GenBank szöveges fájl (.gb)
NCBI SzabványA FASTA gyakori szöveges szekvenciaformátum; a méret az adatoktól és formázástól függ. A GenBank-rekordok eltérnek, a statisztika kiadásonként változik.
FASTA konvertálása erre: GENBANK
Ingyenes, böngészőben használható FASTA-konverter GENBANK formátumba. A fájlokat azonnal konvertálhatja az eszközén.
Vizsgálat és metaadatok
Az operációs rendszerek és a fájlelemzők a kezdő bináris bájtsorozat vizsgálatával azonosítják a(z) GenBank fájlokat:
Bájtszintű fejlécaláírás (fájlazonosító bájtok)
Az operációs rendszerek és a fájlelemzők a kezdő bináris bájtsorozat vizsgálatával azonosítják a(z) GenBank fájlokat:
HEX ALÁÍRÁS (ELTOLÁS 0):
4C 4F 43 55 53 20 20 20 20 20ASCII ÁBRÁZOLÁS: LOCUS
Szabványosítás: NCBI GenBank Release Specification
Műszaki specifikációk
| Konténer architektúra | Egyszerű szöveges, tagolt fájl: fejlécszakaszból (LOCUS, DEFINITION, ACCESSION), FEATURES-táblázatból és ORIGIN-szekvenciaadatokból áll, amelyek végét „//” jelöli |
| Tömörítés | Tömörítetlen szöveg (gyakran Gzip-tömörítéssel, .gb.gz kiterjesztéssel) |
| Bájtsorrend | UTF-8 / ASCII szövegfolyam |
| Színterek | Nem alkalmazható (genomikai annotációs adatbázis) |
| Csatornák és struktúra | DNS-/RNS-szekvencia, génannotációk, kódoló régiók (CDS), fehérjefordítások és tudományos hivatkozások |
| Max. méretek | Korlátlan szekvenciahossz és jellemzőszám |
| Átlátszóság | Nincs |
| Streaming és progresszív | Rekordonkénti adatfolyam-feldolgozás: az egyes GenBank-bejegyzéseket „//” sorok választják el |
Műszaki összehasonlító mátrix: GenBank vs. versenytársak
| Technikai attribútum | GenBank (Jelenlegi) | FASTA | GFF | FASTQ |
|---|---|---|---|---|
| Annotációs részletesség | Teljes körű (gének, CDS, hivatkozások, fehérjetranszláció) | Nincs (csak szekvencia) | Táblázatos genomkoordináták | Csak szekvenálási minőségi pontszámok |
| Tartalmazott szekvencia | Igen (a végén lévő ORIGIN blokkban) | Igen (csak a szekvencia) | Nem (csak koordináták) | Igen (nyers szekvenálási leolvasások) |
| Elsődleges eszközök | NCBI, SnapGene, Benchling | BLAST, szekvenciaillesztő eszközök | Genomböngészők (UCSC, IGV) | Illumina szekvenálók |
| Rekordlezáró | // önálló sorban | Következő '>' fejlécsor | A fájl vége | Következő '@' sor |
Gyakori sérülési módok és hexadecimális helyreállítási útmutató
A bioinformatikai szoftver ezt a hibaüzenetet jeleníti meg: 'GenBank-elemzési hiba: idő előtti EOF a // előtt'.
Kiváltó ok: Csonka letöltés, amely miatt hiányzik a végső ORIGIN szakasz vagy a „//” elválasztó.
Helyreállítás: A fájl végéhez hozzá kell fűzni a „//\n” karakterláncot a File2File.app bioinformatikai eszközével.
Biztonsági elemzés és elemző (parser) támadási vektorok
A GenBank-elemzők összetett jellemzőhely-karakterláncokat dolgoznak fel, amelyekben a reguláris kifejezések visszalépése szolgáltatásmegtagadást válthat ki.
Ismert támadási vektorok
- Reguláris kifejezésekkel kiváltható szolgáltatásmegtagadás (ReDoS) az összetett jellemzőhely-elemzőkben.
- Puffertúlcsordulás túl hosszú hivatkozási címek olvasásakor.
- Szolgáltatásmegtagadás körkörös jellemzőhivatkozási ciklusok miatt.
Ajánlott védekezési módszerek: Lineáris, visszalépés nélküli elemzőket használjon a jellemzőtáblázat koordinátatartományainak kiértékeléséhez.
Történeti háttér és mérföldkövek
Főbb előnyök
- Gazdag, átfogó metaadatok: tárolja a génhatárokat, a promóterhelyeket, az exonokat, az intronokat és a fehérjévé átírt szekvenciákat.
- Tartalmazza a teljes tudományos szakirodalmi hivatkozásokat, a PubMed azonosítókat, a szerzők neveit és a kísérleti benyújtás dátumait.
- A FASTA gyakori szöveges szekvenciaformátum; a méret az adatoktól és formázástól függ. A GenBank-rekordok eltérnek, a statisztika kiadásonként változik.
Technikai korlátok és hátrányok
- Lényegesen bőbeszédűbb, és nagyobb fájlméretű az egyszerű FASTA-szekvenciáknál.
- A jellemzőtáblázat koordinátáinak elemzése ('join(complement(100..500),600..800)') összetett elemzési logikát igényel.
- Nem nagy áteresztőképességű szekvenálási leolvasások illesztésére tervezték.
Érdekes technikai tudnivalók
- Minden GenBank-bejegyzés a 'LOCUS' szóval kezdődik, és a '//' jellel zárul, amely önálló sorban áll.
- A GenBank naponta szinkronizálja adatait az Európai Molekuláris Biológiai Laboratóriummal (EMBL) és a Japán DNS-adatbankkal (DDBJ).
- A szintetikus biológusok GenBank-fájlokat használnak egyedi, körkörös plazmidok tervezésére CRISPR-alapú génszerkesztéshez és inzulintermeléshez.
Gyakran Ismételt Műszaki Kérdések
Mi a különbség a FASTA és a GenBank formátum között?
A FASTA csak a nyers DNS-szekvenciát tartalmazza egy rövid fejlécsorral. A GenBank a nyers szekvencián FELÜL az összes génannotációt, fehérjeszekvenciát, szerzőt és tudományos megjegyzést is tartalmazza.
Hogyan alakíthatok át GenBank-fájlt (.gb) FASTA-formátumba?
A GenBank-fájlok egyetlen kattintással tiszta FASTA-nukleotid- vagy fehérjeszekvenciákká alakíthatók a File2File.app segítségével, közvetlenül a böngészőben.
Milyen szoftverek nyitják meg a GenBank-fájlokat?
A SnapGene, a Benchling, az UGENE, az Artemis és a File2File.app alkalmas GenBank-fájlok megtekintésére és szerkesztésére.
Kapcsolódó GenBank konverziós párok
A konverter a FASTA-szekvenciát alapvető GenBank-stílusú rekorddá alakítja, és az ORIGIN szakaszba írja; biológiai jellemzőkre vonatkozó annotációkat nem következtet ki és nem ad hozzá.
Egy GenBank-fájl átalakítása FASTA-szekvenciává eltávolítja az annotációs metaadatokat, így csak a gyors bioinformatikai elemzéshez szükséges nyers nukleotid- vagy aminosav-szekvenciák maradnak.