FASTA-naar-GenBank-converter
Converteer een ondersteunde FASTA-sequentie naar een eenvoudig record in GenBank-stijl. Biologische kenmerkannotaties worden niet afgeleid of toegevoegd.
Formaatvergelijking en technische specificaties
| Specificatie | FASTA | GENBANK |
|---|---|---|
| MIME-type | text/ | text/ |
| Type | bio-informatica-sequentietekst | geannoteerd nucleotidebestand |
| Compressie | geen (platte tekst) | geen (platte tekst) |
| Standaardspecificatie | NCBI FASTA-specificatie | NCBI GenBank Flatfile-releaseopmerkingen |
| Bestandshandtekening (magic bytes) | 3E ('>' Sequence header line) | 4C 4F 43 55 53 20 20 20 20 (LOCUS ) |
Formaatoverzicht en toepassingen
Onderzoekers in de genomica schakelen regelmatig tussen eenvoudige sequentietekst en sterk geannoteerde records. Een FASTA-bestand is een lichtgewicht container met alleen een kopregel die begint met een groter-dan-teken en de ruwe nucleotide- of aminozuurletters. Deze eenvoud is handig voor eenvoudige uitlijningsprogramma's en sequentiezoekopdrachten. Wanneer wetenschappers echter nieuwe genomen moeten publiceren of specifieke genkenmerken moeten bestuderen, hebben ze gestructureerde metadata nodig. Het GenBank-platbestandsformaat lost dit op door de genetische sequentie in een strikt gestructureerd tekstdocument met meerdere regels op te nemen. Het bevat gestructureerde secties voor locusnamen, de taxonomie van organismen, publicatieverwijzingen en kenmerktabellen die precies aangeven waar genen, coderende regio's en promotoren zich op het chromosoom bevinden. Bio-informaticapijplijnen, genoombrowsers en indieningsportalen zoals NCBI GenBank vertrouwen op deze rijke annotatiestructuur om ruwe DNA-gegevens te interpreteren. Deze conversie overbrugt de kloof tussen het ontdekken van ruwe sequenties en de formele biologische beschrijving ervan. Een FASTA-bestand geeft alleen aan welke letters in het DNA aanwezig zijn; het GenBank-doelbestand legt uit wat die letters daadwerkelijk doen in een levende cel.
Technische specificaties en codec-overzicht
De converter verwerkt FASTA-identificatieregels en IUPAC-nucleotidensequenties en schrijft de sequentie vervolgens in genummerde blokken van 60 tekens in de GenBank ORIGIN-sectie. Er worden geen biologische kenmerkannotaties afgeleid of toegevoegd.
Besturingssysteem- en browserondersteuning
Omdat beide formaten uit standaard ASCII-tekst bestaan, zijn ze breed compatibel met de meeste moderne besturingssystemen en hardwareplatforms. U kunt ze openen en bewerken in Windows, macOS en Linux met eenvoudige teksteditors of gespecialiseerde bio-informaticasuites zoals Geneious, SnapGene en Artemis. Webbrowsers kunnen beide bestandstypen rechtstreeks weergeven in tekstvelden of via sequentieweergaven op basis van JavaScript. Opdrachtregelprogramma's zoals Biopython, EMBOSS en NCBI BLAST verwerken deze bestanden betrouwbaar in desktopterminals, HPC-clusters en cloudomgevingen.
Handige informatie
Controleer de gegenereerde identificatoren en recordvelden. Voeg, als uw werkwijze dat vereist, afzonderlijk geverifieerde brongegevens en kenmerkannotaties toe.
Veelgestelde vragen
Hoe converteert u een FASTA-sequentie naar een GenBank-platbestand zonder kwaliteitsverlies?
De converter verwerkt FASTA-identificatieregels en IUPAC-nucleotidensequenties en schrijft de sequentie vervolgens in genummerde blokken van 60 tekens in de GenBank ORIGIN-sectie. Er worden geen biologische kenmerkannotaties afgeleid of toegevoegd.
Wat is het verschil tussen een FASTA-sequentie en een GenBank-platbestand?
Een FASTA-bestand is een minimalistisch tekstformaat dat alleen een eenvoudige kopregel en ruwe sequentiereeksen bevat. Een GenBank-platbestand is een sterk gestructureerd document met vaste secties zoals LOCUS, DEFINITION, ACCESSION, SOURCE, FEATURES en ORIGIN, waarin naast de sequentie ook uitgebreide biologische metadata wordt opgeslagen.