CN112527736B - 基于dna的数据存储方法、数据恢复方法及终端设备 - Google Patents
基于dna的数据存储方法、数据恢复方法及终端设备 Download PDFInfo
- Publication number
- CN112527736B CN112527736B CN202011426871.1A CN202011426871A CN112527736B CN 112527736 B CN112527736 B CN 112527736B CN 202011426871 A CN202011426871 A CN 202011426871A CN 112527736 B CN112527736 B CN 112527736B
- Authority
- CN
- China
- Prior art keywords
- file
- data
- algorithm
- binary
- base sequence
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 87
- 238000013500 data storage Methods 0.000 title claims abstract description 31
- 238000011084 recovery Methods 0.000 title claims abstract description 25
- 239000012634 fragment Substances 0.000 claims abstract description 150
- 238000007781 pre-processing Methods 0.000 claims abstract description 32
- 230000002194 synthesizing effect Effects 0.000 claims abstract description 27
- 238000012163 sequencing technique Methods 0.000 claims description 29
- 238000004590 computer program Methods 0.000 claims description 18
- 238000012545 processing Methods 0.000 claims description 16
- 238000004458 analytical method Methods 0.000 claims description 4
- 108020004414 DNA Proteins 0.000 description 168
- 230000000875 corresponding effect Effects 0.000 description 106
- 238000010586 diagram Methods 0.000 description 23
- 230000008569 process Effects 0.000 description 22
- 238000007906 compression Methods 0.000 description 21
- 230000006835 compression Effects 0.000 description 20
- 238000013144 data compression Methods 0.000 description 5
- 230000008901 benefit Effects 0.000 description 4
- 230000015572 biosynthetic process Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 230000004044 response Effects 0.000 description 4
- 238000003786 synthesis reaction Methods 0.000 description 4
- 102000053602 DNA Human genes 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000000338 in vitro Methods 0.000 description 3
- 238000001727 in vivo Methods 0.000 description 3
- 230000007774 longterm Effects 0.000 description 3
- 238000013507 mapping Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 230000003321 amplification Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000001276 controlling effect Effects 0.000 description 2
- 238000012217 deletion Methods 0.000 description 2
- 230000037430 deletion Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000003199 nucleic acid amplification method Methods 0.000 description 2
- 108091028043 Nucleic acid sequence Proteins 0.000 description 1
- XUIMIQQOPSSXEZ-UHFFFAOYSA-N Silicon Chemical compound [Si] XUIMIQQOPSSXEZ-UHFFFAOYSA-N 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 238000013506 data mapping Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 229920001519 homopolymer Polymers 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000002773 nucleotide Substances 0.000 description 1
- 125000003729 nucleotide group Chemical group 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000004321 preservation Methods 0.000 description 1
- 229910052710 silicon Inorganic materials 0.000 description 1
- 239000010703 silicon Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/10—File systems; File servers
- G06F16/13—File access structures, e.g. distributed indices
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/12—Computing arrangements based on biological models using genetic models
- G06N3/123—DNA computing
Abstract
本申请适用于数据存储技术领域,提供了一种基于DNA的数据存储方法、数据恢复方法、数据存储装置、数据恢复装置、终端设备及计算机可读存储介质,所述数据存储方法包括:获取待存储的数据文件,数据文件为根据算法文件对原始数据进行预处理得到的文件;根据预设的文件格式编辑数据文件和算法文件,生成待编码的二进制文件,文件格式用于指示数据文件与算法文件之间的索引类型;将二进制文件进行编码,得到碱基序列,碱基序列用于合成存储数据文件和算法文件的DNA片段。通过本申请可以解决由于无法保证采用的预处理算法是否完整存在,而导致经过预处理后存储的数据无法恢复的问题;保证了数据在不确定环境下存储和恢复的完整性。
Description
技术领域
本申请属于数据存储技术领域,尤其涉及一种基于DNA的数据存储方法、数据恢复方法、数据存储装置、数据恢复装置、终端设备及计算机可读存储介质。
背景技术
随着计算机技术和网络技术的快速发展,数据信息量的增长速度将很快超过现有硬盘等传统存储介质的承受能力。脱氧核糖核酸(DeoxyriboNucleic Acid,DNA)分子作为一种新型的存储介质,由于具有存储密度高、保存时间长、维护成本低等优势,近年来受到广泛关注。
目前,在DNA存储实际应用方面的研究仍存在许多亟待解决的问题。DNA作为存储介质的一大优点就是DNA分子的稳定性,在没有人为干预的条件下可以保存长达百年之久。而数据在存储之前大部分会经过一些算法的预处理,如果实现在几十年或者上百年后恢复数据,则需要知道数据和其对应采用的预处理算法,但由于无法保证采用的预处理算法是否完整存在,而导致经过预处理后存储的数据无法恢复的问题。
