GenBank-perustiedosto (.gb)
NCBI StandardiNCBI GenBank Flat File (.gb / .gbk) on Yhdysvaltain kansallisten terveysinstituuttien (NIH) ylläpitemä genomi-an-notaatiomuoto, joka yhdistää täydelliset DNA-sekvenssit yksityiskohtaisiin geenisijainteihin, koodaaviin alueisiin ja tieteellisiin kirjallisuusviitteisiin.
Muunna tiedostot muodosta FASTA muotoon GENBANK
Ilmainen selaimen sisäinen FASTA - GENBANK-muunnin. Muunna tiedostoja välittömästi laitteellasi.
Tarkastele ja metatiedot
Käyttöjärjestelmät ja tiedostoanalyysaattorit tunnistavat GenBank-tiedostot tarkistamalla tiedoston alun binäärisarjan:
Tavutason otsikon allekirjoitus (Magic Bytes)
Käyttöjärjestelmät ja tiedostoanalyysaattorit tunnistavat GenBank-tiedostot tarkistamalla tiedoston alun binäärisarjan:
HEX-ALLEKIRJOITUS (OFFSET 0):
4C 4F 43 55 53 20 20 20 20 20ASCII-ESITYSTAPA: LOCUS
Standardointi: NCBI GenBank Release Specification
Tekniset tiedot
| Säiliöarkkitehtuuri | Plaintext flat file divided into Header section (LOCUS, DEFINITION, ACCESSION), FEATURES table, and ORIGIN sequence data ending with '//' |
| Pakkaus | Uncompressed text (often compressed with Gzip as .gb.gz) |
| Tavujärjestys (Endianness) | UTF-8 / ASCII text stream |
| Väriavaruudet | N/A (Genomic Annotation Database) |
| Kanavat ja rakenne | DNA/RNA sequence, gene annotations, coding regions (CDS), protein translations, and scientific citations |
| Suurimmat mitat | Unbounded sequence and feature count |
| Läpinäkyvyys | None |
| Suoratoisto ja progressiivinen lataus | Record-by-record streaming: individual GenBank entries are delimited by '//' lines |
Tekninen vertailumatriisi: GenBank vs. kilpailijat
| Tekninen attribuutti | GenBank (Nykyinen) | FASTA | GFF | FASTQ |
|---|---|---|---|---|
| Annotaation yksityiskohta | Täydellinen (geenit, CDS, viittaukset, käännös) | Ei mitään (vain sekvenssi) | Taulukkomaiset genomikoordinaatit | Vain sekvensoinnin laatusolut |
| Sisältyvä sekvenssi | Kyllä (lopussa ORIGIN-lohkossa) | Kyllä (puhdas sekvenssi) | Ei (vain koordinaatit) | Kyllä (raakalukemat) |
| Ensisijaiset työkalut | NCBI, SnapGene, Benchling | BLAST, kohdistustyökalut | Genomiselaimet (UCSC, IGV) | Illumina-sekvensoijat |
| Tietueen päätemerkki | // omalla rivillään | Seuraava '>' otsikkorivi | Tiedoston loppu | Seuraava '@'-rivi |
Yleiset korruptiotilat ja heksatietojehdotusopas
Bioinformatiikkaohjelmisto raportoi 'GenBank parser error: premature EOF before //'.
Perussyy: Katkennut lataus, joka leikkaa pois viimeisen sekvenssin alkuperälohkon tai '//'-erottimen.
Korjaus: Lisää '//\n' tiedoston loppuun File2File Bioinformatics Tool -työkalulla.
Turvallisuusanalyysi ja jäsenninhyökkäysvektorit
GenBank-jäsennysosat käsittelevät monimutkaisia ominaisuussijaintimerkkijonoja, joissa säännöllisen lausekkeen takaisinpäinetsintä voi laukaista palveluneston.
Tunnetut hyökkäysvektorit
- Säännöllisen lausekkeen palvelunesto (ReDoS) monimutkaisissa ominaisuussijaintien jäsennysosissa.
- Puskurin ylivuoto luettaessa liian pitkiä viittausotsikoita.
- Palvelunesto pyöreiden ominaisuusviittaussilmukoiden kautta.
Parhaat puolustuskäytännöt:
Historia ja virstanpylväät
Tärkeimmät edut
- Runsaasti kattavia metatietoja: tallentaa geenien rajat, promoottorisijainnit, eksonit, intronit ja käännetyt proteiinisekvenssit.
- Sisältää täydelliset tieteelliset kirjallisuusviitteet, PubMed ID -tunnukset, tekijöiden nimet ja kokeelliset lähetyspäivämäärät.
- Yleinen vaihtomuoto synteettiselle biologialle, plasmidisuunnittelulle (SnapGene) ja NCBI-tietokantojen lähetyksille.
Tekniset rajoitukset
- Huomattavasti monisanaisempi ja suuremmat tiedostokoot kuin pelkissä FASTA-sekvensseissä.
- Ominaisuustaulukon koordinaattien jäsennys ('join(complement(100..500),600..800)') vaatii monimutkaista jäsenninlogiikkaa.
- Ei ole suunniteltu massiivisille suuren suorituskyvyn sekvensoinnin kohdistuksille.
Mielenkiintoisia teknisiä faktoja
- Jokainen GenBank-merkintä alkaa sanalla 'LOCUS' ja päättyy kahteen eteenpäin osoittavaan kenoviivaan '//' omalla rivillään.
- GenBank synkronoi tietonsa päivittäin Euroopan molekyylibiologian laboratorion (EMBL) ja Japanin DNA-tietokannan (DDBJ) kanssa.
- Synteettiset biologit käyttävät GenBank-tiedostoja suunnitellakseen mukautettuja pyöreitä plasmideja CRISPR-geeninmuokkaukseen ja insuliinin tuotantoon.
Usein kysytyt tekniset kysymykset
Mikä ero on FASTA- ja GenBank-muotojen välillä?
FASTA sisältää vain raakan DNA-sekvenssin ja lyhyen otsikkorivin. GenBank sisältää raakasekvenssin LISÄKSI kaikki geeniannotaatiot, proteiinikäännökset, tekijät ja tieteelliset huomautukset.
Miten voin muuntaa GenBank-tiedoston (.gb) FASTA-muotoon?
Voit muuntaa GenBank-tiedostot puhtaiksi FASTA-nukleotidi- tai proteiinisekvensseiksi yhdellä napsautuksella File2File.app-palvelun avulla suoraan selaimessasi.
Mikä ohjelma avaa GenBank-tiedostoja?
SnapGene, Benchling, UGENE, Artemis ja File2File.app voivat tarkastella ja muokata GenBank-tiedostoja.
Aiheeseen liittyvät GenBank-muunnosparit
Tavallisen FASTA-sekvenssin muuntaminen GenBank-muotoon lisää raakaan geneettiseen koodiin olennaisia biologisia annotaatioita ja metatietoja.
GenBank-tiedoston muuntaminen FASTA-sekvenssiksi poistaa annotaatiometatiedot ja jättää jäljelle vain nopeaan bioinformatiikka-analyysiin tarvittavat raa'at nukleotidi- tai aminohapposekvenssit.