GenBanki lihtfaili FASTA järjestuse konverter
GenBanki lihtfaili teisendamine FASTA järjestuseks eemaldab annotatsiooni metaandmed, jättes alles ainult toored nukleotiidi- või aminohappejärjestused, mida on vaja kiireks bioinformaatikaga analüüsiks.
Formaatide võrdlus ja tehnilised spetsifikatsioonid
| Spetsifikatsioon | GENBANK | FASTA |
|---|---|---|
| MIME-tüüp | text/plain | text/plain |
| Tüüp | annotated nucleotide flatfile | bioinformatics sequence text |
| Tihendamine | none (plain text) | none (plain text) |
| Standardne spetsifikatsioon | NCBI GenBank Flatfile Release Notes | NCBI FASTA Specification |
| Tunnuskoodi päis (Magic Bytes) | 4C 4F 43 55 53 20 20 20 20 (LOCUS ) | 3E ('>' Sequence header line) |
Formaadi ülevaade ja kasutusvaldkonnad
Teadlased muudavad annoteeritud geneetilised kirjed sageli lihtsateks järjestuse vorminguteks, kui nad teevad ulatuslikke arvutuslikke võrdlusi. GenBanki lihtfail sisaldab rikkalikku bioloogilist teavet, nagu autorite nimed, avaldamiskuupäevad, geeni koordinaadid ja funktsionaalsed tunnused. Kuid järjestuste joondamiseks, fülogeneetilise puu ehitamiseks ja andmebaasi otsinguteks loodud programmid ei suuda sageli seda keerukat struktuurset ümbrist lugeda. Faili teisendamine FASTA vormingusse eraldab põhilise geneetilise koodi. See protsess muudabandmed ühilduvaks standardsete joondamistööriistadega, nagu BLAST, Clustal Omega ja Bowtie. Bioinformaatika torujuhtmed toetuvad sellele teisendusele, kuna toored järjestuskirjed töödeldakse palju kiiremini, kui arvutustööriistad ei pea bioloogilisi metaandmeid parsima.
Tehnilised spetsifikatsioonid ja koodekite ülevaade
GenBanki lihtfaili vorming kasutab MIME tüüpi text/plain ja sisaldab tugevalt struktureeritud teksti, mis on jagatud eristuvateks märksõnade jaotisteks, nagu LOCUS, DEFINITION, ACCESSION ja ORIGIN. FASTA vorming kasutab samuti MIME tüüpi text/plain, kuid jätab ära kõik jaotised, välja arvatud ühe suurema kui sümboliga algava päiserida ja sellele järgnevad tooreste järjestustähtede read. Kummaski vormingus ei kasutata vaikimisi tihendamist, mis tähendab, et mõlemad on lihttekstina ASCII või UTF-8 kodeeringuga failid. Nende lihttekstivormingute jaoks ei ole maagiliste baitide signatuure. Selle tunneb tarkvara ära esialgsete tekstipäiste skaneerimise teel, otsides märksõnu nagu LOCUS GenBanki failidest või märki '>' FASTA failidest. Kuna FASTA säilitab ainult järjestuse andmed ja viskab annotatsioonid ära, on teisendus järjestuse enda jaoks rangelt ühesuunaline, kuigi originaalse lihtfaili bioloogilised märkused lähevad väljundis kaduma.
OS-i ja brauseri ühilduvus
Mõlemad failivormingud töötavad universaalselt kõigis kaasaegsetes operatsioonisüsteemides, sealhulgas Windowsis, macOS-is, Linuxis ja Unixi variantides. Kuna need on lihttekstifailid, saavad kasutajad neid avada ja muuta standardsetes tekstiredaktorites nagu Notepad, TextEdit või Nano. Veebibrauserid saavad nende failidega hõlpsasti hakkama ja bioinformaatika veebiportaalid renderdavad neid otse brauseriaknas. Pythonis, Perlis ja C++-is kirjutatud käsurea tööriistad parsivad mõlemat vormingut olemuslikult, ilma et oleks vaja spetsiaalseid omandivormis pistikprogramme või raskeid tarkvarakomplekte.
💡 Kasulik teave
Hoidke enne konversiooniskripti käivitamist alati oma algsest GenBanki lihtfailist var koopiat. Kui olete annotatsioonid FASTA failiks eemaldanud, ei saa te algseid geeni koordinaate, publikatsiooniviiteid ega translatsioonitabeleid pelgalt järjestuse andmetest taastada.
Formaatide võrdlus ja tehnilised spetsifikatsioonid
Tüüpiline annoteeritud GenBanki lihtfailina salvestatud bakteriaalne genoom võib olla 5 megabaidi suurune. Metaandmete eemaldamine FASTA faili loomiseks vähendab faili suurust umbes 3 megabaidini. Standardse 4G mobiilsideühenduse puhul, mille allalaadimiskiirus on 15 megabitti sekundis, võtab kummagi faili edastamine vähem kui poole sekundist. 5G-võrgu või gigabitise fiiberoptilise ühenduse kaudu toimub edastus silmapilkselt mõne millisekundiga.
Korduma kippuvad küsimused
Kuidas teisendada GenBanki lihtfail FASTA järjestuseks ilma kvaliteeti kaotamata?
Teisendus on tegelike geneetilise järjestuse andmete osas täielikult kadudeta. Nukleotiidi- või valgukirjad jäävad täpseks. Siiski kaotate kõik kirjeldavad bioloogilised annotatsioonid, nagu geeninimed, autorite viited ja tunnustabelid, kuna FASTA vorming on loodud hoidma ainult päist ja järjestust ennast.
Mis vahe on GenBanki lihtfailil ja FASTA järjestusel?
GenBanki lihtfail on keeruline mitmest jaotisest koosnev dokument, mis sisaldab rikkalikke bioloogilisi metaandmeid ja toorest järjestust allosas. FASTA järjestus on minimaalne tekstivorming, mis koosneb ainult ühest kirjeldavast päiseribast, millele eelneb suurema kui sümbol ja millele järgnevad toored järjestuseridad.