发明内容
本申请实施例提供了一种基于DNA的数据存储方法、数据恢复方法、数据存储装置、数据恢复装置、终端设备及计算机可读存储介质,可以解决由于无法保证采用的预处理算法是否完整存在,而导致经过预处理后存储的数据无法恢复的问题。
第一方面,本申请实施例提供了一种基于DNA的数据存储方法,包括:
获取待存储的数据文件,所述数据文件为根据算法文件对原始数据进行预处理得到的文件;根据预设的文件格式编辑所述数据文件和所述算法文件,生成待编码的二进制文件,所述文件格式用于指示所述数据文件与所述算法文件之间的索引类型;将所述二进制文件进行编码,得到碱基序列,所述碱基序列用于合成存储所述数据文件和所述算法文件的DNA片段。
在第一方面的一种可能的实现方式中,在所述获取待存储的数据文件之前,所述方法还包括:根据所述算法文件对所述原始数据进行压缩、删冗或加密的处理,得到所述数据文件。
在第一方面的一种可能的实现方式中,所述根据预设的文件格式编辑所述数据文件和所述算法文件,生成待编码的二进制文件,包括:
根据预设的所述文件格式,编辑所述数据文件的属性标识位和有效数据位;根据所述数据文件的所述属性标识位和所述有效数据位,确定所述算法文件相对于所述数据文件的有效数据位的偏移量;基于所述偏移量,编辑所述算法文件的有效数据位,得到所述数据文件和所述算法文件位于同一文件的二进制文件。
在第一方面的一种可能的实现方式中,所述将所述二进制文件进行编码,得到碱基序列,包括:
根据预设的编码模型,将所述二进制文件进行编码,得到所述二进制文件的碱基序列;添加引物序列至所述二进制文件的碱基序列的首部和尾部,得到用于合成所述DNA片段的碱基序列。
在第一方面的一种可能的实现方式中,所述根据预设的文件格式编辑所述数据文件和所述算法文件,生成待编码的二进制文件,包括:
根据预设的所述文件格式,编辑所述数据文件的第一属性标识位和第一有效数据位,得到所述数据文件对应的第一二进制文件;根据预设的所述文件格式,编辑所述算法文件的第二属性标识位和第二有效数据位,得到所述算法文件对应的第二二进制文件;其中,所述第一二进制文件和所述第二二进制文件为相互独立的两个文件。
在第一方面的一种可能的实现方式中,所述将所述二进制文件进行编码,得到碱基序列,包括:
根据预设的编码模型,将所述第一二进制文件和所述第二二进制文件进行编码,得到所述第一二进制文件的第一碱基序列和所述第二二进制文件的第二碱基序列;添加第一引物序列至所述第一碱基序列的首部和尾部,得到用于合成所述DNA片段中的第一片段的碱基序列;添加第二引物序列至第二碱基序列的首部和尾部,得到用于合成DNA片段中的第二片段的碱基序列。
在第一方面的一种可能的实现方式中,所述将所述二进制文件进行编码,得到碱基序列,包括:
根据预设的编码模型,将所述第一二进制文件和所述第二二进制文件进行编码,得到所述第一二进制文件的第一碱基序列和所述第二二进制文件的第二碱基序列;添加头部引物序列和尾部引物序列至所述第一碱基序列的首部和尾部,得到用于合成所述DNA片段中的第三片段的碱基序列;添加通用引物序列以及与所述第二碱基序列对应的一个或多个第一碱基序列的尾部引物序列至所述第二碱基序列的首部和尾部,得到用于合成所述DNA片段中的第四片段的碱基序列。
第二方面,本申请实施例提供了一种基于DNA的数据恢复方法,包括:
获取待解码的DNA片段,所述待解码的DNA片段用于存储数据文件和算法文件;对所述待解码的DNA片段进行解码处理,得到符合预设的文件格式的二进制文件,所述文件格式用于指示所述数据文件与所述算法文件之间的索引类型;读取所述二进制文件中的所述数据文件和所述算法文件,并根据所述索引类型调用所述算法文件;根据所述算法文件对所述数据文件进行解析处理,得到所述数据文件对应的原始数据。
在第二方面的一种可能的实现方式中,所述对所述待解码的DNA片段进行解码处理,得到符合预设的文件格式的二进制文件,包括:
根据所述待解码的DNA片段中的引物序列,对所述待解码的DNA片段进行测序,得到所述DNA片段的碱基序列;根据预设的解码模型,将所述DNA片段的碱基序列进行解码,得到所述二进制文件;其中,所述二进制文件为所述数据文件和所述算法文件位于同一文件的文件。
在第二方面的一种可能的实现方式中,所述数据文件的属性标识位包括指示索引类型的标识;所述读取所述二进制文件中的所述数据文件、所述算法文件,并根据所述索引类型调用所述算法文件,包括:
读取所述二进制文件的所述数据文件的属性标识位和有效数据位,并基于所述数据文件的属性标识位确定所述索引类型;读取所述二进制文件的所述算法文件的有效数据位,并根据所述索引类型调用所述算法文件的所述有效数据位。
在第二方面的一种可能的实现方式中,所述对所述待解码的DNA片段进行解码处理,得到符合预设的文件格式的二进制文件,包括:
根据所述待解码的DNA片段中的第一片段的第一引物序列,对所述第一片段进行测序,得到第一碱基序列和第二引物序列;根据所述第二引物序列,对待解码的DNA片段中的第二片段进行测序,得到第二碱基序列;根据预设的解码模型,将所述第一碱基序列和所述第二碱基序列进行解码,得到所述第一碱基序列对应的第一二进制文件和所述第二碱基序列对应的第二二进制文件;其中,所述第一二进制文件对应所述数据文件,所述第二二进制文件对应所述算法文件。
在第二方面的一种可能的实现方式中,所述对所述待解码的DNA片段进行解码处理,得到符合预设的文件格式的二进制文件,包括:
根据所述待解码的DNA片段中的第三片段的头部引物序列和尾部引物序列,对所述第三片段进行测序,得到第一碱基序列;根据所述第三片段的尾部引物序列和所述待解码的DNA片段中的第四片段的通用引物序列,对所述第四片段进行测序,得到第二碱基序列;根据预设的解码模型,将所述第一碱基序列和所述第二碱基序列进行解码,得到所述第一碱基序列对应的第一二进制文件和所述第二碱基序列对应的第二二进制文件;其中,所述第一二进制文件对应所述数据文件,所述第二二进制文件对应所述算法文件。
在第二方面的一种可能的实现方式中,所述数据文件的第一属性标识位包括指示索引类型的标识;所述读取所述二进制文件中的所述数据文件和所述算法文件,并根据所述索引类型调用所述算法文件,包括:
读取所述第一二进制文件中所述数据文件的第一属性标识位和第一有效数据位,并根据所述第一属性标识位确定所述索引类型;读取所述第二二进制文件中所述算法文件的第二属性标识位和第二有效数据位,并根据所述索引类型调用所述第二二进制文件的所述第二有效数据位的算法。
第三方面,本申请实施例提供了一种基于DNA的数据存储装置,包括:
第一获取单元,用于获取待存储的数据文件,所述数据文件为根据算法文件对原始数据进行预处理得到的文件;
第一处理单元,用于根据预设的文件格式编辑所述数据文件和所述算法文件,生成待编码的二进制文件,所述文件格式用于指示所述数据文件与所述算法文件之间的索引类型;
编码单元,用于将所述二进制文件进行编码,得到碱基序列,所述碱基序列用于合成存储所述数据文件和所述算法文件的DNA片段。
第四方面,本申请实施例提供了一种基于DNA的数据恢复装置,包括:
第二获取单元,用于获取待解码的DNA片段,所述待解码的DNA片段用于存储数据文件和算法文件;
解码单元,用于对所述待解码的DNA片段进行解码处理,得到符合预设的文件格式的二进制文件,所述文件格式用于指示所述数据文件与所述算法文件之间的索引类型;
第二处理单元,用于读取所述二进制文件中的所述数据文件和所述算法文件,并根据所述索引类型调用所述算法文件;
解析单元,用于根据所述算法文件对所述数据文件进行解析处理,得到所述数据文件对应的原始数据。
第五方面,本申请实施例提供了一种终端设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序所述处理器执行所述计算机程序时实现上述第一方面中任一项数据存储的方法或上述第二方面中任一项数据恢复的方法。
第六方面,本申请实施例提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现上述第一方面中任一项所述的数据存储的方法或上述第二方面中任一项所述的数据恢复的方法。
第七方面,本申请实施例提供了一种计算机程序产品,当计算机程序产品在终端设备上运行时,使得终端设备执行上述第一方面中任一项所述的数据存储的方法或上述第二方面中任一项所述的数据恢复的方法。
可以理解的是,上述第二方面至第七方面的有益效果可以参见上述第一方面中的相关描述,在此不再赘述。
本申请实施例与现有技术相比存在的有益效果是:本申请实施例,终端设备获取待存储的数据文件,数据文件为根据算法文件对原始数据进行预处理得到的文件;根据预设的文件格式编辑数据文件和算法文件,生成待编码的二进制文件,文件格式用于指示数据文件与算法文件之间的索引类型;将二进制文件进行编码,得到碱基序列,碱基序列用于合成存储数据文件和算法文件的DNA片段。通过按预设的文件格式编辑数据文件和算法文件,设定数据文件与算法文件之间的索引类型以及将数据文件与算法文件同时编码得到碱基序列,合成DNA后进行存储,减少了外部信息的存储,降低了因外部算法的丢失导致数据无法恢复的风险,保证了大规模数据在长期不确定环境下存储的完整性和可靠性;具有较强的易用性与实用性。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1是本申请一实施例提供的应用场景的系统架构示意图;
图2是本申请一实施例提供的基于DNA数据存储方法的流程示意图;
图3是本申请一实施例提供的数据文件与算法文件逻辑关系的示意图;
