[发明专利]一种DNA数据存储编码方法

说明书

本发明公开了一种DNA数据存储编码方法，方法首先将无理数转换为二进制密钥字符串后，将二进制信息原文与二进制密钥进行逻辑运算得到二进制密文信息，最后将二进制密文信息逐两位进行转换形成存储的DNA序列。二进制密钥字符串转换方法可以采用将十进制无理数直接转换为二进制后去掉小数点或是将十进制无理数去掉小数点后将各数字位上的奇数变为1，偶数变为0等方法。采用本发明的DNA数据存储编码方法，能够克服DNA序列生成过程中易产生较多重复序列从而无法应用的缺陷，且加密后被破解的可能性较小，从而发挥出DNA数字存储的巨大优势。

技术领域

本发明公开了一种使用生物遗传信息DNA进行数据存储的编码方法，属于生物技术与信息技术领域。

背景技术

人类的文字、声音、影像等信息有多种存储载体，如古代的甲骨、石刻、丝绸、羊皮、竹简、纸张；现代的唱片、磁带、软盘、光盘、硬盘等。上个世纪五十年代，DNA(脱氧核糖核酸)作为生物的遗传信息载体被科学家证实，与普通信息存储载体相比，DNA在数据存储方面有其独有的天然优势：存储密度高，1克DNA可以保存世界上的所有书籍内容；存储稳定且时间久，能够达到几万年到几百万年；携带方便，能够由细菌或者生物体内生物携带或置于容器长期保存等。

DNA是重要的遗传物质载体，是自然界生物通过数十亿年进化而产生的一种线形或环形的双螺旋生物大分子，其结构为两条链状的互补互为备份的碱基。纸张等传统信息载体主要用图形文字等来表示，光盘等信息载体使用二进制电信号0/1来表示，而DNA则是用A/T/G/C四个碱基依次排列实现，不同的序列代表不同的信息，相当于是四进制。

一般在生物体的DNA中，A/T/G/C碱基的分布和比例需要均匀并且尽量减少大段的重复，因此利用DNA作为信息载体有其特殊的要求。由于电信号与磁信号的0和1分别使用是否通电或者不同磁极方向来实现，重复序列对信息的保存和复制等都没有影响；然而DNA中的复制是通过生物学机制进行的，大段的重复序列，无论是单一碱基的重复(如连续100个A)，还是一定长度的重复(如连续100个ACTT)，都会导致后续重组或者错配等错误，严重影响DNA的信息保存。

二进制原始信息可以按照每两位生成一个A/T/G/C碱基的方式来获得一串DNA序列，然后通过化学合成和PCR的方式合成出该序列的DNA实物来存贮信息。但是，由于绝大多数的信息经常会有大段的重复。如果不能够对其进行一定的编码转换，那么生成的DNA序列中将会有很多重复的片段，从而使得这些DNA序列在生物学上极难实现DNA分子的合成和复制。目前DNA的序列合成和序列测定在技术上已经非常成熟，相关成本进一步大幅度降低，因此迫切需要解决以上DNA数据存储的应用障碍，广泛推广DNA数字存储方法。

发明内容

发明要解决的技术问题

为解决现有二进制原始信息在DNA存储时会产生较多重复序列的问题，本发明提出一种DNA数据存储编码方法。

技术方案

为解决上述技术问题，本发明采用以下技术方案：

一种DNA数据存储编码方法，包含以下步骤：

步骤1，将无理数转换为二进制密钥字符串；

步骤2，将二进制信息原文与步骤1所得到的二进制密钥字符串按位进行逻辑运算，得到二进制密文信息；

步骤3，将步骤2所得到的二进制密文信息的逐两位依次进行转换，将00，01，10，11四种组合转换为A/T/G/C四种DNA碱基，形成DNA序列。

进一步地，步骤1中的二进制密钥字符串的转换方法为：将十进制无理数直接转换为二进制后去掉小数点，或者采用将十进制无理数去掉小数点后将各数字位上的奇数变为1，偶数变为0。

进一步地，步骤2中的逻辑运算采用异或运算或非运算的方法。

有益效果