Конвертор от GenBank към FASTA
Преобразуването на GenBank текстов файл в FASTA последователност премахва метаданните от анотациите, оставяйки само суровите нуклеотидни или аминокиселинни последователности, необходими за бърз биоинформатичен анализ.
Сравнение на формати и технически спецификации
| Спецификация | GENBANK | FASTA |
|---|---|---|
| MIME тип | text/ | text/ |
| Тип | анотиран файл с нуклеотидни данни | текст със секвенции за биоинформатиката |
| Компресия | няма (обикновен текст) | няма (обикновен текст) |
| Стандартна спецификация | Бележки към изданията с плоски файлове на NCBI GenBank | Спецификация NCBI FASTA |
| Заглавни байтове (Magic Bytes) | 4C 4F 43 55 53 20 20 20 20 (LOCUS ) | 3E ('>' Sequence header line) |
Преглед на формата и приложения
Записите GenBank съдържат данни за последователности и анотации. FASTA съхранява последователност и ред с описание и се приема от много инструменти за подравняване и търсене, включително BLAST, ако е форматиран според изискванията на съответния инструмент. При конвертирането във FASTA анотациите се премахват, а изискванията към входните данни варират между биоинформатичните приложения.
Технически спецификации и анализ на кодеците
GenBank форматът използва MIME типа text/plain и съдържа силно структуриран текст, организиран в отделни секции с ключови думи като LOCUS, DEFINITION, ACCESSION и ORIGIN. Форматът FASTA също използва MIME типа text/plain, но премахва всички секции с изключение на един заглавен ред, започващ със знак за по-голямо, последван от редовете със сурови букви на последователността. Нито един от двата формата не използва компресия по подразбиране, което означава, че и двата съществуват като обикновени текстови ASCII или UTF-8 кодирани файлове. За тези текстови формати не съществуват сигнатурни байтове (magic bytes). Вместо това софтуерът ги разпознава чрез сканиране на началните текстови заглавия в търсене на ключови думи като LOCUS в GenBank файловете или символа '>' във FASTA файловете. Тъй като FASTA запазва само данните на последователността и отхвърля анотациите, конверсията е строго еднопосочна по отношение на последователността, въпреки че всички биологични бележки в оригиналния текстов файл се губят в изхода.
Съвместимост с операционни системи и браузъри
FASTA и GenBank са текстови формати, но приложенията може да изискват конкретно пренасяне на редове, идентификатори, азбука на последователността или полета в записа. Много биоинформатични инструменти четат FASTA; проверете приетия вариант и настройките на инструмента, който планирате да използвате.
Полезна информация
Винаги пазете резервно копие на оригиналния си GenBank файл, преди да стартирате скрипт за конвертиране. След като премахнете анотациите във FASTA файл, няма как да възстановите оригиналните координати на гените, библиографските препратки или таблиците за транслация само от данните на последователността.
Често задавани въпроси
Как се конвертира файл GenBank във FASTA последователност без загуба на данни?
Конверсията е напълно без загуби по отношение на самите данни на генетичната последователност. Нуклеотидните или протеиновите букви остават абсолютно същите. Въпреки това губите всички описателни биологични анотации, като имена на гени, цитирания на автори и таблици с характеристики, тъй като форматът FASTA е проектиран да съдържа само заглавието и самата последователност.
Каква е разликата между GenBank текстов файл и FASTA последователност?
GenBank файлът е сложен многосекционен документ, съдържащ богати биологични метаданни и суровата последователност в края. FASTA последователността е минимален текстов формат, състоящ се само от един описателен заглавен ред, предшестван от знак за по-голямо, последван от редовете със суровата последователност.