Konwerter GenBank na FASTA
Konwersja pliku płaskiego GenBank na sekwencję FASTA usuwa metadane adnotacji, pozostawiając jedynie surowe sekwencje nukleotydów lub aminokwasów niezbędne do szybkiej analizy bioinformatycznej.
Porównanie formatów i specyfikacja techniczna
| Specyfikacja | GENBANK | FASTA |
|---|---|---|
| Typ MIME | text/ | text/ |
| Typ | płaski plik z adnotacjami sekwencji nukleotydów | tekst sekwencji bioinformatycznej |
| Kompresja | brak (zwykły tekst) | brak (zwykły tekst) |
| Standardowa specyfikacja | NCBI GenBank Flatfile Release Notes | NCBI FASTA Specification |
| Nagłówek z bajtami identyfikującymi | 4C 4F 43 55 53 20 20 20 20 (LOCUS ) | 3E ('>' Sequence header line) |
Przegląd formatu i zastosowania
Rekordy GenBank zawierają sekwencję i adnotacje. FASTA zapisuje sekwencję z linią opisu i jest akceptowany przez wiele narzędzi do dopasowywania oraz wyszukiwania, w tym BLAST, jeśli plik ma format wymagany przez dane narzędzie. Konwersja do FASTA usuwa adnotacje, a wymagania dotyczące danych wejściowych zależą od aplikacji bioinformatycznej.
Specyfikacja techniczna i analiza kodeków
Format pliku płaskiego GenBank używa typu MIME text/plain i zawiera mocno ustrukturyzowany tekst zorganizowany w wyraźne sekcje słów kluczowych, takie jak LOCUS, DEFINITION, ACCESSION i ORIGIN. Format FASTA również używa typu MIME text/plain, ale odrzuca wszystkie sekcje z wyjątkiem pojedynczej linii nagłówka zaczynającej się od znaku większości oraz kolejnych wierszy surowych liter sekwencji. Żaden z formatów domyślnie nie używa kompresji, co oznacza, że oba istnieją jako pliki tekstowe zakodowane w formacie ASCII lub UTF-8. Sygnatury magicznych bajtów nie istnieją dla tych formatów czystego tekstu. Zamiast tego oprogramowanie identyfikuje je poprzez skanowanie początkowych nagłówków tekstowych w poszukiwaniu słów kluczowych, takich jak LOCUS w plikach GenBank lub znak '>' w plikach FASTA. Ponieważ FASTA zachowuje tylko dane sekwencji i odrzuca adnotacje, konwersja jest ściśle jednokierunkowa dla samej sekwencji, choć wszelkie notatki biologiczne z oryginalnego pliku płaskiego zostają utracone w pliku wyjściowym.
Zgodność z systemami operacyjnymi i przeglądarkami
FASTA i GenBank to formaty tekstowe, ale aplikacje mogą wymagać określonego zawijania wierszy, identyfikatorów, alfabetu sekwencji lub pól rekordu. Wiele narzędzi bioinformatycznych odczytuje FASTA; sprawdź wariant i ustawienia akceptowane przez planowane narzędzie.
Przydatne informacje
Zawsze zachowaj kopię zapasową oryginalnego pliku płaskiego GenBank przed uruchomieniem skryptu konwersyjnego. Po usunięciu adnotacji do pliku FASTA nie można odzyskać pierwotnych współrzędnych genów, odniesień do publikacji ani tabel translacji wyłącznie z danych sekwencji.
Często zadawane pytania
Jak przekonwertować plik płaski GenBank na sekwencję FASTA bez utraty jakości?
Konwersja jest całkowicie bezstratna w odniesieniu do rzeczywistych danych sekwencji genetycznej. Litery nukleotydów lub białek pozostają nienaruszone. Tracisz jednak wszystkie opisowe adnotacje biologiczne, takie jak nazwy genów, cytaty autorów oraz tabele cech, ponieważ format FASTA został zaprojektowany tak, aby zawierać wyłącznie nagłówek i samą sekwencję.
Czym się różni plik płaski GenBank od sekwencji FASTA?
Plik płaski GenBank to złożony dokument wielosekcyjny zawierający bogate metadane biologiczne oraz surową sekwencję na dole. Sekwencja FASTA to minimalny format tekstowy składający się wyłącznie z pojedynczej linii nagłówka opisowego poprzedzonej znakiem większości, po której następuje ciąg wierszy z surową sekwencją.