Codificador de bases ADN

Un codificador de bases de ADN transforma el texto ordinario en una cadena de las cuatro bases biológicas adenina, citosina, guanina y timina al tratar cada par de bits como una letra de ese alfabeto, y un decodificador de ADN invierte la misma tabla para que usted recupere la cadena UTF-8 original. Introduzca texto plano y elija codificar para recibir una secuencia continua A/C/G/T —cuatro bases por byte— o pegue una cadena de ADN y elija decodificar para reconstruir los caracteres.

Cómo los pares de bits se convierten en bases de ADN y por qué la longitud debe ser múltiplo de cuatro

El texto digital es una secuencia de bytes y cada byte son ocho bits. Este codificador agrupa esos bits en pares y asigna cada par a exactamente una base de ADN mediante una tabla fija: cero-cero se convierte en A, cero-uno en C, uno-cero en G y uno-uno en T. Recorrer un byte desde el par de bits más significativo hasta el menos significativo produce por tanto siempre cuatro letras.

La letra mayúscula H tiene valor decimal setenta y dos, binario cero-uno-cero-cero-uno-cero-cero-cero, que se convierte en C, A, G, A; la letra i se convierte en C, G, G, C; juntas, la palabra Hi se codifica como CAGACGGC. La decodificación lee la secuencia de cuatro en cuatro bases, expande cada base a su código de dos bits, reconstruye cada byte e interpreta el array de bytes como UTF-8.

Como un byte completo siempre necesita cuatro bases, una secuencia cuya longitud no es múltiplo de cuatro no puede representar un número entero de bytes y se rechaza. Asimismo, cualquier carácter que no sea A, C, G o T —incluidos U, N, dígitos y puntuación— es inválido. Los espacios en blanco, comas, guiones y separadores similares se eliminan antes de la validación, de modo que los fragmentos pegados al estilo FASTA siguen funcionando cuando solo contienen bases legales.

Los caracteres UTF-8 de varios bytes, como letras acentuadas o emoji, se expanden a más de un byte y por tanto a más de cuatro bases; eso es lo esperado, no un error. Esta página se dirige a quien busca un codificador de bases de ADN, un convertidor de texto a ADN o una herramienta de empaquetado binario A/C/G/T; no es un alineador de secuencias biológicas, una tabla de codones ni una calculadora de reverso-complemento.

Consejos prácticos, límites y herramientas relacionadas

Prefiera decode cuando ya disponga de una cadena A/C/G/T de un libro de texto o de una carga generada y quiera recuperar los caracteres. Las comprobaciones de ida y vuelta son la prueba de humo más rápida: codifique una palabra corta como Hi, confirme que las ocho bases coinciden con los grupos de cuatro bases conocidos para H e i, luego decodifique esas bases y confirme que recupera la cadena original. Mantenga las cargas bajo el límite de caracteres publicado; los volcados de varios megabytes pertenecen al entorno local.

Esta herramienta no es una utilidad biológica de reverso-complemento, ni un traductor de codones, ni un convertidor general de base 4 para enteros arbitrarios: esos problemas merecen páginas dedicadas. Prefiera esta capacidad cuando la intención de búsqueda sea texto o binario frente a bases de ADN con tabla de empaquetado de dos bits; use un convertidor de texto a binario o a hexadecimal cuando necesite formas de ceros y unos o hexadecimales en lugar de A/C/G/T.

Al enseñar, muestre el mismo emoji o letra acentuada junto a una letra ASCII simple para que los estudiantes vean cómo los octetos UTF-8 de varios bytes aparecen como grupos extra de cuatro bases y no como un codón misterioso único.