。但DNA喷泉码不同，它对错误有着极强的免疫力，在复制了十代之后，杰林斯基仍然得以将文件恢复如初。
“这项工作很不错，”伯尼说，它证明了，DNA存储“是经得起考验的”。他正和戈德曼一道，致力于开发改进版的编码方案，以期在不久的未来，能测试并发布这种方案。微软也对DNA的数据存储潜力抱有极大兴趣。去年7月，微软研究员卡琳·斯特劳斯（Karin Strauss）和华盛顿大学计算机科学家路易斯·恩里克·西斯（Luis Henrique Ceze）合作，在DNA中存储了200MB的数据，创下纪录。“我们对DNA存储的密度优势深信不疑。我们正努力改进存储性能与系统设计，使之更适合存储。”他们说。
还只有少数人玩得起
DNA存储要变成主流，就得进一步降价。当前，DNA测序还很昂贵，合成就更是价格不菲。2012年，伯尼和戈德曼的研究发布时，编码1MB的数据要耗费1.24万美元。如今，这个费用已降至3500美元。但即便成本持续压缩，DNA合成仍属于小众活动，只有专门服务研究实验室的少数几家机构承接。目前，全世界的DNA合成能力加起来，还不够编码1TB的数据。
但埃里希预计，在证明DNA是未来存储介质的过程中，这种状况会发生改变。“最早的硬盘需要四个人一起扛。”他说。“经过几十年的广泛研发，到现在，一个拇指大小的闪存就搞定了。我希望，通过改进方法，我们能让DNA存储的潜力得到充分发挥。”
翻译：雁行
来源：The Atlantic
造就：剧院式的线下演讲平台，发现最有创造力的思想
更多精彩内容及免费演讲门票，敬请关注：造就
