FASTA järjestuse GenBanki lihtfaili konverter
Lihtsa FASTA järjestuse teisendamine GenBanki lihtfailiks lisab toorele geneetilisele koodile olulised bioloogilised annotatsioonid ja metaandmed.
Formaatide võrdlus ja tehnilised spetsifikatsioonid
| Spetsifikatsioon | FASTA | GENBANK |
|---|---|---|
| MIME-tüüp | text/plain | text/plain |
| Tüüp | bioinformatics sequence text | annotated nucleotide flatfile |
| Tihendamine | none (plain text) | none (plain text) |
| Standardne spetsifikatsioon | NCBI FASTA Specification | NCBI GenBank Flatfile Release Notes |
| Tunnuskoodi päis (Magic Bytes) | 3E ('>' Sequence header line) | 4C 4F 43 55 53 20 20 20 20 (LOCUS ) |
Formaadi ülevaade ja kasutusvaldkonnad
Genoomika uurijad liiguvad sageli lihtsa järjestusteksti ja põhjalikult annoteeritud kirjete vahel. FASTA fail pakub kerget konteinerit, mis sisaldab ainult suurema kui sümboliga algavat päiserida ja tooreid nukleotiidi või aminohappe tähti. See lihtsus sobib suurepäraselt põhiliste joondamistööriistade ja järjestuse otsingute jaoks. Kui aga teadlased peavad avaldama uusi genoome või uurima spetsiifilisi geenifunktsioone, vajavad nad struktureeritud metaandmeid. GenBanki lihtfaili vorming lahendab selle, mähkides geneetilise järjestuse jäigadesse mitmerealistesse tekstidokumentidesse. See sisaldab struktureeritud jaotisi lookuse nimede, organismi taksonoomia, publikatsiooniviidete ja tunnustabelite jaoks, mis määravad täpselt, kus geenid, kodeerivad piirkonnad ja promootorid kromosoomis asuvad. Bioinformaatika torujuhtmed, genoomibrauserid ja esitamisportaalid nagu NCBI GenBank toetuvad sellele rikkalikule annotatsioonistruktuurile, et toorest DNA-st aru saada. Selle teisenduse tegemine loob silla toore järjestuse avastamise ja ametliku bioloogilise kirjelduse vahel. Kui FASTA fail näitab lihtsalt, millised tähed on DNA-s olemas, siis sihtotstarbeline GenBanki fail selgitab, mida need tähed elusas rakus tegelikult teevad.
Tehnilised spetsifikatsioonid ja koodekite ülevaade
Mõlemad vormingud kasutavad tihendamata lihtteksti MIME tüübiga text/plain, mis tähendab, et kumbki vorming ei sõltu binaarsetest maagilistest baitidest ega omandivormis päistest. Selle asemel tuginevad nad struktuursetele parsimisreeglitele. FASTA failid kasutavad ASCII-teksti, mis algab märgiga '>' päise jaoks ja standardseid ühe-tähelisi koode nukleotiidide jaoks (A, C, G, T, N). GenBanki lihtfailid kasutavad ranget reiapõhist arhitektuuri, mis algab märksõnaga 'LOCUS' ja lõpeb lõpumärgendiga '//'. Konversioonitööriistad peavad lugema toored stringiandmed FASTA sisendist, vastendama järjestuse standardse GenBanki ORIGIN plokiga ning lisama kasutaja esitatud või prognoositud annotatsiooniplokid FEATURES jaotisesse. Kuna mõlemad failid on lihttekst, on teisendus primaarsete järjestuse andmete osas täielikult kadudeta, kuigi annotatsioonid tuleb käsitsi lisada või arvutuslikult prognoosida, kuna FASTA-l puuduvad struktuursed metaandmed.
OS-i ja brauseri ühilduvus
Kuna mõlemad vormingud on standardsed ASCII-tekstid, on neil universaalne ühilduvus kõigis kaasaegsetes operatsioonisüsteemides ja riistvaraplatvormides. Saate neid avada ja muuta Windowsis, macOS-is ja Linuxis, kasutades põhilisi tekstiredaktoreid või spetsiaalseid bioinformaatika komplekte nagu Geneious, SnapGene ja Artemis. Veebibrauserid suudavad mõlemat failitüüpi renderdada otse tekstialades või JavaScript-põhiste järjestusevaaturite kaudu. Käsurea tööriistad nagu Biopython, EMBOSS ja NCBI BLAST parsivad neid faile sujuvalt lauaarvutite terminalides, suure jõudlusega arvutusklastrites ja pilvekeskkondades.
💡 Kasulik teave
Kontrollige enne teisendamist alati oma järjestuse tähestikku, sest aminohappekoodide segamine nukleotiidide GenBanki kircesse põhjustab NCBI esitamise parserite väljundi tagasilükkamise.
Formaatide võrdlus ja tehnilised spetsifikatsioonid
Tüüpiline 5-megabaidine bakteriaalne kromosoomifail FASTA-vormingus kasvab lisatud tunnustabelite ja kirjeldava teksti tõttu täielikult annoteeritud GenBanki lihtfailiks laienedes ligikaudu 15 megabaidini. Standardse 4G mobiiliühenduse kaudu kiirusega 30 megabitti sekundis kantakse see 15-megabaidine fail üle umbes 4 sekundiga. 150 megabitti sekundis jooksval 5G võrgul langeb edastus alla 1 sekundi. Kaasaegse kiudoptilise ühenduse kaudu kiirusega 1 gigabitt sekundis liigub fail silmapilkselt murdosa sekundi jooksul.
Korduma kippuvad küsimused
Kuidas teisendada FASTA järjestus GenBanki lihtfailiks ilma kvaliteeti kaotamata?
Teisendus on aluseks oleva geneetilise järjestuse jaoks täielikult kadudeta, kuna mõlemad vormingud salvestavad täpselt samu nukleotiidi- või valgukirju. Kuna aga FASTA failid ei sisalda bioloogilisi annotatsioone, vajab iga teisendatud GenBanki fail tunnustabelite õigeks täitmiseks kas automatiseeritud geeniennustust või käsitsi annoteerimist.
Mis vahe on FASTA järjestusel ja GenBanki lihtfailil?
FASTA fail on minimalistlik tekstivorming, mis sisaldab ainult lihtsat päiserida ja tooreid järjestuse stringe. GenBanki lihtfail on tugevalt struktureeritud dokument, mis on jagatud määratletud jaotisteks, nagu LOCUS, DEFINITION, ACCESSION, SOURCE, FEATURES ja ORIGIN, et salvestada rikkalikke bioloogilisi metaandmeid koos järjestusega.