GenBank-flatfile (.gb)
NCBI StandaardPlatte GenBank-bestanden van NCBI (.gb / .gbk) kunnen nucleotidesequenties, feature-annotaties en referenties bevatten. De inhoud verschilt per record en inzending.
FASTA naar GENBANK converteren
Gratis FASTA-naar-GENBANK-converter in uw browser. Converteer bestanden direct op uw apparaat.
Inspecteren en metadata
Besturingssystemen en bestandsanalysators herkennen GenBank-bestanden aan de hand van de eerste binaire bytesequentie:
Bestandshandtekening op byteniveau (magic bytes)
Besturingssystemen en bestandsanalysators herkennen GenBank-bestanden aan de hand van de eerste binaire bytesequentie:
HEX-HANDTEKENING (OFFSET 0):
4C 4F 43 55 53 20 20 20 20 20ASCII-WEERGAVE: LOCUS
Standaardisatie: NCBI GenBank Release Specification
Technische specificaties
| Containerarchitectuur | Plattetekstbestand verdeeld in een headersectie (LOCUS, DEFINITION, ACCESSION), een FEATURES-tabel en ORIGIN-sequentiegegevens die eindigen op '//' |
| Compressie | Niet-gecomprimeerde tekst (vaak gecomprimeerd met Gzip als .gb.gz) |
| Bytevolgorde (endianness) | UTF-8 / ASCII-tekststroom |
| Kleurruimten | N.v.t. (genoomannotatiedatabase) |
| Kanalen en structuur | DNA- en RNA-sequentie, genannotaties, coderende regio's (CDS), eiwitvertalingen en wetenschappelijke bronvermeldingen |
| Maximale afmetingen | Onbegrensde sequentielengte en onbeperkt aantal features |
| Transparantie | Geen |
| Streaming en progressief | Streaming per record: individuele GenBank-items worden afgebakend door regels met '//' |
Technische vergelijkingsmatrix: GenBank versus concurrenten
| Technisch kenmerk | GenBank (Huidig) | FASTA | GFF | FASTQ |
|---|---|---|---|---|
| Annotatiedetail | Uitgebreid (genen, CDS, bronvermeldingen, translatie) | Geen (alleen sequentie) | Genoomcoördinaten in tabelvorm | Alleen kwaliteitsscores van de sequencing |
| Inbegrepen sequentie | Ja (in ORIGIN-blok aan het einde) | Ja (pure sequentie) | Nee (alleen coördinaten) | Ja (onbewerkte reads) |
| Primaire tools | NCBI, SnapGene, Benchling | BLAST, alignmenttools | Genoombrowsers (UCSC, IGV) | Illumina-sequencers |
| Recordafsluiting | // op een afzonderlijke regel | Volgende '>'-headerregel | Einde van het bestand | Volgende '@'-regel |
Veelvoorkomende beschadigingen en gids voor hex-herstel
Bio-informatica-software meldt 'GenBank parser error: premature EOF before //'.
Oorzaak: Afgebroken download waarbij het laatste ORIGIN-blok met de sequentie of het scheidingsteken '//' ontbreekt.
Herstel: Voeg '//\n' toe aan het einde van het bestand met de bio-informatica-tool van File2File.app.
Beveiligingsanalyse en aanvalsvectoren voor parsers
GenBank-parsers verwerken complexe tekenreeksen voor kenmerklocaties, waarbij backtracking van reguliere expressies kan leiden tot een denial-of-service.
Bekende aanvalsvectoren
- Denial-of-service door reguliere expressies (ReDoS) in parsers voor complexe kenmerklocaties.
- Bufferoverloop bij het lezen van extreem lange citatietitels.
- Denial-of-service via circulaire lussen in kenmerkverwijzingen.
Aanbevolen beveiligingspraktijken: Gebruik lineaire parsers zonder backtracking om coördinatenbereiken in kenmerktabellen te evalueren.
Historische oorsprong en mijlpalen
Belangrijkste voordelen
- Rijke en uitgebreide metadata: slaat gengrenzen, promotorlocaties, exons, introns en vertaalde eiwitsequenties op.
- Bevat volledige wetenschappelijke literatuurreferenties, PubMed-ID's, auteursnamen en experimentele indieningsdatums.
- GenBank-bestanden worden geaccepteerd door NCBI-inzendingstools en ondersteund door sommige sequentie- en plasmide-ontwerptoepassingen; compatibiliteit verschilt per product en workflow.
Technische beperkingen
- Aanzienlijk meer tekst en grotere bestandsgrootten dan eenvoudige FASTA-sequenties.
- Het parsen van coördinaten uit de feature-tabel ('join(complement(100..500),600..800)') vereist complexe parserlogica.
- Niet ontworpen voor massale high-throughput sequencing-read-alignment.
Interessante technische weetjes
- Elk GenBank-item begint met het woord 'LOCUS' en eindigt met twee schuine strepen '//' op een eigen regel.
- GenBank synchroniseert zijn gegevens dagelijks met het European Molecular Biology Laboratory (EMBL) en de DNA Data Bank of Japan (DDBJ).
- Synthetische biologen gebruiken GenBank-bestanden om aangepaste circulaire plasmiden te ontwerpen voor CRISPR-genbewerking en insulineproductie.
Veelgestelde technische vragen
Wat is het verschil tussen het FASTA- en het GenBank-formaat?
FASTA bevat alleen de onbewerkte DNA-sequentie met een korte headerregel. GenBank bevat de onbewerkte sequentie PLUS alle genannotaties, eiwittranslaties, auteurs en wetenschappelijke notities.
Hoe kan ik GenBank (.gb) converteren naar FASTA?
U kunt GenBank-bestanden met één klik converteren naar schone FASTA-nucleotide- of eiwitsequenties met behulp van File2File.app rechtstreeks in uw browser.
Welke software opent GenBank-bestanden?
SnapGene, Benchling, UGENE, Artemis en File2File.app kunnen GenBank-bestanden bekijken en bewerken.
Gerelateerde conversieparen voor GenBank
Converteer een ondersteunde FASTA-sequentie naar een eenvoudig record in GenBank-stijl. Biologische kenmerkannotaties worden niet afgeleid of toegevoegd.
Het converteren van een GenBank-platbestand naar een FASTA-sequentie verwijdert annotatiemetadata, zodat alleen de ruwe nucleotide- of aminozuursequenties overblijven die nodig zijn voor snelle bio-informatica-analyse.