GenBank файл (.gb)
NCBI 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 GenBank файлове чрез проверка на началната двоична байтова последователност:
Байтов подпис на заглавката (сигнатурни байтове)
Операционните системи и файловите анализатори идентифицират GenBank файлове чрез проверка на началната двоична байтова последователност:
HEX ПОДПИС (ОФСЕТ 0):
4C 4F 43 55 53 20 20 20 20 20ASCII ПРЕДСТАВЯНЕ: LOCUS
Стандартизация: NCBI GenBank Release Specification
Технически спецификации
| Контейнерна архитектура | Обикновен текстов файл, разделен на секция Header (LOCUS, DEFINITION, ACCESSION), таблица FEATURES и данни за последователността в ORIGIN, завършващи с '//' |
| Компресия | Некомпресиран текст (често се компресира с Gzip във файл .gb.gz) |
| Поредност на байтовете (Endianness) | Текстов поток UTF-8 / ASCII |
| Цветови пространства | N/A (Genomic Annotation Database) |
| Канали и структура | Последователности на DNA/RNA, анотации на гени, кодиращи региони (CDS), преводи на белтъчни последователности и научни цитати |
| Максимални размери | Брой на последователностите и характеристиките без фиксирано ограничение |
| Прозрачност | Няма |
| Поточно предаване и прогресивно зареждане | Поточно обработване запис по запис: отделните записи GenBank се разделят с редове '//' |
Техническа сравнителна матрица: GenBank спрямо конкуренти
| Технически атрибут | GenBank (Текущ) | FASTA | GFF | FASTQ |
|---|---|---|---|---|
| Детайлност на анотацията | Изчерпателна (гени, CDS, цитати, транслация) | Няма (само последователност) | Таблични геномни координати | Само оценки за качеството на секвенирането |
| Включена последователност | Да (в блок ORIGIN в края) | Да (чиста последователност) | Не (само координати) | Да (сурови четения) |
| Основен софтуер | NCBI, SnapGene, Benchling | BLAST, инструменти за подравняване | Геномни браузъри (UCSC, IGV) | Секвенатори на Illumina |
| Маркер за край на запис | // на самостоятелен ред | Следващ ред със заглавие, започващ с '>' | Край на файла | Следващ ред '@' |
Често срещани видове повреди и ръководство за възстановяване на шестнадесетични данни
Биоинформатичният софтуер съобщава 'Грешка в парсера на GenBank: неочакван край на файла преди //'.
Първопричина: Прекъснато изтегляне, което прекъсва крайния блок ORIGIN с последователността или разделителя '//'.
Възстановяване: Добавете '//\n' в края на файла с помощта на биоинформатичния инструмент на File2File.app.
Анализ на сигурността и вектори на атака към парсера
Парсерите на GenBank обработват сложни низове, описващи местоположението на елементи, при които връщането назад при съпоставяне с регулярни изрази може да предизвика отказ от услуга.
Известни вектори на атака
- Отказ от услуга чрез уязвимост в регулярни изрази (ReDoS) в парсери за сложни местоположения на елементи.
- Препълване на буфера при четене на прекалено дълги заглавия на цитирани източници.
- Отказ от услуга чрез циклични препратки между елементи.
Най-добри практики за защита: Използвайте линейни парсери без връщане назад (non-backtracking parsers) за оценяване на координатните диапазони на таблиците с характеристики.
Исторически произход и етапи
Основни предимства
- Богати и изчерпателни метаданни: съдържа граници на гени, местоположения на промотори, екзони, интрони и аминокиселинни последователности на белтъци.
- Включва пълни библиографски справки, идентификатори в PubMed, имена на автори и дати на подаване на експерименталните данни.
- FASTA е разпространен текстов формат за последователности; размерът зависи от данните и форматирането. Записите GenBank варират, а статистиките се променят с всяко издание.
Технически ограничения и минуси
- Значително по-многословни и по-големи размери на файловете в сравнение с обикновените FASTA последователности.
- Обработката на координатите в таблиците с елементи ('join(complement(100..500),600..800)') изисква сложен парсер.
- Не е проектиран за масивно подравняване на четения от секвениране с висока пропускателна способност (high-throughput sequencing).
Интересни технически факти
- Всеки запис в GenBank започва с думата 'LOCUS' и завършва с две наклонени черти '//' на отделен ред.
- GenBank синхронизира данните си ежедневно с Европейската лаборатория по молекулярна биология (EMBL) и Банката за ДНК данни на Япония (DDBJ).
- Синтетичните биолози използват файлове на GenBank за проектиране на персонализирани кръгови плазмиди за редактиране на гени с CRISPR и производство на инсулин.
Често задавани технически въпроси
Каква е разликата между форматите FASTA и GenBank?
FASTA съдържа само необработената ДНК последователност с кратък заглавен ред. GenBank съдържа необработената последователност, както и всички анотации на гени, преведени белтъчни последователности, автори и научни бележки.
Как мога да конвертирам GenBank (.gb) във FASTA?
Можете с едно кликване да преобразувате файлове на GenBank в изчистени нуклеотидни или белтъчни последователности във FASTA формат с File2File.app директно в браузъра си.
Кой софтуер отваря GenBank файлове?
SnapGene, Benchling, UGENE, Artemis и File2File.app могат да преглеждат и редактират GenBank файлове.
Свързани двойки за конвертиране на GenBank
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.