《Nature Communications》：Approaching single-molecule assembly-free readout from medium-length encoded DNA
编辑推荐：
纳米孔测序虽快，却深陷插入/缺失(indel)高误码与拼装高算力泥潭。作者以 PNC-LDPC 码武装 6–43 kb 中等长度质粒，仅 1.24–3.15× 覆盖度即可无错恢复数据，实现“写一次读多次”冷数据备份的快速、低成本、单分子级读取。
当人类正被“泽字节”信息洪流淹没，传统磁、光介质在能耗与寿命面前节节败退时，DNA 以 1 g 存 215 PB 的超高密度、千年稳定、低能耗优势成为冷数据备份的“终极梦想”。然而，梦想照进现实却遭遇两大“拦路虎”：一是传统合成测序(SBS)读取慢、耗时长，无法满足“随取随用”；二是新兴纳米孔测序虽把读取时间缩到分钟级，却被 1–9% 的插入/缺失(indel)错误率拖垮，往往需要 ≥30× 覆盖度并辅以复杂拼装运算才能无错还原数据，成本与算力双双爆表。于是，一个“又快又准还省”的读取方案成为 DNA 存储领域最迫切的“圣杯”。
为破局，天津大学 Weigang Chen、Yingjin Yuan 团队把目光从传统“短寡核苷酸池”或“超大人工染色体”转向中等长度 DNA：6–43 kb 的环状质粒。它们既能绕开短片段的高索引开销，又能规避大片段的繁琐 Gibson 拼装，却长期缺乏匹配的纠错与定位技术。作者提出全新 PNC-LDPC 编码策略：将非二进制低密度奇偶校验码(LDPC)与伪噪声序列(PN)逐位绑定，生成带“导航水印”的 DNA 序列；再通过优化转座酶一步酶切建库，把环状质粒变成接近全长的线性片段供纳米孔读取。PN 序列如同“分子 GPS”，可在任意起点、任意长度的 noisy read 中秒级定位并精准标注 indel，随后把插入碱基直接删除、缺失位点标记为擦除(erasure)，交由高增益 LDPC 解码器一次性清零错误。实验表明，在 R10.4.1 纳米孔、1.83% 原始错误率场景下，仅 1.24–3.15× 覆盖度即可 100% 无错恢复 5.9 kB 中文古诗及 3.7 kB 莎士比亚十四行诗，平均恢复时间 <6 s；即便极端 43% 误码，通过 496× 覆盖共识也能可靠解码。该成果 2025-11-17 在线发表于《Nature Communications》，为 DNA 存储迈向“单分子、分钟级、低成本”实用化按下加速键。
关键技术方法：
PNC-LDPC 编码：非二进制 LDPC 与 PN 序列逐位交织，生成 22.7–64.5 kb 编码片段；
转座酶单次酶切建库：调剂量与时间，提高全长读长比例至 59%；
纳米孔 R10.4.1 测序：实时获取 ≥30 kb 长读长；
PN 滑动对齐+indel 转擦除：Minimap2 定位，插入删除直接修正；
共识-LDPC 迭代解码：多数表决生成共识后，非二进制 LDPC 清零残余错误。
研究结果：
中等长度 DNA 片段平衡可靠与快速读取
针对短寡核苷酸池读取慢、大片段需拼装的问题，作者构建 28 个 6–8 kb 与 5 个 33–43 kb 质粒，分别存储 5.9 kB 中文诗与 3.7 kB 英文诗。流程分四步：PNC-LDPC 编码→酵母一步组装成环状质粒→转座酶线性化→纳米孔测序→PN 对齐+LDPC 解码。实验显示，当读长与码字长度高度匹配时，平均 1.24× 覆盖即可无错恢复；匹配度稍差的质粒也仅需 3.15×，远低于文献报道的 9–200×。
PNC-LDPC 方案实现强纠错与快速对齐
PN 序列与 LDPC 码字逐位绑定，使任意起点读长都能通过 PN 自相关快速定位，indels 直接转擦除，避免拼装。与“稀疏叠加”旧方案相比，免去了 PN 被数据淹没的风险及复杂组装。采用码率 1/3、1/2、0.93 三种 LDPC，均能在 2% 原始误码下实现零错误解码；交织版 pLP2-e 在 96.3% 实验中 ≤3 条读长即可恢复。
单次转座酶切获得全长读长
传统 ONT Rapid Kit 易多切导致读长缩短。作者提高模板量、缩短反应时间，使 59% 碱基集中在 30–35 kb 主峰，匹配质粒全长。对比传统法，高度匹配读长比例提升 4.5 倍，仅 3 条高质量读即可无错恢复，pLP2 平均覆盖降至 1.51×。
PN 对齐+纠错实现无拼装可靠读取
读长经 PN 滑动对齐后，indels 被标注并修正，残余替代/擦除由非二进制 LDPC 清零。32 个质粒、662 次独立实验显示，原始 ~2% 误码经共识后降至 LDPC 可纠范围；实时读取 3 个文件总计 364 s 完成无错还原。模拟表明，即便 43% 误码，496× 共识仍可零错误解码，证明方案可扩展至更大容量。
研究结论与讨论：
文章首次将“中等长度 DNA+PNC-LDPC”推到单分子级读取前沿，把覆盖度门槛降到 1× 量级，彻底摆脱高覆盖与复杂拼装的双重枷锁。PN 序列像“分子北斗”一样实现任意断点自定位，indels 转擦除策略让高误码纳米孔数据瞬间“洗白”，LDPC 则兜底残余错误，三者协同实现“写一次、读多次”冷数据备份的快速、低成本、高可靠愿景。随着酶法长片段合成成本持续下探，该方案有望率先在档案馆、医疗冷数据等场景落地，并为未来 DNA 存储标准制定提供关键编码-建库-解码一体化范式。作者亦指出，更高容量将带来算力挑战，但借助 minimap2 多线程加速，37.8 KB 数据 40 线程平均 3.08 s 即可完成恢复，为“泽字节时代”的绿色信息存储铺就了可扩展的快车道。
