数据储存从“硅基到碳基”！《科学》：1克DNA可以存储2.15亿GB数据

把数字世界的0和1，变成生命世界的A、T、C、G，存进去一个操作系统，过段时间再读出来，还能完美启动。感觉就像你把《哈利·波特》全集刻在了细菌的基因里。

这篇发表在《Science》上的经典论文，讲的是用人的DNA来做数据存储。

但先不急着聊技术。

故事从另一个地方说起。

我们现在每天产生的数据，其实没有地方放。

说的是物理意义上的「地方」。

你手机里的照片存在闪存芯片上，你电脑里的文件存在硬盘里，你刷的视频存在云端服务器里。这些存储介质都有一个共同点：它们会坏。固态硬盘的寿命大概5-10年，机械硬盘大概3-5年，磁带大概20-30年。数据中心的硬盘平均每几年就要换一批。

我们所有的数字文明，都建立在一种极其脆弱的物理基础上。硅基存储器的保质期不是那么长。

那有没有一种存储介质，能撑个几百年几千年，信息密度还特别高？

有。DNA。

人的DNA理论存储密度是，每克DNA可以存215PB。PB是什么概念？1PB = 1024TB。4TB的移动硬盘，得五万多块才能凑够1克DNA的存储容量。你所有的人生照片、视频、聊天记录，加起来可能也就几十个GB，用DNA存的话，肉眼都看不见。

DNA很稳定。你把它冻在-20度，它稳定几百年。你把它埋在琥珀里，它能活几千万年。侏罗纪公园的设定不是瞎编的，蚊子吸了恐龙血被树脂包住，几千万年后科学家真的能从里面提取DNA片段，虽然拼不出恐龙就是了。

所以用DNA做数据存储，这个想法其实不算新鲜。

早在2012年和2013年，哈佛的George Church团队和欧洲生物信息学研究所的Nick Goldman团队就分别做过类似的事情。Church存了一本他写的书的电子版，Goldman存了莎士比亚的十四行诗和马丁·路德·金的演讲。

但是，这些早期尝试都有一个共同的问题：浪费。

你存1MB的数据，可能要合成好几MB的DNA。因为DNA合成和测序的过程中会有丢失、会有错误，你得用冗余来兜底。这就好比你要寄一封信，但邮递员可能会弄丢一半的信件，所以你只能把每封信复印十份同时寄出去。能收到，但是浪费纸。

前面这些研究，距离DNA存储的理论极限，每个核苷酸存2比特信息，普遍只实现了40%-60%的效率。

而这篇论文，把效率提升到了86%。接近理论极限。

核心思路其实特别巧妙。研究用了一种叫「喷泉码」的编码策略。

我用人话解释一下它有多聪明。

传统的DNA存储策略，是把文件切成很多小段，每段合成一条DNA链。读的时候把所有的DNA链都测序，然后拼回去。就像把一本书拆成很多页，每页复印好几份，然后寄出去。收件人把收到的所有页收集起来，拼成完整的书。

问题在于，你永远不知道哪些页会被弄丢。所以你必须每一页都复印很多份，才能保证所有页面至少有一份能到。但这也意味着，有些页你可能收到了十几份，很浪费。

喷泉码的思路反过来了。

不再提前把你的文件切成固定的页了。随机地生成无数的「水滴」，每一滴水都是一个随机组合的小数据包。收件人不需要收到特定的水滴，他只需要收到「足够多」的水滴，不管具体是哪一些。

就像喷泉喷水一样。你不用去接特定的某几滴水，你只要拿个杯子放在下面，接满就行。

这个思路很有意思了。因为意味着，我根本不用在乎哪些DNA链丢了。我只需要多生成5%-10%的冗余水滴，然后发出去。收件人随便测序一部分，只要数量够了，就能把整个文件还原出来。

研究做了两个特别的实验。

第一个实验，他们把数据量砍到只有75万条读取量，大约相当于Illumina测序仪上一个tile（一个小格子）的产出。正常情况下，测序仪有上百个这样的tile。他们只用了1%，相当于你想看一本书，但只收到了1%的页数。传统方案不行。

但 DNA Fountain的喷泉码，完美恢复。做了20次随机抽样，20次全部完美。

第二个实验更狠。

他们做了一个深拷贝实验。什么叫深拷贝？就是PCR扩增，DNA复制。他们把原始的DNA样本，做了9轮连续的PCR扩增。每一轮消耗一滴上一轮的产物，继续扩增。9轮之后，理论上他们可以从这3微克的原始DNA里，拷贝出2.28×10^15份拷贝，也就是2280万亿份。

这相当于你可以把一份数据，复制到难以置信的数量级，而每一份复制品都能完美解码出原始信息。

PCR是有误差的。每一次扩增都会引入突变、造成偏差、丢掉一些序列。9轮PCR之后，质量已经大幅下降了。在论文里，他们用了「substantially worse」这个词，明显更差了。

但解码器仍然完美恢复了全部数据。

信息不增不减。零错误。

我们平时备份数据，拷到移动硬盘里，硬盘坏了就没了。传到云上，云服务商的数据中心着火了或者被黑客攻击了，可能也没了。但DNA存储这个东西，理论上你只需要把一管粉末放在一个安全的地方，几百年后拿出来扩增一下，数据还在。

上一代父辈们的结婚照可能还洗出来放在相册里，翻了二十年边角都卷了但还能看。你的结婚照存在手机里、存在云端、存在一个不断升级换代的存储系统里。哪天你忘了密码，或者那个云服务商倒闭了，或者硬盘坏了，就没了。

数据时代的悖论是：我们制造了前所未有的数据量，却把这些数据存放在前所未有的脆弱载体上。

DNA存储现在当然还很贵。2024年合成DNA的成本大约是每个碱基0.1-0.5美元，存1MB数据的成本可能在几千美元级别。这篇论文里，他们合成了72000条寡核苷酸，每条152个碱基，当时的价格大概是几千美金。读的时候用的Illumina测序，也要几百美金。如今，合成1个碱基成本几毛钱，便宜了许多。

但这个方向很有希望。不是因为技术有多先进，而是因为它让我们意识到，其实在找一种能把信息刻进物质本身的方式。不是刻在硅片上，不是刻在磁盘上，而是刻在分子里。刻在生命的基本单位里。只要生命还存在，这些信息就还存在。

就像你刻在石头上的字，比写在纸上的字活得更久。那刻在DNA里的信息呢？它可能比文明本身活得更久。

这篇论文里有一段话特别喜欢。他们在讨论信息容量的时候，用了一个词叫「Shannon information capacity」。香农信息容量，这是信息论里最基础的概念之一。

研究在干什么？他们把生命DNA看作一个通信信道。

把生命看作一个可以传输和存储信息的物理系统。

它不是「生物技术」，它是「信息技术的生物实现」。

一直在想一个问题：

很久很久很久后，如果我们的文明消失了，外星人或者未来的智慧生物挖到了我们的硬盘，他们什么都读不出来，因为接口早就淘汰了，介质早就退磁了。

但如果他们挖到了一管冷冻的DNA粉末，然后测序，解码他们可能看到一个操作系统的启动画面。

这个画面，就是我们在这个星球上存在过的证据之一。