GenBank flatfil (.gb)
NCBIs StandardNCBI GenBank-flatfiler (.gb / .gbk) kan inneholde nukleotidsekvenser, funksjonsannoteringer og referanser. Innholdet varierer fra post til post og med innsendingen.
Konverter FASTA til GENBANK
Gratis FASTA til GENBANK-konverterer i nettleseren. Konverter filer umiddelbart på enheten din.
Inspeksjon og metadata
Operativsystemer og filanalysatorer identifiserer GenBank-filer ved å undersøke den innledende binære bytesekvensen:
Filsignatur på bytenivå (magiske byte)
Operativsystemer og filanalysatorer identifiserer GenBank-filer ved å undersøke den innledende binære bytesekvensen:
HEX-SIGNATUR (OFFSET 0):
4C 4F 43 55 53 20 20 20 20 20ASCII-REPRESENTASJON: LOCUS
Standardisering: NCBIs spesifikasjon for GenBank-utgivelser
Tekniske spesifikasjoner
| Beholderarkitektur | Ren tekstbasert flatfil delt inn i en headerdel (LOCUS, DEFINITION, ACCESSION), en FEATURES-tabell og sekvensdata under ORIGIN, som avsluttes med «//» |
| Komprimering | Ukomprimert tekst (ofte komprimert med Gzip som .gb.gz) |
| Bytterekkefølge | UTF-8- eller ASCII-tekststrøm |
| Fargerom | Ikke relevant (genomisk annoteringsdatabase) |
| Kanaler og struktur | DNA/RNA-sekvens, genannoteringer, kodende regioner (CDS), proteinoversettelser og vitenskapelige henvisninger |
| Maks. dimensjoner | Ubegrenset antall sekvenser og egenskaper |
| Gjennomsiktighet | Ingen |
| Strømming og progressiv visning | Strømming post for post: individuelle GenBank-oppføringer skilles med linjer med «//» |
Teknisk sammenligningsmatrise: GenBank sammenlignet med konkurrenter
| Teknisk attributt | GenBank (Gjeldende) | FASTA | GFF | FASTQ |
|---|---|---|---|---|
| Detaljnivå for annotering | Omfattende (gener, CDS, henvisninger, oversettelser) | Ingen (kun sekvens) | Tabellariske genomiske koordinater | Kun kvalitetsverdier for sekvensering |
| Inneholder sekvens | Ja (i ORIGIN-blokken til slutt) | Ja (ren sekvens) | Nei (kun koordinater) | Ja (rå sekvensavlesninger) |
| Primære verktøy | NCBI, SnapGene, Benchling | BLAST, verktøy for sekvenstilpasning | Genomlesere (UCSC, IGV) | Illumina-sekvenseringsmaskiner |
| Avslutning av post | // på frittstående linje | Neste overskriftslinje som begynner med «>» | Slutt på filen | Neste linje som begynner med «@» |
Vanlige korrupsjonsmoduser og heksadesimal gjenopprettingsveiledning
Bioinformatikkprogramvaren rapporterer «GenBank-parserfeil: uventet filslutt før //».
Underliggende årsak: Nedlastingen er avkuttet, slik at den siste ORIGIN-sekvensblokken eller skilletegnet '//' mangler.
Utbedring: Legg til '//\n' på slutten av filen med bioinformatikkverktøyet i File2File.app.
Sikkerhetsanalyse og angrepsvektorer mot parsere
GenBank-parsere behandler komplekse strenger for funksjonsplasseringer. Tilbakesporing i regulære uttrykk kan føre til tjenestenekt.
Kjente angrepsvektorer
- Tjenestenektangrep via regulære uttrykk (ReDoS) i parsere for komplekse funksjonsplasseringer.
- Bufferoverløp ved lesing av svært lange titler i litteraturhenvisninger.
- Tjenestenektangrep gjennom sirkulære løkker i funksjonshenvisninger.
Anbefalte sikkerhetstiltak: Bruk lineære parsere uten tilbakesporing til å evaluere koordinatområder i funksjonstabeller.
Historisk opprinnelse og milepæler
Viktige fordeler
- Omfattende metadata: lagrer genavgrensninger, promoterplasseringer, eksoner, introner og oversatte proteinsekvenser.
- Inkluderer fullstendige vitenskapelige litteraturhenvisninger, PubMed-ID-er, forfatternavn og datoer for eksperimentelle innsendinger.
- GenBank-filer godtas av NCBIs innsendingsverktøy og støttes av enkelte programmer for sekvenser og plasmiddesign; kompatibiliteten varierer mellom produkter og arbeidsflyter.
Tekniske begrensninger og ulemper
- Mye mer tekst og større filer enn rene FASTA-sekvenser.
- Det krever avansert tolking å behandle koordinater i funksjonstabellen, for eksempel «join(complement(100..500),600..800)».
- Formatet er ikke laget for massiv tilpasning av sekvensavlesninger fra høykapasitetssekvensering.
Interessante tekniske fakta
- Hver GenBank-oppføring begynner med ordet «LOCUS» og avsluttes med to skråstreker («//») på en egen linje.
- GenBank synkroniserer dataene daglig med European Molecular Biology Laboratory (EMBL) og DNA Data Bank of Japan (DDBJ).
- Syntetiske biologer bruker GenBank-filer til å utforme tilpassede, sirkulære plasmider for CRISPR-genredigering og insulinproduksjon.
Ofte stilte tekniske spørsmål
Hva er forskjellen mellom FASTA- og GenBank-formatet?
FASTA inneholder bare rå DNA-sekvens med en kort overskriftslinje. GenBank inneholder råsekvensen i tillegg til alle genannoteringer, proteinoversettelser, forfattere og vitenskapelige merknader.
Hvordan kan jeg konvertere GenBank (.gb) til FASTA?
Du kan konvertere GenBank-filer til rene FASTA-nukleotidsekvenser eller proteinsekvenser med ett klikk i nettleseren på File2File.app.
Hvilken programvare åpner GenBank-filer?
SnapGene, Benchling, UGENE, Artemis og File2File.app kan vise og redigere GenBank-filer.
Relaterte konverteringspar for GenBank
Konverter en støttet FASTA-sekvens til en enkel GenBank-lignende post. Biologiske funksjonsannoteringer utledes eller legges ikke til.
Konvertering av en GenBank-flatfil til en FASTA-sekvens fjerner annoteringsmetadata for å etterlate kun de rå nukleotid- eller aminosyresekvensene som trengs for rask bioinformatisk analyse.