4.1 寡核苷酸池合成：写入的经济学

4.1 寡核苷酸池合成：写入的经济学

本节摘要：寡核苷酸池（oligo pool）合成是 DNA 存储当前的主力写入方式：一条 oligo 一条数据分块，数十万条序列在芯片上一批合成，按池计价。本节拆解它的化学原理与成本结构——偶联效率的指数衰减如何限定读长，并行规模如何摊薄单价——并给出写入端的真实账本：按现行行业口径，写入一兆字节数据的合成开销仍在千美元量级。

先看化学：一条链怎么长出来

主流的亚磷酰胺合成法是一套四步循环：去保护——把链尾羟基的保护基脱掉，露出反应位点；偶联——加入下一个带保护基的核苷酸亚磷酰胺单体，在活化剂催化下与链尾成键；盖帽——把极少量没有偶联成功的链尾封死，防止它们继续长成错误序列；氧化——把亚磷酸三酯键氧化成稳定的磷酸二酯键。一个循环接一个碱基，链从固体载体上一节一节长出来。整条化学流水线在 1980 年代定型，今天芯片上的每平方毫米都在重复这套动作。

这套化学有个绕不开的物理属性：单步偶联效率不是百分之百。哪怕工艺把效率做到九十九点五，全长产率也按幂次衰减——合成两百个碱基的全长链，产率只有零点九九五的两百次方，约百分之三十六点七；效率掉到九十九，全长率跌到一成三出头。这条指数曲线就是 oligo 长度的"天花板公式"：链越长，废品率越高，纯化成本越陡。这就是为什么十几年过去，商业合成的交付长度始终盘桓在一百到两百碱基之间——不是没人想写长，是化学不答应。

再看并行化，这是寡池经济的另一半。早期一根柱子合成一条序列，通量按"条"计；芯片级合成把位点密度提上去之后，一块芯片一批能产出数十万条定制序列，通量按"批"计。批内所有序列共享试剂与工艺步骤——去保护、偶联、盖帽、氧化对整片同时发生——因此总成本与序列数量的关系远小于线性，这就是"池"字的经济含义：摊薄到每条序列的工艺开销随批量急剧下降。

图：寡池写入管线与成本结构

再看账本：写入贵在哪

把寡池写入的账拆成三笔。第一笔是碱基账：存储数据不能裸写，编码冗余、纠错校验、索引地址都要摊进碱基数，一兆字节数据的实际合成量通常是它的几倍。第二笔是错误账：合成错误率约每三百碱基一个，以缺失为主，这决定了纠错码的最小配置与冗余倍数——错误率每恶化一档，纠错开销就上一个台阶。第三笔是批量账：单价报价建立在批量摊薄之上，小批量实验拿到的报价可能是标称值的十倍以上。

三笔账合起来的行业现状是：按现行口径，写入一兆字节数据的合成开销在千美元量级，写入一吉字节要到百万美元级。与磁带每太字节几十美元的归档行情相比，中间隔着五六个数量级的鸿沟——这就是第五章介质对决的起跑线，也是"DNA 存储适合冷数据"这一判断的数字来源。值得记住的是改善速度：过去十年合成价格累计下降超过六个数量级，若斜率保持，鸿沟的宽度是会变的。

通量上的另一组对照同样重要：写入速度。寡池一批合成以天计，吞吐折算下来每秒不过千字节量级，与磁盘每秒数百兆字节相差八个数量级。这决定了 DNA 不可能进入在线存储市场，连温数据的门槛都够不着——冷数据归档的定位由此被写入通量的物理现实锁死。

要点回顾

• 亚磷酰胺四步循环是写入端的化学底盘；偶联效率的指数衰减给出全长产率公式，是 oligo 长度停留在百碱基量级的根本原因。
• 寡池经济的本质是批内共享工艺：序列数量暴涨而工艺步骤不变，单价随批量急剧摊薄。
• 写入成本=碱基账、错误账、批量账之和：现行口径写入一兆字节在千美元量级，与磁带相差五六个数量级，但十年降了六个数量级的斜率不容忽视。
• 写入通量每秒千字节量级的现实，把 DNA 的战场锁定在冷数据归档，这是物理约束而非策略选择。

常见追问

合成错误长什么样，能提前预测吗？ 主流错误是缺失——某个循环偶联失败，盖帽又没能及时封住，链就此少了一个碱基；其次是替换与截短。错误率约每三百碱基一个，且与序列上下文相关：GC 失衡区、同聚物边缘、修饰位点附近概率上浮。提前预测靠的是"序列难度模型"——用历史批次数据训练出的统计模型给每条序列打难度分，编码器据此绕开高危模式，或为高危序列多排一份冗余。预测不能消灭错误，但能把错误的分布从不可控变成可预算。

为什么不能把 oligo 做长一点来摊薄索引开销？ 这正是全行业的愿望，而化学不配合。回顾那条指数曲线：偶联效率九十九点五时，两百碱基全长率约三成七，三百碱基只剩一成三——链越长，废品占比越高，纯化成本与错误率同步上扬。在化学框架内加长是负收益，出路只有换化学：酶法与半导体路线的核心卖点，都是把这条衰减曲线的斜率打平。读长战争是写入端的主战场，第四章其余两节与第六章都会回到它。

数字备忘

再补三组数字完善写入端的账。批量：商业寡池单批可交付数十万条定制序列，交期以周计，小批量报价可达标称单价的十倍——这是学术实验与产业报价常见的鸿沟。错误结构：缺失约占合成错误的大头，替换次之，截短链靠纯化去除；每三百碱基一个的量级十年间改善缓慢——化学循环的物理极限就在附近。库存寿命：合成好的寡池冻干态常温可存数年，归档必须转封装态——这也是为什么写入工位的产出只是半成品，第四章的保存科学才是它的下一站。

补充账目

给写入账再补一笔容易被忽略的科目：设计周转。寡池是按批生产的，从提交序列清单到收到冻干产物，交期以周计；这意味着每一次编码迭代、每一轮参数调整都要付出整批的时间成本。对一次性的归档写入这无关痛痒，对研发阶段却是主要摩擦——它解释了为什么本领域的编码研究者普遍练就了"一次设计、周密仿真、少轮迭代"的工作习惯，也解释了为什么仿真器与错误模型在这个领域格外受重视：算得准的团队，才等得起正确的批次。

三句话备忘

自测一问：偶联效率若从九十九点五提到九十九点八，两百碱基的全长率从三成七涨到多少？约六成七——效率零点三个百分点的改善，换来产率近一倍的提升。这就是为什么合成厂商在工艺上锱铢必较：指数曲线面前，每个千分之一都值钱。

一句话记化学：四步循环定精度，偶联效率定读长，批内共享定价格。一句话记瓶颈：通量与读长互相锁死——位点越密越难做长，链越长废品越多。一句话记出路：单碱基报价已经白菜化，下一轮降本只能来自读长突破与冗余压缩，这正是随后两节与第三章接力的话题。

化学法的长与贵已经看清，挑战者正在门口：用聚合酶把碱基逐个"打印"出来的酶法合成。下一节看这条路线的原理与现状。