anarchival几线品牌,“咖啡”存储数据？MIT团队把数据存到DNA里，体积小到能放手掌中
全球数据都能存在一个咖啡杯中？一杯星巴克中杯是 354 毫升，世界人口目前七十多亿，这能存的下吗？
答案是：理论上可以。
近日，麻省理工学院（MIT）科学家研发出一种新型 DNA 存储技术，该技术可从大规模数据库中检索和标记 DNA 数据文件，实现了将数据存储为 DNA 形式的可能。
图 | 相关论文（来源：Nature Materials ）
当地时间 6 月 10 日，相关论文发表在 Nature Materials 上，通讯作者是 MIT 生物工程学教授马克·巴斯（Mark Bathe）。
论文题为《在档案文件存储系统中使用布尔搜索的随机存取 DNA 存储器》（Random access DNA memory using Boolean search in an archival file storage system）。
这项研究意味着照片、音频、文档和其他文件都可存储为 DNA 的形式，有望彻底改变人类存储数据的方式。
据了解，当前全球大约有 10 万亿字节的数据，大部分数据存储在占地面积庞大的数据中心里。这些数据中心比足球场还大，光是建设和维护成本就得 10 亿美元。
以 DNA 形式储存数据的灵感来自于包含遗传信息的 DNA 分子，该团队认为 DNA 分子有望以极高密度去存储大量数据信息。马克·巴斯表示，理论上一个咖啡杯即可存储全球所有的数据。
图 | MIT 生物工程学教授马克·巴斯（Mark Bathe）（来源：MIT）
据悉，DNA 的密度是闪存的 1000 倍，一旦制造出 DNA 聚合物，它就不会消耗任何能量，把 DNA 写下来之后，即可进行永久存储。
图 | 以 DNA 形式存储数据文件的 *** （来源：MIT）
该团队表示，他们可将图像和文本页面编码为 DNA，但是要突破从众多 DNA 片段的混合物中挑选出所需文件，即检索功能的技术壁垒。
据悉，研究人员以 DNA 形式存储数据需要一种约 6 微米大的二氧化硅颗粒，然后把数据文件固定在二氧化硅颗粒中，接下来用短 DNA 序列对文件进行标记。
其中，每个颗粒都标有与文件内容相对应的单链 DNA 条形码。用这种 *** 能从最多 1020 张图像中准确提取出单个图像。
北京大学第三医院博士生导师、国家妇产疾病临床医学研究中心副主任李默告诉 DeepTech，这带来的好处非常显著，应用潜力也很巨大。
包括提高大规模数据存储的效率、节省公共资源、极大提升信息运输与流通速度等，还包括对诸多专业领域的促进，如以核酸为代表的生命科学在交叉学科的应用、机密信息的安全储备、以及环境保护等。
以 DNA 形式存储的数据，先到可以放在手掌里在数字化时代， 文本、照片或任何其他形式的信息，都是由 0 和 1 通过二进制编码而成的。类似的，我们也可将这些信息用四种核苷酸 A、T、C、G 编码为 DNA，例如把 G 和 C 表示为 0，A 和 T 表示为 1。
作为一种存储介质，DNA 具有高稳定性和高密度的优点，高稳定性意味着 DNA 的合成和测序比较容易，高密度指的是每个核苷酸只有两个比特大小，即大约 1 立方纳米。因此以 DNA 形式存储的数据，其体积之小甚至能放在手掌中。
但是，西湖大学特聘研究员郭天南告诉 DeepTech，目前 DNA 存储数据的访问速度尚远不及硬盘，数据读写成本较高，该成果的优势在于数据存储的稳定性，因此较适合于冷数据。
为了考察新 *** 的读取速度，MIT 团队将 20 个不同的图片编码到大约 3000 个核苷酸长的 DNA 片段中，大小相当于大约 100 个字节。
（来源：Nature Materials ）
这些图片包含猫、老虎、飞机和人物照等，因此研究人员给每张图都设置了相对应的条形码。
当提取特定图像时，首先需要移除 DNA 样本，然后添加与一定的标签，比如老虎照片对应的标签是 猫科动物橘色 和 野生，猫照片对应的标签是 猫橘色 和 家养。
图 | 测试用使用的图片（来源：Nature Materials ）
研究人员用荧光、或磁性颗粒来标记这些引物（primer），为的是方便从样本中取出、并识别对应的匹配物。这时，需要的文件就可以被删除，而剩下的 DNA 文件毫无损伤，并能被完整地放回原处。
该检索过程还支持布尔逻辑（Boolean algebra）搜索查询，比如从 总统和 18 世纪 可以搜出乔治?华盛顿的结果，和我们日常使用的百度搜索、谷歌搜索很相似。在概念验证阶段，搜索速度是每秒 1KB，搜索速度由每个胶囊的数据大小决定。
中国科学院生物学博士、助理研究员李雷告诉 DeepTech，事实上这等于提供了一种更加便捷的检索策略，使得我们在查找信息的时候，可以更加容易找到具体的信息点，而不是像过去那样通过 PCR（ polymerase chain reaction 聚合酶链反应）来在全 DNA 上进行搜索。换句话，这种新策略使得数据定位更加容易，可以针对性地提取信息。
另据悉，该团队使用哈佛医学院（Harvard Medical School）遗传学和医学教授史蒂芬?埃利奇（Stephen Elledge）开发的 10 万个序列中的单链 DNA 序列作为条形码，如果在每个文件上放置两个这样的标签，就可以唯一地标记 10^10 个不同的文件，也就是 100 亿。
这意味着，每个文件上有 4 个标签，就可以唯一地标记 10^20 个文件。故此，哈佛医学院遗传学教授乔治?丘奇（George Church）将该成果描述为 知识管理和搜索技术的巨大飞跃。
目前，该团队已成立一家名为 Cache DNA 的初创公司，该公司目前正在开发 DNA 长期存储技术，届时相关技术既能用于数据的长期存储，也可用于短期存储。
但是，该成果仍有可优化的空间。比如，这种新技术成本非常高昂，写 1PB 数据（100 万 GB）需要花费 1 万亿美元。
如果想比普通用于存储数据的磁带更具竞争力，该团队认为成本还需要降低约 6 个数量级。他们认为，这预计能在 10 年或 20 年内实现，因为过去几十年存储信息的成本一直在大幅下降。
另一个主要瓶颈，是这种技术难以从其他文件中挑选出想要的文件。假设成本问题已经解决，我们就能在 DNA 中写入 1EB 甚至 1ZB 数据，然而这时就有无数的文件、图像或电影和其他东西，要想找到目标文件简直就像大海捞针。
当下，人们通常使用 PCR 来检索 DNA 文件，每个 DNA 数据文件都包含一个与特定 PCR 引物结合的序列。要想提取特定文件，就得把该引物添加到样本中以查找和扩增所需序列。
然而，这种 *** 的一个缺点是引物和脱靶 DNA 序列之间可能存在串扰，导致不需要的文件被拉出。此外，PCR 检索过程需要酶，最终会消耗池中的大部分 DNA，因为所有其他 DNA 都没有被放大，这是能做的就是把它扔掉。
西湖大学特聘研究员郭天南告诉 DeepTech，这种新 *** 的优势主要在于克服了传统 *** 对 PCR 扩增的依赖，减小了 PCR 扩增中可能产生的技术噪音。并且，这种 *** 尽量减小对未读取数据的损害，即未读取的 DNA 可以有效回收并且再次按需读取。
针对 COVID-19 检测、人类基因组测序等，我们迫切需要低成本、大规模存储解决方案。如果 DNA 合成可以变得足够便宜，那么就能可以实现存储更大的文件。
图 | 将 DNA 质粒封装成二氧化硅和表面条形码编码（来源：Nature Materials ）
另据悉，该团队计划将这种 DNA 封装技术用于存储 冷 数据，即保存在档案中的不经常访问的数据。
对此李雷认为这主要是因为 DNA 存储技术不成熟，具体地说是 DNA 保存技术。DNA 很容易发生降解，除了会受到温度影响，化学因素比如储存 DNA 的溶液等都会致其发生降解，而一旦降解，这些物质就彻底成为杂乱无章的信息。此外反复访问同样会对 DNA 进行处理，最终导致 DNA 自身的不稳定。
李默认为，该技术的 数据检索 环节依赖于荧光激活分类，限制了数据检索及读取的速度与效率，因此该技术不适用于读取 热数据，即存储后被高频次访问的数据，并且读取速度较传统硬盘也不具备优势。但如日后能在这些环节有所突破，则将是另一次质的进步。
,咖啡缓存咖啡数据库去哪里找