數(shù)據(jù)爆炸的時代DNA存儲真的有未來

-9-數(shù)據(jù)爆炸的時代，DNA存儲真的有未來？盡管部分技術(shù)還不成熟，但這是一個重大突破。擁有足夠的數(shù)據(jù)中心存儲空間已經(jīng)成為一個gamechanger。但是，將像DNA這樣豐富的東西作為一種可行的存儲和計算介質(zhì)的意義可能會超出我們的想象。

全球每年產(chǎn)生的數(shù)據(jù)需要4180億個1TB硬盤才能放下，若是把如此浩大的數(shù)據(jù)放到DNA上，只需1kgDNA就夠了！DNA存儲才是將來！

幾年前，甚至討論人員也不愿使用DNA來存儲數(shù)據(jù)，由于這看起來過于科幻，并沒有任何有用價值。今日，我們可以使用正確的軟件和生物化學模塊擴展PostgreSQL，并在DNA上運行SQL。

在這個數(shù)據(jù)爆炸的時代，全球的數(shù)據(jù)不僅遠遠超過我們理解數(shù)字的力量（比如你知道Zettabytes是多少嗎？）更超過了我們的儲存力量。

一切都是數(shù)字化的，一切都越來越多地運行在基于數(shù)據(jù)訓(xùn)練算法的應(yīng)用程序上，而這些算法反過來會產(chǎn)生更多的數(shù)據(jù)來為更多的下游應(yīng)用程序和算法供應(yīng)信息。你懂了吧？

簡潔地說，根據(jù)這種速度，很快就沒有足夠的數(shù)據(jù)存儲和計算材料可供使用。這就是為什么人們現(xiàn)在已經(jīng)開頭查找替代的數(shù)據(jù)存儲介質(zhì)的緣由。使用DNA來存儲數(shù)據(jù)，這聽起來很驚奇，實際上很有意義?，F(xiàn)在，討論人員取得了突破，使他們能夠?qū)NA存儲整合到流行的開源數(shù)據(jù)庫PostgreSQL中。

DNA是如何儲存數(shù)據(jù)的？

DNA的核心是數(shù)據(jù)存儲層。DNA由四種堿基組成：腺嘌呤、鳥嘌呤、胞嘧啶和胸腺嘧啶（又名AGCT）。從這四個堿基中，DNA形成由三個核苷酸組成的基團（稱為密碼子）。密碼子是給我們的細胞指示蛋白質(zhì)形成的單位。

我們的信息技術(shù)基礎(chǔ)設(shè)施基于以位（bits）為單位的信息存儲（由兩位數(shù)字組成：0和1），而DNA信息存儲在四個潛在基本單元的串中。為了將非遺傳信息存儲在DNA中，我們必需首先將二進制數(shù)據(jù)從位轉(zhuǎn)換為DNA數(shù)據(jù)（AGCT）結(jié)構(gòu)。

將Bits轉(zhuǎn)換為DNA序列

理論部分實際上相當簡潔。與使用硅或磁性介質(zhì)（它們的工作原理是將狀態(tài)存儲為1和0的序列）相同，存儲A、G、C和T的序列。但是，這在實踐中是如何工作的呢？如何在DNA中寫入和讀取數(shù)據(jù)呢？

這聽起來可能有點遙不行及，但分子技術(shù)的進步已經(jīng)使它成為可行盡管并不完善。

例如，微軟展現(xiàn)了世界上第一個自動DNA數(shù)據(jù)存儲和檢索系統(tǒng)。假如你想知道這個DNA來自哪里：這是合成DNA，產(chǎn)生它的是系統(tǒng)的一部分。

自然?存在的DNA由兩條核苷酸鏈的雙螺旋的形式構(gòu)成。相反，用于數(shù)據(jù)存儲的DNA是單鏈核苷酸序列，也稱為寡核苷酸（oligo），它通過化學過程合成，該化學過程一次構(gòu)建一個核苷酸。

使用DNA在現(xiàn)實世界中存儲數(shù)據(jù)

倫敦帝國理工學院SCALE試驗室負責人Heinis和Eurecom數(shù)據(jù)科學系助理教授Appuswamy在創(chuàng)新數(shù)據(jù)系統(tǒng)討論會議上發(fā)表了題為"OligoArchive:UsingDNAintheDBMSstoragehierarchy'的討論論文。雖然他們不是第一個使用DNA存儲和檢索數(shù)據(jù)的人，但他們是第一個使用結(jié)構(gòu)化數(shù)據(jù)、與現(xiàn)成的數(shù)據(jù)庫集成、并超越存儲、實現(xiàn)計算的人。

關(guān)于DNA作為數(shù)據(jù)存儲層的第一件事是，每次執(zhí)行寫操作時，都必需合成寡核苷酸。這將如何在實踐中發(fā)揮作用？試驗室技術(shù)人員是否必需待命執(zhí)行此操作，并"重新填充'用于化學過程的原材料？

并非如此，依據(jù)Appuswamy和Heinis的說法，這是微軟通過其自動DNA存儲和檢索系統(tǒng)所證明的價值所在。這表明，在沒有人參加的狀況下操作這樣一個過程是可能的。就像除了維護，沒有人監(jiān)督數(shù)據(jù)中心的日常運作一樣，這同樣適用于基于DNA的數(shù)據(jù)中心。

盡管如此，我們還遠沒有用合成DNA陣列取代硬盤。首先，以這種方式存儲數(shù)據(jù)的現(xiàn)代技術(shù)特別緩慢。剛開頭，科學家們花了一周時間來存儲一兆字節(jié)的數(shù)據(jù)。

Appuswamy和Heinis全都認為，在這方面還需要更多的工作。但這超出了他們自己的討論范圍，所以只能等待生化合成過程進一步提高。

首先，他們留意到存儲速度已經(jīng)越來越快，目前速度是每秒幾KB。雖然與SSD相比，這仍舊特別緩慢，但這是一個很大的進步。對于Appuswamy和Heinis的討論（即歸檔存儲），這實際上是可以接受的。

數(shù)據(jù)庫引擎使用三層存儲層次結(jié)構(gòu)，由具有不同價格/性能特性的設(shè)備組成。性能層存儲高性能OLTP和實時分析應(yīng)用程序訪問的數(shù)據(jù)。

容量層存儲由延遲不敏感（latency-insensitive）的批分析應(yīng)用程序訪問的數(shù)據(jù)。歸檔層用于存儲很少訪問的數(shù)據(jù)，例如，在平安合規(guī)性檢查或法律審計期間。今日磁帶通常用于這一層。

OligoArchive通過將基于磁帶的歸檔層替換為基于DNA的歸檔層來轉(zhuǎn)變數(shù)據(jù)庫存儲層次結(jié)構(gòu)。合成DNA的存儲需要額外的措施，對于一般的設(shè)備來說，基于DNA的存儲是否有效還值得懷疑。但無論如何，數(shù)據(jù)和數(shù)據(jù)庫都將進入云端，只要你的數(shù)據(jù)平安地存儲在數(shù)據(jù)中心，對終端用戶來說，這都是一個黑匣子。

在DNA上運行SQL

Appuswamy和Heinis還指出，即使它仍舊很慢，DNA存儲供應(yīng)了很大的并行處理潛力。由于它很豐富、價格低廉-或者更準確地說，我們盼望它最終會是這樣。根據(jù)目前的速度，存儲一分鐘的高質(zhì)量立體聲將花費100,000美元。

盡管使用合成DNA進行大規(guī)模存儲仍舊過于昂貴，但Appuswamy和Heinis表示，他們估計成本會下降，這是包括存儲技術(shù)在內(nèi)的每一項科技突破的典型方式。

