Protegendo o Futuro da Informação: Codificação LOCO com Detecção de Erros para Armazenamento de Dados em DNA

Do ponto de vista da teoria da informação, as cadeias de DNA servem como um meio de armazenamento para dados 4-ários sobre o alfabeto A,T,G,C. O armazenamento de dados em DNA promete uma densidade de informação formidável, durabilidade a longo prazo e facilidade de replicabilidade. No entanto, as informações nessa intrigante tecnologia de armazenamento podem ser corrompidas devido a sequências de dados propensas a erros, além de erros de inserção, exclusão e substituição. Experimentos revelaram que sequências de DNA com homopolímeros longos e/ou com baixo conteúdo de GC são notavelmente mais suscetíveis a erros durante o armazenamento. Para enfrentar esse desafio bioquímico, códigos restritos são propostos para uso em sistemas de armazenamento de dados em DNA, e eles são estudados na literatura de acordo. Este artigo investiga a utilização do método recentemente introduzido para o design de códigos restritos ordenados lexicograficamente (LOCO) no armazenamento de dados em DNA para melhorar o desempenho. Códigos LOCO oferecem realizabilidade de capacidade, baixa complexidade e facilidade de reconfigurabilidade. Este artigo introduz novos códigos restritos, nomeadamente códigos DNA LOCO (D-LOCO), sobre o alfabeto A,T,G,C com execuções limitadas de símbolos idênticos. Devido à sua estrutura ordenada, esses códigos possuem uma regra de codificação-decodificação que derivamos, que fornece algoritmos de codificação-decodificação simples e acessíveis. Em termos de sobrecarga de armazenamento, os algoritmos de codificação-decodificação propostos superam os existentes na literatura. Nossos algoritmos são baseados em somadores de pequeno tamanho e, portanto, são prontamente reconfiguráveis. Códigos D-LOCO são intrinsecamente equilibrados, o que nos permite alcançar equilíbrio de conteúdo AT e GC em toda a cadeia de DNA com penalidade de taxa mínima. Além disso, propomos quatro esquemas para conectar palavras de código consecutivas, três dos quais garantem a detecção de erro de substituição única por palavra de código. Examinamos a probabilidade de não detecção de erros em um canal de armazenamento de DNA simétrico presumido sujeito apenas a erros de substituição. Também mostramos que os códigos D-LOCO atingem a capacidade e oferecem taxas notavelmente altas mesmo em comprimentos moderados.