在我們當前的信息/數據時代，數據的存儲和保護是任何企業極其重要的一部分。在全球范圍內，數字數據產生的程度早已超過了可用存儲量——無論數據存儲在何種媒介上。
顯然，由于云的靈活性和用戶的期望，它目前在存儲議程上占據了首位，然而，幾年前出現了一種相對較新的數據存儲方式，現在正呈現出一些非常不同的新視角。
我們指的是“DNA數據存儲”——對，是“DNA”，或者更正式的說法是脫氧核糖核酸。也就是說，這種存儲概念是將分子水平的數據存儲到DNA分子中，利用生物技術在合成、操作和測序DNA方面的進步，開發檔案庫存儲器。
接下來的幾段將對分子科學中元素的化學成分作一個非常基本的概述。你不一定需要成為生物化學家才能完全理解本節，但你可以很快看到這如何導致LOCO編碼結構和對DNA數據存儲至關重要的錯誤檢測特性。
術語“LOCO”，或在這種情況下D-LOCO（DNA-LOCO）意為字典序約束代碼，它們是“行代碼，可以減輕干擾，防止短脈沖，并通過‘平衡使用’產生具有直流（DC）驅動內容的雙極性信號流”。這些原理可以在磁記錄（MR）設備、閃存設備、光學記錄和某些計算機標準中找到。
一個針頭上有10TB的數據?
探索信息技術和分子生物學的交叉產生了一種可以在小于0.25 x 0.25英寸（0.0625平方英寸）空間的微小涂片空間中存儲超過10TB數據的科學方法。時間上相對較近的，是從美國理論物理學家理查德·P·費曼的論文（1959年12月）開始，他理論化了微觀層面上事物操作、制造和控制。
從編碼的角度來看，這種微/納米技術實踐可以追溯到1948年的工作，通過使用這種“約束代碼”增加數據密度，從而增加了MR（磁記錄）的存儲密度。這種做法至今仍在廣泛使用，減輕當今二維MR系統的干擾。
功能性人工物體
這種DNA儲存的科學仍然是實驗性的，是一個正在進行的得到世界各地的生物化學專家廣泛認可的編碼研究項目。
例如，華盛頓大學的分子信息系統實驗室（MISL）與華盛頓大學計算機科學系、電氣工程系和微軟研究院合作，匯集了具有計算機體系結構、編程語言、合成生物學和生物化學專業知識的教師、學生和研究科學家，使DNA作為一種高密度、持久和易于操作的存儲介質成為可能。
在歷史上，DNA數字數據存儲的想法始于1959年左右，當時費曼在加州理工學院舉行的美國物理學會年會上，在其論文《在底層有大量空間》概述了微觀世界和生物微觀世界的人工物體具有類似甚至更大的能力的前景。
另一本值得進一步理解的書是埃德·瑞吉斯（1996年4月）寫的《納米：納米技術的新興科學》。該書講述了K·埃里克·德雷克斯勒及其他科學家如何開創這一新興科學的扣人心弦的故事。
生化DNA和RNA
在功能方面，DNA數字數據存儲是一個對合成DNA鏈進行二進制數據編碼和解碼的過程。可以說，它的高存儲密度帶來了巨大的潛力，但由于其高成本和非常緩慢的讀寫時間，DNA數據存儲的實際使用（目前）“十分受限”。
在生物化學中，這個話題很深奧，遠遠超出了本文所介紹的細節。然而，構成DNA元素的基礎包括以下一些微生物概念和原則：
核苷由核堿基（作為遺傳密碼的基本單位）和五碳糖（核糖或2-脫氧核糖）組成。核堿基是構成核苷的含氮生物化合物，而核苷又是核苷酸的組成部分，所有這些單體都構成了核酸的基本結構單元。
核苷酸是“一種包括一個鏈接到一個磷酸基團的核苷的化合物”。核苷酸是核酸、RNA（核糖核酸）和DNA的分子結構單元，這兩者都是地球上所有生命形式中基本生物分子。DNA中使用的四種堿基是腺嘌呤（A）、胞嘧啶（C）、鳥嘌呤（G）和胸腺嘧啶（T）。在RNA中，尿嘧啶(U)取代了胸腺嘧啶(T)。
RNA是存在于大多數生物體和病毒中的一種分子。和DNA一樣，它也是由核苷酸組成的，核苷酸是附著在含氮堿基和磷酸基團上的核糖。這是一種存在于所有活細胞中的核酸，其結構與DNA相似。
在圖1中，RNA（左）和DNA（中）的構成存在于我們這個星球上的大多數生物體中，并對那些四進制數據元素（即一組或四元數據元素組，在這種情況下是“核堿基”）被用于DNA/RNA編碼存儲有重要的參考價值。CG含量在小圖（最右）中描述。
圖1 RNA（左）和DNA（中）的差異示意圖，右邊小圖為CG含量對。
從理論信息的角度來看，DNA鏈充當一種字母表{A、T、G、C}上四元數據的存儲介質。這里提到的“字母表”與上述生物化學描述中提到的DNA核堿基的4個成分一致，如圖1所示。
冷數據
DNA是能夠支持海量“冷數據”（即“歸檔”）存儲或不需要定期或連續訪問的信息存儲的下一代技術的一部分。合成DNA池被提議作為一種旨在存檔（長期）存儲用途的可能介質。通過使用編碼和數據處理，在DNA鏈發育的生化處理過程中可以防止錯誤。
為了長期存儲，所有的數據序列必須包含限量的相同符號以及A-T（腺嘌呤對胸腺嘧啶）和G-C（鳥嘌呤對胞嘧啶）核苷酸的平衡比（百分比）。這些組成被稱為“約束碼”，它們是一類非線性碼，通過適當的處理，可以從碼字集中消除一組選定的“禁止模式”。
前景和障礙
DNA數據存儲有巨大的信息密度、長期耐久性和易于復制性。不過，這種迷人的存儲技術中的信息也可能被崩潰。試驗表明，具有長均聚物和/或具有較低鳥嘌呤-胞嘧啶（即“GC含量”，見圖1）的DNA序列在進入DNA存儲時明顯更容易出錯。
鳥嘌呤-胞嘧啶含量是指鳥嘌呤（G）或胞嘧啶（C）DNA或RNA分子中含氮堿基的百分比。GC含量越高，解鏈溫度越高。GC含量在30% ~ 80%之間，以50% ~ 55%為理想；GC含量由于能量消耗而影響蛋白質的變化。RNA與DNA的簡要比較如圖2所示（藍色表示CG含量）。
圖2 RNA與DNA的簡要比較
了磁面密度或磁能波動如何與旋轉磁（硬）盤驅動器的讀取頭相關之外，人們可能從未意識到存儲中的復雜性；但是，如果我們要維持對數字數據不斷增長的渴望，存儲密度始終需要增加。
DNA數據存儲何時或是否變得突出仍然是未來的愿景，但它正在被Illumina、微軟、Iridia、 Twist Bioscience、Catalog和Thermo Fisher Scientific等公司所推動。根據Markets and Markets預測，到2030年，DNA數據存儲市場預計將從2024年的7600萬美元增長到33億美元，復合年增長率為87.7%。