Arquivo plano GenBank (.gb)
Especificação PadrãoFASTA é um formato de texto comum para sequências; o tamanho depende dos dados e da formatação. Os registros GenBank variam e as estatísticas mudam a cada versão.
Converter FASTA para GENBANK
Conversor gratuito de FASTA para GENBANK no navegador. Converta arquivos instantaneamente no seu dispositivo.
Inspeção e metadados
Sistemas operacionais e analisadores de arquivos identificam arquivos GenBank pela sequência inicial de bytes:
Assinatura do arquivo em bytes (magic bytes)
Sistemas operacionais e analisadores de arquivos identificam arquivos GenBank pela sequência inicial de bytes:
ASSINATURA HEXADECIMAL (DESLOCAMENTO 0):
4C 4F 43 55 53 20 20 20 20 20REPRESENTAÇÃO ASCII: LOCUS
Padronização: Especificação de lançamento NCBI GenBank
Especificações técnicas
| Estrutura do contêiner | Arquivo de texto simples dividido em cabeçalho (LOCUS, DEFINITION, ACCESSION), tabela FEATURES e dados de sequência ORIGIN, encerrados por "//" |
| Compressão | Texto sem compactação (muitas vezes compactado com Gzip como .gb.gz) |
| Ordem dos bytes (endianness) | Fluxo de texto UTF-8/ASCII |
| Espaços de cor | Não se aplica (banco de dados de anotações genômicas) |
| Canais e Estrutura | Sequências de DNA/RNA, anotações de genes, regiões codificantes (CDS), traduções de proteínas e referências científicas |
| Dimensões Máximas | Quantidade ilimitada de sequências e características |
| Transparência | Nenhuma |
| Streaming e Progressivo | Processamento em fluxo, registro por registro; cada entrada GenBank termina com uma linha "//" |
Matriz de comparação técnica: GenBank e formatos concorrentes
| Atributo técnico | GenBank (Atual) | FASTA | GFF | FASTQ |
|---|---|---|---|---|
| Detalhe da Anotação | Exaustivo (genes, CDS, citações, tradução) | Nenhum (apenas sequência) | Coordenadas genômicas tabulares | Apenas pontuações de qualidade de sequenciamento |
| Sequência Incluída | Sim (no bloco ORIGIN no final) | Sim (sequência pura) | Não (apenas coordenadas) | Sim (leituras brutas) |
| Ferramentas Principais | NCBI, SnapGene, Benchling | BLAST, ferramentas de alinhamento | Navegadores de genoma (UCSC, IGV) | Sequenciadores Illumina |
| Terminador de Registro | // em linha isolada | Próxima linha de cabeçalho '>' | Fim do arquivo | Próxima linha '@' |
Modos comuns de corrupção e guia de recuperação com editor hexadecimal
O software de bioinformática relata 'Erro no parser do GenBank: EOF prematuro antes de //'.
Causa principal: Download truncado cortando o bloco de origem da sequência final ou o delimitador '//'.
Recuperação: Anexe '//\n' ao final do arquivo usando a Ferramenta de Bioinformática File2File.app.
Análise de segurança e vetores de ataque a analisadores
Analisadores GenBank processam expressões complexas de localização de características. O retrocesso de expressões regulares pode causar negação de serviço.
Vetores de ataque conhecidos
- Negação de serviço por expressão regular (ReDoS) em analisadores complexos de localização de recursos.
- Estouro de buffer ao ler títulos de referência de citação excessivamente longos.
- Negação de serviço através de ciclos de referência de recursos circulares.
Melhores práticas defensivas: Use analisadores lineares sem retrocesso para avaliar os intervalos de coordenadas da tabela de características.
Origens históricas e marcos
Principais vantagens
- Metadados detalhados: inclui limites de genes, locais de promotores, éxons, íntrons e sequências de proteínas traduzidas.
- Inclui referências completas de literatura científica, IDs do PubMed, nomes de autores e datas de submissão experimental.
- FASTA é um formato de texto comum para sequências; o tamanho depende dos dados e da formatação. Os registros GenBank variam e as estatísticas mudam a cada versão.
Limitações técnicas e desvantagens
- É bem mais extenso e ocupa mais espaço que sequências FASTA em texto simples.
- Interpretar as coordenadas da tabela de características ("join(complement(100..500),600..800)") requer lógica complexa.
- Não foi projetado para alinhamento massivo de leituras de sequenciamento de alto rendimento.
Curiosidades técnicas
- Cada entrada GenBank começa com a palavra LOCUS e termina com duas barras (//) em uma linha separada.
- O GenBank sincroniza seus dados diariamente com o Laboratório Europeu de Biologia Molecular (EMBL) e o Banco de Dados de DNA do Japão (DDBJ).
- Biólogos sintéticos usam arquivos GenBank para projetar plasmídeos circulares personalizados para edição de genes CRISPR e produção de insulina.
Perguntas técnicas frequentes
Qual é a diferença entre os formatos FASTA e GenBank?
O formato FASTA contém apenas a sequência de DNA bruta com uma breve linha de cabeçalho. O GenBank contém a sequência bruta MAIS todas as anotações genéticas, traduções de proteínas, autores e notas científicas.
Como posso converter GenBank (.gb) para FASTA?
Você pode converter arquivos GenBank em sequências limpas de nucleotídeos ou proteínas FASTA com um clique usando o File2File.app diretamente no seu navegador.
Qual software abre arquivos GenBank?
SnapGene, Benchling, UGENE, Artemis e o File2File.app podem visualizar e editar arquivos GenBank.
Conversões de GenBank relacionadas
O conversor transforma a sequência FASTA num registo básico ao estilo GenBank e escreve-a na secção ORIGIN; não infere nem acrescenta anotações de características biológicas.
Converter um arquivo GenBank para FASTA remove os metadados de anotação e mantém apenas as sequências brutas de nucleotídeos ou aminoácidos necessárias para análises rápidas de bioinformática.