为什么欧洲分子生物实验室的DNA存储选择了三进制？ 第1页

结论放前头，DNA储存选择三进制的原因是为了降低出错率。

（PS：这里的DNA储存是指电子计算机使用DNA作为储存介质的技术，也就是把DNA当硬盘用的技术，为避免误会故在此说明）

二进制的电子计算机有高电平低电平两种状态，而学过高中生物都知道，DNA由ATCG四种碱基组成，那么很自然会想DNA储存是不是就应该是用四进制呢（比如A代表0，C代表1，G代表2，T代表3）？这样可以最大化地提升数据密度而且可以跟普通计算机兼容，毕竟四进制跟二进制的互相转换是很快的。

但是DNA跟普通的闪存、磁盘是有很大区别的，DNA信息的读取是通过测序来完成的，而DNA有一个特性是当同样的碱基对连续出现时（也就是均聚物）会显著增加测序出错的概率。普通文件里面连续的0或者1是非常常见的，如果直接以四进制编码成DNA，会出现连续同样的碱基对，导致读取出错。

所以DNA储存使用了一种叫做“旋转编码（rotating code）”的编码方案（如下图所示）来避免相同碱基的连续出现。

简单来说，就是上一个碱基如果是A，那么下一个碱基只能是C、G、T，其中C代表0，G代表1，T代表2；如果上一个是C，下一个只能是G、T、A，其中G代表0，T代表1，A代表2，以此类推。以这种方式进行编码，任意一个碱基和前后的碱基都是不一样的，也就避免了均聚物的出现。但是这样一来，就只能同时使用四种碱基中的三种来表示状态，也就是最多只能用三进制。

下图是实际编码过程的示例。其中的Huffman code是用于二进制跟三进制转换的编码方式，与题目无关此处就不多做解释了。

文中图片均来自于参考文献。

参考文献：

Bornholt J, Lopez R, Carmean D M, et al. A DNA-based archival storage system[C]//Proceedings of the Twenty-First International Conference on Architectural Support for Programming Languages and Operating Systems. ACM, 2016: 637-649.