图4是本申请另一实施例提供的数据文件与算法文件逻辑关系的示意图;
图5是本申请一实施例提供的合成DNA片段的示意图;
图6是本申请另一实施例提供的合成DNA片段的示意图;
图7是本申请另一实施例提供的合成DNA片段的示意图;
图8是本申请另一实施例提供的基于DNA数据恢复方法的流程示意图;
图9是本申请一实施例提供的二进制文件的结构示意图;
图10是本申请另一实施例提供的二进制文件的结构示意图;
图11是本申请实施例提供的基于DNA数据存储装置的结构示意图;
图12是本申请实施例提供的基于DNA数据恢复装置的结构示意图;
图13是本申请实施例提供的终端设备的结构示意图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定系统结构、技术之类的具体细节,以便透彻理解本申请实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中,省略对众所周知的系统、装置、电路以及方法的详细说明,以免不必要的细节妨碍本申请的描述。
应当理解,当在本申请说明书和所附权利要求书中使用时,术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在,但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解,在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合,并且包括这些组合。
如在本申请说明书和所附权利要求书中所使用的那样,术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地,短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。
另外,在本申请说明书和所附权利要求书的描述中,术语“第一”、“第二”、“第三”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
在本申请说明书中描述的参考“一个实施例”或“一些实施例”等意味着在本申请的一个或多个实施例中包括结合该实施例描述的特定特征、结构或特点。由此,在本说明书中的不同之处出现的语句“在一个实施例中”、“在一些实施例中”、“在其他一些实施例中”、“在另外一些实施例中”等不是必然都参考相同的实施例,而是意味着“一个或多个但不是所有的实施例”,除非是以其他方式另外特别强调。术语“包括”、“包含”、“具有”及它们的变形都意味着“包括但不限于”,除非是以其他方式另外特别强调。
随着数字化信息广泛应用和大数据科学的急速发展,人们每天产生的信息数据呈指数型增长,而现有传统的存储介质已经逐渐无法满足需求。DNA分子作为一种新型的存储介质,由于其具有存储密度高、保存时间长、维护成本低以及稳定性强等优势,受到广泛关注。
目前,针对DNA存储的研究更多的集中在通过高效的编码、解码以及提高容错性等方向提高存储效率,减少合成测序成本;在基于DNA的存储介质上更偏重于理论和材料结构的探索。
DNA存储的一般流程是数字数据编码成DNA的碱基序列,根据编码的碱基序列合成DNA片段,并存储在体内外的存储介质中。其中,可以通过合成器写入核苷酸碱基序列实现DNA片段的合成,然后以池化的液体作为介质进行存储。读取数据时进行可以通过测序仪进行读取、测序,以及通过后续解码处理恢复数据。
现有的DNA存储方向主要针对高效的编解码方法、相关数据建模以及DNA存储介质材料和结构的研究;而在基于DNA的数据存储过程中,在数字数据存储之前,会对数字数据进行预处理,例如压缩、删冗、加密、编码等。如果在数据存储几十年或者上百年后仍可以恢复数据,就需要知道数据和其对应的预处理算法;但经过长时间后,无法保证以上的预处理算法是否还完整存在。如果在面对大规模数据在不确定环境中长期存储的实际应用场景中,如果外部预处理算法丢失,则会导致即使有加密等预处理过的数据也无法得到完整可靠的恢复。
请参阅图1,是本申请一实施例提供的应用场景的系统架构示意图。图1示出了本申请实施例提供的一种实现数据自包含、自恢复的端到端的全流程DNA存储系统架构,如图1所示,在对数据进行存储之前,针对不同格式的数字数据(原始数据)进行预处理,预处理方式包括但不限于压缩、删冗、加密、编码等,得到数据文件,同时获取预处理算法的算法文件。按预设的文件格式定义数据文件和算法文件的,得到数字文件,实现待编码数据的自包含。其中,数字文件可以为二进制、四进制或八进制等格式的文件,不做具体限定。然后通过计算机数学算法,使用不同的编码技术对数字文件进行编码,得到碱基序列;通过合成生物学,将碱基序列合成DNA片段,并存储到体内、体外存储介质中。在存储过程中,根据DNA不同的存储介质的特点,结合传统硅基存储介质,优化数据在DNA存储介质中的布局,例如DNA存储文件的试管编号所对应的索引算法等,提高DNA存储文件查找读取的速度。在需要读取数据时,对DNA片段测序,得到碱基序列;并通过计算机数学算法(编码过程的逆运算),将碱基序列解码为数字文件;其中数字文件包括通过二进制、四进制或八进制等形式的文件格式表示数据文件和算法文件的文件。读取数字文件中的数据文件和算法文件,根据算法文件对数据文件进行解析,恢复原始数据,实现数据的自解析。
通过本申请实施例,在存储阶段把对原始数据进行预处理的算法也按照一定的文件格式存储DNA中,使数据在不借助外部算法时就可以实现完整恢复,或者通过外部最少的信息恢复出完整的原始数据;在大规模、复杂的数据存储的应用场景中,为实现DNA存储的数据的自包含和自解释,定义统一的数字文件的格式,将数据和算法进行关联对应及统一管理;保证了大规模数据在长期不确定环境下存储的可靠性以及数据恢复的完整性。
下面通过具体的实施例进一步介绍在对数据进行DNA存储过程的详细流程。
参见图2,是本申请一实施例提供基于DNA数据存储方法的流程示意图,包括以下步骤:
步骤S201,获取待存储的数据文件,所述数据文件为根据算法文件对原始数据进行预处理得到的文件。
在一些实施例中,数据文件为各种类型的原始数据经过预处理后得到的文件。各种类型的原始数据包括文本类(txt格式、doc格式等)、图像类(jpg格式等)以及视频类等。不同类型的原始数据对应不同的预处理算法。
在一些实施例中,在获取待存储的数据文件之前,还包括:根据所述算法文件对所述原始数据进行压缩、删冗或加密的处理,得到所述数据文件。
在一些实施例中,为了最大化的利用DNA存储空间,将数据信息存入DNA之前需要对数据信息预处理,预处理方式包括但不限于压缩、删冗或加密等处理。在预处理过程,通过删冗可以达到压缩的目的。在DNA存储过程中,常见的预处理算法包括哈夫曼编码、喷泉码或LZMA数据压缩算法等。
其中,哈夫曼编码的数据压缩算法适用于输入文件各字符非等概率出现的应用场景;喷泉码具有独立的随机性,压缩处理过程中的编译码复杂程度低,且能以较小的译码开销来高概率的恢复原始数据信息,在DNA存储过程中可以极大的提高存储的效率;LZMA数据压缩算法充分利用了各类原始数据的结构特点,可实现简单、可行的数据压缩处理。
步骤S202,根据预设的文件格式编辑所述数据文件和所述算法文件,生成待编码的二进制文件,所述文件格式用于指示所述数据文件与所述算法文件之间的索引类型。
在一些实施例中,为了实现对大规模、多类型的数据在复杂环境中的DNA存储,预设了标准的文件存格式。将数据文件和算法文件按预设的文件格式编辑,得到待编码的二进制文件。二进制文件的大小单位为字节;二进制文件中格式包括用于指示数据文件和算法文件对应的索引类型的标识位;索引类型包括直接索引和间接索引。当索引类型为直接索引时,按如表1所示的文件格式对数据文件和算法文件进行编辑,得到相应的待编码的二进制文件。
在一些实施例中,根据预设的文件格式编辑数据文件和算法文件,生成待编码的二进制文件,包括:根据预设的文件格式,编辑数据文件的属性标识位和有效数据位;根据数据文件的属性标识位和有效数据位,确定所述算法文件相对于所述数据文件的有效数据位的偏移量;基于偏移量,编辑算法文件的有效数据位,得到数据文件和所述算法文件位于同一文件的二进制文件。
示例性的,文件格式包括数据文件和算法文件分别相关的各变量名对应的偏移地址、占用字节的大小等。如表1所示的数据文件格式,数据文件的文件格式包括数据文件的属性标识位和数据文件的有效数据位。其中,数据文件的属性标识位的各变量名包括数据文件开始标记DataB、文件类型Type、标记字段Flag、压缩方式ComS、压缩后数据长度ComLen、压缩前数据长度SouLen、数据开始标记PayloadB;数据文件的有效数据位的变量名包括压缩或未压缩数据Payload;算法文件的有效数据位的变量名包括压缩算法代码或逻辑表示(可选)Algr。如表1所示的,各变量名对应的地址偏移及大小。
其中,数据文件开始标记DataB的标识位标明压缩后(或未压缩)数据文件的开始。标记字段Flag占一个字节,包括8位,每一位表示数据文件的二值属性;第一位F1表示数据是否经过压缩处理,如果数据经过压缩处理,则F1=0,若未经过压缩处理,则F1=1;第二位F2比哦啊是实现数据自包含自解析过程中算法的索引类型,F2=0表示直接索引,F2=1表示间接索引;若为间接索引,则数据文件的有效数据位的后续位待定。若F1=0,则压缩方式字段有效。数据开始标记标志数据文件的有效数据的开始,通过该字段和有效数据长度字段可以计算出压缩算法的偏移。若数据经过压缩且索引类型为直接压缩,即F1+F2=0,则该二进制文件包含压缩算法。
