GenBank-tekstitiedosto (.gb)
NCBI StandardiFASTA on yleinen sekvenssien tekstimuoto; koko riippuu datasta ja muotoilusta. GenBank-tietueet vaihtelevat ja tilastot muuttuvat julkaisuittain.
Muunna tiedostot muodosta FASTA muotoon GENBANK
Ilmainen selaimessa toimiva muunnin, jolla voit muuntaa tiedostoja muodosta FASTA muotoon GENBANK. Muunna tiedostot hetkessä laitteellasi.
Tarkastele tiedostoa ja sen metatietoja
Käyttöjärjestelmät ja tiedostoanalyysaattorit tunnistavat GenBank-tiedostot tarkistamalla tiedoston alun binäärisarjan:
Otsaketunniste tavutasolla (tunnistetavut)
Käyttöjärjestelmät ja tiedostoanalyysaattorit tunnistavat GenBank-tiedostot tarkistamalla tiedoston alun binäärisarjan:
HEKSADEKSIMAALINEN TUNNISTE (SIJAINTI 0):
4C 4F 43 55 53 20 20 20 20 20ASCII-ESITYSTAPA: LOCUS
Standardointi: NCBI GenBank Release Specification
Tekniset tiedot
| Säiliöarkkitehtuuri | Tavallinen tekstitiedosto, jossa on Header-osa (LOCUS, DEFINITION, ACCESSION), FEATURES-taulukko ja ORIGIN-sekvenssidata, jonka lopussa on '//'-merkintä |
| Pakkaus | Pakkaamaton teksti (usein pakattu gzipillä .gb.gz-tiedostoksi) |
| Tavujärjestys (Endianness) | UTF-8- tai ASCII-tekstivirta |
| Väriavaruudet | N/A (Genomic Annotation Database) |
| Kanavat ja rakenne | DNA-/RNA-sekvenssi, geenien annotaatiot, koodaavat alueet (CDS), proteiinisekvenssit ja tieteelliset viitteet |
| Suurimmat mitat | Sekvenssin pituutta ja ominaisuuksien määrää ei ole rajattu |
| Läpinäkyvyys | None |
| Suoratoisto ja progressiivinen lataus | Tietueet voidaan lukea suoratoistona yksi kerrallaan; yksittäiset GenBank-tietueet erotetaan '//'-riveillä |
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 laatupisteet |
| Sisältyvä sekvenssi | Kyllä (lopussa ORIGIN-lohkossa) | Kyllä (puhdas sekvenssi) | Ei (vain koordinaatit) | Kyllä (raakalukemat) |
| Ensisijainen työkalusto | NCBI, SnapGene, Benchling | BLAST, kohdistustyökalut | Genomiselaimet (UCSC, IGV) | Illumina-sekvensoijat |
| Tietueen päätemerkki | // omalla rivillään | Seuraava '>'-otsikkorivi | Tiedoston loppu | Seuraava '@'-rivi |
Yleiset vioittumistavat ja heksadesimaalinen palautusopas
Bioinformatiikkaohjelmisto raportoi 'GenBank parser error: premature EOF before //'.
Perussyy: Lataus keskeytyi, jolloin tiedoston lopusta jäi pois viimeinen sekvenssin ORIGIN-lohko tai '//'-erotin.
Korjaus: Lisää '//\n' tiedoston loppuun File2File.app Bioinformatics Tool -työkalulla.
Tietoturva-analyysi ja tiedostojäsentimien hyökkäysvektorit
GenBank-jäsentimet käsittelevät monimutkaisia ominaisuussijaintimerkkijonoja, joissa säännöllisen lausekkeen takaisinpäinetsintä voi laukaista palveluneston.
Tunnetut hyökkäysvektorit
- Palvelunesto säännöllisen lausekkeen avulla (ReDoS) monimutkaisissa ominaisuussijaintien jäsennysosissa.
- Puskurin ylivuoto luettaessa liian pitkiä viittausotsikoita.
- Palvelunesto pyöreiden ominaisuusviittaussilmukoiden kautta.
Tietoturvan parhaat käytännöt: Käytä lineaarisia, takaisinkelaamattomia jäsentimiä ominaisuustaulukon koordinaattialueiden arviointiin.
Historia ja virstanpylväät
Tärkeimmät edut
- Kattavat metatiedot: tallentaa geenien rajat, promoottorien sijainnit, eksonit, intronit ja proteiinisekvenssit.
- Sisältää täydelliset tieteelliset kirjallisuusviitteet, PubMed-tunnukset, tekijöiden nimet ja kokeelliset lähetyspäivämäärät.
- FASTA on yleinen sekvenssien tekstimuoto; koko riippuu datasta ja muotoilusta. GenBank-tietueet vaihtelevat ja tilastot muuttuvat julkaisuittain.
Tekniset rajoitukset
- Huomattavasti monisanaisempi ja tiedostokooltaan suurempi kuin pelkkä FASTA-sekvenssi.
- 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 kauttaviivaan '//' omalla rivillään.
- GenBank synkronoi tietonsa päivittäin Euroopan molekyylibiologian laboratorion (EMBL) ja Japanin DNA-tietokannan (DDBJ) kanssa.
- Synteettiset biologit käyttävät GenBank-tiedostoja suunnitellessaan omia rengasmaisia plasmideja CRISPR-geeninmuokkaukseen ja insuliinin tuotantoon.
Usein kysytyt tekniset kysymykset
Mikä ero on FASTA- ja GenBank-muotojen välillä?
FASTA sisältää vain raakaa DNA-sekvenssiä 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
Muunnin muuntaa FASTA-sekvenssin yksinkertaiseksi GenBank-tyyliseksi tietueeksi ja kirjoittaa sekvenssin ORIGIN-osioon; se ei päättele eikä lisää biologisten ominaisuuksien annotaatioita.
GenBank-tiedoston muuntaminen FASTA-sekvenssiksi poistaa annotaatiometatiedot ja jättää jäljelle vain nopeaan bioinformatiikka-analyysiin tarvittavat raa'at nukleotidi- tai aminohapposekvenssit.