Konverter FASTA til GenBank
Konverteren omdanner FASTA-sekvensen til en grundlæggende GenBank-lignende post og skriver sekvensen i ORIGIN-afsnittet; den udleder eller tilføjer ikke biologiske funktionsannoteringer.
Formatsammenligning & tekniske specifikationer
| Specifikation | FASTA | GENBANK |
|---|---|---|
| MIME-type | text/ | text/ |
| Type | bioinformatisk sekvenstekst | annoteret nukleotid-fladfil |
| Komprimering | ingen (almindelig tekst) | ingen (almindelig tekst) |
| Standardspecifikation | NCBI FASTA Specification | NCBI GenBank Flatfile Release Notes |
| Magic Bytes-header | 3E ('>' Sequence header line) | 4C 4F 43 55 53 20 20 20 20 (LOCUS ) |
Formatoversigt og anvendelse
Forskere inden for genomik bevæger sig hyppigt mellem simple sekvenstekster og stærkt annoterede registreringer. En FASTA-fil fungerer som en letvægtsbeholder, der udelukkende indeholder en overskriftslinje, som starter med et større end-tegn, efterfulgt af de rå nukleotid- eller aminosyrebogstaver. Denne enkelthed er optimal til basale alignment-værktøjer og sekvenssøgninger. Når videnskabfolk imidlertid skal udgive nye genomer eller undersøge specifikke genfunktioner, kræver de strukturerede metadata. GenBank-flatfile-formatet løser dette ved at indpakke den genetiske sekvens i et fast, tekstdokument med flere linjer. Det indeholder strukturerede afsnit til locus-navne, organismetaksonomi, publikationsreferencer og funktions-tabeller, som præcist viser, hvor gener, kodende regioner og promotorer er placeret på kromosomet. Bioinformatik-pipelines, genom-browsere og indsendelsesportaler som NCBI GenBank er afhængige af denne rige annoteringsstruktur for at fortolke råt DNA. Udførelsen af denne konvertering bygger bro mellem rå sekvensopdagelse og formel biologisk beskrivelse. Hvor en FASTA-fil blot angiver, hvilke bogstaver der findes i DNA'et, forklarer den modsvarende GenBank-fil, hvad disse bogstaver rent faktisk udfører inde i en levende celle.
Tekniske specifikationer og codec-oversigt
Konverteren omdanner FASTA-sekvensen til en grundlæggende GenBank-lignende post og skriver sekvensen i ORIGIN-afsnittet; den udleder eller tilføjer ikke biologiske funktionsannoteringer.
OS- og browserkompatibilitet
Da begge formater er standardiseret ASCII-tekst, opnår de universel kompatibilitet på tværs af alle moderne operativsystemer og hardwareplatforme. De kan åbnes og redigeres på Windows, macOS og Linux ved hjælp af basale teksteditorer eller specialiserede bioinformatik-suiter som Geneious, SnapGene og Artemis. Webbrowsere kan indlæse begge filtyper direkte i tekstfelter eller gennem JavaScript-baserede sekvensfremvisere. Kommandolinjeværktøjer som Biopython, EMBOSS og NCBI BLAST fortolker disse filer gnidningsfrit på tværs af terminaler, højtydende dataklynger og skymiljøer. Understøttelsen afhænger også af app, enhed, styresystem og version.
Nyttig information
Outputstørrelsen afhænger af sekvensen og postens tekst. Konverteren opretter ikke en fuldt annoteret GenBank-post; tilføj om nødvendigt verificerede kildeoplysninger og funktionsannoteringer separat.
Ofte stillede spørgsmål
Hvordan konverterer man FASTA-sekvensen til GenBank-flatfile uden at tabe kvalitet?
Konverteren omdanner FASTA-sekvensen til en grundlæggende GenBank-lignende post og skriver sekvensen i ORIGIN-afsnittet; den udleder eller tilføjer ikke biologiske funktionsannoteringer.
Hvad er forskellen mellem en FASTA-sekvens og en GenBank-flatfile?
En FASTA-fil er et minimalistisk tekstformat, der udelukkende indeholder en simpel overskriftslinje og rå sekvensstrenge. En GenBank-flatfile er et stærkt struktureret dokument opdelt i definerede afsnit som LOCUS, DEFINITION, ACCESSION, SOURCE, FEATURES og ORIGIN for at gemme rige biologiske metadata sammen med sekvensen.