FASTA-Sequenz (.fasta)
FASTA StandardFASTA ist ein verbreitetes Textformat für Sequenzen; die Dateigröße hängt von Daten und Formatierung ab. GenBank-Einträge variieren, und Statistiken ändern sich je Release.
Von FASTA zu GENBANK konvertieren
Kostenloser Konverter von FASTA zu GENBANK im Browser. Konvertieren Sie Dateien sofort auf Ihrem Gerät.
Untersuchen & Metadaten
Betriebssysteme und Dateianalyseprogramme identifizieren FASTA-Dateien anhand der führenden binären Bytefolge:
Headersignatur auf Byte-Ebene (Magic Bytes)
Betriebssysteme und Dateianalyseprogramme identifizieren FASTA-Dateien anhand der führenden binären Bytefolge:
HEX-SIGNATUR (OFFSET 0):
3EASCII-DARSTELLUNG: >
Standardisierung: FASTA ist ein verbreitetes Textformat für Sequenzen; die Dateigröße hängt von Daten und Formatierung ab. GenBank-Einträge variieren, und Statistiken ändern sich je Release.
Technische Daten
| Container-Architektur | Sequenzdatei im Klartext: Headerzeilen beginnen mit '>' und einer Sequenzkennung; die folgenden Zeilen enthalten einbuchstabige Nukleotid- oder Aminosäurecodes |
| Kompression | Unkomprimierter Text (häufig mit Gzip als .fasta.gz oder .fa.gz komprimiert) |
| Byte-Reihenfolge | ASCII-/UTF-8-Textstrom |
| Farbräume | N/A (Genomic Sequence Data) |
| Kanäle und Struktur | Nukleinsäurecodes (A, C, G, T, U, N) oder IUPAC-Codes für die 20 Aminosäuren |
| Max. Abmessungen | Unbegrenzte Sequenzlänge (unterstützt vollständige menschliche Chromosomen mit über 250 Millionen Basenpaaren) |
| Transparenz | None |
| Streaming und progressive Darstellung | Fortlaufende Streaming-Verarbeitung Eintrag für Eintrag |
Technische Vergleichsmatrix: FASTA und Konkurrenzformate
| Technisches Attribut | FASTA (Aktuelles Format) | 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) | FASTA ist ein verbreitetes Textformat für Sequenzen; die Dateigröße hängt von Daten und Formatierung ab. GenBank-Einträge variieren, und Statistiken ändern sich je Release. | ~100+ Gigabyte (mit Qualitäten) | Mehrgigabyte-Rich-Text | ~50 Megabyte |
Häufige Datenbeschädigungen und Leitfaden zur Wiederherstellung anhand von Hex-Daten
Bioinformatik-Tool meldet 'Ungültiges Sequenzzeichen in Zeile X'.
Ursache: Leerzeichen, Zahlen oder Nicht-IUPAC-Zeichen innerhalb der Sequenzzeilen.
Wiederherstellung: Sequenzzeichen mit dem Bioinformatik-Tool von File2File.app filtern und bereinigen.
Sicherheitsanalyse und Angriffsvektoren für Parser
Genomik-Tools verarbeiten massiv große Multi-Gigabyte-FASTA-Dateien, bei denen Ganzzahlüberläufe beim Indizieren von Sequenzkoordinaten auftreten können.
Bekannte Angriffsvektoren
- Ganzzahlüberlauf in 32-Bit-Sequenzindizes (FAI) bei mehr als 2^31 Basenpaaren.
- Pufferüberlauf beim Lesen übermäßig langer Sequenzidentifikator-Kopfzeilen.
- Denial-of-Service durch pathologische Alignment-Abfragen.
Empfohlene Schutzmaßnahmen: Verwenden Sie 64-Bit-Koordinatentypen und erzwingen Sie die Validierung der maximalen Header-Länge.
Historische Ursprünge & Meilensteine
Hauptvorteile & Stärken
- Der unbestrittene globale Standard der Computerbiologie: FASTA wird von Genomik-Tools, Sequenziergeräten und Datenbanken weltweit verwendet.
- 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 Fakten
- FASTA ist ein verbreitetes Textformat für Sequenzen; die Dateigröße hängt von Daten und Formatierung ab. GenBank-Einträge variieren, und Statistiken ändern sich je Release.
- 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.
Passende FASTA-Konvertierungen
Der Konverter wandelt die FASTA-Sequenz in einen einfachen GenBank-ähnlichen Datensatz um und schreibt die Sequenz in den ORIGIN-Abschnitt. Biologische Feature-Annotationen werden nicht abgeleitet oder hinzugefügt.
Die Konvertierung eines GenBank-Flatfiles in eine FASTA-Sequenz entfernt die Annotationsmetadaten, sodass nur die für schnelle Bioinformatikanalysen erforderlichen rohen Nukleotid- oder Aminosäuresequenzen verbleiben.