FASTA-Sequenz (.fasta)
Bioinformatics StandardFASTA ist das ubiquitäre, grundlegende Dateiformat der Bioinformatik und Genomik, das Nukleotidsequenzen (DNA, RNA) sowie Aminosäure-Proteinsequenzen mittels universeller Einbuchstabencodes darstellt.
Von FASTA zu GENBANK konvertieren
Kostenloser Konverter von FASTA zu GENBANK im Browser. Konvertieren Sie Dateien sofort auf Ihrem Gerät.
Untersuchen & Metadaten
Betriebssysteme und Dateianalysatoren identifizieren FASTA-Dateien durch Untersuchung der führenden binären Byte-Sequenz:
Byte-basierte Headersignatur (Magic Bytes)
Betriebssysteme und Dateianalysatoren identifizieren FASTA-Dateien durch Untersuchung der führenden binären Byte-Sequenz:
HEX-SIGNATUR (OFFSET 0):
3EASCII-DARSTELLUNG: >
Standardisierung: Bioinformatics de facto global standard
Technische Daten
| Container-Architektur | Plaintext sequence file where header lines start with '>' followed by sequence identifier, and succeeding lines contain single-letter nucleotide or amino acid codes |
| Kompression | Uncompressed text (frequently compressed with Gzip as .fasta.gz or .fa.gz) |
| Byte-Endianness | ASCII / UTF-8 text stream |
| Farbräume | N/A (Genomic Sequence Data) |
| Kanäle & Struktur | Nucleic acid codes (A, C, G, T, U, N) or IUPAC 20 amino acid protein codes |
| Max. Abmessungen | Unbounded sequence length (supports entire human chromosomes over 250 million base pairs) |
| Transparenz | None |
| Streaming & Progressiv | Sequential record-by-record streaming processing |
Technischer Vergleich: FASTA im Vergleich zu Wettbewerbern
| Technisches Attribut | FASTA (Aktuell) | FASTQ | GENBANK | GFF |
|---|---|---|---|---|
| Qualitätswerte | Keine (reine Sequenzbuchstaben) | Phred-Qualitätswerte pro Base | Keine (Merkmalsannotationen) | Keine (Merkmalskoordinaten) |
| Kopfzeile | Beginnt mit dem Zeichen '>' | Beginnt mit dem Zeichen '@' | Strukturierter LOCUS-Block | Tabulatorgetrennte Genomspalten |
| Primäre Verwendung | Referenzgenome & BLAST-Suche | Rohdaten von Hochdurchsatz-Sequenzierern (Illumina) | Umfassend annotierte Gene | Genomische Merkmalsannotationen |
| Dateigröße (Mensch) | ~3 Gigabyte unkomprimiert | ~100+ Gigabyte (mit Qualitäten) | Mehrgigabyte-Rich-Text | ~50 Megabyte |
Häufige Korruptionsarten & Hex-Wiederherstellungsleitfaden
Bioinformatik-Tool meldet 'Ungültiges Sequenzzeichen in Zeile X'.
Ursache: Leerzeichen, Zahlen oder Nicht-IUPAC-Zeichen innerhalb der Sequenzzeilen.
Wiederherstellung: Sequenzzeichen mit dem File2File Bioinformatik-Tool filtern und bereinigen.
Sicherheitsanalyse & Parser-Angriffsvektore
Genomik-Tools verarbeiten massiv große Multi-Gigabyte-FASTA-Dateien, bei denen Ganzzahlüberläufe beim Indizieren von Sequenzkoordinaten auftreten können.
Bekannte Angriffsvektore
- Ganzzahlüberlauf in 32-Bit-Sequenzindizierern (FAI), die 2^31 Basenpaare überschreiten.
- Pufferüberlauf beim Lesen übermäßig langer Sequenzidentifikator-Kopfzeilen.
- Denial-of-Service durch pathologische Alignment-Abfragen.
Bewährte Sicherheitsverfahren:
Historische Ursprünge & Meilensteine
Hauptvorteile & Stärken
- Der unbestrittene globale Standard der Computerbiologie: verwendet von jedem Genom-Tool, Sequenzierer und jeder Datenbank weltweit.
- Extreme Einfachheit: Zeile 1 beginnt mit '>' gefolgt von einer ID, gefolgt von genetischen Buchstaben im Klartext.
- Multi-Sequenz-Kapazität: Eine einzige Datei kann Tausende einzelner Gene oder vollständige virale Genome enthalten.
Technische Einschränkungen & Nachteile
- Enthält keine Sequenzierungs-Qualitätswerte (im Gegensatz zu FASTQ, das Phred-Konfidenzwerte pro Base speichert).
- Keine standardisierte Metadatensyntax für Kopfzeilen über den initialen Identifikator hinaus.
- Enormer Speicherbedarf für Gesamtgenom-Datensätze ohne Gzip oder spezialisierte Genomkomprimierung.
Interessante technische Wissenswertes
- Das gesamte menschliche Genom mit 3 Milliarden Basenpaaren kann im FASTA-Format dargestellt werden und benötigt etwa 3 Gigabyte Speicherplatz.
- Die vier in FASTA-Dateien gespeicherten DNA-Buchstaben sind A (Adenin), C (Cytosin), G (Guanin) und T (Thymin).
- Als das Genom des COVID-19-Coronavirus im Januar 2020 erstmals sequenziert wurde, teilten es Wissenschaftler weltweit als 30.000 Buchstaben lange FASTA-Datei.
Häufig gestellte technische Fragen
Was ist eine FASTA-Datei?
Eine FASTA-Datei ist eine einfache Textdatei, die in der Biologie verwendet wird, um DNA-, RNA- oder Proteinsequenzen mithilfe von Ein-Buchstaben-Abkürzungen zu speichern.
Was ist der Unterschied zwischen FASTA und FASTQ?
FASTA speichert nur die Buchstaben der genetischen Sequenz, während FASTQ sowohl die Buchstaben als auch den Qualitätswert der Sequenzierungsgenauigkeit für jede Base speichert.
Wie kann ich eine FASTA-Datei anzeigen?
Sie können FASTA-Dateien in jedem Texteditor öffnen, sie in Bioinformatik-Software wie Jalview oder UGENE anzeigen oder sie mit File2File.app konvertieren.
Ähnliche FASTA-Konvertierungspaare
Die Konvertierung einer einfachen FASTA-Sequenz in ein GenBank-Flatfile fügt dem rohen genetischen Code wesentliche biologische Annotationen und Metadaten hinzu.
Die Konvertierung eines GenBank-Flatfiles in eine FASTA-Sequenz entfernt die Annotationsmetadaten, sodass nur die für schnelle Bioinformatikanalysen erforderlichen rohen Nukleotid- oder Aminosäuresequenzen verbleiben.