Convertitore da GenBank a FASTA
La conversione di un flatfile GenBank in una sequenza FASTA rimuove i metadati di annotazione per lasciare solo le sequenze grezze di nucleotidi o amminoacidi necessarie per una rapida analisi bioinformatica.
Confronto formati e specifiche tecniche
| Specifica | GENBANK | FASTA |
|---|---|---|
| Tipo MIME | text/ | text/ |
| Tipo | file annotato di nucleotidi in formato semplice | testo di sequenza bioinformatica |
| Compressione | nessuna (testo semplice) | nessuna (testo semplice) |
| Specifica standard | NCBI GenBank Flatfile Release Notes | NCBI FASTA Specification |
| Intestazione Magic Bytes | 4C 4F 43 55 53 20 20 20 20 (LOCUS ) | 3E ('>' Sequence header line) |
Panoramica del formato e applicazioni
I record GenBank includono sequenze e annotazioni. FASTA memorizza una sequenza con una riga descrittiva ed è accettato da molti strumenti di allineamento e ricerca. Dopo la conversione, controlla le annotazioni che non vengono mantenute in FASTA.
Specifiche tecniche e analisi dei codec
Il formato flatfile GenBank utilizza il tipo MIME text/plain e contiene testo altamente strutturato organizzato in distinte sezioni di parole chiave come LOCUS, DEFINITION, ACCESSION e ORIGIN. Il formato FASTA utilizza anch'esso il tipo MIME text/plain ma elimina tutte le sezioni tranne una singola riga di intestazione che inizia con il simbolo maggiore di e le successive righe di lettere di sequenza grezze. Nessun formato utilizza la compressione per impostazione predefinita, il che significa che entrambi esistono come file di testo semplice codificati in ASCII o UTF-8. Non esistono firme di byte magici per questi formati di testo semplice. Il software li identifica invece eseguendo la scansione delle intestazioni di testo iniziali, cercando parole chiave come LOCUS nei file GenBank o il carattere '>' nei file FASTA. Poiché il formato FASTA conserva solo i dati della sequenza e scarta le annotazioni, la conversione è rigorosamente unidirezionale per la sequenza stessa, sebbene eventuali note biologiche presenti nel flatfile originale vadano perse nell'output.
Compatibilità con sistemi operativi e browser
FASTA e GenBank sono formati testuali, ma le applicazioni possono richiedere regole specifiche per ritorni a capo, identificatori, alfabeti di sequenza o campi del record. Molti strumenti di bioinformatica leggono entrambi; verifica nella pipeline di destinazione.
Informazioni utili
Conserva sempre una copia di backup del tuo flatfile GenBank originale prima di eseguire uno script di conversione. Una volta rimosse le annotazioni per ottenere un file FASTA, non è possibile recuperare le coordinate geniche originarie, i riferimenti bibliografici o le tabelle di traduzione dai soli dati della sequenza.
Domande frequenti
Come convertire un flatfile GenBank in una sequenza FASTA senza perdita di qualità?
La conversione è completamente priva di perdite per quanto riguarda i dati effettivi della sequenza genetica. Le lettere dei nucleotidi o delle proteine rimangono esatte. Tuttavia, si perdono tutte le annotazioni biologiche descrittive, come i nomi dei geni, le citazioni degli autori e le tabelle delle caratteristiche, poiché il formato FASTA è progettato per contenere solo l'intestazione e la sequenza stessa.
Qual è la differenza tra un flatfile GenBank e una sequenza FASTA?
Un flatfile GenBank è un documento complesso e multilinea contenente ricchi metadati biologici e la sequenza grezza in fondo. Una sequenza FASTA è un formato di testo minimale costituito da una sola riga di intestazione descrittiva preceduta da un simbolo maggiore di e seguita dalle righe di sequenza grezza.