一种用于DNA存储的虚拟多层目录文件寻址方法（VMDFAM）

《Future Generation Computer Systems》：A virtual multi-level directory file addressing method (VMDFAM) for DNA storage

DNA存储中的虚拟多级目录文件寻址方法（VMDFAM）通过调制架构将文件路径信息嵌入二进制载体，解决逻辑密度低、结构僵化及引物-负载串扰问题。实验表明其地址空间达235，存储容量32PB，逻辑密度0.72bits/nt，可容忍15%读写错误，且经湿实验室验证有效。

　　随着DNA存储技术的不断发展，其存储容量正逐步扩大，这使得高效的文件组织和访问机制成为亟需解决的关键问题。传统的DNA存储架构研究主要集中在随机文件访问，通过分层引物寻址方案实现高保真度的数据检索。然而，这些方法往往忽略了文件层次结构的灵活逻辑表示、引物序列对逻辑密度的影响以及引物与负载之间的串扰问题，这些问题限制了地址空间的扩展。因此，本文提出了一种基于调制DNA存储架构的虚拟多级目录文件寻址方法（VMDFAM），该方法通过预定义的调制码本，将文件地址——包括磁盘分区、多级目录和文件标识符——隐式地嵌入到二进制载体中。与以往的研究相比，VMDFAM具有更灵活的层次树结构，并且避免了DNA存储系统中常见的引物与负载之间的串扰问题。此外，该方法能够在不干扰负载编码区域的情况下保留负载编码区域，从而显著提升逻辑密度。理论分析表明，对于常见的DNA序列长度为200的情况，该方法可以实现高达2^35的地址空间，并且具备约32 petabytes（PB）的存储容量。可靠性分析进一步确认了该寻址机制能够容忍高达15%的读写错误，解决了DNA存储固有的易出错性问题。湿实验也验证了该方法在实际生化环境中的可行性。

DNA存储技术近年来取得了显著进展，特别是在编码、解码、安全性以及DNA操作方面。合成DNA以其高密度、长寿命和低维护成本，被认为是一种能够应对数据爆炸增长的潜在存储介质。在体外DNA存储中，文件通常通过许多自由漂浮在水溶液中的不同DNA分子进行存储，这些分子被称为寡核苷酸池。为了高效地组织和访问这些文件，当前的研究主要依赖于聚合酶链式反应（PCR）扩增所提供的特异性，将引物作为文件地址。引物不仅用于识别目标DNA序列，还能通过PCR扩增过程选择性地提取所需文件。在这一过程中，每个存储的文件（即负载）都被两个引物结合位点包围。当两个引物（正向引物和反向引物）被加入到寡核苷酸池中后，经过一轮或多轮PCR反应，可以提取出目标DNA序列。因此，当前的研究普遍认为，使用n个引物可以实现的地址空间大小为n/2。为了进一步扩大地址空间并实现高保真的文件访问，一些研究提出了嵌套引物架构的分层寻址方法。相比于传统的随机访问方式，这些方法通过最大限度地复用一组少量的引物，显著扩展了地址空间。假设每个DNA序列具有k个引物结合位点，那么对于n个引物，地址空间大小可达(n/k)^k。

然而，现有的引物寻址方法仍然面临诸多挑战。首先，逻辑密度较低，通常低于1.0 bits/nt，这导致DNA合成成本增加。随着嵌套层数的增加，负载区域会迅速缩小，进一步降低逻辑密度。例如，在四层嵌套结构中，逻辑密度可能低至0.2 bits/nt。此外，现有的研究低估了1.0 bits/nt的误差容忍冗余。目前，即使是最先进的纠错方法，其逻辑密度也低于0.5 bits/nt。因此，对于四层嵌套结构，逻辑密度远低于0.2 bits/nt。

其次，现有的方法在表示树状结构目录方面存在局限性。目录反映了文件之间的逻辑关系，是文件系统的重要组成部分，使用户能够高效地访问和管理存储的文件。虽然目前已有分层引物方法用于存储和表示目录，但它们的主要关注点仍然是对单个文件的随机访问。由于化学合成DNA序列的限制，这些方法只能表示有限数量的树状结构目录，无法完整存储现实文件的层次关系。如果嵌套层数固定，那么多级目录的深度也是固定的，无法根据实际需求进行灵活调整。

第三，引物与负载之间的串扰问题尚未解决。这种串扰会影响信息检索的可靠性，随着系统容量的增加，引物可能会与负载序列相似或高度重叠，从而导致非目标分子的相互作用。此外，引物串联接头与负载或其他引物之间的串扰也有可能发生。

第四，现有的地址空间大小仍然有限，远低于理论声称的最大值。这是因为在DNA存储中，为了确保目标文件的高保真度，引物需要满足彼此之间的正交性，同时确保引物与负载之间不会发生串扰。截至目前，还没有任何DNA存储寻址方法能够同时实现这两个目标。这意味着，尽管一些研究声称具有较大的地址空间，但实际可用的地址空间仍然受到限制。

