GenBank plano (.gb)
Especificación EstándarEl Archivo Plano NCBI GenBank (.gb / .gbk) es el formato de anotación genómica estándar de oro mantenido por los Institutos Nacionales de Salud (NIH), que combina secuencias de ADN completas con ubicaciones detalladas de genes, regiones codificantes y citas de literatura científica.
Convertir de FASTA a GENBANK
Convertidor gratuito de FASTA a GENBANK en el navegador. Convierte archivos al instante en tu dispositivo.
Inspeccionar y metadatos
Los sistemas operativos y analizadores de archivos identifican los archivos de GenBank inspeccionando la secuencia de bytes binarios inicial:
Firma de cabecera a nivel de bytes (Bytes mágicos)
Los sistemas operativos y analizadores de archivos identifican los archivos de GenBank inspeccionando la secuencia de bytes binarios inicial:
FIRMA HEXADECIMAL (DESPLAZAMIENTO 0):
4C 4F 43 55 53 20 20 20 20 20REPRESENTACIÓN ASCII: LOCUS
Estandarización: Especificación de Lanzamiento de NCBI GenBank
Especificaciones técnicas
| Arquitectura del contenedor | Archivo plano de texto plano dividido en la sección de Cabecera (LOCUS, DEFINITION, ACCESSION), la tabla FEATURES y los datos de la secuencia ORIGIN que terminan con '//' |
| Compresión | Texto sin comprimir (a menudo comprimido con Gzip como .gb.gz) |
| Orden de bytes (Endianness) | Flujo de texto UTF-8 / ASCII |
| Espacios de color | N/A (Base de Datos de Anotación Genómica) |
| Canales y estructura | Secuencia de ADN/ARN, anotaciones de genes, regiones codificantes (CDS), traducciones de proteínas y citas científicas |
| Dimensiones máximas | Secuencia y recuento de características ilimitados |
| Transparencia | Ninguna |
| Streaming y progresivo | Transmisión registro por registro: las entradas individuales de GenBank están delimitadas por líneas '//' |
Matriz de comparación técnica: GenBank frente a la competencia
| Atributo técnico | GenBank (Actual) | FASTA | GFF | FASTQ |
|---|---|---|---|---|
| Detalle de Anotación | Exhaustivo (genes, CDS, citas, traducción) | Ninguno (solo secuencia) | Coordenadas genómicas tabulares | Solo puntuaciones de calidad de secuenciación |
| Secuencia Incluida | Sí (en bloque ORIGIN al final) | Sí (secuencia pura) | No (solo coordenadas) | Sí (lecturas sin procesar) |
| Herramientas Principales | NCBI, SnapGene, Benchling | BLAST, herramientas de alineación | Visores de genomas (UCSC, IGV) | Secuenciadores Illumina |
| Terminador de Registro | // en línea independiente | Siguiente línea de cabecera '>' | Fin de archivo | Siguiente línea '@' |
Modos de corrupción comunes y guía de recuperación hexadecimal
El software de bioinformática informa 'GenBank parser error: premature EOF before //'.
Causa raíz: Descarga truncada que corta el bloque de origen de la secuencia final o el delimitador '//'.
Recuperación: Agregue '//\n' al final del archivo utilizando la herramienta bioinformática de File2File.
Análisis de seguridad y vectores de ataque al analizador
Los analizadores de GenBank procesan cadenas complejas de ubicación de características donde el retroceso de expresiones regulares puede desencadenar denegación de servicio.
Vectores de ataque conocidos
- Denegación de servicio por expresiones regulares (ReDoS) en analizadores complejos de ubicación de características.
- Desbordamiento de búfer al leer títulos de referencia de citas excesivamente largos.
- Denegación de servicio a través de bucles de referencia de características circulares.
Mejores prácticas defensivas: Utilice analizadores lineales sin retroceso para evaluar los rangos de coordenadas de la tabla de características.
Orígenes históricos e hitos
Ventajas clave y pros
- Metadatos comprensivos ricos: almacena límites de genes, ubicaciones de promotores, exones, intrones y secuencias de proteínas traducidas.
- Incluye referencias de literatura científica completas, IDs de PubMed, nombres de autores y fechas de presentación experimental.
- Formato de intercambio universal para biología sintética, diseño de plásmidos (SnapGene) y envíos a bases de datos del NCBI.
Limitaciones técnicas y contras
- Tamaños de archivo significativamente más detallados y grandes que las secuencias FASTA puras.
- Analizar las coordenadas de la tabla de características ('join(complement(100..500),600..800)') requiere lógica de análisis compleja.
- No está diseñado para la alineación de lecturas de secuenciación masiva de alto rendimiento.
Curiosidades técnicas interesantes
- Cada entrada de GenBank comienza con la palabra 'LOCUS' y concluye con dos barras diagonales '//' en una línea propia.
- GenBank sincroniza sus datos diariamente con el Laboratorio Europeo de Biología Molecular (EMBL) y el Banco de Datos de ADN de Japón (DDBJ).
- Los biólogos sintéticos utilizan archivos GenBank para diseñar plásmidos circulares personalizados para la edición genética CRISPR y la producción de insulina.
Preguntas técnicas frecuentes
¿Cuál es la diferencia entre el formato FASTA y GenBank?
FASTA contiene solo la secuencia de ADN sin procesar con una breve línea de cabecera. GenBank contiene la secuencia sin procesar MÁS todas las anotaciones de genes, traducciones de proteínas, autores y notas científicas.
¿Cómo puedo convertir GenBank (.gb) a FASTA?
Puede convertir archivos GenBank en secuencias de nucleótidos o proteínas FASTA limpias con un solo clic utilizando File2File.app directamente en su navegador.
¿Qué software abre archivos GenBank?
SnapGene, Benchling, UGENE, Artemis y File2File.app pueden ver y editar archivos GenBank.
Pares de conversión de GenBank relacionados
Convertir una secuencia FASTA plana en un archivo plano GenBank añade anotaciones biológicas esenciales y metadatos al código genético en bruto.
Convertir un archivo plano GenBank a una secuencia FASTA elimina los metadatos de anotación para dejar solo las secuencias de nucleótidos o aminoácidos en bruto necesarias para un análisis bioinformático rápido.