GenBank in FASTA umwandeln
Die Konvertierung eines GenBank-Flatfiles in eine FASTA-Sequenz entfernt die Annotationsmetadaten, sodass nur die für schnelle Bioinformatikanalysen erforderlichen rohen Nukleotid- oder Aminosäuresequenzen verbleiben.
Formatvergleich & technische Spezifikationen
| Spezifikation | GENBANK | FASTA |
|---|---|---|
| MIME-Typ | text/ | text/ |
| Typ | annotierte Nukleotid-Flatfile | Sequenztext aus der Bioinformatik |
| Kompression | keine (Klartext) | keine (Klartext) |
| Standardspezifikation | NCBI GenBank Flatfile Release Notes | NCBI FASTA Specification |
| Magic-Bytes-Header | 4C 4F 43 55 53 20 20 20 20 (LOCUS ) | 3E ('>' Sequence header line) |
Formatübersicht & Anwendungsbereiche
GenBank-Datensätze enthalten Sequenzdaten und Annotationen. FASTA speichert eine Sequenz mit einer Beschreibungszeile und wird von vielen Alignment- und Suchwerkzeugen, darunter BLAST, akzeptiert, wenn das Format den jeweiligen Anforderungen entspricht. Bei der Umwandlung in FASTA gehen Annotationen verloren; Eingabeanforderungen unterscheiden sich je nach Bioinformatikanwendung.
Technische Spezifikationen und Codec-Übersicht
Das GenBank-Flatfile-Format verwendet den MIME-Typ text/plain und enthält stark strukturierten Text, der in verschiedene Schlüsselwortabschnitte wie LOCUS, DEFINITION, ACCESSION und ORIGIN unterteilt ist. Das FASTA-Format verwendet ebenfalls den MIME-Typ text/plain, verwirft jedoch alle Abschnitte mit Ausnahme einer einzigen Kopfzeile, die mit einem Größer-als-Zeichen beginnt, sowie der nachfolgenden Zeilen mit rohen Sequenzbuchstaben. Keines der beiden Formate verwendet standardmäßig eine Komprimierung, was bedeutet, dass beide als einfache ASCII- oder UTF-8-codierte Textdateien vorliegen. Magic-Byte-Signaturen existieren für diese Klartextformate nicht. Stattdessen identifiziert Software sie durch das Durchsuchen der anfänglichen Textheader nach Schlüsselwörtern wie LOCUS in GenBank-Dateien oder dem '>'-Zeichen in FASTA-Dateien. Da FASTA nur die Sequenzdaten behält und die Annotationen verwirft, verläuft die Konvertierung für die Sequenz selbst strikt unidirektional, wobei jegliche biologischen Notizen im ursprünglichen Flatfile in der Ausgabe verloren gehen.
Betriebssystem- & Browser-Kompatibilität
FASTA und GenBank sind Textformate. Anwendungen können jedoch bestimmte Zeilenumbrüche, Kennungen, Sequenzalphabete oder Datensatzfelder erfordern. Viele Bioinformatikprogramme lesen FASTA. Prüfen Sie, welche Variante und Einstellungen das gewünschte Werkzeug akzeptiert.
Nützliche Informationen
Bewahren Sie vor dem Ausführen eines Konvertierungsskripts immer eine Sicherheitskopie Ihres originalen GenBank-Flatfiles auf. Sobald Sie die Annotationen entfernen und eine FASTA-Datei erstellen, können Sie die ursprünglichen Genkoordinaten, Publikationsreferenzen oder Translationstabellen allein aus den Sequenzdaten nicht mehr wiederherstellen.
Häufig gestellte Fragen
Wie konvertiert man ein GenBank-Flatfile in eine FASTA-Sequenz, ohne an Qualität zu verlieren?
Die Konvertierung verläuft bezüglich der eigentlichen genetischen Sequenzdaten völlig verlustfrei. Die Nukleotid- oder Proteinbuchstaben bleiben exakt erhalten. Allerdings gehen sämtliche beschreibenden biologischen Annotationen wie Gennamen, Autorenzitate und Merkmalstabellen verloren, da das FASTA-Format so konzipiert ist, dass es nur den Header und die Sequenz selbst enthält.
Worin besteht der Unterschied zwischen einem GenBank-Flatfile und einer FASTA-Sequenz?
Ein GenBank-Flatfile ist ein komplexes Dokument mit mehreren Abschnitten, das umfangreiche biologische Metadaten und im unteren Teil die rohe Sequenz enthält. Eine FASTA-Sequenz ist ein minimales Textformat, das nur aus einer einzigen beschreibenden Kopfzeile, eingeleitet durch ein Größer-als-Zeichen, gefolgt von den rohen Sequenzzeilen besteht.