在一些实施例中,根据预设的文件格式编辑数据文件和算法文件,生成待编码的二进制文件,包括:根据预设的文件格式,编辑数据文件的第一属性标识位和第一有效数据位,得到数据文件对应的第一二进制文件;根据预设的文件格式,编辑算法文件的第二属性标识位和第二有效数据位,得到算法文件对应的第二二进制文件;其中,第一二进制文件和第二二进制文件为相互独立的两个文件。
在一些实施例中,若数据经过压缩且索引类型为间接索引,即F1=0、F2=1,则压缩算法在另一文件中表示,如表2所示的算法文件单独对应的二进制文件的文件格式。如表2所示,算法文件对应的各变量名、各变量名对应的地址偏移、所占字节的大小以及对应的作用。算法文件的二进制文件的变量名包括算法文件的属性标识位和算法文件的有效数据位;其中算法文件的属性标识位的变量名包括算法文件开始标记AlgrB和压缩算法名称AlgrName,算法文件的有效数据位为具体算法AlgrData(即数据压缩的具体算法或者逻辑表示)。
可理解的,上述按预设的文件格式对数据文件和算法文件进行编辑,得到的数字文件还可以是其他格式文件,例如三进制文件或四进制文件等对应不同的文件格式设置不同含义的标识位,具有相同或相似的构思均属于本申请实施例的保护范围之内。
表1
表2
步骤S203,将所述二进制文件进行编码,得到碱基序列,所述碱基序列用于合成存储所述数据文件和所述算法文件的DNA片段。
在一些实施例中,将二进制文件进行编码指通过一定的对应关系或规则将需要存储的二进制文件信息转化为DNA的碱基序列(即包含A、G、C、T的序列),碱基序列用于合成存储数据文件和算法文件的DNA片段。
其中,不同的编码模型适用于不同的信息类型,例如有的编码模型适用于文本信息,有的仅适用于图片信息,有的可以适用于多种类型的信息。合成DNA片段是将碱基序列中的碱基逐个连接形成DNA链的过程。
示例性的,在进行编码转换过程中,可以通过基于数学算法的转换模型进行编码转换。DNA片段是由A、G、C和T4个碱基组成,由于计算机中的数据都是二进制(即0、1)形式存在,因此将数据信息存储至DNA中为将数据信息的二进制码流编码为碱基序列存储DNA。根据DNA的组成结构,常见的DNA存储编码模型包括二进制模型、三进制模型和四进制模型。
其中,二进制模型将A、T、C和G4个碱基中的任意两个定义为1,另外两个定义为1,即碱基序列只有0和1两种状态。二进制模型可以较好的避免DNA中出现GC含量不均衡、均聚物较多等情况,可降低后期合成DNA片段的难度。三进制模型指整个碱基序列只有3种状态:0、1和2。首先将待存储的数据信息编辑为三进制码流,然后对码流中的0、1和2按照表3中的对应关系进行编码,得到碱基序列。三进制模型通过前一个碱基确定后一个碱基,可以存储更多的信息。
另外,编码模型还包括四进制模型,将碱基中的A、T、C和G对应0、1、2和3,将读入DNA的二进制码流转换为四进制,常见的地禁止模型映射关系如表4所示,其中该映射关系不唯一,包括不同的组合方案,表4仅示出其中一种映射关系。
表3
二进制数据 | 00 | 01 | 10 | 11 |
对应碱基 | A | T | C | G |
表4
可理解的,四进制模型具有更强的信息存储能力,每位碱基可以编码两位数据,可以提高存储效率,降低DNA存储成本。
在一些实施例中,将二进制文件进行编码,得到碱基序列,包括:根据预设的编码模型,将二进制文件进行编码,得到二进制文件的碱基序列;添加引物序列至二进制文件的碱基序列的首部和尾部,得到用于合成DNA片段的碱基序列。
在一些实施例中,预设的编码模型包括上述所述的二进制编码模型、三进制编码模型及四进制编码模型。
如图3所示,本申请一实施例提供的数据文件与算法文件逻辑关系的示意图,数据文件与算法文件之间的直接索引类型的逻辑关系,数据与算法位于同一二进制文件,在对二进制文件进行编码后,将数据分片,添加引物序列至碱基片段的首位。如图3所示,数据1通过算法1进行预处理,数据2通过算法1进行预处理,数据n通过算法m进行预处理。每份文件x有一对引物标识,包括头引物x-F和尾引物x-R,不同数据可以对应相同或不同的算法;例如文件1中数据1对应算法1,文件1首位包括引物序列1-F和1-R,文件2中数据2对应算法1,文件2首位包括引物序列2-F和2-R,以及文件n中数据n对应算法m,文件n的首位包括引物序列n-F和n-R。图3示出了数据文件与算法文件之间的直接索引关系,每一份二进制文件x包含数据以及该数据对应的算法的备份,在其中的二进制文件丢失或损坏不会相互影响,如文件1丢失,文件2依然可以通过其对应的算法恢复;适用于数据安全性及可靠性要求非常高的应用场景。
如图5所示,本申请一实施例提供的合成DNA片段的示意图,对应图3所示的数据对应算法的逻辑关系,将编码后的文件分割后得到可以存储的DNA片段。在合成DNA片段时,将引物序列1-F和1-R添加至数据1的碱基序列的两端,将1-F添加至数据1的一端,将1-R添加至数据1的另一端;例如将文件1的引物序列1-F添加至数据1的碱基序列的首部,作为数据1对应的DNA片段的头引物,将文件1的引物序列1-R添加至数据1的碱基序列的尾部,作为数据1对应的DNA片段的尾引物。同时,将引物序列1-F和1-R添加至算法1的碱基序列的两端,将1-F添加至算法1的一端,将1-R添加至算法1的另一端;例如将文件1的引物序列1-F添加至算法1的碱基序列的首部,作为算法1对应的DNA片段的头引物,将文件1的引物序列1-R添加至算法1的碱基序列的尾部,作为算法1对应的DNA片段的尾引物。以此类推,将文件n的引物序列n-F和n-R添加至数据n的碱基序列的两端,将n-F添加至数据n的碱基序列的一端,将n-R添加至数据n的剪辑序列的另一端;例如将文件n的引物序列n-F添加至数据n的碱基序列的首部,作为数据n对应的DNA片段的头引物;将文件n的引物序列n-R添加至数据n的尾部,作为数据n对应的DNA片段的尾引物;同时,将文件n的引物序列n-F和n-R添加至算法m的碱基序列的两端,将n-F添加至算法m的碱基序列的一端,将n-R添加至算法m的另一端;例如将文件n的引物序列n-F添加至算法m的碱基序列的首部,作为算法m对应的DNA片段的头引物;将文件n的引物序列n-R添加至算法m的碱基序列的尾部,作为算法m对应的DNA片段的尾引物;从而将编码的文件x分割后得到可以存储的DNA片段。
可理解的,引物序列为DNA存储的外部存储的信息,通过引物序列可以对DNA片段进行测序,得到DNA片段的碱基序列。添加引物序列至二进制文件的碱基序列的首部和尾部,不局限上述所述的首部和尾部对应的引物序列,满足添加在二进制文件的碱基序列的两端即可。
在一些实施例中,将二进制文件进行编码,得到碱基序列,包括:根据预设的编码模型,将所述第一二进制文件和所述第二二进制文件进行编码,得到所述第一二进制文件的第一碱基序列和所述第二二进制文件的第二碱基序列;添加第一引物序列至所述第一碱基序列的首部和尾部,得到用于合成所述DNA片段中的第一片段的碱基序列;添加第二引物序列至第二碱基序列的首部和尾部,得到用于合成DNA片段中的第二片段的碱基序列。
在一些实施例中,第一二进制文件为数据文件的二进制文件,第二二进制文件为数据文件对应的算法文件的二进制文件。将第一二进制文件和对应的第二二进制文件统称为DNA文件,当存在n个DNA文件时,对第一个至第n个DNA文件进行编码,得到第一个至第n个DNA文件的碱基序列。将每个DNA文件的碱基序列分割成短片段后,添加第一引物序列至第一碱基序列的首部和尾部,得到用于合成所述DNA片段中的第一片段的碱基序列;添加第二引物序列至所述第二碱基序列的首部和尾部,得到用于合成所述DNA片段中的第二片段的碱基序列。重复此步骤,添加第一引物序列和第二引物序列至第n个DNA文件的碱基序列。其中,第一碱基序列为数据文件对应的序列,第二碱基序列为算法文件对应的序列;每个DNA文件对应的第一引物序列可以为包含不同碱基对的序列。
如图4所示的,为降低数据存储过程中的冗余以减少合成和测序成本,本申请另一实施例提供的数据文件与算法文件逻辑关系的示意图,数据文件的二进制文件和算法文件的二进制文件分开保存。
在对数据文件对应的第一二进制文件和算法文件对应的第二二进制文件进行编码后,将编码后的数据分片,添加引物序列至碱基片段的首位。如图4所示,数据1和数据2均通过算法1进行预处理,数据3通过算法2进行预处理。每份文件x有一对引物标识,包括头引物x-F和尾引物x-R。例如文件1首位包括第一引物序列1-F和1-R,数据文件1包含数据1和第二引物序列1’-F、1’-R;文件2首位包括第一引物序列2-F和2-R,数据文件2包括数据2和第二引物序列1’-F、1’-R;文件3首位包括第一引物序列3-F和3-R,数据文件3包含数据3和第二引物序列2’-F、2’-R。第二引物序列为算法对应的引物序列,不同算法对应的第二引物序列的碱基对序列可以不同,如图4所示的算法1对应的第二引物序列1’-F、1’-R,算法2对应的第二引物序列2’-F、2’-R。
其中,数据文件x对应的引物x-F、x-R与算法文件x对应的引物x’-F、x’-R是不同的两对引物,数据指向算法的引物序列包含在数据文件中。
与图4相对应的图6,是本申请另一实施例提供的合成DNA片段的示意图。对应图4所示的数据对应算法的逻辑关系,将编码后的文件分割后得到可以存储的DNA片段;合成的数据文件对应的DNA片段为第一片段,合成的算法对应的DNA片段为第二片段。将数据与算法分开保存,第一引物序列可为DNA存储的外部存储数据。如图6所示,将第一引物序列1-F、1-R添加至数据文件1的碱基序列的首部和尾部,得到第一片段;将第一引物序列2-F、2-R添加至数据文件2的碱基序列的首部和尾部,得到第一片段;将第二引物序列1’-F、1’-R添加至算法1的碱基序列的首部和尾部,得到第二片段。将第一引物序列3-F、3-R添加至数据文件3的碱基序列的首部和尾部,得到第一片段;将第二引物序列2’-F、2’-R添加至算法2的碱基序列的首部和尾部,得到第二片段。
