GenBank-flatfile (.gb)
NCBI StandardFASTA er et almindeligt tekstformat til sekvenser; størrelsen afhænger af data og formatering. GenBank-poster varierer, og statistikker opdateres for hver udgivelse.
Konverter FASTA til GENBANK
Gratis FASTA til GENBANK-konverter i browseren. Konverter filer med det samme på din enhed.
Undersøgelse og metadata
Operativsystemer og filanalysatorer identificerer GenBank-filer ved at inspicere den indledende binære bytesekvens:
Byte-niveau Header-signatur (Magic Bytes)
Operativsystemer og filanalysatorer identificerer GenBank-filer ved at inspicere den indledende binære bytesekvens:
HEX-SIGNATUR (OFFSET 0):
4C 4F 43 55 53 20 20 20 20 20ASCII-REPRÆSENTATION: LOCUS
Standardisering: NCBI GenBank Release Specification
Tekniske specifikationer
| Containerarkitektur | Ren tekstbaseret fladfil opdelt i Header-sektion (LOCUS, DEFINITION, ACCESSION), FEATURES-tabel og ORIGIN-sekvensdata, der slutter med '//' |
| Komprimering | Ukomprimeret tekst (ofte komprimeret med Gzip som .gb.gz) |
| Byte-rækkefølge | UTF-8-/ASCII-tekststrøm |
| Farverum | Ikke relevant (database med genomannoteringer) |
| Kanaler og struktur | DNA-/RNA-sekvens, genannoteringer, kodende regioner (CDS), proteinoversættelser og videnskabelige citater |
| Maks. dimensioner | Ubegrænset antal sekvenser og features |
| Gennemsigtighed | Ingen |
| Streaming og progressiv | Streaming post for post: individuelle GenBank-poster afgrænses af linjer med '//' |
Teknisk sammenligningsmatrix: GenBank sammenlignet med konkurrenterne
| Teknisk attribut | GenBank (Aktuel) | FASTA | GFF | FASTQ |
|---|---|---|---|---|
| Annotationsdetaljer | Udtømmende (gener, CDS, citationer, oversættelse) | Ingen (kun sekvens) | Tabellerede genomiske koordinater | Kun kvalitetsscorer for sekventering |
| Sekvens inkluderet | Ja (i ORIGIN-blokken til sidst) | Ja (ren sekvens) | Nej (kun koordinater) | Ja (rå reads) |
| Primære værktøjer | NCBI, SnapGene, Benchling | BLAST, justeringsværktøjer | Genombrowserne (UCSC, IGV) | Illumina-sekventeringsmaskiner |
| Postafslutning | // på en enkeltstående linje | Næste '>' header-linje | Slutning på fil | Næste '@'-linje |
Almindelige korruptionstilstande og hex-gendannelsesvejledning
Bioinformatik-software rapporterer 'GenBank parser error: premature EOF before //'.
Grundlæggende årsag: Afbrudt download, der afskærer den afsluttende sekvensblok med oprindelsesdata eller '//'-afgrænseren.
Gendannelse: Tilføj '//\n' til slutningen af filen ved hjælp af File2File.app's bioinformatikværktøj.
Sikkerhedsanalyse og parser-angrebsvektorer
GenBank-parserne behandler komplekse strenge med funktionsplaceringer, hvor tilbagesporing i regulære udtryk kan udløse tjenestenægtelse.
Kendte angrebsvektorer
- Tjenestenægtelse på grund af regulære udtryk (ReDoS) i komplekse parsere til funktionsplaceringer.
- Bufferoverløb ved læsning af alt for lange titler på litteraturreferencer.
- Tjenestenægtelse via cirkulære referenceløkker for funktioner.
Defensive bedste praksisser: Brug lineære, ikke-tilbagesporende parsere til at evaluere funktionstabellens koordinatintervaller.
Historisk oprindelse og milepæle
Vigtige fordele og styrker
- Omfattende metadata: gemmer geners grænser, promotorplaceringer, exoner, introner og oversatte proteinsekvenser.
- Indeholder komplette videnskabelige litteraturreferencer, PubMed-id'er, forfatternavne og datoer for eksperimentelle indsendelser.
- FASTA er et almindeligt tekstformat til sekvenser; størrelsen afhænger af data og formatering. GenBank-poster varierer, og statistikker opdateres for hver udgivelse.
Tekniske begrænsninger og ulemper
- Betydeligt mere omfangsrige og større filer end filer med almindelige FASTA-sekvenser.
- Fortolkning af koordinater i funktionstabellen ('join(complement(100..500),600..800)') kræver kompleks parserlogik.
- Ikke designet til massiv justering af reads fra high-throughput-sekventering.
Interessante tekniske fakta
- Hver GenBank-post begynder med ordet 'LOCUS' og afsluttes med to skråstreger '//' på en linje for sig selv.
- GenBank synkroniserer sine data dagligt med European Molecular Biology Laboratory (EMBL) og DNA Data Bank of Japan (DDBJ).
- Syntetiske biologer bruger GenBank-filer til at designe skræddersyede cirkulære plasmider til CRISPR-genredigering og insulinproduktion.
Ofte stillede tekniske spørgsmål
Hvad er forskellen mellem FASTA- og GenBank-format?
FASTA indeholder kun den rå DNA-sekvens med en kort overskriftslinje. GenBank indeholder den rå sekvens PLUS alle genannoteringer, proteinoversættelser, forfattere og videnskabelige noter.
Hvordan kan jeg konvertere GenBank (.gb) til FASTA?
Du kan konvertere GenBank-filer til rene FASTA-nukleotid- eller proteinsekvenser med et enkelt klik ved hjælp af File2File.app direkte i din browser.
Hvilken software åbner GenBank-filer?
SnapGene, Benchling, UGENE, Artemis og File2File.app kan se og redigere GenBank-filer.
Relaterede konverteringspar for GenBank
Konverteren omdanner FASTA-sekvensen til en grundlæggende GenBank-lignende post og skriver sekvensen i ORIGIN-afsnittet; den udleder eller tilføjer ikke biologiske funktionsannoteringer.
Konvertering af en GenBank-fladfil til en FASTA-sekvens fjerner annoteringsmetadata, så kun de rå nukleotid- eller aminosyresekvenser er tilbage.