Muunna GenBank muotoon FASTA
GenBank-tiedoston muuntaminen FASTA-sekvenssiksi poistaa annotaatiometatiedot ja jättää jäljelle vain nopeaan bioinformatiikka-analyysiin tarvittavat raa'at nukleotidi- tai aminohapposekvenssit.
Muotojen vertailu ja tekniset tiedot
| Määritys | GENBANK | FASTA |
|---|---|---|
| MIME-tyyppi | text/ | text/ |
| Tyyppi | Annotoitu nukleotiditietue litteätiedostomuodossa | bioinformatiikan sekvenssiteksti |
| Pakkaus | Ei pakkausta (pelkkää tekstiä) | Ei pakkausta (pelkkää tekstiä) |
| Standardimääritys | NCBI GenBank Flatfile Release Notes | NCBI FASTA Specification |
| Tiedostotunniste (Magic Bytes) | 4C 4F 43 55 53 20 20 20 20 (LOCUS ) | 3E ('>' Sequence header line) |
Muodon yleiskatsaus ja käyttökohteet
GenBank-tietueet sisältävät sekvenssidataa ja annotaatioita. FASTA tallentaa sekvenssin määrittelyrivillä varustettuna, ja monet kohdistus- ja hakutyökalut, kuten BLAST, hyväksyvät sen, kun se on muotoiltu työkalun vaatimusten mukaan. FASTA-muunnos poistaa annotaatiot, ja eri bioinformatiikkasovellusten syötevaatimukset vaihtelevat.
Tekniset tiedot ja koodekkien erittely
GenBank-tiedostomuoto käyttää MIME-tyyppiä text/plain. Sen jäsennelty teksti on jaettu avainsanaosioihin, kuten LOCUS, DEFINITION, ACCESSION ja ORIGIN. Myös FASTA käyttää MIME-tyyppiä text/plain, mutta siinä on vain suurempi kuin -merkillä alkava otsikkorivi ja sitä seuraavat raakasekvenssirivit. Kumpikaan muoto ei oletusarvoisesti käytä pakkausta; tiedostot ovat pelkkää ASCII- tai UTF-8-tekstiä. Näillä tekstimuodoilla ei ole tavutunnistetta. Ohjelmisto tunnistaa ne tekstin alusta: GenBank-tiedostoista etsitään esimerkiksi LOCUS-avainsanaa ja FASTA-tiedostoista >-merkkiä. FASTA säilyttää vain sekvenssidatan ja poistaa annotaatiot, joten sekvenssin muunnos on yksisuuntainen ja alkuperäisen tiedoston biologiset huomautukset katoavat tulosteesta.
Käyttöjärjestelmien ja selaimien yhteensopivuus
FASTA ja GenBank ovat tekstimuotoja, mutta sovellukset voivat edellyttää tiettyä rivijakoa, tunnisteita, sekvenssimerkistöä tai tietuekenttiä. Monet bioinformatiikan työkalut lukevat FASTA-tiedostoja. Tarkista etukäteen, mitä muotoa ja asetuksia käyttämäsi työkalu edellyttää.
Hyödyllistä tietoa
Pidä aina varmuuskopio alkuperäisestä GenBank-tiedostostasi ennen muunnoskomentosarjan suorittamista. Kun olet riisunut annotaatiot FASTA-tiedostoon, et voi palauttaa alkuperäisiä geenikoordinaatteja, julkaisuviitteitä tai translaatiotaulukoita pelkän sekvenssidatan perusteella.
Usein kysytyt kysymykset
Miten GenBank-tiedosto muunnetaan FASTA-sekvenssiksi laatua menettämättä?
Muunnos on täysin häviötön varsinaisen geneettisen sekvenssidatan osalta. Nukleotidi- tai proteiinikirjaimet pysyvät täsmälleen samoina. Menetät kuitenkin kaikki kuvailevat biologiset annotaatiot, kuten geenien nimet, tekijäviittaukset ja ominaisuusluettelot, koska FASTA-muoto on suunniteltu sisältämään vain otsikon ja itse sekvenssin.
Mikä ero on GenBank-tiedoston ja FASTA-sekvenssin välillä?
GenBank-tiedosto on monimutkainen, moniosainen asiakirja, joka sisältää runsaasti biologisia metatietoja ja raa'an sekvenssin alareunassa. FASTA-sekvenssi on minimaalinen tekstimuoto, joka koostuu vain yhdestä kuvaavasta otsikkorivistä, jota edeltää suurempi kuin -merkki, jota seuraavat raa'at sekvenssirivit.