可以理解的,第一引物序列为DNA存储的外部存储的信息,通过第一引物序列对第一片段进行测序,得到第一片段的碱基序列。添加第一引物序列至数据文件的碱基序列的首部和尾部,以及添加第二引物序列至算法的碱基序列的首部和尾部,不局限于上述所述的碱基序列的首部和尾部对应的引物序列,满足添加在二进制文件的剪辑序列的两端即可。
由于DNA存储时间长、环境不确定,使得外部存储的信息尽可能少,存储在DNA中的信息尽可能多,外部可以只保存第一片段的第一碱基序列即可,但是此种方法需要两次扩增和测序。另外,还可以将数据文件的第一引物序列和算法的第二引物序列作为DNA存储的外部保存信息。
在一些实施例中,将二进制文件进行编码,得到碱基序列,包括:根据预设的编码模型,将第一二进制文件和第二二进制文件进行编码,得到第一二进制文件的第一碱基序列和第二二进制文件的第二碱基序列;添加头部引物序列和尾部引物序列至第一碱基序列的首部和尾部,得到用于合成所述DNA片段中的第三片段的碱基序列;添加通用引物序列以及与第二碱基序列对应的一个或多个第一碱基序列的尾部引物序列至第二碱基序列的首部和尾部,得到用于合成DNA片段中的第四片段的碱基序列。
在一些实施例中,为减少测序次数和成本,对上述编码方式进一步改进。如图7所示,本申请另一实施例提供的合成DNA片段的示意图。其中,图7中的(a)图所示的数据与算法之间的逻辑关系,不同的数据可能对应相同的算法,例如数据1、数据2和数据3均采用的算法1进行的预处理,数据4经过算法2进行预处理,但算法文件与数据文件的指针方向是由算法文件反向指向数据文件。数据文件的二进制文件和算法文件的二进制文件分开保存。在对数据文件对应的第一二进制文件和算法文件对应的第二二进制文件进行编码后,将编码后的数据分片,添加引物序列至碱基片段的首位。
如图7中的(a)图所示,数据1、数据2和数据3均通过算法1进行预处理,数据4通过算法2进行预处理。每份文件x有一对引物标识,包括头引物x-F和尾引物x-R。数据文件x对应的引物x-F和x-R,算法文件x对应的引物包括通用引物、一个或多个引物x-R;其中,数据文件x对应的引物x-R与算法文件x对应的引物x-R是相同的引物,由算法指向数据。其中,图7中的(a)图中的文件1、文件2等指代包括数据文件和算法文件的DNA文件。
在一些实施例中,将头部引物序列和尾部引物序列分别添加至第一碱基序列的两端,将通用引物序列以及与第二碱基序列对应的一个或多个第一碱基序列的尾部引物序列分别添加至第二碱基序列的两端;其中,第一碱基序列为数据文件对应的片段,第二碱基序列为算法文件对应的片段。
如图7中的(b)图所示,将数据1的碱基序列添加头部引物序列1-F和尾部引物序列1-R,将数据2的碱基序列添加头部引物序列2-F和尾部引物序列2-R,将数据3的碱基序列添加头部引物序列3-F和尾部引物序列3-R,将算法1添加通用引物序列和数据1的尾部引物序列1-R、数据2的尾部引物序列2-R、数据3的尾部引物序列3-R;在数据4的碱基序列添加头部引物序列4-F和尾部引物序列4-R,在算法2的碱基序列的头部添加通用引物序列,尾部添加数据4对应的尾部引物序列4-R;从而合成得到各个数据文件和算法文件分别对应的DNA片段,将将数据对应的DNA片段归为第三片段,将算法对应的DNA片段归为第四片段。
在一些实施例中,还可以将通用引物序列以及与第二碱基序列对应的一个或多个第一碱基序列的头部引物序列分别添加至第二碱基序列的两端。
可以理解的,数据文件x对应的引物x-F、x-R,以及算法文件x对应的通用引物、一个或多个头部(或尾部)引物序列,为已知的引物序列,可以为DNA存储的外部存储信息。通过上述已知的引物序列,可以对DNA片段进行一次测序得到数据文件和算法文件对应的碱基序列。
另外,添加头部引物序列和尾部引物序列至第一碱基序列的首部和尾部,以及添加通用引物序列以及与第二碱基序列对应的一个或多个第一碱基序列的尾部引物序列至第二碱基序列的首部和尾部,或者添加通用引物序列以及与第二碱基序列对应的一个或多个第一碱基序列的头部引物序列至第二碱基序列的首部和尾部,不局限于上述所述的碱基序列的首部和尾部对应的引物序列,满足添加在二进制文件的剪辑序列的两端即可。
通过上述实施例,只需保存数据文件的引物序列,在解码恢复过程中,根据数据文件的引物序列和通用引物序列,可以实现同时扩展数据文件和算法文件的DNA序列,即可同时解码得到数据文件和算法文件,减少了外部需要保存的信息量。通过将数据文件和算法文件分开保存实现了数据文件和算法文件的可并发扩增测序。
如图8所示,本申请另一实施例提供的基于DNA数据恢复方法的流程示意图。基于DNA的数据恢复方法作为基于DNA的数据存储的逆运算处理过程,可以实现存储的原始数据的自恢复。将数据预处理算法保存在DNA中,读取数据时,系统找到对应文件的引物序列,通过PCR测序同时得到数据和可执行算法文件,解码后在同一目录下的可执行算法可以自动将数据文件进行解析,恢复得到原始数据,实现数据的自解释。如图8所示,该流程包括:
步骤S801,获取待解码的DNA片段,待解码的DNA片段用于存储数据文件和算法文件。
在一些实施例中,数据文件和算法文件以DNA片段的形式存储在体内、外存储介质中。需要读取数据时,系统可以找到对应DNA存储文件以及对应的引物序列。数据文件可以为文本形式、图片形式及视频形式等多种类型的信息。通过算法文件对原始数据进行预处理得到数据文件,预处理采用的算法包括压缩、删冗、加密等预处理算法。
步骤S802,对待解码的DNA片段进行解码处理,得到符合预设的文件格式的二进制文件,文件格式用于指示数据文件与算法文件之间的索引类型。
在一些实施例中,对DNA片段进行解码处理的过程为编码处理的逆运算过程。
在一些实施例中,对待解码的DNA片段进行解码处理,得到符合预设的文件格式的二进制文件,包括:根据待解码的DNA片段中的引物序列,对待解码的DNA片段进行测序,得到DNA片段的碱基序列;根据预设的解码模型,将DNA片段的碱基序列进行解码,得到二进制文件。
与图5对应的解码运算过程,根据引物序列,通过采用PCR技术将DNA片段进行扩增,然后测序,得到数据和算法的碱基序列。预设的解码模型为编码模型的逆运算模型,通过解码模型的转换关系,将数据和算法的碱基序列转换为对应的二进制文件。
其中,二进制文件为数据文件和算法文件位于同一文件的文件,索引类型为直接索引。如图9所示的本申请一实施例提供的二进制文件的结构示意图。数据和算法位于同一二进制文件,包括数据文件的属性标识位、数据文件的有效数据位以及算法文件的有效数据位。如图9中的(a)图所示的各标识位对应的变量名,数据文件的属性标识位包括数据文件开始标记、数据文件类型、二值属性标记、压缩方式、压缩后数据长度、压缩前数据长度以及数据开始标记等。通过书开始标记字段以及数据文件的有效数据位可以确定算法文件的有效数据位的偏移量。
其中,如图9中的(b)图所示,二值属性标记的第一位F1指示原始数据是否被压缩,例如F1=0表示原始数据被压缩,F1=1则未被压缩。二值属性标记的第二位F2表示数据文件与算法文件之间的索引类型,F2=0表示直接索引,F2=1表示间接索引。
在一些实施例中,对待解码的DNA片段进行解码处理,得到符合预设的文件格式的二进制文件,包括:根据待解码的DNA片段中的第一片段的第一引物序列,对第一片段进行测序,得到第一碱基序列和第二引物序列;根据第二引物序列,对待解码的DNA片段中的第二片段进行测序,得到第二碱基序列;根据预设的解码模型,将第一碱基序列和第二碱基序列进行解码,得到第一碱基序列对应的第一二进制文件和第二碱基序列对应的第二二进制文件。其中,第一二进制文件对应数据文件,第二二进制文件对应算法文件。
在一些实施例中,对应图6所示的DNA片段,在得知第一引物序列的基础上,通过PCR技术,对第一片段进行扩增测序,得到数据1的碱基序列和第二引物序列。通过采用相同的PCR技术,根据第二引物序列,对第二片段进行扩增测序,得到算法文件对应的碱基序列。根据编码模型的逆运算(解码模型),对数据文件的碱基序列和算法文件的碱基序列进行解码处理,得到数据文件的二进制文件和算法文件的二进制文件。
示例性的,对应图6所示的DNA片段的解码过程中,根据第一引物序列1-F、1-R,可以对第一片段进行扩增,然后测序,得到数据文件1的碱基序列,数据文件1的碱基序列包括数据1对应的第一碱基序列和第二引物序列1’-F、1’-R;根据第二引物序列1’-F、1’-R,对第二片段进行扩增,然后测序,得到算法1对应的碱基序列。根据第一引物序列2-F、2-R,可以对第一片段进行扩增,然后测序,得到数据文件2的碱基序列,数据文件2的碱基序列包括数据2对应的第一碱基序列和第二引物序列1’-F、1’-R;根据第二引物序列1’-F、1’-R,对第二片段进行扩增,然后测序,得到算法1对应的碱基序列。根据第一引物序列3-F、3-R,可以对第一片段进行扩增,然后测序,得到数据文件3的碱基序列,数据文件3的碱基序列包括数据3对应的第一碱基序列和第二引物序列2’-F、2’-R;根据第二引物序列2’-F、2’-R,对第二片段进行扩增,然后测序,得到算法2对应的碱基序列。
