GenBankをFASTAに変換
GenBankフラットファイルをFASTA配列に変換し、注釈メタデータを取り除くことで、高速なバイオインフォマティクス解析に必要な生のヌクレオチドまたはアミノ酸配列のみを残します。
フォーマットの比較と技術仕様
| 仕様 | GENBANK | FASTA |
|---|---|---|
| MIMEタイプ | text/ | text/ |
| タイプ | 注釈付きヌクレオチドフラットファイル | バイオインフォマティクス配列テキスト |
| 圧縮 | なし（プレーンテキスト） | なし（プレーンテキスト） |
| 標準仕様 | NCBI GenBank フラットファイルリリースノート | NCBI FASTA 仕様書 |
| マジックバイトヘッダー | 4C 4F 43 55 53 20 20 20 20 (LOCUS ) | 3E ('>' Sequence header line) |
フォーマットの概要と用途
GenBankレコードには配列データと注釈が含まれます。FASTAは定義行と配列を保存し、多くのアラインメントや検索ツールで使えます。変換後、FASTAに含まれない注釈を確認してください。
技術仕様とコーデックの詳細
GenBankフラットファイル形式は text/plain のMIMEタイプを使用し、LOCUS、DEFINITION、ACCESSION、ORIGINなどの個別のキーワードセクションに整理された高度に構造化されたテキストを含んでいます。FASTAフォーマットも text/plain のMIMEタイプを使用しますが、大なり符号で始まる単一のヘッダー行とそれに続く生の配列文字の行を除くすべてのセクションを削除します。どちらのフォーマットもデフォルトでは圧縮を使用しないため、どちらもプレーンテキストのASCIIまたはUTF-8エンコードされたファイルとして存在します。これらのプレーンテキスト形式にはマジックバイト署名は存在しません。代わりに、ソフトウェアは初期のテキストヘッダーをスキャンし、GenBankファイルのLOCUSキーワードやFASTAファイルの '>' 文字を探してそれらを識別します。FASTAは配列データのみを保持し注釈を破棄するため、配列自体に関しては変換は厳密に一方向ですが、元のフラットファイルに含まれる生物学的メモは出力では失われます。
OSとブラウザの互換性
FASTAとGenBankはテキスト形式ですが、アプリによって行の折り返し、識別子、配列アルファベット、レコード項目の要件が異なる場合があります。多くのバイオインフォマティクスツールは両方を読み込めますが、対象のパイプラインで確認してください。
役立つ情報
変換スクリプトを実行する前に、元のGenBankフラットファイルのバックアップコピーを常に保管してください。注釈をFASTAファイルに削ぎ落としてしまうと、配列データ単体から元の遺伝子座標、出版物の参照、または翻訳テーブルを復元することはできません。
よくある質問
品質を落とさずにGenBankフラットファイルをFASTA配列に変換するにはどうすればよいですか？
実際の遺伝子配列データに関する限り、変換は完全にロスレスです。ヌクレオチドやタンパク質の文字は正確なまま保持されます。ただし、FASTA形式はヘッダーと配列自体のみを保持するように設計されているため、遺伝子名、著者引用、フィーチャテーブルなどのすべての説明的な生物学的注釈は失われます。
GenBankフラットファイルとFASTA配列の違いは何ですか？
GenBankフラットファイルは、豊富な生物学的メタデータと下部に生の配列を含む、複雑なマルチセクションのドキュメントです。FASTA配列は、大なり符号で始まる単一の説明的なヘッダー行と、それに続く生の配列行のみで構成される最小限のテキスト形式です。