FASTA 서열 (.fasta)
FASTA는 표준FASTA는 서열에 널리 쓰이는 텍스트 형식이며 크기는 데이터와 서식에 따라 달라집니다. GenBank 레코드는 다양하고 통계는 릴리스마다 바뀝니다.
FASTA을(를) GENBANK(으)로 변환
무료 브라우저 내 FASTA에서 GENBANK로 변환하는 도구입니다. 기기에서 파일을 즉시 변환할 수 있습니다.
검사 및 메타데이터
운영 체제와 파일 분석기는 파일 선두의 바이너리 바이트 시퀀스를 검사하여 FASTA 파일을 식별합니다:
바이트 단위 헤더 시그니처 (매직 바이트)
운영 체제와 파일 분석기는 파일 선두의 바이너리 바이트 시퀀스를 검사하여 FASTA 파일을 식별합니다:
16진수 시그니처 (오프셋 0):
3EASCII 표현: >
표준화: FASTA는 서열에 널리 쓰이는 텍스트 형식이며 크기는 데이터와 서식에 따라 달라집니다. GenBank 레코드는 다양하고 통계는 릴리스마다 바뀝니다.
기술 사양
| 컨테이너 아키텍처 | '>'로 시작하는 헤더 행 뒤에 서열 식별자가 오며 이어지는 행에 단일 문자 뉴클레오티드 또는 아미노산 코드가 포함되는 일반 텍스트 서열 파일 |
| 압축 | 압축되지 않은 텍스트(흔히 .fasta.gz 또는 .fa.gz로 Gzip 압축됨) |
| 바이트 엔디안 | ASCII / UTF-8 텍스트 스트림 |
| 색 공간 | 해당 없음(유전체 서열 데이터) |
| 채널 및 구조 | 핵산 코드(A, C, G, T, U, N) 또는 IUPAC 20종 아미노산 단백질 코드 |
| 최대 크기 | 서열 길이 제한 없음(염기쌍 2억 5천만 개가 넘는 인간 염색체 전체 지원) |
| 투명도 | 없음 |
| 스트리밍 및 프로그레시브 | 레코드별 순차 스트리밍 처리 |
기술 비교 매트릭스: FASTA 대 경쟁사
| 기술적 속성 | FASTA (현재) | FASTQ | GENBANK | GFF |
|---|---|---|---|---|
| 품질 점수 | 없음 (서열 문자만 포함) | 염기별 Phred 품질 점수 | 없음 (기능 주석) | 없음 (기능 좌표) |
| 헤더 줄 | '>' 문자로 시작 | '@' 문자로 시작 | 구조화된 LOCUS 블록 | 탭으로 구분된 유전체 열 |
| 기본 용도 | 참조 유전체 및 BLAST 검색 | 원시 데이터 생성용 고처리량 시퀀서(Illumina) | 포괄적인 주석이 달린 유전자 | 유전체 기능 주석 |
| 파일 크기 (인간) | FASTA는 서열에 널리 쓰이는 텍스트 형식이며 크기는 데이터와 서식에 따라 달라집니다. GenBank 레코드는 다양하고 통계는 릴리스마다 바뀝니다. | ~100기가바이트 이상 (품질 포함) | 수 기가바이트에 달하는 서식 있는 텍스트 | ~50메가바이트 |
일반적인 손상 모드 및 헥스 복구 가이드
생물정보학 도구에 'X행에 잘못된 서열 문자가 있습니다'라는 오류가 표시됩니다.
근본 원인: 서열 줄 내의 공백, 숫자 또는 비IUPAC 문자.
복구: File2File.app Bioinformatics Tool을 사용하여 서열 문자를 필터링하고 정리하십시오.
보안 분석 및 파서 공격 벡터
유전체학 도구는 서열 좌표에 인덱싱할 때 정수 오버플로가 발생할 수 있는 수 기가바이트에 달하는 대용량 FASTA 파일을 파싱합니다.
알려진 공격 벡터
- 2^31 염기쌍을 초과하는 32비트 서열 인덱서(FAI)의 정수 오버플로.
- 지나치게 긴 서열 식별자 헤더를 읽을 때의 버퍼 오버플로.
- 병리학적 정렬 쿼리를 통한 서비스 거부.
방어적 모범 사례: 64비트 좌표 자료형을 사용하고 헤더 길이가 최대 한도를 넘지 않는지 검증하십시오.
역사적 배경 및 주요 이력
주요 장점
- 전산 생물학의 명실상부한 세계 표준: 지구상의 모든 유전체 도구, 시퀀서 및 데이터베이스에서 사용됩니다.
- 극도의 단순성: 1줄은 ID가 뒤따르는 '>'로 시작하고 그 뒤에 일반 텍스트 유전적 문자가 옵니다.
- 여러 서열 저장 지원: 단일 파일에 수천 개의 개별 유전자 또는 완전한 바이러스 게놈이 포함될 수 있습니다.
기술적 제한 사항 및 단점
- 시퀀싱 품질 점수가 포함되어 있지 않습니다(염기별 Phred 신뢰도 점수를 저장하는 FASTQ와 다릅니다).
- 초기 식별자를 제외하고 헤더 줄에 대한 표준화된 메타데이터 구문이 없습니다.
- Gzip이나 특수 유전체 압축을 사용하지 않으면 전체 게놈 데이터 세트에 막대한 저장 공간이 필요합니다.
흥미로운 기술적 상식
- FASTA는 서열에 널리 쓰이는 텍스트 형식이며 크기는 데이터와 서식에 따라 달라집니다. GenBank 레코드는 다양하고 통계는 릴리스마다 바뀝니다.
- FASTA 파일에 저장된 DNA의 네 가지 문자는 A(아데닌), C(시토신), G(구아닌), T(티민)입니다.
- 2020년 1월 COVID-19를 일으키는 코로나바이러스의 게놈이 처음 시퀀싱되었을 때 과학자들은 이를 30,000자 길이의 FASTA 파일로 전 세계에 공유했습니다.
자주 묻는 기술 질문
FASTA 파일이란 무엇입니까?
FASTA 파일은 생물학에서 한 글자 약어를 사용하여 DNA, RNA 또는 단백질 서열을 저장하는 데 사용되는 일반 텍스트 파일입니다.
FASTA와 FASTQ는 어떻게 다릅니까?
FASTA는 유전적 서열 문자만 저장하고, FASTQ는 각 염기에 대한 문자와 시퀀싱 정확도 품질 점수를 모두 저장합니다.
FASTA 파일을 어떻게 볼 수 있습니까?
모든 텍스트 편집기에서 FASTA 파일을 열거나, Jalview나 UGENE 같은 생물정보학 소프트웨어에서 보거나, File2File.app을 사용하여 변환할 수 있습니다.