如图10所示的,本申请另一实施例提供的二进制文件的结构示意图。数据文件的二进制文件和算法文件的二进制文件为分开的两个文件,索引类型为间接索引。如图10中的(a)图所示,数据文件对应的第一二进制文件包括数据文件的第一属性标识位和数据文件的第一有效数据位;第一属性标识位包括数据文件开始标记、数据文件类型、二值属性标记、压缩方式、压缩后数据长度、压缩前数据长度及数据开始标记等变量字段。其中,二值属性标记字段包括一个字节,八位,第一位F1表示原始数据是否被预处理,F2表示数据文件与算法文件之间的索引类型。F1=0表示原始数据经过算法的预处理,F1=1表示原始数据未经过预处理;F2=0表示直接索引,F2=1表示间接索引。
如图10中的(c)图所示的算法文件对应的第二二进制文件,包括算法文件的第二属性标识和算法文件的第二有效数据位。其中第二属性标识位包括算法文件开始标记的字段和算法名称的字段。第二有效数据位表示具体采用的预处理算法。
其中,第一二进制文件对应数据文件,第二二进制文件对应算法文件。
在一些实施例中,对待解码的DNA片段进行解码处理,得到符合预设的文件格式的二进制文件,包括:根据待解码的DNA片段中的第三片段的头部引物序列和尾部引物序列,对第三片段进行测序,得到第一碱基序列;根据第三片段的尾部引物序列和所述待解码的DNA片段中的第四片段的通用引物序列,对第四片段进行测序,得到第二碱基序列;根据预设的解码模型,将第一碱基序列和第二碱基序列进行解码,得到第一碱基序列对应的第一二进制文件和第二碱基序列对应的第二二进制文件。
在一些实施例中,对应图7中的(b)图,外部只需存储数据文件对应的引物序列,通过读取数据文件对应的引物序列,对DNA片段进行测序,同时得到数据文件和算法文件分别对应的碱基序列。
示例性的,在得知数据文件对应的头部序列、尾部序列及算法文件的通用引物序列的基础上,通过采用PCR技术,同时对第三片段和第四片段进行扩增,然后测序,得到数据文件对应的碱基序列和算法文件对应的碱基序列。例如,通过头部引物序列1-F、尾部引物序列1-R及通用引物序列,对数据1对应的第三片段和算法1对应的第四片段同时进行扩增,然后测序,得到数据1对应的碱基序列和算法1对应的碱基序列。通过对数据文件的碱基序列和算法文件的碱基序列进行解码处理,得到如图10所示文件格式的第一二进制文件和第二二进制文件的。
其中,第一二进制文件对应数据文件,第二二进制文件对应算法文件。
步骤S803,读取二进制文件中的数据文件和算法文件,并根据索引类型调用算法文件。
在一些实施例中,如图9所示,数据问价与算法文件之间的索引类型为直接索引时,数据文件的属性标识位包括指示索引类型的标识;读取所述二进制文件中的数据文件、算法文件,并根据索引类型调用算法文件,包括:读取二进制文件的数据文件的属性标识位和有效数据位,并基于数据文件的属性标识位确定索引类型;读取二进制文件的算法文件的有效数据位,并根据索引类型调用算法文件的所述有效数据位。
在一些实施例中,如图10所示,数据文件与算法文件之间的索引类型为间接索引时,数据文件的第一属性标识位包括指示索引类型的标识;读取二进制文件中的数据文件和算法文件,并根据索引类型调用算法文件,包括:读取第一二进制文件中数据文件的第一属性标识位和第一有效数据位,并根据第一属性标识位确定索引类型;读取第二二进制文件中算法文件的第二属性标识位和第二有效数据位,并根据索引类型调用第二二进制文件的第二有效数据位的算法。
步骤S804,根据所述算法文件对所述数据文件进行解析处理,得到所述数据文件对应的原始数据。
通过本申请实施例,DNA存储在实际应用中需要进行超长期保存,在数据预处理算法可能丢失的情况下,为保证数据在长期不确定的环境中的安全性和完整性,将压缩算法使用特定的文件格式保存在DNA片段中,在控制数据冗余量和简化数据读取的复杂度的基础上,保证数据可自解释、自恢复。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本申请实施例的实施过程构成任何限定。
对应于上文实施例所述的基于DNA的数据存储方法,图11示出了本申请实施例提供的基于DNA的数据存储装置的结构框图,为了便于说明,仅示出了与本申请实施例相关的部分。
参照图11,该装置包括:
第一获取单元111,用于获取待存储的数据文件,所述数据文件为根据算法文件对原始数据进行预处理得到的文件;
第一处理单元112,用于根据预设的文件格式编辑所述数据文件和所述算法文件,生成待编码的二进制文件,所述文件格式用于指示所述数据文件与所述算法文件之间的索引类型;
编码单元113,用于将所述二进制文件进行编码,得到碱基序列,所述碱基序列用于合成存储所述数据文件和所述算法文件的DNA片段。
对应于上文实施例所述的基于DNA的数据恢复方法,图12示出了本申请实施例提供的基于DNA的数据恢复装置的结构框图,为了便于说明,仅示出了与本申请实施例相关的部分。
参照图12,该装置包括:
第二获取单元121,用于获取待解码的DNA片段,所述待解码的DNA片段用于存储数据文件和算法文件;
解码单元122,用于对所述待解码的DNA片段进行解码处理,得到符合预设的文件格式的二进制文件,所述文件格式用于指示所述数据文件与所述算法文件之间的索引类型;
第二处理单元123,用于读取所述二进制文件中的所述数据文件和所述算法文件,并根据所述索引类型调用所述算法文件;
解析单元124,用于根据所述算法文件对所述数据文件进行解析处理,得到所述数据文件对应的原始数据。
通过本申请实施例,DNA存储在实际应用中需要进行超长期保存,在数据预处理算法可能丢失的情况下,为保证数据在长期不确定的环境中的安全性和完整性,将压缩算法使用特定的文件格式保存在DNA片段中,在控制数据冗余量和简化数据读取的复杂度的基础上,保证数据可自解释、自恢复。
需要说明的是,上述装置/单元之间的信息交互、执行过程等内容,由于与本申请方法实施例基于同一构思,其具体功能及带来的技术效果,具体可参见方法实施例部分,此处不再赘述。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将所述装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中,上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。另外,各功能单元、模块的具体名称也只是为了便于相互区分,并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
图13为本申请一实施例提供的终端设备的结构示意图。如图13所示,该实施例的终端设备13包括:至少一个处理器130(图13中仅示出一个)处理器、存储器131以及存储在所述存储器131中并可在所述至少一个处理器130上运行的计算机程序132,所述处理器130执行所述计算机程序132时实现上述任意各个方法实施例中的步骤。
所述终端设备13可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。该终端设备可包括,但不仅限于,处理器130、存储器131。本领域技术人员可以理解,图13仅仅是终端设备13的举例,并不构成对终端设备13的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如还可以包括输入输出设备、网络接入设备等。
所称处理器130可以是中央处理单元(Central Processing Unit,CPU),该处理器130还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器131在一些实施例中可以是所述终端设备13的内部存储单元,例如终端设备13的硬盘或内存。所述存储器131在另一些实施例中也可以是所述终端设备13的外部存储设备,例如所述终端设备13上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。进一步地,所述存储器131还可以既包括所述终端设备13的内部存储单元也包括外部存储设备。所述存储器131用于存储操作系统、应用程序、引导装载程序(BootLoader)、数据以及其他程序等,例如所述计算机程序的程序代码等。所述存储器131还可以用于暂时地存储已经输出或者将要输出的数据。
本申请实施例还提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现可实现上述各个方法实施例中的步骤。
本申请实施例提供了一种计算机程序产品,当计算机程序产品在移动终端上运行时,使得移动终端执行时实现可实现上述各个方法实施例中的步骤。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请实现上述实施例方法中的全部或部分流程,可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质至少可以包括:能够将计算机程序代码携带到拍照装置/终端设备的任何实体或装置、记录介质、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,RandomAccess Memory)、电载波信号、电信信号以及软件分发介质。例如U盘、移动硬盘、磁碟或者光盘等。在某些司法管辖区,根据立法和专利实践,计算机可读介质不可以是电载波信号和电信信号。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
