Converter GenBank para FASTA
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.
Comparação de formatos e especificações técnicas
| Especificação | GENBANK | FASTA |
|---|---|---|
| Tipo MIME | text/ | text/ |
| Tipo | arquivo plano de nucleotídeos anotado | texto de sequências de bioinformática |
| Compressão | nenhum (texto simples) | nenhum (texto simples) |
| Especificação padrão | NCBI GenBank Flatfile Release Notes | NCBI FASTA Specification |
| Assinatura binária (magic bytes) | 4C 4F 43 55 53 20 20 20 20 (LOCUS ) | 3E ('>' Sequence header line) |
Visão geral e aplicações do formato
Registros GenBank incluem dados da sequência e anotações. FASTA armazena uma sequência com uma linha de definição e é aceito por muitas ferramentas de alinhamento e busca, incluindo BLAST, quando formatado para a ferramenta. A conversão para FASTA descarta as anotações, e os requisitos de entrada variam conforme o aplicativo de bioinformática.
Especificações técnicas e análise de codecs
O formato GenBank usa o tipo MIME text/plain e contém texto estruturado em seções identificadas por palavras-chave, como LOCUS, DEFINITION, ACCESSION e ORIGIN. FASTA também usa o tipo MIME text/plain, mas remove as seções e mantém apenas uma linha de cabeçalho iniciada pelo símbolo de maior que (>) e as linhas seguintes com as letras da sequência bruta. Nenhum dos formatos é compactado por padrão; ambos são arquivos de texto ASCII ou UTF-8. Como são formatos de texto simples, não têm assinaturas de bytes mágicos. Em vez disso, os programas identificam o formato examinando o início do texto em busca de palavras-chave como LOCUS nos arquivos GenBank ou do caractere “>” nos arquivos FASTA. Como FASTA mantém apenas a sequência e descarta as anotações, essa conversão só pode ser desfeita para recuperar a sequência em si; as notas biológicas do arquivo original não aparecem na saída.
Compatibilidade com sistemas operacionais e navegadores
FASTA e GenBank são formatos de texto, mas os aplicativos podem exigir regras específicas para quebra de linhas, identificadores, alfabeto da sequência ou campos do registro. Muitas ferramentas de bioinformática leem FASTA; confirme a variante e as configurações aceitas pela ferramenta desejada.
Informações úteis
Guarde sempre uma cópia de segurança do arquivo GenBank original antes de executar a conversão. Depois de remover as anotações para gerar um arquivo FASTA, não é possível recuperar apenas da sequência as coordenadas originais dos genes, as referências bibliográficas ou as tabelas de tradução.
Perguntas frequentes
Como converter Arquivo GenBank em Sequência FASTA sem perder qualidade?
A conversão preserva os dados da sequência genética. As letras de nucleotídeos ou proteínas permanecem iguais. No entanto, todas as anotações biológicas descritivas são removidas, como nomes de genes, citações de autores e tabelas de características, pois FASTA foi criado para armazenar apenas o cabeçalho e a sequência.
Qual é a diferença entre Arquivo GenBank e Sequência FASTA?
Um arquivo GenBank é um documento complexo, dividido em várias seções, que contém metadados biológicos detalhados e a sequência bruta no final. FASTA é um formato mínimo de texto: contém uma linha de cabeçalho descritiva iniciada pelo símbolo de maior que (>) e, em seguida, as linhas da sequência bruta.