一克DNA储存信息相当千亿张DVD光盘(2)

　　从二进制到碱基对编码

　　DNA是生物数据库，它的主要功能就是存储包含各种指令的生物信息。DNA有G(鸟嘌呤)、T(胸腺嘧啶)、A(腺嘌呤)、C(胞嘧啶)四种碱基，共同构成了相互缠绕的双链阶梯状的螺旋结构。通过这四种碱基不同顺序的编码，存储了生物所有的遗传信息。

　　现代计算机技术奠基者之一冯·诺依曼曾在 1948 年提出“自动复制机器”的设想：一个能够自我繁殖的系统，不仅能够构建某个组成元素，结构和自己一致的下一代，也能够把对自身的描述传递给下一代，如此往复。后来随着生物遗传的奥妙被发现，人们意识到，DNA 双螺旋结构正是冯·诺依曼描述的自动复制机器。

　　DNA里的四种碱基，两两互补成对。一个最短的DNA分子也有 4000个碱基对，可能的排列方式就有44000种。碱基对排列顺序千变万化，从而能够存储大量的遗传信息。

　　向活体DNA里写入数据，有诸多困难，细胞会死亡、分裂、变异，数据内容就会发生改变。

　　在本文开头提到的那项实验中，科学家们没有采用活细胞的基因组，而是采用了人工合成的DNA片段。他们用很多短的DNA序列而非长DNA序列来编码数据，这类似于硬盘写入的原理，在硬盘中，数据是被写入称为扇区的小硬盘块，这样能够降低写入和读取数据的困难和成本。科学家们将这种片段用喷墨打印机嵌入到微阵列芯片表面。接着，他们把计划写入 DNA的书里包含的信息：图片、文字、程序转化为HTML格式的文件，并将这些文件编译为由 0和1组成的电脑能够读懂的2进制数据。然后，他们将2进制数据转为四种碱基，把0转为A或 C，把1转成G或者T，并建立DNA链来维系这些编码的顺序和位置。每一个DNA片段还包含一个数字“条码”，记录它在原始文件中的位置，每个片段被合成多个拷贝以便有助于校正错误。编码完成后，这些芯片会在4摄氏度下保持三个月。

　　测序就是读取数据的过程：启用DNA测序装置，将所有DNA片断中的编码按照标记顺序排列，再还原成 2 进制格式的数据。每个 DNA 片断的每一个拷贝被测序高达3000次以便校对。利用这种方式，他们将5.27兆数据中的错误降低到只有12个。这种尺寸微小的存储设备，存储密度远远高于DVD、硬盘等介质，效果也毫不逊色。
推荐文章:北纬30 中国未解之谜 海洋动物 广西柳州食人鱼