在本申请所提供的实施例中,应该理解到,所揭露的装置/网络设备和方法,可以通过其它的方式实现。例如,以上所描述的装置/网络设备实施例仅仅是示意性的,例如,所述模块或单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口,装置或单元的间接耦合或通讯连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
以上所述实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围,均应包含在本申请的保护范围之内。
Claims (16)
1.一种基于DNA的数据存储方法,其特征在于,包括:
获取待存储的数据文件,所述数据文件为根据算法文件对原始数据进行预处理得到的文件;
根据预设的文件格式编辑所述数据文件和所述算法文件,生成待编码的二进制文件,所述文件格式用于指示所述数据文件与所述算法文件之间的索引类型;
将所述二进制文件进行编码,得到碱基序列,所述碱基序列用于合成存储所述数据文件和所述算法文件的DNA片段;
将所述数据文件和所述算法文件以所述文件格式的形式存储于所述DNA片段;
所述根据预设的文件格式编辑所述数据文件和所述算法文件,生成待编码的二进制文件,包括:
根据预设的所述文件格式,编辑所述数据文件的属性标识位和有效数据位;根据所述数据文件的所述属性标识位和所述有效数据位,确定所述算法文件相对于所述数据文件的有效数据位的偏移量;基于所述偏移量,编辑所述算法文件的有效数据位,得到所述数据文件和所述算法文件位于同一文件的二进制文件。
2.如权利要求1所述的方法,其特征在于,在所述获取待存储的数据文件之前,所述方法还包括:
根据所述算法文件对所述原始数据进行压缩、删冗或加密的处理,得到所述数据文件。
3.如权利要求1所述的方法,其特征在于,所述将所述二进制文件进行编码,得到碱基序列,包括:
根据预设的编码模型,将所述二进制文件进行编码,得到所述二进制文件的碱基序列;
添加引物序列至所述二进制文件的碱基序列的首部和尾部,得到用于合成所述DNA片段的碱基序列。
4.如权利要求1或2所述的方法,其特征在于,所述根据预设的文件格式编辑所述数据文件和所述算法文件,生成待编码的二进制文件,包括:
根据预设的所述文件格式,编辑所述数据文件的第一属性标识位和第一有效数据位,得到所述数据文件对应的第一二进制文件;
根据预设的所述文件格式,编辑所述算法文件的第二属性标识位和第二有效数据位,得到所述算法文件对应的第二二进制文件;
其中,所述第一二进制文件和所述第二二进制文件为相互独立的两个文件。
5.如权利要求4所述的方法,其特征在于,所述将所述二进制文件进行编码,得到碱基序列,包括:
根据预设的编码模型,将所述第一二进制文件和所述第二二进制文件进行编码,得到所述第一二进制文件的第一碱基序列和所述第二二进制文件的第二碱基序列;
添加第一引物序列至所述第一碱基序列的首部和尾部,得到用于合成所述DNA片段中的第一片段的碱基序列;
添加第二引物序列至所述第二碱基序列的首部和尾部,得到用于合成所述DNA片段中的第二片段的碱基序列。
6.如权利要求4所述的方法,其特征在于,所述将所述二进制文件进行编码,得到碱基序列,包括:
根据预设的编码模型,将所述第一二进制文件和所述第二二进制文件进行编码,得到所述第一二进制文件的第一碱基序列和所述第二二进制文件的第二碱基序列;
添加头部引物序列和尾部引物序列至所述第一碱基序列的首部和尾部,得到用于合成所述DNA片段中的第三片段的碱基序列;
添加通用引物序列以及与所述第二碱基序列对应的一个或多个第一碱基序列的尾部引物序列至所述第二碱基序列的首部和尾部,得到用于合成所述DNA片段中的第四片段的碱基序列。
7.一种基于权利要求1至6中的任一项所述数据存储方法的数据恢复方法,其特征在于,包括:
获取待解码的DNA片段,所述待解码的DNA片段用于以预设的文件格式存储数据文件和算法文件;
对所述待解码的DNA片段进行解码处理,得到符合预设的文件格式的二进制文件,所述文件格式用于指示所述数据文件与所述算法文件之间的索引类型;
读取所述二进制文件中的所述数据文件和所述算法文件,并根据所述索引类型调用所述算法文件;
根据所述算法文件对所述数据文件进行解析处理,得到所述数据文件对应的原始数据。
8.如权利要求7所述的方法,其特征在于,所述对所述待解码的DNA片段进行解码处理,得到符合预设的文件格式的二进制文件,包括:
根据所述待解码的DNA片段中的引物序列,对所述待解码的DNA片段进行测序,得到所述DNA片段的碱基序列;
根据预设的解码模型,将所述DNA片段的碱基序列进行解码,得到所述二进制文件;
其中,所述二进制文件为所述数据文件和所述算法文件位于同一文件的文件。
9.如权利要求8所述的方法,其特征在于,所述数据文件的属性标识位包括指示索引类型的标识;
所述读取所述二进制文件中的所述数据文件、所述算法文件,并根据所述索引类型调用所述算法文件,包括:
读取所述二进制文件的所述数据文件的属性标识位和有效数据位,并基于所述数据文件的属性标识位确定所述索引类型;
读取所述二进制文件的所述算法文件的有效数据位,并根据所述索引类型调用所述算法文件的所述有效数据位。
10.如权利要求7所述的方法,其特征在于,所述对所述待解码的DNA片段进行解码处理,得到符合预设的文件格式的二进制文件,包括:
根据所述待解码的DNA片段中的第一片段的第一引物序列,对所述第一片段进行测序,得到第一碱基序列和第二引物序列;
根据所述第二引物序列,对待解码的DNA片段中的第二片段进行测序,得到第二碱基序列;
根据预设的解码模型,将所述第一碱基序列和所述第二碱基序列进行解码,得到所述第一碱基序列对应的第一二进制文件和所述第二碱基序列对应的第二二进制文件;
其中,所述第一二进制文件对应所述数据文件,所述第二二进制文件对应所述算法文件。
11.如权利要求7所述的方法,其特征在于,所述对所述待解码的DNA片段进行解码处理,得到符合预设的文件格式的二进制文件,包括:
根据所述待解码的DNA片段中的第三片段的头部引物序列和尾部引物序列,对所述第三片段进行测序,得到第一碱基序列;
根据所述第三片段的尾部引物序列和所述待解码的DNA片段中的第四片段的通用引物序列,对所述第四片段进行测序,得到第二碱基序列;
根据预设的解码模型,将所述第一碱基序列和所述第二碱基序列进行解码,得到所述第一碱基序列对应的第一二进制文件和所述第二碱基序列对应的第二二进制文件;
其中,所述第一二进制文件对应所述数据文件,所述第二二进制文件对应所述算法文件。
12.如权利要求10或11所述的方法,其特征在于,所述数据文件的第一属性标识位包括指示索引类型的标识;
所述读取所述二进制文件中的所述数据文件和所述算法文件,并根据所述索引类型调用所述算法文件,包括:
读取所述第一二进制文件中所述数据文件的第一属性标识位和第一有效数据位,并根据所述第一属性标识位确定所述索引类型;
读取所述第二二进制文件中所述算法文件的第二属性标识位和第二有效数据位,并根据所述索引类型调用所述第二二进制文件的所述第二有效数据位的算法。
13.一种基于DNA的数据存储装置,其特征在于,包括:
第一获取单元,用于获取待存储的数据文件,所述数据文件为根据算法文件对原始数据进行预处理得到的文件;
第一处理单元,用于根据预设的文件格式编辑所述数据文件和所述算法文件,生成待编码的二进制文件,所述文件格式用于指示所述数据文件与所述算法文件之间的索引类型;
编码单元,用于将所述二进制文件进行编码,得到碱基序列,所述碱基序列用于合成存储所述数据文件和所述算法文件的DNA片段;将所述数据文件和所述算法文件以所述文件格式的形式存储于所述DNA片段;
所述第一处理单元,还用于根据预设的所述文件格式,编辑所述数据文件的属性标识位和有效数据位;根据所述数据文件的所述属性标识位和所述有效数据位,确定所述算法文件相对于所述数据文件的有效数据位的偏移量;基于所述偏移量,编辑所述算法文件的有效数据位,得到所述数据文件和所述算法文件位于同一文件的二进制文件。
14.一种基于权利要求13所述数据存储装置的数据恢复装置,其特征在于,包括:
第二获取单元,用于获取待解码的DNA片段,所述待解码的DNA片段用于以预设的文件格式存储数据文件和算法文件;
解码单元,用于对所述待解码的DNA片段进行解码处理,得到符合预设的文件格式的二进制文件,所述文件格式用于指示所述数据文件与所述算法文件之间的索引类型;
第二处理单元,用于读取所述二进制文件中的所述数据文件和所述算法文件,并根据所述索引类型调用所述算法文件;
解析单元,用于根据所述算法文件对所述数据文件进行解析处理,得到所述数据文件对应的原始数据。
15.一种终端设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至12任一项所述的方法。
16.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至12任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011426871.1A CN112527736B (zh) | 2020-12-09 | 2020-12-09 | 基于dna的数据存储方法、数据恢复方法及终端设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011426871.1A CN112527736B (zh) | 2020-12-09 | 2020-12-09 | 基于dna的数据存储方法、数据恢复方法及终端设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112527736A CN112527736A (zh) | 2021-03-19 |