近年来，我们的团队提出了一种基于调制的DNA存储架构，该架构不仅能够将文件调制为DNA序列，还能够检测同步错误并解调序列数据。在此架构下，我们的目标是将文件路径信息（即文件寻址信息）编码到载体序列中。载体被划分为三个部分：磁盘分区、多级目录和文件标识符，每个部分由一个或多个预定义的二进制码进行编码。由于文件地址是隐式地编码在载体中，而不是直接编码在存储的DNA序列中，我们将这种基于载体的文件系统称为虚拟多级目录文件寻址方法（VMDFAM）。模拟实验表明，该文件系统具有多项显著优势。首先，对于常见的DNA序列长度为200的情况，它能够提供高达十亿级的地址空间，并具备约32 petabytes（PB）的存储容量，同时具有较高的逻辑密度0.72 bits/nt和索引长度16。其次，它提供了一种语义化和灵活的地址编码方案，有助于实现多级文件组织。第三，该方法对DNA存储过程中常见的碱基错误具有较强的鲁棒性，能够容忍高达15%的错误。湿实验进一步验证了该方法在实际生化环境中的可行性，同时表明引物与负载区域之间几乎没有串扰。因此，VMDFAM为未来的大型DNA存储系统提供了一种有价值的解决方案，具备多级文件组织能力。

在本节中，基于构建的三种不同码长（8、12和16）的调制码本，我们首先分析了VMDFAM在地址空间、存储容量、寻址可靠性和引物-负载串扰方面的性能表现。接着，我们使用DNA存储误差模拟软件DeSP对文件访问性能进行了评估。最后，我们进行了一项简要的比较分析，突出了该方法相较于基于引物的PCR方法的优势。

本文提出的方法在DNA存储系统中利用文件载体进行寻址。在DNA序列检索阶段，载体与引物调制序列可以用于推导PCR所需的引物对。在解码阶段，载体有助于根据文件对序列数据进行分组，恢复文件并重建目录。因此，与传统的基于引物的PCR方法相比，该方法在寻址机制上有所不同，主要体现在以下几个方面。

随着DNA读写技术的迅速发展，一个可扩展的文件寻址系统对于高效地组织和访问大量无序存储在寡核苷酸池中的文件变得至关重要。本文提出了一种基于调制DNA存储架构的虚拟多级目录文件寻址方法（VMDFAM）。该方法的核心思想是将文件路径（或文件地址）隐式地嵌入到载体中，使得载体能够唯一地用于访问文件。这种隐式编码的方式不仅提高了寻址的效率，还增强了系统的灵活性和可扩展性。VMDFAM通过预定义的调制码本，将文件地址分解为多个层次结构，从而实现了更精细的文件组织和访问。此外，该方法在设计时充分考虑了DNA存储的误差容忍性，能够有效应对读写过程中的错误，提高了系统的可靠性。通过实验验证，VMDFAM在实际生化环境中具有良好的应用前景，为未来的大规模DNA存储系统提供了一种高效且稳定的解决方案。

VMDFAM的优势在于其对文件组织的灵活性和可扩展性。通过将文件地址隐式地嵌入到载体中，而不是直接编码在DNA序列中，该方法避免了传统引物寻址方法中存在的问题，如引物与负载之间的串扰、地址空间受限以及逻辑密度较低等。这种设计使得文件地址可以独立于DNA序列进行存储和访问，从而提高了系统的稳定性和效率。此外，VMDFAM还能够在不干扰负载编码区域的情况下保留负载编码区域，从而显著提升了逻辑密度。在DNA存储系统中，逻辑密度是衡量存储效率的重要指标，而VMDFAM通过优化载体编码方式，实现了更高的逻辑密度，为大规模数据存储提供了更优的解决方案。

在实验验证方面，VMDFAM在湿实验中表现良好，能够可靠地部署在实际生化环境中。实验结果表明，该方法在DNA序列检索和解码过程中具有较高的准确性和稳定性，能够有效应对读写错误。此外，VMDFAM在设计时充分考虑了引物与负载之间的相互作用，通过优化调制码本的设计，使得引物与负载区域之间几乎没有串扰，从而提高了系统的可靠性。这些实验结果进一步验证了VMDFAM在实际应用中的可行性，为未来的大规模DNA存储系统提供了坚实的技术基础。

总的来说，VMDFAM是一种具有重要应用价值的文件寻址方法，能够有效解决当前DNA存储系统中存在的诸多问题。通过将文件地址隐式地嵌入到载体中，该方法不仅提高了寻址的效率和可靠性，还增强了系统的灵活性和可扩展性。此外，VMDFAM在设计时充分考虑了DNA存储的误差容忍性，能够有效应对读写过程中的错误，提高了系统的稳定性。这些优势使得VMDFAM成为未来大规模DNA存储系统的重要解决方案，具有广泛的应用前景。