FASTA konvertálása GenBank formátumba
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.
Formátum-összehasonlítás és műszaki specifikációk
| Specifikáció | FASTA | GENBANK |
|---|---|---|
| MIME-típus | text/ | text/ |
| Típus | bioinformatikai szekvenciaszöveg | annotált nukleotid-adatfájl |
| Tömörítés | nincs (sima szöveg) | nincs (sima szöveg) |
| Szabványos specifikáció | NCBI FASTA specifikáció | NCBI GenBank flatfile kiadási megjegyzések |
| Fájlfejléc azonosító bájtjai | 3E ('>' Sequence header line) | 4C 4F 43 55 53 20 20 20 20 (LOCUS ) |
A formátum áttekintése és alkalmazási területei
A genomikai kutatók gyakran váltogatnak az egyszerű szekvenciaszövegek és a részletesen annotált rekordok között. A FASTA-fájl egy kis méretű tároló, amely csupán egy nagyobb, mint jellel kezdődő fejlécet és a nyers nukleotid- vagy aminosav-karaktereket tartalmazza. Ez az egyszerűség ideális az alapszintű illesztési eszközökhöz és szekvenciakeresésekhez. Amikor azonban a tudósok új genomokat kívánnak publikálni vagy specifikus génjellemzőket vizsgálnak, strukturált metaadatokra van szükségük. A GenBank-fájlformátum ezt úgy oldja meg, hogy a genetikai szekvenciát egy szigorú, többsoros szöveges dokumentumba ágyazza. Tartalmazza a lokuszneveket, az organizmus taxonómiáját, a publikációs hivatkozásokat és a funkciótáblázatokat, amelyek pontosan megmutatják, hol találhatók a gének, a kódoló régiók és a promóterek a kromoszómán. A bioinformatikai folyamatok, a genom-böngészők és a beküldő portálok, mint például az NCBI GenBank, erre a gazdag annotációs struktúrára támaszkodnak a nyers DNS értelmezésekor. Ezzel a konverzióval áthidalható a szakadék a nyers szekvenciafelfedezés és a hivatalos biológiai leírás között. Míg a FASTA-fájl egyszerűen felsorolja a DNS-ben található betűket, a cél GenBank-fájl elmagyarázza, hogy ezek a betűk mit tesznek egy élő sejten belül.
Műszaki specifikációk és kodekáttekintés
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.
Operációs rendszer- és böngésző-kompatibilitás
Mivel mindkét formátum szabványos ASCII-szöveg, univerzális kompatibilitást élveznek az összes modern operációs rendszeren és hardverplatformon. Megnyithatók és szerkeszthetők Windows, macOS és Linux rendszereken alapszintű szövegszerkesztőkkel vagy speciális bioinformatikai csomagokkal, mint a Geneious, a SnapGene és az Artemis. A webböngészők natív módon képesek megjeleníteni mindkét fájltípust szövegmezőkön belül vagy JavaScript-alapú szekvencia-megjelenítők segítségével. Az olyan parancssori eszközök, mint a Biopython, az EMBOSS és az NCBI BLAST, zökkenőmentesen elemzik ezeket a fájlokat asztali terminálokon, nagyteljesítményű számítási fürtökön és felhőkörnyezetekben. A támogatás az alkalmazástól, az eszköztől, az operációs rendszertől és annak verziójától is függ.
Hasznos információk
A kimenet mérete a szekvenciától és a rekord szövegétől függ. A konverter nem hoz létre teljesen annotált GenBank-rekordot; szükség esetén külön adja hozzá az ellenőrzött forrásadatokat és jellemzőket.
Gyakran ismételt kérdések
Hogyan konvertálható FASTA-szekvencia GenBank-fájllá minőségromlás nélkül?
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.
Mi a különbség a FASTA-szekvencia és a GenBank-fájl között?
A FASTA-fájl egy minimalista szöveges formátum, amely csak egy egyszerű fejlécet és nyers szekvenciaszöveget tartalmaz. A GenBank-fájl egy erősen strukturált dokumentum, amely olyan meghatározott szakaszokra oszlik, mint a LOCUS, DEFINITION, ACCESSION, SOURCE, FEATURES és ORIGIN, hogy gazdag biológiai metaadatokat tároljon a szekvencia mellett.