Convertir GenBank en FASTA
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.
Comparaison des formats et spécifications techniques
| Spécification | GENBANK | FASTA |
|---|---|---|
| Type MIME | text/ | text/ |
| Type | fichier de séquences nucléotidiques annotées | texte de séquence bioinformatique |
| Compression | aucun (texte brut) | aucun (texte brut) |
| Spécification standard | NCBI GenBank Flatfile Release Notes | NCBI FASTA Specification |
| Signature binaire (octets magiques) | 4C 4F 43 55 53 20 20 20 20 (LOCUS ) | 3E ('>' Sequence header line) |
Aperçu du format et applications
Les enregistrements GenBank comprennent les séquences et leurs annotations. FASTA stocke une séquence avec une ligne descriptive et est accepté par de nombreux outils d’alignement et de recherche, dont BLAST, si le format correspond à leurs exigences. La conversion en FASTA supprime les annotations ; les exigences d’entrée varient selon les applications de bio-informatique.
Spécifications techniques et analyse des codecs
Le format de fichier plat GenBank utilise le type MIME text/plain et contient du texte lourdement structuré organisé en sections de mots-clés distinctes comme LOCUS, DEFINITION, ACCESSION et ORIGIN. Le format FASTA utilise également le type MIME text/plain mais supprime toutes les sections à l'exception d'une seule ligne d'en-tête commençant par un signe supérieur à et des lignes ultérieures de lettres de séquences brutes. Aucun des deux formats n'utilise la compression par défaut, ce qui signifie qu'ils existent tous deux sous forme de fichiers texte brut encodés en ASCII ou UTF-8. Les signatures d'octets magiques n'existent pas pour ces formats de texte brut. Au lieu de cela, les logiciels les identifient en parcourant les en-têtes au début du texte, en recherchant des mots-clés comme LOCUS dans les fichiers GenBank ou le caractère '>' dans les fichiers FASTA. Comme FASTA conserve uniquement les données de séquence et rejette les annotations, la conversion est strictement unidirectionnelle pour la séquence elle-même, bien que toutes les notes biologiques du fichier plat d'origine soient perdues dans la sortie.
Compatibilité système et navigateur
FASTA et GenBank sont des formats texte, mais les applications peuvent exiger un retour à la ligne, des identifiants, des alphabets de séquence ou des champs d’enregistrement particuliers. De nombreux outils de bio-informatique lisent le FASTA ; vérifiez la variante et les paramètres acceptés par l’outil cible.
Informations utiles
Conservez toujours une copie de sauvegarde de votre fichier plat GenBank d'origine avant d'exécuter un script de conversion. Une fois que vous avez supprimé les annotations dans un fichier FASTA, vous ne pouvez pas récupérer les coordonnées des gènes d'origine, les références de publication ou les tables de traduction à partir des seules données de séquence.
Foire aux questions
Comment convertir un fichier plat GenBank en séquence FASTA sans perte de qualité ?
La conversion est totalement sans perte en ce qui concerne les données de séquence génétique réelles. Les lettres de nucléotides ou de protéines restent exactes. Cependant, vous perdez toutes les annotations biologiques descriptives, telles que les noms de gènes, les citations d'auteurs et les tables de caractéristiques, car le format FASTA est conçu pour contenir uniquement l'en-tête et la séquence elle-même.
Quelle est la différence entre un fichier plat GenBank et une séquence FASTA ?
Un fichier plat GenBank est un document complexe en plusieurs sections contenant de riches métadonnées biologiques et la séquence brute en bas. Une séquence FASTA est un format texte minimaliste composé d'une seule ligne d'en-tête descriptive précédée d'un signe supérieur à suivi des lignes de séquence brutes.