Proyecto de Estructuras de Datos – 2025-30

Este proyecto tiene como objetivo construir un sistema interactivo para la manipulación de secuencias genéticas en formato FASTA, aplicando los conceptos de estructuras lineales, jerárquicas (árboles) y no lineales (grafos) vistos en el curso de Estructuras de Datos.

---

📋 Descripción del problema

El sistema permite trabajar con información genética representada en archivos FASTA (.fa), los cuales contienen secuencias de ADN o ARN.
A lo largo del proyecto se desarrollan diferentes componentes que permiten cargar, procesar, comprimir, descomprimir y analizar las secuencias.

---

🧩 Componentes del sistema

1. Resumen de información de un genoma

• Cargar archivos FASTA en memoria.
• Listar secuencias y número de bases.
• Generar histogramas de frecuencias.
• Verificar si una subsecuencia existe.
• Enmascarar subsecuencias con X.
• Guardar las secuencias modificadas.

2. Compresión y descompresión

• Implementación de codificación de Huffman para:
  • Codificar archivos FASTA → .fabin.
  • Decodificar archivos .fabin → restaurar secuencias en memoria.

3. Relaciones entre bases (grafos)

• Representar secuencias como matrices y grafos.
• Calcular ruta más corta entre dos posiciones de bases.
• Determinar la base remota más lejana de una posición dada.

---

🖥️ Interacción con el sistema

El programa funciona en modo consola interactiva.
El indicador de línea es el caracter $.

🔑 Comandos principales

• cargar nombre_archivo.fa
• listar_secuencias
• histograma descripcion_secuencia
• es_subsecuencia subsecuencia
• enmascarar subsecuencia
• guardar nombre_archivo.fa
• codificar nombre_archivo.fabin
• decodificar nombre_archivo.fabin
• ruta_mas_corta descripcion_secuencia i j x y
• base_remota descripcion_secuencia i j
• ayuda [comando]
• salir

---

⚙️ Requisitos

• Compilador GNU g++ (≥ 4.0.0)
• Sistema operativo Linux/Windows/Mac con terminal habilitada

---

🚀 Ejecución

g++ -std=c++17 -o programa *.cxx *.cpp
./programa