希捷DNA片上实验室技术探索

希捷公司的DNA存储片上实验室技术，承诺在口香糖大小的DNA存储读取与写入器上，实现一倍、两倍甚至更高的DNA存储IO速率。

这项Catalog DNA存储技术的基础，是将二进制数据编码至四组分核碱基DNA双螺旋分子当中。Catalog使用约200个预先合成的DNA序列，即寡核甘酸，其长度约为30至40个碱基对，排列类似于字母表中的字母。这些碱基对连接起来，即可表达IT存储语言中的字节。各DNA序列经干燥处理后存储在颗粒内，信息密度可达到每克200 PB甚至更高，生命周期约为1000年。

要进行数据读取，需要对颗粒中的相应DNA粉末或薄片进行重新水化，而后进行测序以检测核碱基含量，最终恢复为二进制数据。整个过程涉及大量流体传输与处理，目前的研发主要基于现有微流体研究数据。该技术将液滴控制在飞升大小，即10−15升，也可计为普通公升的千万亿分之一。

希捷已经向媒体简要介绍了其片上实验室研究，以及与Catalog合作开发DNA存储技术的情况。希捷公司研究副总裁Ed Gage还专门介绍了其为何对DNA存储这一迥异于磁盘驱动器、且处于科学研究最前沿的技术抱有兴趣。

希捷公司研究副总裁Ed Gage表示，该公司一直努力打造能够存放全球数字数据的解决方案。目前的数据总规模已经增长至ZB级别，而DNA存储有望在极少量液体内存储TB级数据，并在扩展之后逐步实现EB乃至ZB级别的存储容量。

微软在去年12月发表的一篇论文中指出，“要存储9 ZB数据，需要数百万个磁盘盒（目前容量密度最大的商用存储介质），而如果存放在DNA内，则只需要占用一个小冰箱。”

换算下来，DNA存储的每立方英寸体积可容纳1 EB数据。

Gage还谈到了最初的愿景：“我认为最初的设计方案……在外观上应该类似于磁盘驱动器，就是那种很小很小的磁带盒，经过干燥处理之后已经没有流动性。它们可以存放在存储库内。我们还会在前端配备其他一些存储介质，有可能是磁盘驱动器，用以跟踪所有元数据。”

片上实验室的大小类似于M.2 2280口香糖NAND驱动器。Gage表示，“随着容量的扩展，其体积可能会变得更大。但目前来说它就是这么小巧。”

该方案可用于创建以二进制数据编码的DNA序列。目前，研究人员正努力寻求加快写入（创建DNA序列）和读取（执行DNA测序）过程的方法。

加快写入速度

希捷公司生化工程师Gemma Mendonsa介绍称，“我们基本就是在寻求能提高写入速度的化学方法，缩短将DNA片段组合起来的时间，目前的写入速度还非常慢……要实现实际应用，最终写入速度还得再提高几个数量级。”

Catalog的寡核苷酸概念指明了可能的前进道路。Gage指出，“我们并不是直接写入核苷酸，而是选择了一种几何级数的写法。我们相信这种写法能大大加快执行速度。”他还提到，这种方法又引出了衔接物（linker）库的概念——“使用衔接物库进行汇编，我们才能以几何方式构建，而非一次一个。”

Mendonsa解释道，“在传统的DNA合成化学中……用亚磷酰胺反应将一个核苷酸添加到一条DNA链内，大约需要两到三分钟……但如果能够制造出大量核苷酸或者寡核苷酸，那么写入速度就会快得多。所以整个写入过程，就是向包含大量相同序列的DNA库中存储不同序列的操作。之后在需要时将其取出，并以正确的顺序拼凑在一起。只要能做到这一点，我们就得到了长度为L的DNA链，而且一次能够组合10条。这样我们就有了一条长度为10L的线，再将10根线聚集在一起，就构成了长度100L的弦。”

再将10条弦组合起来，总长度就能达到1000L。但Gage认为这还不够，“我们还得再进一步，再提升1到2个数量级。”

微软DNA存储论文预计，DNA电化学阵列技术将使“合成吞吐量在单一写入模块中应该能达到每秒MB级别的写入速率”，相当于把目前2到3分钟写入1个字节再提升几个数量级。

液滴流通问题

这些DNA链将漂浮在片上实验室中飞升大小的液滴之内。Gage解释称，“我们还在投资研究液滴的流通问题。当对这么多液滴进行路由时，必须保证它们相互不会碰撞，否则液滴就会混合起来。这将是个非常复杂的流通难题，我们正在寻求解决办法。”

那片上实验室会不会引入液滴管道？Gage表示否认，称“液滴会在电极网格上移动并高速飞行。但要达到符合预期的速度，还有很多挑战需要解决，否则根本不可能在有限的时间内写入PB级别的数据。”

Mendonsa指出，“只要涉及液体处理，设备都会瞬间变得非常复杂。所以得想办法把液滴放置在片上实验室内，尽量避免使用输液管道和喷嘴之类的装置。”

与盒式磁带的读取方式类比

这里我们用盒式磁带作类比，理解整个读取过程。典型的磁带大家都熟悉，磁条往往有几百米长，一条条平行的数据磁道有着明确的起点和终点。

我们从颗粒中取出几片干燥的DNA并重新水合，这样就得到了漂浮在定量液体之上的DNA链，接下来就是进行读取以实现测序。按照盒式磁带的操作来讲，就像是把一条几百米长的色带剪成几百万条，然后把它们扔到一碗水里。但这个复杂度明显要比磁带机高得多，我们不可能拿着磁头幻想能轻松找到正确起点，再以正确顺序读取每个数据片段。

Mendonsa解释称，“关于这项技术，微软发表了不少研究论文。其他多所大学也在研究如何搜索存储在DNA内的数据，并提取出真正需要的部分。”

“DNA由两条交缠在一起的链组成，二者互为补充。所以可以想象，如果要从中提取特定的物质，比如想用特定的搜索词搜索某个文件，就得把它也编码成一段DNA。它会与任何能够匹配的部分交缠，接下来就能拉取出来。如果只需要几个文件，那没必要对整条链进行排序，只需要利用DNA的特性进行提取即可。”

原型设计

希捷公司已经打造出一款片上实验室原型，但整体系统架构仍在开发当中。例如，干燥环节应该在片上实验室进行，还是由单独的进程完成？此外还有污染的可能性，毕竟流体很可能会在组合过程中留下痕迹。

Mendonsa指出，“我们必须在片上实验室中避免污染问题，毕竟我们想要打造的可不是一次性存储设备，那样成本太过高昂。我们已经探索了多种不同的净化或清洁解决方案。我们可以使用这些解决方案来防止污染，或者在反应后进行清理。”

也许未来会出现机架式的DNA存储设备，它也会有相应的运行生命周期。这意味着片上实验室也得具备同样的稳定运行周期，而且装载充足的试剂以保证在整个周期内持续起效。

这无疑将是一项碗里多年的努力，涉及极为前沿的纳米级电化学阵列科学，而且还远远达不到现有NAND与DRAM半导体制造技术的水平。这种利用复杂生化反应、依靠静电移动飞升大小寡核苷酸液滴的尝试堪称前所未见，所以我们还要再多给希捷一些时间。