רצף FASTA (.fasta)
Bioinformatics תקןפורמט FASTA הוא פורמט הקבצים הבסיסי והנפוץ ביותר בביואינפורמטיקה וגנומיקה, המייצג רצפי נוקלאוטידים (DNA, RNA) ורצפי חומצות אמינו של חלבונים תוך שימוש בקודים אוניברסליים בני אות אחת.
המר FASTA ל-GENBANK
ממיר חינמי מ-FASTA ל-GENBANK פועל בדפדפן. המר קבצים באופן מיידי במכשיר שלך.
בדיקה ומטא-דאטה
מערכות הפעלה ומנתחי קבצים מזהים קבצי FASTA על ידי בדיקת רצף הבייטים הבינארי הראשוני:
חתימת כותרת ברמת הבייט (Magic Bytes)
מערכות הפעלה ומנתחי קבצים מזהים קבצי FASTA על ידי בדיקת רצף הבייטים הבינארי הראשוני:
חתימת HEX (היסט 0):
3Eייצוג ASCII: >
תקינה: Bioinformatics de facto global standard
מפרט טכני
| ארכיטקטורת מעטפת | Plaintext sequence file where header lines start with '>' followed by sequence identifier, and succeeding lines contain single-letter nucleotide or amino acid codes |
| דחיסה | Uncompressed text (frequently compressed with Gzip as .fasta.gz or .fa.gz) |
| סדר בתים (Endianness) | ASCII / UTF-8 text stream |
| מרחבי צבע | N/A (Genomic Sequence Data) |
| ערוצים ומבנה | Nucleic acid codes (A, C, G, T, U, N) or IUPAC 20 amino acid protein codes |
| ממדים מרביים | Unbounded sequence length (supports entire human chromosomes over 250 million base pairs) |
| שקיפות | None |
| הזרמה ופרוגרסיביות | Sequential record-by-record streaming processing |
מטריצת השוואה טכנית: FASTA מול מתחרים
| תכונה טכנית | FASTA (נוכחי) | FASTQ | GENBANK | GFF |
|---|---|---|---|---|
| ציוני איכות | ללא (אותיות רצף טהורות) | ציוני איכות Phred לכל בסיס | ללא (הערות מאפיינים) | ללא (קואורדינטות מאפיינים) |
| שורת כותרת | מתחילה בתו '>' | מתחילה בתו '@' | בלוק LOCUS מובנה | עמודות גנומיות מופרדות בטאב |
| שימוש עיקרי | גנומי ייחוס וחיפוש BLAST | מכשירי ריצוף גולמיים בתפוקה גבוהה (Illumina) | גנים מנוילים מקיפים | הערות מאפיינים גנומיים |
| גודל קובץ (אנושי) | ~3 גיגה-בייט לא דחוס | כ-100+ גיגה-בייט (כולל איכויות) | טקסט עשיר מרובה גיגה-בייט | ~50 מגה-בייט |
מצבי שיחשות נפוצים ומדריך שחזור הקסדצימלי (Hex)
כלי הביואינפורמטיקה מדווח על 'תו רצף לא חוקי בשורה X'.
גורם שורש: תווים לבנים (whitespace), מספרים או תווים שאינם לפי תקן IUPAC בתוך שורות הרצף.
התאוששות: סנן ונקה את תווי הרצף באמצעות File2File Bioinformatics Tool.
ניתוח אבטחה ווקטורי התקפה על מנתחים (Parsers)
כלי גנומיקה מנתחים קבצי FASTA ענקיים מרובי גיגה-בייט שבהם עלולות להתרחש גלישות של מספר שלם בעת יצירת אינדקס לקואורדינטות רצף.
ווקטורי תקיפה ידועים
- גלישת מספר שלם (Integer overflow) במאנדקסים של רצפים בני 32 סיביות (FAI) החורגים מ-2 בחזקת 31 זוגות בסיסים.
- גלישת חוצץ בעת קריאת כותרות מזהה רצף ארוכות באופן חריג.
- מניעת שירות באמצעות שאילתות התאמה פתולוגיות.
השיטות המומלצות להגנה:
היסטוריה ואבני דרך
יתרונות מרכזיים
- התקן העולמי המובהק של ביולוגיה חישובית: בשימוש על ידי כל כלי גנומי, מכשיר ריצוף ומסד נתונים על פני כדור הארץ.
- פשטות קיצונית: שורה 1 מתחילה ב-'<' ולאחר מכן מזהה, ולאחר מכן אותיות גנטיות בטקסט פשוט.
- קיבולת מרובת רצפים: קובץ יחיד יכול להכיל אלפי גנים בודדים או גנומים נגיפיים שלמים.
מגבלות טכניות וחסרונות
- אינו מכיל ציוני איכות ריצוף בניגוד ל-FASTQ, המאחסן ציוני מהימנות Phred לכל בסיס (base).
- אין תחביר מטא-דאטה תקני לשורות כותרת מעבר למזהה הראשוני.
- טביעת רגל אחסון עצומה עבור מערכי נתונים של גנום שלם ללא דחיסת Gzip או דחיסה גנומית ייעודית.
עובדות טכניות מעניינות
- כל הגנום האנושי הכולל 3 מיליארד זוגות בסיסים ניתן לייצוג בפורמט FASTA, ותופס נפח אחסון של כ-3 גיגה-בייט.
- ארבע אותיות ה-DNA המאוחסנות בקבצי FASTA הן A (אדנין), C (ציטוזין), G (גואנין) ו-T (תימין).
- כאשר גנום נגיף הקורונה COVID-פוענח לראשונה בינואר 2020, מדענים שיתפו אותו ברחבי העולם כקובץ FASTA בן 30,000 אותיות.
שאלות טכניות נפוצות
מהו קובץ FASTA?
קובץ FASTA הוא קובץ טקסט פשוט המשמש בביולוגיה לאחסון רצפי DNA, RNA או חלבונים באמצעות קיצורים בני אות אחת.
מה ההבדל בין FASTA לבין FASTQ?
FASTA מאחסן רק את אותיות הרצף הגנטי, בעוד ש-FASTQ מאחסן גם את האותיות וגם את ציון איכות דיוק הריצוף עבור כל בסיס.
כיצד אוכל להציג קובץ FASTA?
באפשרותך לפתוח קובצי FASTA בכל עורך טקסט, להציג אותם בתוכנות ביואינפורמטיקה כמו Jalview או UGENE, או להמיר אותם באמצעות File2File.app.