Fichier plat GenBank (.gb)
Spécification StandardFASTA est un format texte courant pour les séquences; la taille dépend des données et de leur mise en forme. Les enregistrements GenBank varient et les statistiques changent à chaque version.
Convertir FASTA en GENBANK
Outil de conversion gratuit de FASTA vers GENBANK dans le navigateur. Convertissez des fichiers instantanément sur votre appareil.
Inspection et métadonnées
Les systèmes d'exploitation et les analyseurs de fichiers identifient les fichiers GenBank en inspectant leur séquence initiale d'octets binaires :
Signature d'en-tête au niveau des octets (octets magiques)
Les systèmes d'exploitation et les analyseurs de fichiers identifient les fichiers GenBank en inspectant leur séquence initiale d'octets binaires :
SIGNATURE HEXADÉCIMALE (DÉCALAGE 0) :
4C 4F 43 55 53 20 20 20 20 20REPRÉSENTATION ASCII : LOCUS
Normalisation : Spécification de publication NCBI GenBank
Spécifications techniques
| Architecture de conteneur | Fichier plat en texte brut divisé en une section d'en-tête (LOCUS, DEFINITION, ACCESSION), une table FEATURES et des données de séquence ORIGIN se terminant par '//' |
| Compression | Texte non compressé (souvent compressé avec Gzip sous forme de .gb.gz) |
| Ordre des octets | Flux de texte UTF-8 / ASCII |
| Espaces colorimétriques | N/A (Base de données d'annotations génomiques) |
| Canaux et structure | Séquence ADN/ARN, annotations de gènes, régions codantes (CDS), traductions de protéines et citations scientifiques |
| Dimensions maximales | Longueur de séquence et nombre de caractéristiques illimités |
| Transparence | Aucune |
| Prise en charge du traitement en continu | Lecture en continu, entrée par entrée : les entrées GenBank individuelles sont délimitées par une ligne « // ». |
Matrice de comparaison technique : GenBank face aux concurrents
| Attribut technique | GenBank (Actuel) | FASTA | GFF | FASTQ |
|---|---|---|---|---|
| Détail de l'annotation | Exhaustif (gènes, CDS, citations, traduction) | Aucun (séquence uniquement) | Coordonnées génomiques tabulaires | Scores de qualité de séquençage uniquement |
| Séquence incluse | Oui (dans le bloc ORIGIN à la fin) | Oui (séquence pure) | Non (coordonnées uniquement) | Oui (lectures brutes) |
| Outils principaux | NCBI, SnapGene, Benchling | BLAST, outils d'alignement | Navigateurs de génome (UCSC, IGV) | Séquenceurs Illumina |
| Délimiteur d’enregistrement | // sur une ligne autonome | Ligne d'en-tête '>' suivante | Fin de fichier | Ligne '@' suivante |
Modes de corruption courants et guide de restauration hexadécimale
Le logiciel de bioinformatique signale 'Erreur de l'analyseur GenBank : EOF prématuré avant //'.
Cause initiale: Un téléchargement interrompu peut tronquer le bloc ORIGIN de la dernière séquence ou supprimer le délimiteur « // ».
Récupération: Ajouter '//\n' à la fin du fichier à l'aide de l'outil bioinformatique File2File.app.
Analyse de sécurité et vecteurs d'attaque de l'analyseur
Les analyseurs GenBank traitent des chaînes d'emplacement de caractéristiques complexes où le retour en arrière des expressions régulières peut déclencher un déni de service.
Vecteurs d’attaque connus
- Déni de service par expression régulière (ReDoS) dans les analyseurs d'emplacement de caractéristiques complexes.
- Dépassement de tampon lors de la lecture de titres de référence de citation excessivement longs.
- Déni de service par le biais de boucles de référence de caractéristiques circulaires.
Bonnes pratiques de défense: Utilisez des analyseurs à parcours linéaire, sans retour arrière, pour traiter les plages de coordonnées de la table des caractéristiques.
Origines historiques et jalons
Principaux avantages
- Métadonnées riches et complètes : stocke les limites des gènes, les emplacements des promoteurs, les exons, les introns et les séquences protéiques traduites.
- Comprend des références de littérature scientifique complètes, des identifiants PubMed, les noms des auteurs et les dates de soumission expérimentale.
- FASTA est un format texte courant pour les séquences; la taille dépend des données et de leur mise en forme. Les enregistrements GenBank varient et les statistiques changent à chaque version.
Limites techniques
- Fichiers nettement plus verbeux et plus volumineux que les séquences FASTA pures.
- L'analyse des coordonnées de la table des caractéristiques ('join(complement(100..500),600..800)') nécessite une logique d'analyse syntaxique complexe.
- Non conçu pour l'alignement massif de lectures de séquençage à haut débit.
Faits intéressants
- Chaque entrée GenBank commence par le mot 'LOCUS' et se termine par deux barres obliques '//' sur une ligne isolée.
- GenBank synchronise ses données quotidiennement avec le Laboratoire européen de biologie moléculaire (EMBL) et la banque de données d'ADN du Japon (DDBJ).
- Les biologistes synthétiques utilisent des fichiers GenBank pour concevoir des plasmides circulaires personnalisés pour l'édition de gènes CRISPR et la production d'insuline.
Foire aux questions techniques
Quelle est la différence entre le format FASTA et le format GenBank ?
FASTA ne contient que la séquence d'ADN brute avec une brève ligne d'en-tête. GenBank contient la séquence brute PLUS toutes les annotations de gènes, les traductions de protéines, les auteurs et les notes scientifiques.
Comment puis-je convertir GenBank (.gb) en FASTA ?
Vous pouvez convertir des fichiers GenBank en séquences de nucléotides ou de protéines FASTA propres en un seul clic à l'aide de File2File.app directement dans votre navigateur.
Quel logiciel ouvre les fichiers GenBank ?
SnapGene, Benchling, UGENE, Artemis et File2File.app peuvent visualiser et éditer des fichiers GenBank.
Conversions associées à GenBank
Le convertisseur transforme la séquence FASTA en un enregistrement de base de type GenBank et l’écrit dans la section ORIGIN ; il ne déduit ni n’ajoute d’annotations de caractéristiques biologiques.
La conversion d'un fichier plat GenBank en séquence FASTA élimine les métadonnées d'annotation pour ne laisser que les séquences brutes de nucléotides ou d'acides aminés nécessaires à une analyse bio-informatique rapide.