FASTA последователност (.fasta)
FASTA СтандартFASTA е разпространен текстов формат за последователности; размерът зависи от данните и форматирането. Записите GenBank варират, а статистиките се променят с всяко издание.
Конвертиране от FASTA към GENBANK
Безплатен конвертор от FASTA към GENBANK в браузъра. Конвертирайте файлове незабавно на вашето устройство.
Проверка и метаданни
Операционните системи и файловите анализатори идентифицират FASTA файлове чрез проверка на началната двоична байтова последователност:
Байтов подпис на заглавката (сигнатурни байтове)
Операционните системи и файловите анализатори идентифицират FASTA файлове чрез проверка на началната двоична байтова последователност:
HEX ПОДПИС (ОФСЕТ 0):
3EASCII ПРЕДСТАВЯНЕ: >
Стандартизация: FASTA е разпространен текстов формат за последователности; размерът зависи от данните и форматирането. Записите GenBank варират, а статистиките се променят с всяко издание.
Технически спецификации
| Контейнерна архитектура | Текстов файл с последователности, чиито заглавни редове започват с '>', последвано от идентификатор на последователността; следващите редове съдържат еднобуквени кодове за нуклеотиди или аминокиселини |
| Компресия | Некомпресиран текст (често се компресира с Gzip и се записва като .fasta.gz или .fa.gz) |
| Поредност на байтовете (Endianness) | Текстов поток ASCII / UTF-8 |
| Цветови пространства | N/A (Genomic Sequence Data) |
| Канали и структура | Кодове за нуклеинови киселини (A, C, G, T, U, N) или кодове на IUPAC за 20-те аминокиселини в белтъците |
| Максимални размери | Дължина на последователността без фиксирано ограничение (поддържа цели човешки хромозоми с над 250 милиона базови двойки) |
| Прозрачност | Няма |
| Поточно предаване и прогресивно зареждане | Последователно поточно обработване запис по запис |
Техническа сравнителна матрица: FASTA спрямо конкуренти
| Технически атрибут | FASTA (Текущ) | FASTQ | GENBANK | GFF |
|---|---|---|---|---|
| Оценки за качество | Няма (само буквите на последователността) | Phred оценки за качество за всяка база | Няма (анотации на характеристики) | Няма (координати на характеристики) |
| Заглавен ред | Започва със знак '>' | Започва със знак '@' | Структуриран LOCUS блок | Геномни колони, разделени с табулация |
| Основно приложение | Референтни геноми и търсене с BLAST | Необработени данни от високопроизводително секвениране (Illumina) | Изчерпателно анотирани гени | Анотации на геномни характеристики |
| Размер на файла (при човешкия геном) | FASTA е разпространен текстов формат за последователности; размерът зависи от данните и форматирането. Записите GenBank варират, а статистиките се променят с всяко издание. | над 100 гигабайта (с оценки за качество) | Богато форматиран текст с размер от няколко гигабайта | ~50 мегабайта |
Често срещани видове повреди и ръководство за възстановяване на шестнадесетични данни
Инструментът за биоинформатика съобщава 'Невалиден символ в последователността на ред X'.
Първопричина: Интервали, числа или символи, които не са включени в спецификацията на IUPAC, в редовете с последователности.
Възстановяване: Филтрирайте и почистете символите в последователността с помощта на биоинформатичния инструмент на File2File.app.
Анализ на сигурността и вектори на атака към парсера
Геномните инструменти обработват огромни FASTA файлове с размер от няколко гигабайта, при които при индексиране на координатите на последователностите може да възникне целочислено препълване.
Известни вектори на атака
- Целочислено препълване в 32-битови индексатори на последователности (FAI) при надхвърляне на 2^31 базови двойки.
- Препълване на буфера при четене на прекомерно дълги заглавки с идентификатори на последователности.
- Отказ от услуга (DoS) чрез крайно неблагоприятни заявки за подравняване.
Най-добри практики за защита: Използвайте 64-битови типове за координати и проверявайте дали дължината на заглавната част не надвишава зададения максимум.
Исторически произход и етапи
Основни предимства
- FASTA се използва широко за биологични последователности, но поддръжката от инструменти, бази данни и уреди зависи от работния процес.
- Изключителна простота: ред 1 започва със знака '>', следван от идентификатор, а след него са изписани обикновени генетични букви.
- Капацитет за множество последователности: един единствен файл може да съдържа хиляди отделни гени или пълни вирусни геноми.
Технически ограничения и минуси
- Не съдържа оценки за качеството на секвенирането (за разлика от FASTQ, който съхранява Phred оценки за надеждност на база).
- Няма стандартизиран синтаксис за метаданни за редовете на заглавията извън първоначалния идентификатор.
- Огромен обем за съхранение за цели геномни набори от данни без Gzip или специализирана геномна компресия.
Интересни технически факти
- FASTA е разпространен текстов формат за последователности; размерът зависи от данните и форматирането. Записите GenBank варират, а статистиките се променят с всяко издание.
- Четирите букви на ДНК, съхранявани във FASTA файлове, са A (Аденин), C (Цитозин), G (Гуанин) и T (Тимин).
- Когато геномът на коронавируса COVID-19 беше секвениран за първи път през януари 2020 г., учените го споделиха глобално като FASTA файл с дължина 30 000 букви.
Често задавани технически въпроси
Какво представлява FASTA файлът?
FASTA файлът е текстов файл, използван в биологията за съхраняване на ДНК, РНК или протеинови последователности, представени с еднобуквени означения.
Каква е разликата между FASTA и FASTQ?
FASTA съхранява само буквите на генетичната последователност, докато FASTQ съхранява както тези букви, така и оценка за качеството на секвенирането за всяка база.
Как мога да прегледам FASTA файл?
Можете да отваряте FASTA файлове във всеки текстов редактор, да ги преглеждате в програми за биоинформатика като Jalview или UGENE или да ги конвертирате с помощта на File2File.app.
Свързани двойки за конвертиране на FASTA
Конверторът преобразува FASTA последователността в основен запис във формат GenBank и записва последователността в секцията ORIGIN, без да извежда или добавя биологични анотации на характеристики.
Преобразуването на GenBank текстов файл в FASTA последователност премахва метаданните от анотациите, оставяйки само суровите нуклеотидни или аминокиселинни последователности, необходими за бърз биоинформатичен анализ.