Twist oligo pool在集成糾錯算法IEC研究中的應用

近年來，DNA因其高密度、低能耗、長壽命等特性，成為極具潛力的下一代數(shù)據(jù)存儲介質。然而，DNA在測序過程中易產(chǎn)生替換、插入、缺失等錯誤，嚴重影響數(shù)據(jù)解碼的準確性與完整性。

近日，南方科技大學蔣興宇團隊在 《ACS Nano》 上發(fā)表題為《Integrated Error Correction to Enhance Efficiency of Digital Data Storage Based on DNA Nanostructures》的研究，提出了一種集成糾錯算法IEC，顯著提升了DNA數(shù)據(jù)存儲的效率和可靠性。

IEC算法三大核心機制
1、 “頭-尾”區(qū)域Levenshtein距離聚類
傳統(tǒng)Levenshtein距離計算復雜度高，不適用于海量DNA序列。IEC僅提取序列的頭部和尾部區(qū)域進行相似度計算，將復雜度從 O(m2)（m 為全序列長度）降至 O(n2)（n 為頭尾區(qū)間長度），聚類速度提升10倍，且對頭尾錯誤具備強容錯能力。

2、基于Sliding Window-Optimized的Hamming距離糾錯
傳統(tǒng)Hamming距離要求序列等長，IEC引入滑動窗口機制，實現(xiàn)對變長序列的插入、缺失、替換錯誤檢測與校正。

3、Score-weighted Majority Voting剔除“噪音序列”
在聚類與糾錯后，IEC采用分數(shù)加權的majority voting機制，進一步提升序列選擇的準確性。相比傳統(tǒng)majority voting，缺失序列率降低約2%，覆蓋率和準確率也更高。

實驗驗證：
團隊以醫(yī)療影像數(shù)據(jù)（MRI 圖像，122KB） 為存儲對象，通過 Twist Bioscience 合成 DNA oligo pool，經(jīng)多輪PCR 擴增（模擬長期使用中的序列退化），全面驗證IEC的實用性。

1、研究中使用的DNA oligo pool通過杭州沃森生物訂購，包含4468條DNA序列，每條長度200 nt，結構如下：

• 16 nt  Seed區(qū)
• 136 nt  Data payload區(qū)
• 8 nt  Reed-Solomon糾錯碼
• 40 nt  PCR引物結合位點

2、合成后的DNA經(jīng)過多輪連續(xù)PCR擴增，模擬多次讀取中錯誤的累積效應。
擴增產(chǎn)物經(jīng)瓊脂糖凝膠電泳驗證后，在Illumina平臺上進行150 bp雙端測序。發(fā)現(xiàn)IEC處理后前4輪均能成功解碼，5輪后仍能保持80%以上，序列效率也顯著提高，待解碼序列數(shù)畢傳統(tǒng)DNA Fountain方法減少0.5%-29.89%，數(shù)據(jù)量縮小3個數(shù)量級。
 

IEC算法通過三重糾錯機制協(xié)同工作，在不依賴高冗余編碼的前提下，實現(xiàn)了對DNA存儲中常見錯誤的高效校正。其低冗余、高密度、強糾錯的特性，適用于醫(yī)療數(shù)據(jù)、個性化醫(yī)療、大數(shù)據(jù)存儲等場景。

代碼已開源：
https://github.com/lasso-sustech/IEC_Codes/tree/reponse
參考文獻：
Mao, C. et al. ACS Nano 2025. DOI: 10.1021/acsnano.5c08183