[发明专利]存有数据信息的DNA序列的处理方法及装置

说明书

本申请涉及生物信息技术领域，尤其涉及一种存有数据信息的DNA序列的处理方法及装置。所述方法包括：获取待压缩的DNA序列，DNA序列是根据待存储的数据信息转换所得，DNA序列包括M个碱基重复片段；根据预设的重复次数与基准碱基组之间的对应关系，对DNA序列进行编码，得到压缩序列，压缩序列包括M个编码片段，M个碱基重复片段与M个编码片段一一对应；对压缩序列进行拆分，得到解码序列和信息序列，解码序列包括M个编码片段中的基准碱基组，信息序列包括压缩序列除基准碱基组以外的其他碱基单元和标记物。本申请提供的方法，能够提升DNA数据存储信息的信息编码密度及数据安全性。

技术领域

本申请涉及生物信息技术领域，特别是属于DNA信息存储技术领域，更具体地涉及一种存有数据信息的DNA序列的处理方法及装置。

背景技术

随着互联网及人工智能大数据的发展，人类社会每天产生的数据里量呈爆炸式的增长。互联网数据中心(Internet Data Center，IDC)预测，截止到2020年，世界范围内的数据总量将达到44ZB(44×1012GB)。传统的存储介质比如磁带、光盘、硬盘等耗电量高，存储周期短，成本高；同时，用于信息存储的硅资源储量急剧枯竭，因此，寻找硅基存储的替代物，实现低成本、高效稳定且长期的数据存储对于目前信息社会的高速发展尤为重要。

脱氧核糖核酸(DeoxyriboNucleic Acid，DNA)是由脱氧核苷酸组成的大分子聚合物，其中，脱氧核苷酸由碱基、脱氧核糖和磷酸构成。构成脱氧核苷酸的碱基包括4种，分别为腺嘌呤(A)、鸟嘌呤(G)、胸腺嘧啶(T)和胞嘧啶(C)。基于DNA的数据存储技术是利用上述四种碱基序列来表示二进制“0”和“1”组成的数据系列。相比较于传统存储介质，DNA数据存储具有存储密度高，存储时间久，维护成本低，生物相容性好的特点。据理论推算，1gDNA能够实现455EB的数据存储，比传统介质提高6-7个数量级。DNA同时能够稳定存储数据千年以上，同时在维护资源，比如占地、电力等方面要求非常低。由于DNA本身是自然界的遗传物质，DNA存储数据还能放入动植物微生物细胞中，实现代代相传的永久数据存储。

DNA数据存储流程通常包含以下步骤：(1)根据二进制与碱基A、T、C、G之间的预设对应关系，将二进制数据信息转换为由碱基A、T、C、G编码形成的、存储有数据信息的DNA序列；(2)采用高通量DNA合成仪，结合酶拼接技术，合成上述存储有数据信息的DNA序列；(3)采用一代或者二代高通量测序仪对合成DNA序列进行测序；4)根据预设对应关系，将A/T/C/G形成的DNA序列转换为二进制数据信息。该方法中，步骤(1)中，将二进制信息转换为DNA序列的过程中，由于二级制中存储的信息由转换后的DNA序列承载，因此，转换后的DNA序列中碱基数量的多少直接关系到步骤(2)中DNA序列的合成数量以及整个DNA数据存储的存储密度。在二进制数据信息大小既定的情况下，DNA序列的碱基数量越多，单个碱基平均承载的数据信息越小，DNA数据存储的存储密度越小；相反，DNA序列的碱基数量越少，单个碱基平均承载的数据信息越多，DNA数据存储的存储密度越大。目前，已经报道的方法，将二进制0/1信息转换到A/T/C/G的DNA序列信息后，能够实现2bits/nt(bits/nt表示：位/个碱基或比特/个碱基)的数据存储密度，但对于更高的数据存储密度，尚未有报道。

发明内容

本申请的目的在于提供一种存有数据信息的DNA序列的处理方法及装置，旨在解决现有的DNA数据存储技术的数据存储密度较小的问题。

为实现上述申请目的，本申请采用的技术方案如下：

第一方面，提供了一种存储有数据信息的DNA序列的处理方法，方法包括：

获取待压缩的DNA序列，DNA序列是根据待存储的数据信息转换所得，DNA序列包括M个碱基重复片段，每个碱基重复片段包括连续且重复的碱基单元，M≥1，M为整数；