假如合成寡核苷酸在經(jīng)濟上變得可行，那么擁有大量的合成寡核苷酸將是一個合理的預(yù)期。這意味著很多DNA存儲單元可以并行運行的巨大潛力。雖然不是每種算法的每一個方面都是可并行的，但對于那些算法來說，可以實現(xiàn)極大地加速。這就把我們帶到了一個關(guān)鍵點。

直到今日，DNA始終被用于存儲非結(jié)構(gòu)化文件，無論是文本還是視頻，或者其他什么。Appuswamy和Heinis所做的是將DNA存儲整合到關(guān)系數(shù)據(jù)庫中。他們采納了標準數(shù)據(jù)庫基準測試TPC-H中包含的數(shù)據(jù)和查詢，并在PostgreSQL實例上運行了TPC-H。不是串行訪問，而是隨便選擇數(shù)據(jù)。

使用后端的DNA在數(shù)據(jù)庫系統(tǒng)中存儲結(jié)構(gòu)化數(shù)據(jù)，并通過SQL查詢，這在今日已成為現(xiàn)實

討論人員為PostgreSQL構(gòu)建了歸檔和恢復(fù)工具（pg_oligo_dump和pg_oligo_restore），對DNA上的關(guān)系數(shù)據(jù)執(zhí)行模式感知編碼和解碼，并使用這些工具將12KBTPC-H數(shù)據(jù)庫歸檔到DNA，執(zhí)行in-vitro計算，以及再次恢復(fù)它。

這是巨大的。這意味著現(xiàn)在DNA存儲還可以支持SQL操作，來有選擇地訪問和處理部分數(shù)據(jù)。請留意，數(shù)據(jù)不會被提取到數(shù)據(jù)庫來執(zhí)行操作。Appuswamy和Heinis找到了一種方法來處理寡核苷酸中的SQL連接。這超出了生化儲存的范圍它還需要生物化學計算。

然而，要做到這一點，討論人員必需處理一系列與用于編碼和解碼DNA信息的技術(shù)缺陷有關(guān)的問題。對DNA進行操作需要特地的編碼技術(shù)，這些技術(shù)可以產(chǎn)生適合生化操作的寡核苷酸。讀取DNA數(shù)據(jù)目前特別簡單出錯，以前的工作依靠于數(shù)據(jù)過度表示（over-representation）：數(shù)據(jù)被寫在很多副本中，因此假如原始數(shù)據(jù)被破壞，備份還在。

相比之下，Appuswamy和Heinis依靠于元數(shù)據(jù)。他們利用數(shù)據(jù)庫模式感知，在編寫的塊中添加一些額外的數(shù)據(jù)位。討論表明，這可以在編碼（寫入）過程中提高密度，并有助于在解碼（讀?。┻^程中識別錯誤。他們留意到這比預(yù)期效果更好。

DNA是數(shù)據(jù)的將來嗎？

盡管部分技術(shù)還不成熟，但這是一個重大突破。擁有足夠的數(shù)據(jù)中心存儲空間已經(jīng)成為一個gamechanger。但是，將像DNA這樣豐富的東西作為一種可行的存儲和計算介質(zhì)的意義可能會超出我們的想象。

這可能只是朝這個方向邁出的第一步，但每一個旅程都從第一步開頭，Appuswamy和Heinis并不是獨行者。

Eurecom，CNRS，ICL，UCA以及DNA合成初創(chuàng)企業(yè)Helixworks已獲得歐盟資助，以進一步開展DNA儲存討論。該系統(tǒng)將被設(shè)計成支持數(shù)據(jù)編碼的全自動循環(huán)，將其合成為DNA，并通過序列讀取數(shù)據(jù)。它將存儲各種不同的數(shù)據(jù)類型，并在存儲和精確檢索數(shù)據(jù)時實現(xiàn)近距離數(shù)據(jù)處理。

將數(shù)據(jù)存儲在DNA中的進一步討論將由歐盟資助

App