近年来，DNA因其高密度、低能耗、长寿命等特性，成为极具潜力的下一代数据存储介质。然而，DNA在测序过程中易产生替换、插入、缺失等错误，严重影响数据解码的准确性与完整性。

近日，南方科技大学蒋兴宇团队在 《ACS Nano》 上发表题为《Integrated Error Correction to Enhance Efficiency of Digital Data Storage Based on DNA Nanostructures》的研究，提出了一种集成纠错算法IEC，显著提升了DNA数据存储的效率和可靠性。

IEC算法三大核心机制
1、 “头-尾”区域Levenshtein距离聚类
传统Levenshtein距离计算复杂度高，不适用于海量DNA序列。IEC仅提取序列的头部和尾部区域进行相似度计算，将复杂度从 O(m2)（m 为全序列长度）降至 O(n2)（n 为头尾区间长度），聚类速度提升10倍，且对头尾错误具备强容错能力。

2、基于Sliding Window-Optimized的Hamming距离纠错
传统Hamming距离要求序列等长，IEC引入滑动窗口机制，实现对变长序列的插入、缺失、替换错误检测与校正。

3、Score-weighted Majority Voting剔除“噪音序列”
在聚类与纠错后，IEC采用分数加权的majority voting机制，进一步提升序列选择的准确性。相比传统majority voting，缺失序列率降低约2%，覆盖率和准确率也更高。

实验验证：
团队以医疗影像数据（MRI 图像，122KB） 为存储对象，通过 Twist Bioscience 合成 DNA oligo pool，经多轮PCR 扩增（模拟长期使用中的序列退化），全面验证IEC的实用性。

1、研究中使用的DNA oligo pool通过杭州沃森生物订购，包含4468条DNA序列，每条长度200 nt，结构如下：

• 16 nt  Seed区
• 136 nt  Data payload区
• 8 nt  Reed-Solomon纠错码
• 40 nt  PCR引物结合位点

2、合成后的DNA经过多轮连续PCR扩增，模拟多次读取中错误的累积效应。
扩增产物经琼脂糖凝胶电泳验证后，在Illumina平台上进行150 bp双端测序。发现IEC处理后前4轮均能成功解码，5轮后仍能保持80%以上，序列效率也显著提高，待解码序列数毕传统DNA Fountain方法减少0.5%-29.89%，数据量缩小3个数量级。
 

IEC算法通过三重纠错机制协同工作，在不依赖高冗余编码的前提下，实现了对DNA存储中常见错误的高效校正。其低冗余、高密度、强纠错的特性，适用于医疗数据、个性化医疗、大数据存储等场景。

代码已开源：
https://github.com/lasso-sustech/IEC_Codes/tree/reponse
参考文献：
Mao, C. et al. ACS Nano 2025. DOI: 10.1021/acsnano.5c08183