[發明專利]一種基于調制編碼的DNA存儲方法

有效

• 申請號: 202110557918.6
• 申請日: 2021-05-21
• 公開（公告）號: CN113299347B
• 公開（公告）日: 2023-09-26
• 發明（設計）人: 劉文斌;昝鄉鎮;姚祥宇;李樹棟;許鵬;方剛;陳智華;石曉龍;鮑振申
• 申請（專利權）人: 廣州大學
• 主分類號: G16B50/00
• 分類號: G16B50/00;G16B30/10;H03M13/39
• 代理公司: 廣州嘉權專利商標事務所有限公司 44205
• 代理人: 黎揚鵬

本發明提供的一種基于調制編碼的DNA存儲方法，方法包括以下步驟：獲取調制碼，將計算機文件轉換為二進制字符串，根據調制碼將二進制字符串進行調制編碼，得到DNA存儲序列；將DNA存儲序列合成得到DNA分子序列，將DNA分子序列進行存儲；將存儲的DNA分子序列進行測序，得到DNA分子序列的讀長，根據調制碼對讀長進行糾錯，將糾錯后的DNA分子序列恢復得到計算機文件；方法在不同錯誤率下，增大測序深度，數據恢復率仍然呈上升趨勢，方法還能夠有效地減少數據存儲過程中的信息冗余，魯棒性高，可廣泛應用于系統生物學研究技術領域。

技術領域

本發明涉及系統生物學研究技術領域，尤其是一種基于調制編碼的DNA存儲方法。

背景技術

隨著云計算技術和大數據技術的發展，人類存儲數據的需求呈現出指數級增長的趨勢。據國際數據公司預測，2025年人類產生的數據總量將達到175ZB。海量數據的存儲需求對現如今的存儲技術(基于電磁學原理的光盤、硬盤等技術)，在維護成本、使用壽命和數據可靠性方面提出了嚴峻的挑戰。與此同時，攜帶有遺傳信息的DNA，因其具有高密度、低能耗、存儲壽命長等特點，逐漸引起了人們的重視。近年來，DNA存儲已經成為交叉學科領域研究的熱點問題。

盡管DNA存儲和傳統存儲技術相比有眾多優點，但DNA存儲本身受限于生化特性也面臨一些問題：1)DNA分子序列擴增不均勻會導致某些DNA序列丟失；2)DNA序列內部在合成和測序的時候存在堿基插入、缺失和替換錯誤。為了克服DNA存儲過程中面臨的上述問題，眾多糾錯的算法被提出來。但這些糾錯算法主要采用通信領域里的糾錯碼技術，例如BCH碼，RS碼，LDPC碼等等，通過增加冗余而實現。然而，這些糾錯技術，糾錯能力越強冗余率就越大，例如(255，47)BCH碼，可以糾正42個錯誤，即可以糾錯錯誤率為16％的碼字，但是冗余率為82％，采用四進制DNA編碼邏輯密度為0.36bit/nt。

發明內容

有鑒于此，為至少部分解決上述技術問題之一，本發明實施例目的在于提供一種基于調制編碼的DNA存儲方法，能夠實現能夠以無冗余、高魯棒性的方式存儲計算機數據。

本申請的技術方案提供了一種基于調制編碼的DNA存儲方法，其步驟包括：

獲取調制碼，將計算機文件轉換為二進制字符串，根據所述調制碼將所述二進制字符串進行調制編碼，得到DNA存儲序列；

將所述DNA存儲序列合成得到DNA分子序列，將所述DNA分子序列進行存儲；

將存儲的所述DNA分子序列進行測序，得到所述DNA分子序列的讀長，根據所述調制碼對所述讀長進行糾錯，將糾錯后的所述DNA分子序列恢復得到所述計算機文件。

在本申請方案的一種可行的實施例中，所述DNA存儲序列包括索引值部分和數據域；所述獲取調制碼，將計算機文件轉換為二進制字符串，根據所述調制碼將所述二進制字符串進行調制編碼，得到DNA存儲序列這一步驟，其包括：

根據所述數據域與所述索引值部分的數據長度的差值對所述二進制字符串進行分組，并構建得到二進制存儲序列；

生成所述調制碼的調制碼序列；

將所述調制碼序列以及所述二進制存儲序列進行堿基替換得到所述DNA存儲序列。

在本申請方案的一種可行的實施例中，所述調制碼序列包括若干調制單元，所述生成所述調制碼的調制碼序列這一步驟，其包括：

確定所述調制單元的長度，根據所述調制單元的長度以及預設的所述調制碼序列長度，將所述調制單元拼接得到所述調制碼序列。

在本申請方案的一種可行的實施例中，所述將存儲的所述DNA分子序列進行測序，得到所述DNA分子序列的讀長，根據所述調制碼對所述讀長進行糾錯，將糾錯后的所述DNA分子序列恢復得到所述計算機文件這一步驟，其包括：