دنباله FASTA (.fasta)
Bioinformatics استانداردفرمت FASTA فرمت فایل رایج و بنیادی در بیوانفورماتیک و ژنومیک است که توالیهای نوکلئوتیدی (DNA، RNA) و توالیهای پروتئینی اسید آمینه را با استفاده از کدهای تک حرفی جهانی نشان میدهد.
تبدیل FASTA به GENBANK
مبدل رایگان FASTA به GENBANK درون مرورگر. فایلها را فورا روی دستگاه خود تبدیل کنید.
بررسی و فراداده
سیستمعاملها و تحلیلگرهای فایل، فایلهای FASTA را با بررسی توالی بایتهای دودویی ابتدایی شناسایی میکنند:
امضای هدر در سطح بایت (Magic Bytes)
سیستمعاملها و تحلیلگرهای فایل، فایلهای FASTA را با بررسی توالی بایتهای دودویی ابتدایی شناسایی میکنند:
امضای HEX (آفست 0):
3Eنمایش ASCII: >
استانداردسازی: Bioinformatics de facto global standard
مشخصات فنی
| معماری کانتینر | Plaintext sequence file where header lines start with '>' followed by sequence identifier, and succeeding lines contain single-letter nucleotide or amino acid codes |
| فشردهسازی | Uncompressed text (frequently compressed with Gzip as .fasta.gz or .fa.gz) |
| ترتیب بایتها (Endianness) | ASCII / UTF-8 text stream |
| فضاهای رنگی | N/A (Genomic Sequence Data) |
| کانالها و ساختار | Nucleic acid codes (A, C, G, T, U, N) or IUPAC 20 amino acid protein codes |
| حداکثر ابعاد | Unbounded sequence length (supports entire human chromosomes over 250 million base pairs) |
| شفافیت مشخصات | None |
| استریمینگ و پیشرونده | Sequential record-by-record streaming processing |
ماتریس مقایسه فنی: FASTA در برابر رقبا
| ویژگی فنی | FASTA (فعلی) | FASTQ | GENBANK | GFF |
|---|---|---|---|---|
| امتیازات کیفیت | هیچکدام (حروف توالی خالص) | امتیازات کیفیت Phred به ازای هر باز | هیچکدام (توضیحات ویژگیها) | هیچکدام (مختصات ویژگیها) |
| خط سرتیتر | با کاراکتر '>' شروع میشود | با کاراکتر '@' شروع میشود | بلوک LOCUS ساختاریافته | ستونهای ژنومی جدا شده با تب |
| کاربرد اصلی | ژنومهای مرجع و جستجوی BLAST | توالییابهای با توان عملیاتی بالای خام (Illumina) | ژنهای دارای توضیحات جامع | توضیحات ویژگیهای ژنومی |
| حجم فایل (انسان) | حدود ۳ گیگابایت فشردهنشده | حدود ۱۰۰+ گیگابایت (همراه با کیفیتها) | متن غنی چند گیگابایتی | حدود ۵۰ مگابایت |
حالتهای رایج خرابی و راهنمای بازیابی هگز
ابزار بیوانفورماتیک خطای 'کاراکتر توالی نامعتبر در خط X' را گزارش میدهد.
علت ریشهای: فاصله خالی، اعداد یا کاراکترهای غیر IUPAC در داخل خطوط توالی.
بازیابی: فیلتر کردن و پاکسازی کاراکترهای توالی با استفاده از ابزار بیوانفورماتیک File2File.
تحلیل امنیتی و بردارهای حمله تجزیهکننده (Parser)
ابزارهای ژنومیک فایلهای حجیم چند گیگابایتی FASTA را تجزیه میکنند که در آنها سرریز اعداد صحیح ممکن است هنگام نمایهسازی مختصات توالی رخ دهد.
بردارهای حمله شناختهشده
- سرریز اعداد صحیح در نمایهسازهای توالی 32 بیتی (FAI) که از 2^31 جفت باز فراتر میروند.
- سرریز بافر هنگام خواندن سرتیترهای شناسه توالی بیش از حد طولانی.
- حمله انکار خدمت از طریق پرسوجوهای همترازی ناسازگار.
بهترین روشهای پدافندی:
تاریخچه و نقاط عطف
مزایا و نقاط قوت کلیدی
- استاندارد جهانی بیچون و چرا در زیستشناسی محاسباتی: توسط هر ابزار ژنومی، توالییاب و پایگاه دادهای در کره زمین استفاده میشود.
- سادگی مفرط: خط 1 با علامت '>' و به دنبال آن یک شناسه و سپس حروف ژنتیکی متنی ساده شروع میشود.
- ظرفیت چند توالی: یک فایل واحد میتواند شامل هزاران ژن مجزا یا ژنوم کامل ویروسی باشد.
محدودیتها و معایب فنی
- شامل هیچگونه امتیاز کیفیت توالییابی نیست (بر خلاف FASTQ، که امتیازات اطمینان Phred را به ازای هر باز ذخیره میکند).
- فاقد نحوه نگارش فراداده استاندارد برای خطهای سرتیتر فراتر از شناسه اولیه است.
- حجم ذخیرهسازی بسیار زیاد برای مجموعه دادههای کل ژنوم بدون استفاده از Gzip یا فشردهسازی تخصصی ژنومی.
نکات فنی جالب
- کل ژنوم ۳ میلیارد جفت بازی انسان را میتوان در فرمت FASTA نشان داد که تقریباً ۳ گیگابایت فضای ذخیرهسازی میگیرد.
- چهار حرف DNA ذخیره شده در فایلهای FASTA عبارتند از A (آدنین)، C (سیتوزین)، G (گوانین) و T (تیمین).
- هنگامی که ژنوم کروناویروس کووید-19 برای اولین بار در ژانویه 2020 توالییابی شد، دانشمندان آن را به عنوان یک فایل FASTA با 30,000 حرف در سراسر جهان به اشتراک گذاشتند.
سوالات فنی متداول
فایل FASTA چیست؟
یک فایل FASTA یک فایل متنی ساده است که در زیستشناسی برای ذخیره توالیهای DNA، RNA یا پروتئین با استفاده از مخففهای تکحرفی استفاده میشود.
تفاوت بین FASTA و FASTQ چیست؟
FASTA فقط حروف توالی ژنتیکی را ذخیره میکند، در حالی که FASTQ هم حروف و هم امتیاز کیفیت دقت توالییابی را برای هر باز ذخیره میکند.
چگونه میتوانم یک فایل FASTA را مشاهده کنم؟
شما میتوانید فایلهای FASTA را در هر ویرایشگر متنی باز کنید، آنها را در نرمافزارهای بیوانفورماتیک مانند Jalview یا UGENE مشاهده کنید، یا با استفاده از File2File.app تبدیلشان نمایید.
جفتهای تبدیل مرتبط با FASTA
تبدیل یک دنباله ساده FASTA به یک فایل مسطح GenBank، حاشیهنویسیهای حیاتی زیستی و فراداده را به کد ژنتیکی خام اضافه میکند.
تبدیل یک فایل مسطح GenBank به دنباله FASTA، فراداده حاشیهنویسی را حذف میکند تا تنها دنبالههای خام نوکلئوتیدی یا اسید آمینه مورد نیاز برای تحلیل سریع بیوانفورماتیک باقی بمانند.