CN112527736B true CN112527736B (zh) | 2024-03-29 |
Family
ID=74996849
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011426871.1A Active CN112527736B (zh) | 2020-12-09 | 2020-12-09 | 基于dna的数据存储方法、数据恢复方法及终端设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112527736B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113744804B (zh) * | 2021-06-21 | 2023-03-10 | 深圳先进技术研究院 | 利用dna进行数据存储的方法、装置及存储设备 |
CN114356220B (zh) * | 2021-12-10 | 2022-10-28 | 中科碳元(深圳)生物科技有限公司 | 基于dna存储的编码方法、电子设备及可读存储介质 |
CN114356222B (zh) * | 2021-12-13 | 2022-08-19 | 深圳先进技术研究院 | 数据存储方法、装置、终端设备及计算机可读存储介质 |
CN115312128A (zh) * | 2022-03-14 | 2022-11-08 | 深圳先进技术研究院 | Dna编码方法、解码方法、装置、终端设备及介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6175896B1 (en) * | 1997-10-06 | 2001-01-16 | Intel Corporation | Microprocessor system and method for increasing memory Bandwidth for data transfers between a cache and main memory utilizing data compression |
CN106845158A (zh) * | 2017-02-17 | 2017-06-13 | 苏州泓迅生物科技股份有限公司 | 一种利用dna进行信息存储的方法 |
CN107395209A (zh) * | 2017-07-03 | 2017-11-24 | 北京京东尚科信息技术有限公司 | 数据压缩方法、数据解压缩方法及其设备 |
CN108268658A (zh) * | 2018-02-06 | 2018-07-10 | 政采云有限公司 | 基于MySQL数据库的大文本字段存储方法和系统 |
CN110688347A (zh) * | 2019-09-24 | 2020-01-14 | Oppo广东移动通信有限公司 | 文件存储方法、文件存储装置及终端设备 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8363837B2 (en) * | 2005-02-28 | 2013-01-29 | HGST Netherlands B.V. | Data storage device with data transformation capability |
US9262643B2 (en) * | 2010-02-22 | 2016-02-16 | Sookasa Inc. | Encrypting files within a cloud computing environment |
-
2020
- 2020-12-09 CN CN202011426871.1A patent/CN112527736B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6175896B1 (en) * | 1997-10-06 | 2001-01-16 | Intel Corporation | Microprocessor system and method for increasing memory Bandwidth for data transfers between a cache and main memory utilizing data compression |
CN106845158A (zh) * | 2017-02-17 | 2017-06-13 | 苏州泓迅生物科技股份有限公司 | 一种利用dna进行信息存储的方法 |
CN107395209A (zh) * | 2017-07-03 | 2017-11-24 | 北京京东尚科信息技术有限公司 | 数据压缩方法、数据解压缩方法及其设备 |
CN108268658A (zh) * | 2018-02-06 | 2018-07-10 | 政采云有限公司 | 基于MySQL数据库的大文本字段存储方法和系统 |
CN110688347A (zh) * | 2019-09-24 | 2020-01-14 | Oppo广东移动通信有限公司 | 文件存储方法、文件存储装置及终端设备 |
Also Published As
Publication number | Publication date |
---|---|
CN112527736A (zh) | 2021-03-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112527736B (zh) | 基于dna的数据存储方法、数据恢复方法及终端设备 | |
US7358874B2 (en) | Data compression using a stream selector with edit-in-place capability for compressed data | |
US8407193B2 (en) | Data deduplication for streaming sequential data storage applications | |
US10554220B1 (en) | Managing compression and storage of genomic data | |
KR101074010B1 (ko) | 블록 단위 데이터 압축 및 복원 방법 및 그 장치 | |
US8924366B2 (en) | Data storage deduplication systems and methods | |
US20130166518A1 (en) | Compression Of Genomic Data File | |
CN107395209B (zh) | 数据压缩方法、数据解压缩方法及其设备 | |
CN107682016B (zh) | 一种数据压缩方法、数据解压方法及相关系统 | |
US9378126B2 (en) | Decompression apparatus and decompression method | |
US20180024767A1 (en) | Reference Set Construction for Data Deduplication | |
Povar et al. | Forensic data carving | |
US20200294629A1 (en) | Gene sequencing data compression method and decompression method, system and computer-readable medium | |
Sari et al. | A review of graph theoretic and weightage techniques in file carving | |
Haque et al. | Byte embeddings for file fragment classification | |
CN113312325B (zh) | 轨迹数据传输方法、装置、设备及存储介质 | |
WO2022120626A1 (zh) | 基于dna的数据存储方法、数据恢复方法、装置及终端设备 | |
CN112380196B (zh) | 一种用于数据压缩传输的服务器 | |
JP2020509474A (ja) | 圧縮されたゲノムシーケンスリードからゲノムリファレンスシーケンスを再構築するための方法とシステム | |
US8463759B2 (en) | Method and system for compressing data | |
CN105704215A (zh) | 文件共享系统及相应的文件发送、接收方法及装置 | |
Talasila et al. | Generalized deduplication: Lossless compression by clustering similar data | |
US20220358290A1 (en) | Encoding and storing text using dna sequences | |
WO2019080653A1 (zh) | 编码/解码方法、编码/解码器和存储方法、装置 | |
JPH10261969A (ja) | データ圧縮方法および装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |